Intervenciones basadas en virtudes frente a intervenciones cognitivo-conductuales en pacientes con enfermedades médicas crónicas

Actualmente, existen varias intervenciones efectivas para aumentar el bienestar, como la Terapia Cognitivo-Conductual (TCC), que se enfoca en reducir los déficits, y las Intervenciones Basadas en Virtudes (VBI), que se enfocan en fomentar acciones que promuevan el bienestar. Sin embargo, hay poca investigación sobre los mecanismos mediante los cuales funcionan estas intervenciones. El objetivo de este estudio es analizar los mecanismos de cambio específicos y comunes de dos tratamientos activos (TCC y VBI) para aumentar el bienestar en pacientes con enfermedades crónicas. Esta población será utilizada debido a su bajo nivel de bienestar en comparación con la población general. Se llevará a cabo un ensayo controlado aleatorio, con dos condiciones experimentales (VBI y CBT) y cuatro puntos de evaluación (antes y después de la intervención, y seguimiento a los 6 y 12 meses). Evaluaremos principalmente el bienestar, la ansiedad, la depresión, los mecanismos específicos de cada intervención (p. ej., pensamientos disfuncionales en la TCC, uso de fortalezas en la VBI) y mecanismos comunes a las intervenciones psicológicas (p. ej., confianza en el tratamiento). Primero, se evaluará la elegibilidad de los participantes de acuerdo con los criterios de inclusión/exclusión. En segundo lugar, los participantes elegibles serán asignados al azar a una condición de TCC o VBI y completarán las medidas iniciales. En tercer lugar, los participantes recibirán la intervención central durante 9 semanas. Finalmente, los participantes completarán las medidas después del tratamiento y 6 y 12 meses después. Durante el tratamiento, responderán diariamente algunas preguntas para evaluar el bienestar y las competencias de bienestar mediante la Evaluación Ecológica Momentánea (EMA). Las hipótesis son: (1) ambos participantes en las condiciones de TCC y VBI aumentarán sus niveles de bienestar y los cambios estarán mediados por los mecanismos específicos de cada intervención, (2) algunos de los cambios en el bienestar que pueden que existen en ambas intervenciones se explicarán por los factores comunes, (3) todos estos cambios serán moderados por los niveles iniciales de ansiedad, depresión y bienestar, y (4) tanto los participantes en las condiciones de TCC como de VBI reducirán los niveles de ansiedad y depresión. El estudio se llevará a cabo siguiendo los principios establecidos en la Declaración de Helsinki.

Plan de análisis:

Se aplicó un enfoque mixto entre métodos cuantitativos y cualitativos. En cuanto a los métodos cuantitativos, las diferencias entre grupos en datos demográficos y otras variables clínicas se probarán con pruebas T para variables continuas y pruebas de χ2 para variables categóricas. Se probarán los supuestos y, si no son válidos, se aplicarán alternativas no paramétricas y sólidas. Las relaciones entre variables continuas se examinarán y probarán para detectar diferencias entre grupos. Además, se evaluará la confiabilidad de las variables de autoinforme para garantizar buenas propiedades psicométricas.

Para probar el impacto de VBI y CBT a lo largo del tiempo, se implementará un análisis de covarianza mixto bidireccional (ANCOVA) (grupo como variable entre sujetos, tiempo como variable dentro de los sujetos). Se estimarán los efectos principales y de interacción, junto con pruebas post hoc con corrección de errores tipo I (Bonferroni y Šidák) y medias marginales estimadas con intervalos de confianza del 95%. Se probarán los supuestos de ANCOVA y se implementarán correcciones si no se cumplen. Todos los contrastes contarán con tamaños del efecto e intervalos de confianza del 95%. Se evaluarán el abandono y otros patrones de datos faltantes. Más concretamente, la proporción de datos faltantes se examinará y comparará entre grupos. Si se encuentran datos faltantes relevantes o no ignorables, se aplicará la imputación múltiple de datos faltantes. Más concretamente, se implementará una estrategia multinivel. Los predictores se seleccionarán por diseño y compartiendo una cantidad relevante de variación con cada resultado. Además, se implementará un análisis de sensibilidad para probar la solidez de los modelos de imputación. Para estimar el impacto del tamaño de la muestra, todos los análisis contarán con un análisis de sensibilidad que se implementará con un 90 % de potencia y un 95 % de confianza utilizando G*Power 3.1.

Para analizar potenciales mecanismos de cambio en cada programa, se implementarán modelos de ecuaciones estructurales (SEM). Las puntuaciones de diferencia entre tiempos (post - preintervención y seguimientos - preintervención) se calcularán e implementarán como resultados. Siguiendo nuestro marco, se desarrollarán una serie de propuestas de mecanismos como modelos teóricos para el SEM. Dado que la mayoría o todas las variables serán continuas, se utilizará Máxima Verosimilitud Robusta como método de estimación junto con errores estándar robustos de las estimaciones (esto permite estimaciones insesgadas de las desviaciones de la normalidad). Los datos faltantes se manejarán con el método de Máxima Verosimilitud de Información Completa. El ajuste se evaluará con índices y umbrales recomendados por la literatura. Debido a las mediaciones presentes en nuestro marco, los efectos indirectos se estimarán con técnicas de bootstrap. Además, se aplicará una corrección por pruebas múltiples debido a la propuesta de varios modelos teóricos. Un análisis de poder reveló con 90% de poder, 95% de confianza y 210 grados de libertad (20 variables), un tamaño de muestra mínimo de n = 100 capaz de diferenciar entre una población RMSEA = 0,5 con una RMSEA alternativa = 0,08. Sin embargo, el tamaño de la muestra aumentará si está disponible.

Para analizar las puntuaciones de la EMA, se implementarán modelos longitudinales multinivel. Más concretamente, el tiempo específico de evaluación anidado en los tiempos generales (pre, post y seguimiento), anidado en individuos y luego anidado en grupos (VBI o CBT). Se examinarán y emplearán los modelos disponibles (por ejemplo, modelos de crecimiento con rezagos cruzados, modelos GIMME, SEM dinámico).

Las pruebas descriptivas, bivariadas y ANCOVA se estimarán con JASP, mientras que los análisis SEM y EMA se estimarán con el entorno R. Los paquetes específicos son lavaan, lme4 y EMAtools.

En cuanto a los métodos cualitativos, se implementarán entrevistas semiestructuradas con una perspectiva inductiva para buscar categorías subyacentes a las respuestas de los participantes. El análisis temático se utilizará como marco para localizar y describir estas categorías. Dos miembros del equipo desarrollarán el análisis temático con las siguientes fases: (1) lectura y relectura de respuestas abiertas y descripción de ideas generales; (2) generación de primeros códigos extrayendo toda la información verbal relevante sobre las preguntas de investigación, asignando una breve descripción o código y distribuyéndolos en una tabla; (3) organizar los códigos en la búsqueda de temas; (4) revisar los temas propuestos buscando la homogeneidad y especificidad de los contenidos, y asegurando que las unidades de significado verbal estén adecuadamente representadas en los temas; (5) definición y descripción de temas.