Modelos MIMIC: de la neurociencia a las ciencias de la salud
Barra lateral del artículo
Contenido principal del artículo
Resumen
En medicina, muchas veces se encuentran situaciones donde la regresión (lineal o logística) no es viable, por contar con constructos latentes o factores que incluyen diversas variables observadas, ya que tratan de reflejar o estimar fenómenos complejos multidimensionales. Esta limitación dio lugar a la búsqueda de metodologías estadísticas alternativas, como un subtipo de Modelos de Ecuaciones Estructurales denominados modelos MIMIC (del inglés, por Multiple Indicators Multiple Causes), utilizado originalmente
en neurociencias. En esta entrega se explica qué son estos modelos, para qué sirven, así como se mencionan los programas para su aplicación, y la interpretación de resultados. Se ejemplifica con un estudio sobre la calidad de vida de personas que recibieron un trasplante, destacando la representación gráfica y la importancia de la parsimonia en los modelos. Estos modelos permiten incluir factores y variables sueltas en simultáneo, resolviendo relaciones causales complejas, por lo cual resultan herramientas útiles en la
investigación médica.
Downloads
Detalles del artículo
Sección
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Cómo citar
Referencias
Rosen AFG, Auger E, Woodruff N, et al. The multiple indicator multiple cause model for cognitive neuroscience: an analytic tool which emphasizes the behavior in brain-behavior relationships. Front Psychol. 2022;13:943613. https://doi.org/10.3389/fpsyg.2022.943613.
Costantini L, Pasquarella C, Odone A, et al. Screening for depression in primary care with Patient Health Questionnaire-9 (PHQ-9): a systematic review. J Affect Disord. 2021;279:473-483. https://doi.org/10.1016/j.jad.2020.09.131.
Liu T, Peng MM, Wong FHC, et al. Differential associations between depressive symptom-domains with anxiety, loneliness, and cognition in a sample of community older chinese adults: a multiple indicators multiple causes approach. Innov Aging. 2023;7(7):igad075. https://doi.org/10.1093/geroni/igad075.
Rubio L, Dumitrache CG, García AJ, et al. Coping strategies in Spanish older adults: a MIMIC model of socio-demographic characteristics and activity level. Aging Ment Health. 2018;22(2):226-232. https://doi.org/10.1080/13607863.2016.1247416.
Jöreskog KG, Goldberger AS. Estimation of a model with multiple indicators and multiple causes of a single latent variable. J Am Stat Assoc. 1975;70(351):631-639. https://doi.org/10.1080/01621459.1975.10482485.
Muthén BO. Goodness of fit with categorical and other nonnormal variables. En: Bollen KA, Long JS, editors. Testing structural equation models. Newbury Park, CA: Sage; 1993. p. 205-234.
Muthén B, du Toit SH, Spisic D. Robust inference using weighted least squares and quadratic estimating equations in latent variable modeling with categorical and continuous outcomes: technical report [Internet]. Los Angeles, CA: University of California; 1997 [consulta 2024 mar 01]. Disponible en https://www.statmodel.com/download/Article_075.pdf.
Flora DB, Curran PJ. An empirical evaluation of alternative methods of estimation for confirmatory factor analysis with ordinal data. Psychol Methods. 2004;9(4):466-491. https://doi.org/10.1037/1082-989X.9.4.466.
Schumacker RE, Lomax RG. A beginner’s guide to structural equation modeling. 3rd ed. New York, NY: Routledge; 2012.
Tekwe CD, Carter RL, Cullings HM, et al. Multiple indicators, multiple causes measurement error models. Stat Med. 2014;33(25):4469-4481. https://doi.org/10.1002/sim.6243.
Espinoza-Bello M, Galindo-Vázquez Ó, Jiménez-Ríos MA, et al. Propiedades psicométricas de la Escala de Evaluación Funcional para el Tratamiento del Cáncer, versión próstata (FACT-P), en pacientes mexicanos. Cir Cir. 2020;88(6):745-752. https://doi.org/10.24875/CIRU.19001755.
Chang C, Gardiner J, Houang R, et al. Comparing multiple statistical software for multiple-indicator, multiple-cause modeling: an application of gender disparity in adult cognitive functioning using MIDUS II dataset. BMC Med Res Methodol. 2020;20(1):275. https://doi.org/10.1186/s12874-020-01150-4.
Littlewood Zimmerman HF. Mi primer modelamiento de ecuación estructural LISREL. 3ª ed. México: DF; 2022 [consulta 2024 mar 01]. Disponible en: https://www.researchgate.net/publication/364844144_Mi_primer_modelamiento_de_ecuacion_estructural_LISREL.
Zaky HHM, Armanious DM, Kalliny MA. Applying the structural equation model approach to study the simultaneous relationship between women's empowerment and mental disorder in Egypt. BMC Womens Health. 2024;24(1):26. https://doi.org/10.1186/s12905-023-02863-6.
Moral de la Rubia J, López Rosales F. Modelo recursivo de reacción violenta en parejas válido para ambos sexos. Bol Psicol. 2012;(105):61-74.