Encuesta de Polivictimización

Polivictimización

Presentación del caso

La Primera Encuesta Nacional de Polivictimización en Niñas, Niños y Adolescentes en Chile se realizó con el objetivo de medir la magnitud de la exposición a diversas formas de violencia en la niñez y adolescencia, a nivel nacional y regional, junto a indicadores de salud mental como la autoestima y la depresión. Esta encuesta fue aplicada entre octubre y diciembre de 2017, y abarcó una muestra de 19,867 estudiantes de 7º básico a 3º medio de establecimientos educacionales de todas las regiones del país.

En este estudio1, se incluyen diferentes instrumentos para evaluar victimización, autoestima y depresión en adolescentes. Se utilizó un cuestionario adaptado del “Juvenile Victimization Questionnaire” (JVQ) desarrollado por Finkelhor (Finkelhor et al., 2005), el cual se aplicó de forma auto-administrada con la asistencia de un facilitador. A través de este cuestionario, se estudiaron variables que permiten evaluar la prevalencia y acumulación de experiencias traumáticas en la infancia y adolescencia, divididas en seis dimensiones clave: delitos comunes, maltrato o negligencia por cuidadores, victimización por pares, victimización de carácter sexual, exposición a violencia en entornos familiares y comunitarios, y victimización digital. En este estudio, se define como “polivíctima” aquellos niños, niñas y adolescentes (NNA) que pertenecen al 10% superior de la distribución de puntajes de victimizaciones en el grupo estudiado. Este indicador es empleado para mostrar que el número de victimizaciones acumuladas puede variar según las características de los estudiantes, como el sexo, la edad, y otras características de sus entornos.

Además, para complementar el análisis, se incluyeron dos escalas psicométricas relevantes: la Escala de autoestima de Rosenberg (Rosenberg, 1965) y la Escala de detección de depresión infantil de Birleson (Birleson, 1981, MINSAL, 2013). Este enfoque multidimensional permite entender cómo la acumulación de experiencias traumáticas impacta en el desarrollo infantil y adolescente. Por ejemplo, algunas de las preguntas que podríamos resolver con estos datos son: ¿Cómo se relaciona el número de victimizaciones con los síntomas depresivos en niños, niñas y adolescentes?; ¿Existen diferencias significativas entre niños y niñas en la frecuencia y el tipo de victimización sufrida?; ¿Cuál es la relación entre la cantidad de victimizaciones sufridas y los niveles de autoestima en adolescentes?; y ¿Existen diferencias significativas en los niveles de polivictimización entre distintas regiones del país? La respuesta a estas preguntas favorece el diseño de intervenciones tempranas y políticas públicas que prioricen la prevención de la violencia de carácter intersectorial.

Actividades

Clase 1

Modelo de datos:

  • Tendencia central y variabilidad

Para empezar, obtengamos, a nivel general, la media, mediana, varianza y desviación estándar de los puntajes de depresión (según la escala de Birleson) presentados por las niñas, niños y adolescentes (NNA) de la muestra.

Estudios previos sobre la escala de Birleson et al (1987) han encontrado patrones diferentes en las respuestas de hombres y mujeres (e.g., Denda et al, 2006). En particular, se ha encontrado mayor dispersión en los puntajes por parte de las mujeres, y mayores puntajes totales. Calcule los descriptivos correspondientes para mujeres y hombres, incluyendo medias, medianas, desviación estándar, y varianza.

El MINSAL (2013) emplea los 19 puntos en la escala de Birleson como puntaje corte para determinar quiénes se encuentran en riesgo de depresión. Bajo este criterio, calcula la proporción de los casos que estaría en riesgo de depresión (19 puntos o más).

Para mayor especificidad, calcula la proporción de “polivictimas” y “no polivictimas” que se encontraría en riesgo de depresión.

  • Modelo nulo y concepto de residuo

Para predecir el puntaje de depresión de un individuo, podemos guiarnos por la media de la muestra que obtuvimos anteriormente. A continuación, crearemos un modelo nulo para los niveles de depresión en los NNA y, luego, calcularemos los residuos, es decir, las diferencias entre los valores observados de depresión y los valores predichos por el modelo.

Esto mismo es factible también para predecir la cantidad total de tipo de victimizaciones sufridas por los NNA de la muestra. A continuación, crearemos un modelo nulo en base al promedio de la cantidad total de tipos de victimizaciones sufridas y, luego, calcularemos los residuos.

Clase 2

Modelo de regresión:

  • Regresión simple y sus parámetros

Para complejizar nuestro modelo anterior, podemos introducir una variable predictora, en este caso, la cantidad total de tipos de victimizaciones sufridas por cada NNA en los últimos 12 meses. Queremos responder a la pregunta ¿Cómo afecta la cantidad total de tipos de victimizaciones sufridas a los niveles de depresión en niños y adolescentes? Para ello, realizaremos un modelo de regresión simple en el que la variable dependiente será la puntuación total de depresión y la variable independiente será el total de tipos de victimizaciones sufridas. Esto nos permitirá entender cómo cambia la puntuación de depresión en función del número de victimizaciones sufridas.

Caracterizando y comparando distribuciones

  • Tendencia central, variabilidad y asimetría

Selecciona dos subgrupos de interés (por ejemplo, por género o región) y sigue las siguientes indicaciones

  1. Calcula los estadísticos descriptivos (media, mediana, desviación estándar, etc.) para el total de tipos de victimizaciones en ambos subgrupos.
  1. Visualiza las distribuciones de ambas muestras utilizando histogramas o gráficos de densidad para identificar posibles diferencias (y=casos, x=victimizaciones). Además, genera boxplots para comparar la dispersión de los datos entre distribuciones.
  1. Calcula el 10% superior de victimizaciones en cada uno de los grupos para identificar a las polivíctimas.
  1. Compara las proporciones de polivíctimas en ambos grupos.

Respuesta:

Clase 3

Comparación de modelos

  • Modelo base vs modelo de regresión: R2 como indicador de comparación de ajuste

Hasta ahora, hemos creado dos modelos para predecir los puntajes de depresión de los NNA de la muestra. El primero de ellos (el modelo nulo o de base) predice los puntajes en función de la media, mientras que el segundo agrega como variable predictora la cantidad total de tipos de victimizaciones sufridas por el sujeto en los últimos 12 meses. A continuación, visualizaremos los residuos de ambos modelos utilizando gráficos de dispersión o histogramas para observar cómo se distribuyen, y los compararemos utilizando la varianza explicada (R²).

Evalúa cuál de los dos modelos ofrece un mejor ajuste y discute los resultados. ¿En qué medida mejora el modelo de regresión frente al modelo base? ¿Qué implicaciones tiene esto para la comprensión de la relación entre la variable predictora seleccionada y la depresión?

Respuesta:

Distribución normal

  • Puntaje z

Para comparar cómo diferentes tipos de victimización impactan los niveles de depresión en los NNA, selecciona dos tipos de victimización del estudio (por ejemplo, maltrato por cuidadores y por parte de pares) y calcula la media y desviación estándar de los niveles de depresión asociados a cada tipo de victimización.

Utilizando como valor específico los 19 puntos en la escala de Birleson, calcula su puntaje su puntaje Z para cada tipo de victimización.

Interpreta estos puntajes en términos de cómo se compara este valor con el promedio de cada grupo de victimización. ¿En qué tipo de victimización el valor de depresión se encuentra más alejado de la media (positivamente o negativamente)? ¿Qué implicaciones tienen estos resultados para entender la relación entre diferentes formas de victimización y la severidad de los síntomas de depresión?

Respuesta:

  • Simulación de datos y muestras de una distribución normal

Simula dos muestras de 1,000 datos de depresión utilizando una distribución normal. Usa las medias y desviaciones estándar que obtuviste para los niveles de depresión asociados a los dos tipos de victimización utilizados en el ejercicio anterior.

Visualiza las distribuciones de las dos muestras simuladas utilizando histogramas y superpone una curva de densidad para comparar cómo varían las distribuciones entre los distintos tipos de victimización.

Extrae una muestra aleatoria de 100 datos de cada una de las distribuciones simuladas y calcula los estadísticos descriptivos (media, desviación estándar, percentiles). Luego, compara los estadígrafos y la forma de las distribuciones simuladas para los dos tipos de victimización. ¿Qué diferencias observas y qué implicaciones podrían tener para la comprensión de cómo cada tipo de victimización afecta la depresión?

Respuesta:

Clase 4

Modelo de regresión y correlación

  • Interpretando la pendiente y su estandarización y Correlación de Pearson

Retomando el modelo de regresión simple que creamos anteriormente, compararemos tres estimados estadísticos clave en un análisis de este tipo: beta no estandarizado, beta estandarizado y correlación de Pearson. El primero te indica cuánto cambian los niveles de depresión por unidad adicional de tipo de victimización sufrida dentro de los últimos 12 meses. Ejecuta nuevamente el modelo de regresión y obtén los coeficientes. El valor del beta no estandarizado aparecerá en la salida del modelo como el coeficiente de la variable independiente.

El beta estandarizado te permite medir la relación en unidades de desviaciones estándar, lo que facilita la comparación de la magnitud del efecto entre diferentes variables en una misma escala. Para obtenerlo, estandariza el total de tipos de victimizaciones sufridas y la puntuación total de depresión para que ambas variables tengan una media de 0 y una desviación estándar de 1.

Finalmente, calcula la correlación de Pearson entre la cantidad total de victimizaciones sufridas dentro de los últimos 12 meses y los niveles de depresión. Esto te permitirá conocer la dirección y el tamaño de la relación entre las variables.

Compara los tres estimados (beta no estandarizado, beta estandarizado y correlación de Pearson) para analizar si son consistentes en cuanto a la dirección de la relación.¿Qué diferencias encuentras? ¿En qué situaciones son útiles cada uno de estos estimados y qué información adicional proporciona el beta no estandarizado respecto a la correlación de Pearson?

Respuesta:

Clase 5

Distribuciones de datos y distribuciones de probabilidad

  • Simulando distribuciones de datos

[FALTA]

  • Expresando en probabilidades un resultado en una distribución de datos

Suponiendo que los datos de depresión siguen (o se aproximan a) una distribución normal, usaremos la media y desviación estándar de la muestra para calcular la probabilidad de que un NNA tenga una puntuación de depresión mayor a 19

Calcula el valor crítico correspondiente al percentil 95 de la distribución. Esto nos da el valor de depresión por encima del cual se encuentra el 5% superior de la población.

Discute los resultados en términos de intervención psicológica. ¿Cuántos NNA tienen una probabilidad alta de estar por encima de una puntuación de depresión crítica? ¿Qué implicaciones tienen estos resultados para la identificación de casos severos?

Respuesta:

Clase 6

Distribuciones muestrales

  • Teorema del límite central y el efecto del tamaño muestral

Simula tres muestras aleatorias de tamaño 500, 1000 y 5000 a partir de los datos de depresión de los NNA victimizados por cuidadores. ¿Cómo cambia la media y desviación estándar de los niveles de depresión conforme aumenta el tamaño de la muestra?

Respuesta:

  • Intervalos de confianza

Toma 100 muestras aleatorias de tamaño 50 de los niveles de depresión en NNA victimizados por cuidadores. Calcula la media de depresión de cada muestra y construye la distribución muestral del promedio. ¿Cómo es la forma de la distribución muestral de las medias en comparación con la distribución original de los puntajes de depresión en NNA victimizados por pares?

Respuesta:

Usando la distribución muestral de tamaño 1000, calcula el intervalo de confianza del 95% para los niveles de depresión de los NNA victimizados por cuidadores. ¿Qué nos dice este intervalo sobre la precisión de la estimación de la media?

Respuesta:

Clase 7

La lógica del contraste de hipótesis en estadística con una media

  • El modelo de regresión base, hipótesis nula e hipótesis alternativa

El primer modelo base que creamos predice los niveles de depresión utilizando la media de depresión para todos los NNA, sin incluir ninguna otra variable como predictor. En cambio, el segundo modelo que creaste, el modelo completo, incluía como variable predictora el total de tipos de victimizaciones sufridas. ¿Cuál es la hipótesis que este segundo modelo está tratando de probar? Y si la hipótesis nula es aquella que niega los efectos de la variable predictora postulada en la hipótesis alternativa ¿Cuál sería la hipótesis nula dentro de este contexto?

Respuesta:

Calcula el valor p para el predictor que corresponde al total de tipos de victimizaciones sufridas del segundo modelo, que nos indicará si esta variable tiene un impacto significativo en los niveles de depresión de los NNA.

¿El valor p asociado al total de tipos de victimizaciones sufridas es menor a 0.05? Si es así, ¿qué podemos concluir sobre la hipótesis alternativa?

Respuesta:

Para simular la distribución bajo la hipótesis nula, vamos a realizar múltiples permutaciones aleatorias de la variable de depresión. Repite el ajuste del modelo de regresión entre el número de tipos de victimizaciones y las puntuaciones de depresión para cada permutación (por ejemplo, 1000 permutaciones), y guarda los valores de la pendiente obtenidos en cada iteración. Finalmente, calcula el valor p comparando el valor de la pendiente observado en el modelo completo original con la distribución de pendientes obtenidas bajo la hipótesis nula.

¿Qué representa la distribución muestral de las pendientes bajo la hipótesis nula? ¿Cómo te ayuda a entender el valor p y su significado en este contexto?

Respuesta:

Clase 8

Comparando medias de dos grupos

  • El modelo de regresión con predictor dicotómico

Analizaremos cómo la victimización por parte de cuidadores (“maltrato o negligencia por cuidadores”) (sí/no) influye en los niveles de depresión de los NNA. Para ello, identifica y codifica la variable que indica si un NNA ha sufrido victimización por parte de cuidadores (sí/no), donde 1 significa “sí ha sido victima” y 0 significa “no ha sido victima”. Usa la puntuación de depresión como la variable dependiente.

Crea un modelo de regresión lineal donde la variable dependiente sea la puntuación de depresión y la variable independiente sea la victimización por cuidadores (sí/no).

Visualiza los resultados utilizando un boxplot que compare los niveles de depresión entre NNA que han sido victimizados por cuidadores y aquellos que no. Luego, obtén un resumen del modelo e interpreta los resultados: la pendiente te indica cómo cambia la puntuación de depresión entre los NNA que han sufrido victimización por parte de cuidadores y aquellos que no, mientras que el valor p determina si la variable victimización es un predictor significativo de los niveles de depresión.

Respuesta:

Clase 9

Comparando medias de dos grupos II

  • Comparación con Prueba z

En este ejercicio queremos determinar si existen diferencias significativas en los niveles de depresión entre los NNA que han sufrido victimización digital y aquellos que han sufrido exposición a violencia familiar. Usaremos la distribución muestral del estadígrafo Z para evaluar la plausibilidad de la hipótesis nula frente a la alternativa. Para ello, asumiendo que la desviación estándar de la muestra se puede usar como indicador de la desviación estándar de la población,

  1. Formula la hipótesis nula (H₀) y la hipótesis alternativa (Hₐ) para comparar los niveles de depresión entre los dos grupos (victimización digital y exposición a violencia familiar).

Respuesta:

  1. Calcula las medias y desviaciones estándar de la puntuación de depresión de cada grupo para realizar una prueba Z.

  2. Calcula el valor p asociado al estadístico Z para determinar si la diferencia en depresión entre los dos grupos es significativa.

  3. Visualiza los resultados con un boxplot que compare los niveles de depresión entre ambos grupos.

  1. Responde a la pregunta: ¿Existen diferencias significativas en los niveles de depresión entre los NNA que han sufrido victimización digital y los que han sufrido victimización por exposición a violencia familiar?

Respuesta:

  • Comparación con prueba t

Ahora evaluaremos si existen diferencias significativas en los niveles de autoestima entre los NNA que han sufrido victimización por cuidadores y aquellos que han sufrido victimización por pares. Usaremos la distribución t para evaluar la plausibilidad de H₀ frente a Hₐ. Para ello,

  1. Formula la hipótesis nula (H₀) y la hipótesis alternativa (Hₐ) pertinentes en este contexto.

Respuesta

  1. realiza una prueba t de dos muestras independientes, asumiendo varianzas iguales, para comparar los niveles de autoestima entre ambos grupos de NNA (víctimas de cuidadores y víctimas de pares), y

  2. visualiza los resultados utilizando un boxplot que compare las medias de ambos grupos.

  1. Contrasta los resultados de la prueba t con los del modelo de regresión que hiciste en la clase anterior: ¿Existen diferencias significativas en los niveles de autoestima entre los dos grupos? ¿Los resultados del modelo de regresión coinciden con los de la prueba t? ¿Cómo se interpretan las varianzas iguales en este contexto?

Respuesta:

En esta oportunidad, sin asumir varianzas iguales,

  1. aplica una prueba t de dos muestras independientes para comparar los niveles de autoestima entre NNA víctimas de cuidadores y de pares.

  2. Visualiza los resultados utilizando un boxplot y, fíjate en cómo cambian los grados de libertad entre esta prueba y la del primer ejercicio (asumiendo varianzas iguales).

  3. Compara los resultados obtenidos en ambas pruebas y discute las diferencias: ¿Existen diferencias en los resultados entre la prueba t con varianzas iguales y la que no asume varianzas iguales? ¿Cómo afectan los grados de libertad a los resultados? ¿El modelo de regresión proporciona resultados consistentes con ambas pruebas t?

Respuesta:

  • Comparación con ANOVA A continuación, compararemos los niveles de autoestima entre distintos grupos de frecuencia de exposición a violencia digital (Nunca, 1 vez, 2 o 3 veces, Al menos una vez al mes, Al menos una vez a la semana o, Todos los días) para explorar la distribución muestral del estadígrafo F. Para ello,
  1. Formula la hipótesis nula (H₀) y la hipótesis alternativa (Hₐ) pertinentes en este contexto.

Respuesta:

  1. Realiza una prueba ANOVA para comparar las medias de autoestima entre los distintos niveles de frecuencia de exposición a violencia digital.

  2. Si el ANOVA indica diferencias significativas, realiza un análisis post-hoc (como la prueba de Tukey) para identificar específicamente qué grupos son significativamente diferentes.

  1. Responde: ¿Qué grupos de frecuencia de exposición a violencia digital tienen medias de autoestima significativamente diferentes?

Respuesta:

A continuación, compararemos los niveles de autoestima entre los grupos que presentan distintas condiciones físicas (mudez, sordera, ceguera, o ninguna condición). Queremos responder a la pregunta ¿Existen diferencias significativas en los puntajes de autoestima entre los NNA con mudez, sordera, ceguera o sin ninguna condición de larga duración? Para ello,

  1. Formula la hipótesis nula (H₀) y la hipótesis alternativa (Hₐ) pertinentes en este contexto.

Respuesta:

  1. crea una variable categórica para las condiciones físicas (mudez, sordera, ceguera, o ninguna). Esta variable debe clasificar a los NNA en uno de estos cuatro grupos.

  2. Luego, realiza un ANOVA para comparar los niveles de autoestima entre los cuatro grupos de condiciones físicas.

  1. Finalmente, interpreta los resultados del ANOVA y, si hay diferencias significativas en los niveles de autoestima entre los grupos, realiza una prueba post-hoc (como la prueba de Tukey) para identificar qué grupos específicos tienen diferencias significativas en los niveles de autoestima. También, puedes visualizar las diferencias de autoestima entre los grupos utilizando un boxplot para representar las medias de autoestima para cada condición física.

Respuesta:

Clase 10

Comparando medias de tres o más grupos II

  • Dicotomizando una variable politómica

Analizaremos cómo el año escolar cursado y la frecuencia de victimización por parte de pares (baja vs. alta exposición) afectan los niveles de depresión. Para ello,

  1. Dicotomiza la variable de frecuencia de victimización por pares en dos grupos: baja exposición (nunca, 1 vez, 2 o 3 veces) y alta exposición (al menos una vez al mes, al menos una vez a la semana, todos los días).

  2. Luego, realiza un ANOVA para comparar los niveles de depresión entre los diferentes años escolares y la exposición a la victimización por parte de pares. Posteriormente, interpreta los resultados del ANOVA guiándote por el estadígrafo F y el valor p.

  3. Si el ANOVA muestra diferencias significativas, realiza una prueba post-hoc (como la prueba de Tukey) para identificar qué grupos específicos presentan diferencias en los niveles de depresión. También, puedes visualizar los resultados utilizando un boxplot para comparar los niveles de depresión entre los NNA en distintos años escolares y niveles de victimización por parte de pares.

  4. Finalmente interpreta los resultados del análisis y las conclusiones que obtuviste a partir de éste.

Respuesta:

  • El modelo de regresión con un predictor politómico

En este ejercicio, analizaremos cómo varía la autoestima de los NNA en función del año escolar cursado. La variable “año escolar” es una variable politómica con múltiples categorías (de séptimo básico a tercero medio) y se utilizará como predictor en un modelo de regresión lineal. Para ello, 1. dado que “año escolar” es una variable con varias categorías, primero debes crear variables dummy. Cada categoría del año escolar se representará con una variable dummy que tomará el valor de 1 cuando el estudiante esté en ese año y 0 en caso contrario. Elige una categoría como referencia en el modelo (por ejemplo, 7º básico) y usa las demás categorías como variables dummy en la regresión. 2. Crea un modelo de regresión lineal donde la variable dependiente sea el nivel de autoestima y las variables independientes sean las dummies para cada año escolar (exceptuando la categoría de referencia). Ejecuta el modelo y observa los coeficientes para cada dummy. Cada coeficiente te indicará cuánto difiere el nivel de autoestima en cada año escolar en relación con la categoría de referencia. 3. Para una comparación visual de los niveles de autoestima en cada año escolar, usa un gráfico de barras o un boxplot que muestre las medias de autoestima en cada grupo de año escolar. 4. Finalmente, interpreta los coeficientes de la regresión y determina si el año escolar tiene un efecto significativo sobre la autoestima. Examina el valor p de cada dummy para ver si hay diferencias significativas entre la autoestima de los estudiantes en distintos años escolares

Respuesta:

Clase 12

Regresión múltiple

  • Dos variables dicotómicas (e interacción)

Ahora analizaremos cómo el sexo y la victimización digital interactúan para influir en los niveles de depresión. Para ello,

  1. dicotomiza las variables de sexo y victimización digital: codifica como 1 para mujeres y 0 para hombres, y codifica como 1 para víctimas de violencia digital y 0 para no víctimas.

  2. Crea una variable de interacción entre el sexo y la victimización digital.

  3. Ajusta un modelo de regresión múltiple para predecir los niveles de depresión a partir del sexo, la victimización digital, y la interacción.

  4. Finalmente, interpreta los resultados de la regresión múltiple: ¿El sexo tiene un efecto significativo sobre los niveles de depresión? ¿La victimización digital tiene un efecto significativo sobre los niveles de depresión?¿La interacción entre sexo y victimización digital tiene un efecto significativo en la depresión?

Respuesta:

Clase 13

Regresión múltiple II

  • Una variable cuantitativa y una dicotómica (e interacción)

Analizaremos cómo la cantidad de tipos de victimizaciones sufridas varía según el año escolar cursado (educación básica vs. media) y el sexo (masculino vs. femenino). Queremos responder a las preguntas ¿Existen diferencias significativas en la cantidad de tipos de victimizaciones sufridas en función del año escolar y el sexo de los NNA? ¿Existen interacciones entre estas variables? Para ello,

  1. crea dos variables dicotómicas: dicotomiza la variable “año escolar” en educación básica (por ejemplo, 7º y 8º básico) y educación media (1º a 3º medio), y utiliza la variable sexo para crear un predictor dicotómico (masculino = 1, femenino = 0).

  2. Crea un modelo de regresión múltiple en el que la variable dependiente sea la cantidad de victimizaciones sufridas y las variables independientes sean el año escolar y el sexo. Incluye una interacción entre ambas variables para evaluar si la combinación de año escolar y sexo afecta la cantidad de victimizaciones.

  3. Visualiza la interacción entre año escolar y sexo utilizando un gráfico de interacción para mostrar cómo varía la cantidad de victimizaciones según estas dos variables.

  4. Interpreta los resultados: ¿Cómo afectan el año escolar y el sexo la cantidad total de victimizaciones? ¿Es significativo el coeficiente de interacción?

Respuesta:

Clase 14

Medidas de asociación de dos variables categóricas

  • Chi-cuadrado

Por último, vamos a investigar si existe una relación significativa entre el sexo (hombres y mujeres) y el riesgo de depresión en niños y adolescentes, categorizado en dos niveles (alto y bajo) según la escala de Birleson. Para ello,

  1. clasifica el nivel de depresión en dos categorías: “Alto” si la puntuación de depresión en la escala de Birleson es 19 o más, y “Bajo” si es menor a 19.

  2. Crea una tabla de frecuencia cruzada que muestre el número de individuos en cada combinación de sexo y riesgo de depresión (alto y bajo).

  3. Realiza una prueba de chi-cuadrado sobre la tabla de frecuencia cruzada para determinar si existe una asociación significativa entre el sexo y el riesgo de depresión.

  4. Crea un gráfico de barras que compare la frecuencia de riesgo de depresión (alto y bajo) entre hombres y mujeres.

  5. Interpreta los resultados: ¿El valor p obtenido en la prueba de chi-cuadrado es menor a 0.05? Si es así, ¿qué nos sugiere esto sobre la relación entre el sexo y el riesgo de depresión? ¿Qué observas en la comparación de frecuencias de riesgo de depresión entre hombres y mujeres en el gráfico de barras? ¿Hay diferencias notables?

Respuesta:

Referencias

Birleson, P. (1981). The Validity of Depressive Disorder in Childhood and the Development of a Self‐Rating Scale: a Research Report. Journal of Child Psychology and Psychiatry, 22(1), 73–88. https://doi.org/10.1111/j.1469-7610.1981.tb00533.x

Birleson, P., Hudson, I., Buchanan, D. G., & Wolff, S. (1987). Clinical Evaluation of a Self‐Rating Scale for Depressive Disorder in Childhood (Depression Self‐Rating Scale). Journal of Child Psychology and Psychiatry, 28(1), 43–60. https://doi.org/10.1111/j.1469-7610.1987.tb00651.x

Finkelhor, D., Hamby, S. L., Ormrod, R., & Turner, H. (2005). The Juvenile Victimization Questionnaire: Reliability, validity, and national norms. Child Abuse and Neglect, 29(4), 383–412. https://doi.org/10.1016/j.chiabu.2004.11.001

MINSAL. (2013). Guía Clínica para el tratamiento de adolescentes de 10 a 14 años con Depresión. https://www.guiadisc.com/wp-content/pdfs/guia-clinica-tratamiento-depresion-adolescentes.pdf

Rosenberg, M. (1965). Society and the adolescent self-image. In Society and the Adolescent Self-Image. Princeton University Press.