Validez predictiva de pruebas cortas comúnmente usadas para medir el desarrollo infantil en estudios a gran escala

Rubio-Codina, Marta; Grantham-McGregor, Sally Working Paper Validez predictiva de pruebas cortas comúnmente usadas para medir el desarrollo infantil en estudios a gran escala IDB Working Paper Series, No. IDB-WP-1174 Provided in Cooperation with: Inter-American Development Bank (IDB), Washington, DC Suggested Citation: Rubio-Codina, Marta; Grantham-McGregor, Sally (2020) : Validez predictiva de pruebas cortas comúnmente usadas para medir el desarrollo infantil en estudios a gran escala, IDB Working Paper Series, No. IDB-WP-1174, Inter-American Development Bank (IDB), Washington, DC, https://doi.org/10.18235/0002883 This Version is available at: https://hdl.handle.net/10419/237469 Standard-Nutzungsbedingungen: Die Dokumente auf EconStor dürfen zu eigenen wissenschaftlichen Zwecken und zum Privatgebrauch gespeichert und kopiert werden. Sie dürfen die Dokumente nicht für öffentliche oder kommerzielle Zwecke vervielfältigen, öffentlich ausstellen, öffentlich zugänglich machen, vertreiben oder anderweitig nutzen. Sofern die Verfasser die Dokumente unter Open-Content-Lizenzen (insbesondere CC-Lizenzen) zur Verfügung gestellt haben sollten, gelten abweichend von diesen Nutzungsbedingungen die in der dort genannten Lizenz gewährten Nutzungsrechte. Terms of use: Documents in EconStor may be saved and copied for your personal and scholarly purposes. You are not to copy documents for public or commercial purposes, to exhibit the documents publicly, to make them publicly available on the internet, or to distribute or otherwise use the documents in public. If the documents have been made available under an Open Content Licence (especially Creative Commons Licences), you may exercise further usage rights as specified in the indicated licence. https://creativecommons.org/licenses/by-nc-nd/3.0/igo/legalcode Validez predictiva de pruebas cortas comúnmente usadas para medir el desarrollo infantil en estudios a gran escala Marta Rubio-Codina Sally Grantham-McGregor DOCUMENTO DE TRABAJO DEL BID Nº IDB-WP-1174 Noviembre 2020 División de Protección Social y Salud Banco Interamericano de Desarrollo Noviembre 2020 Validez predictiva de pruebas cortas comúnmente usadas para medir el desarrollo infantil en estudios a gran escala Marta Rubio-Codina Sally Grantham-McGregor Catalogación en la fuente proporcionada por la Biblioteca Felipe Herrera del Banco Interamericano de Desarrollo Rubio-Codina, Marta. Validez predictiva de pruebas cortas comúnmente usadas para medir el desarrollo infantil en estudios a gran escala / Marta Rubio-Codina, Sally Grantham-McGregor. p. cm. — (Documento de trabajo del BID ; 1174) Incluye referencias bibliográficas. 1. Child development-Colombia-Testing. 2. Child development-Colombia-Forecasting. 3. Psychological tests for children-Colombia. I. Grantham-McGregor, Sally M. II. Banco Interamericano de Desarrollo. División de Protección Social y Salud. III. Título. IV. Serie. IDB-WP-1174 [email protected] www.iadb.org/SocialProtection Copyright © Banco Interamericano de Desarrollo. Esta obra se encuentra sujeta a una licencia Creative Commons IGO 3.0 Reconocimiento-NoComercial-SinObrasDerivadas (CC-IGO 3.0 BY-NC-ND) (http://creativecommons.org/licenses/by-ncnd/3.0/igo/legalcode) y puede ser reproducida para cualquier uso no-comercial otorgando el reconocimiento respectivo al BID. No se permiten obras derivadas. Cualquier disputa relacionada con el uso de las obras del BID que no pueda resolverse amistosamente se someterá a arbitraje de conformidad con las reglas de la CNUDMI (UNCITRAL). El uso del nombre del BID para cualquier fin distinto al reconocimiento respectivo y el uso del logotipo del BID, no están autorizados por esta licencia CC-IGO y requieren de un acuerdo de licencia adicional. Después de un proceso de revisión por pares, y con el consentimiento previo y por escrito del BID, una versión revisada de esta obra podrá reproducirse en cualquier revista académica, incluyendo aquellas referenciadas por la Asociación Americana de Economía a través de EconLit, siempre y cuando se otorgue el reconocimiento respectivo al BID, y el autor o autores no obtengan ingresos de la publicación. Por lo tanto, la restricción a obtener ingresos de dicha publicación sólo se extenderá al autor o autores de la publicación. Con respecto a dicha restricción, en caso de cualquier inconsistencia entre la licencia Creative Commons IGO 3.0 Reconocimiento-NoComercial-SinObrasDerivadas y estas declaraciones, prevalecerán estas últimas. Note que el enlace URL incluye términos y condiciones adicionales de esta licencia. Las opiniones expresadas en esta publicación son de los autores y no necesariamente reflejan el punto de vista del Banco Interamericano de Desarrollo, de su Directorio Ejecutivo ni de los países que representa. http://www.iadb.org 2020 1 Validez predictiva de pruebas cortas comúnmente usadas para medir el desarrollo infantil en estudios a gran escala Marta Rubio-Codina Sally Grantham-McGregor 2020 2 Validez predictiva de pruebas cortas comúnmente usadas para medir el desarrollo infantil en estudios a gran escala 1 Marta Rubio-Codina 2 Sally Grantham-McGregor 3 Resumen Existe un creciente compromiso a nivel mundial para llevar a cabo intervenciones en la primera infancia con el objetivo de promover el desarrollo de millones de niños en situación de desventaja en países de ingresos bajos y medios que no logran alcanzar su pleno potencial de desarrollo. No obstante, los progresos en esta área se ven obstaculizados por la falta de pruebas de desarrollo factibles de ser usadas a escala. Es por esto por lo que contar con este tipo de pruebas es una necesidad de carácter urgente. Si bien se suelen utilizar pruebas de tamizaje o pruebas de un solo dominio ("pruebas cortas") como alternativas, se desconoce su validez predictiva en estas circunstancias. En 2011, se inició un estudio longitudinal en Colombia en el que psicólogos administraron las Escalas Bayley de Desarrollo Infantil (Bayley-III) a 1311 niños y niñas de entre 6 y 42 meses, a quienes también se les administró de forma aleatoria una de dos baterías de pruebas cortas en condiciones similares a las de una encuesta. Este estudio informó sobre la validez concurrente de las pruebas cortas comparadas con el Bayley-III ("prueba de referencia"). En 2016, a 940 niños de esa muestra, quienes en ese entonces tenían entre 6 y 8 años, se les administraron pruebas para medir el CI (Coeficiente Intelectual mediante la Escala de Inteligencia de Wechsler para Niños, WISC-V) y el desempeño académico (aritmética, comprensión lectora y vocabulario). Se comparó la capacidad para predecir el CI y el desempeño académico en la infancia intermedia entre las pruebas cortas, los Indicadores de Cuidado Familiar (FCI, por sus siglas en inglés), la talla para la edad, la desnutrición crónica (talla para la edad de -2 DE por debajo de la mediana) y el Bayley-III. La validez predictiva aumentó con la edad en todas las pruebas, y las escalas de desarrollo cognitivo y de lenguaje presentaron los puntajes más altos en la mayoría de los casos. La capacidad predictiva de todas las pruebas fue negligible en niños de 6 a 18 meses. A partir de esta edad, si bien el Bayley-III tuvo la mayor validez predictiva, la Prueba de Tamizaje del Desarrollo de Denver demostró ser la prueba corta más factible y con mayor validez. Esta prueba podría utilizarse con un menor riesgo de pérdida de validez en comparación con el Bayley-III. Por otra parte, los Inventarios MacArthur-Bates del Desarrollo de Habilidades Comunicativas en niños de 19 a 30 meses, al igual que el FCI en menores de 31 meses, predijeron el CI y el desempeño académico tan bien como el Bayley-III. Por último, el FCI presentó una validez predictiva más alta que la talla para la edad y el 1 Este documento es una traducción, ligeramente modificada, del artículo original: Rubio-Codina M. and S. GranthamMcGregor. 2020. “Predictive validity in middle childhood of short tests of early childhood development used in large scale studies compared to the Bayley-III, the Family Care Indicators, height-for-age and stunting: A longitudinal study in Bogota, Colombia”, PLoS ONE, 15(4): e0231317. https://doi.org/10.1371/journal.pone.0231317 2 División de Protección Social y Salud, Banco Interamericano de Desarrollo, Washington, D.C. EE. UU. 3 Facultad de Ciencias de la Salud Poblacional, Instituto de Salud Infantil de University College London, Londres, Reino Unido.  Agradecemos a todas las familias participantes y a las escuelas primarias a las que asistían los niños en el estudio por prestarnos sus instalaciones para realizar las pruebas. Asimismo, extendemos nuestro agradecimiento a los evaluadores y encuestadores de ambas rondas; a Andrea Solano y Marlenny Escribano por llevar a cabo una excelente capacitación y coordinación de campo; a Paula Bernal por su invaluable asesoramiento técnico sobre las pruebas y sus adaptaciones; y a María Adelaida Martínez y Marta Dormal por su asistencia en la investigación. Este trabajo no hubiera sido posible sin el apoyo y aliento de María Caridad Araujo y Ana Lucía Muñoz. 3 indicador de desnutrición crónica, por lo que podría añadirse a este último para su uso como un indicador del desarrollo infantil a nivel poblacional. Palabras claves: evaluación del desarrollo, prueba de diagnóstico, validez predictiva, desarrollo cognitivo, lenguaje, desarrollo motor, bebés y niños pequeños, FCI, desnutrición crónica, talla para la edad, estudios a gran escala, países de ingresos bajos y medios. Códigos JEL: J1, I1, I2, I3 4 Contenido Resumen ......................................................................................................................................... 2 1. Introducción ............................................................................................................................. 5 2. Materiales y métodos.............................................................................................................. 8 2.1. Diseño y participantes en el estudio .............................................................................. 8 2.2. Procedimientos ................................................................................................................ 8 3. Análisis estadístico ............................................................................................................... 11 4. Resultados ............................................................................................................................. 13 4.1. Pruebas multidimensionales......................................................................................... 14 4.2. Pruebas de un solo dominio ......................................................................................... 15 4.3. Indicadores de Cuidado Familiar (FCI), talla para la edad y desnutrición crónica .. 15 4.4. Análisis en intervalos de seis meses de edad ............................................................ 16 5. Discusión ............................................................................................................................... 16 6. Conclusiones ......................................................................................................................... 20 Referencias ................................................................................................................................... 21 Gráficos y tablas ........................................................................................................................... 26 Apéndice: Gráficos y Tablas ........................................................................................................ 32 5 1. Introducción En los países de ingresos bajos y medios, alrededor de 250 millones de niños y niñas menores de 5 años no logran alcanzar su potencial de desarrollo (Black et al. 2017). Reconociendo que en las primeras etapas de la vida se sientan las bases de la salud y el bienestar para la edad adulta, existe un creciente compromiso a nivel mundial para implementar intervenciones destinadas a promover el desarrollo infantil temprano (DIT) a escala con el objetivo de abordar este problema y fomentar el desarrollo de niños y niñas en situación de desventaja (Black et al. 2017). No obstante, el progreso de estos esfuerzos se ve obstaculizado por la falta de instrumentos de medición del desarrollo infantil confiables y válidos, que permitan recolectar datos con facilidad, en especial en niños menores de 3 años (Black et al. 2017; Fernald et al. 2017; McCoy et al. 2016). Estos instrumentos son esenciales tanto para monitorear y evaluar la efectividad de las intervenciones que se diseñen e implementen, como para medir los niveles de DIT a nivel poblacional. En la actualidad, se están llevando a cabo iniciativas para desarrollar tanto instrumentos de medición poblacionales que sean universales (esto es, culturalmente neutros o muy fáciles de adaptar), válidos, de acceso gratuito y factibles de implementar a escala, como instrumentos a nivel individual adecuados para evaluar intervenciones —ambos para niños de 0 a 3 años (Cavallera et al. 2019; McCoy et al. 2016). Si bien las pruebas existentes que evalúan el desarrollo de manera integral, tales como las Escalas de Bayley (Bayley 1969, 2006), son sensibles a los impactos de intervenciones que promueven el DIT (Attanasio et al. 2014; Fernald et al. 2017; Hamadani et al. 2006; Nahar et al. 2009), de acuerdo con nuestra experiencia y la de muchos otros investigadores, su administración demanda una gran cantidad de tiempo y recursos, y requiere de evaluadores altamente capacitados que posean un cierto nivel de especialización técnica (Fernald et al. 2017). Cabe destacar que estos aspectos dificultan su aplicación a escala (Rubio-Codina, Araujo, Attanasio, Muñoz, et al. 2016). En consecuencia, a modo de alternativa, cada vez es más frecuente el uso de pruebas de tamizaje (diseñadas para identificar a niños en riesgo de presentar retrasos en el desarrollo) o pruebas de un solo dominio (como por ejemplo, el dominio de lenguaje) ya existentes, tanto para encuestas poblacionales (Fernald et al. 2012) como para evaluaciones de programas (Fernald y Hidrobo 2011; Macours, Schady, y Vakis 2012), puesto que son más fáciles, rápidas y baratas de administrar, y dado que ya están disponibles para uso. No obstante, se desconoce la confiabilidad y validez de estas pruebas cuando se utilizan a escala para detectar diferencias en los niveles del desarrollo dentro del rango normal de habilidades o para monitorear los avances en materia de desarrollo a nivel poblacional, en lugar de usarse para el fin para el que fueron diseñadas —esto es, para el tamizaje de niños en alto riesgo de presentar retrasos en el desarrollo. Por lo tanto, es necesario determinar estas propiedades (Fernald et al. 2017). En términos generales, es imperativo identificar —de entre los ya disponibles— instrumentos de medición del DIT confiables, válidos y factibles para uso en muestras de gran tamaño, hasta que se puedan utilizar los instrumentos a nivel poblacional e individual que están actualmente en desarrollo. En un estudio anterior, evaluamos la confiabilidad, factibilidad de uso y validez concurrente en relación con las Escalas Bayley de Desarrollo Infantil (Bayley Scales of Infant and Toddler Development, tercera edición, Bayley-III) (Bayley 2006) de cinco pruebas que se utilizan comúnmente en evaluaciones y estudios a escala, en niños de 6 a 42 meses en Bogotá, Colombia (Rubio-Codina, Araujo, Attanasio, Muñoz, et al. 2016). Las pruebas (de aquí en adelante, "pruebas cortas") incluyeron tres pruebas de tamizaje multidimensionales —los 12 Las escalas de todas las pruebas se administraron y puntuaron de manera independiente, y los puntajes crudos (continuos) se construyeron siguiendo las instrucciones en los manuales. Dado que el Denver-II no cuenta con un puntaje crudo, añadimos los ítems con un puntaje de 1 a los ítems anteriores al nivel basal (de inicio), de acuerdo con los principios generales de cálculo de puntajes y lo realizado en estudios previos (Rubio-Codina, Araujo, Attanasio, Muñoz, et al. 2016). De modo similar, para el WHO-Motor, sumamos todos los ítems que el niño podía hacer a fin de obtener un puntaje crudo (Rubio-Codina, Araujo, Attanasio, Muñoz, et al. 2016). Cabe señalar que ninguna de las pruebas contaba con normas establecidas para Colombia. Por lo tanto, estandarizamos los puntajes crudos internamente según la edad utilizando las medias y desviaciones estándar específicas para cada edad, calculadas de forma no paramétrica, luego de eliminar los efectos del evaluador/encuestador, tal como se había hecho en estudios anteriores (Rubio-Codina, Araujo, Attanasio, Muñoz, et al. 2016). Esto significa que, para cada valor de los residuos de los puntajes crudos sobre los efectos del evaluador o encuestador, construimos un puntaje z restando la media para cada edad y dividiendo por la desviación estándar específica para cada edad —ambas (media y desviación estándar) estimadas a partir de regresiones polinomiales locales (no paramétricas). A diferencia de cuando se utilizan normas establecidas en la población de referencia (es decir, puntajes estandarizados externamente) para cada prueba, este método de estandarización permite corregir por el efecto de la edad de una forma similar en todas las pruebas, lo cual facilita la comparación entre estas. Asimismo, este enfoque es menos sensible a valores extremos o tamaños de muestra limitados en comparación con otros métodos tradicionalmente implementados para estandarizar puntajes internamente y que habitualmente utilizan medias y desviaciones estándar para un intervalo determinado (p. ej., meses de edad) para calcular un puntaje z. El FSIQ se calculó a partir de la suma de los puntajes de las subpruebas del WISC-V estandarizados internamente y el puntaje de desempeño académico se construyó sumando los puntajes de aritmética, comprensión lectora y vocabulario también estandarizados internamente. Analizamos la consistencia interna de las pruebas calculando el alfa de Cronbach (α); examinamos la confiabilidad test-retest a partir de correlaciones intraclase (ICC); y evaluamos las asociaciones entre las pruebas y las variables socioeconómicas utilizando correlaciones de Pearson (r), para todo el rango de edad y por grupos etarios de 12 meses. La capacidad para predecir el FSIQ y el desempeño académico de todas las pruebas cortas, el FCI, la talla para la edad y la desnutrición crónica se analizó por intervalos de 12 meses de edad, estimando las correlaciones de Pearson para cada intervalo. Se utilizaron puntajes estandarizados internamente en todas las correlaciones, lo cual equivale a calcular las correlaciones parciales controlando por los efectos del evaluador/encuestador y de la edad de manera flexible. En el caso del Denver-II, utilizamos la escala de motricidad fina adaptativa tanto para los análisis de cognición como de motricidad fina, puesto que existe evidencia de que esta escala incluye ítems relacionados con ambos dominios del desarrollo. En efecto, la escala cognitiva del Bayley-III contiene algunos ítems similares a los del Denver-II. Además, nuestro anterior análisis de validez concurrente (Rubio-Codina, Araujo, Attanasio, Muñoz, et al. 2016), mostró correlaciones algo superiores entre la escala de motricidad fina adaptativa del Denver-II y la escala de desarrollo cognitivo del Bayley-III, en comparación con las que se hallaron entre la primera escala mencionada y la escala de motricidad fina del Bayley-III en niños menores de 30 meses. Para los análisis de lenguaje receptivo y expresivo, utilizamos 13 las escalas de comunicación/lenguaje del ASQ-3, del Denver-II y del BDI-2, y empleamos la escala de desarrollo motor del BDI-2 tanto para evaluar la motricidad fina como la motricidad gruesa. De aquí en adelante, se hará referencia a las escalas que miden predominantemente el desarrollo cognitivo o del lenguaje mediante estos nombres. Se utilizaron P-valores —calculados mediante métodos Bootstrap (Efron 1982) estratificando por los estratos establecidos en el diseño (grupo etario y sector socioeconómico)— para toda inferencia estadística y también para analizar si la validez predictiva de una prueba variaba significativamente entre los tres grupos etarios evaluados. Asimismo, estos P-valores calculados mediante el método Bootstrap se utilizaron para comparar la validez predictiva del Bayley-III, las pruebas cortas, el FCI, la talla para la edad y la desnutrición crónica. Mientras que las pruebas dirigidas a niños pequeños suelen medir una variedad de dominios del desarrollo, la escala del FSIQ solo mide funciones cognitivas y del lenguaje. Por ello, para las pruebas cortas, en la descripción de resultados solo comparamos la validez predictiva entre las escalas de desarrollo cognitivo y de lenguaje; sin embargo, también presentamos los valores de validez predictiva del resto de escalas por su interés intrínseco y por completitud. Para poder analizar con mayor profundidad el efecto de la edad en menores de 19 meses en relación con el Bayley-III, el FCI, la talla para la edad y la desnutrición crónica, repetimos el análisis en intervalos de 6 meses de edad en la primera infancia, dado que todas estas pruebas se encontraban disponibles para los niños en ambas baterías y por lo tanto había suficiente muestra por grupo etario de 6 meses. Para el resto de las pruebas, ya sean de la batería A o de la batería B, el tamaño de la muestra se consideró demasiado pequeño como para una nueva subdivisión. Las correlaciones se clasificaron como muy bajas (r =0,10-0,19), bajas (r =0,20-0,39), moderadas (r =0,40-0,59) y altas (r =0,60-0,79) (Evans 1996). Los análisis estadísticos se llevaron a cabo utilizando Stata 14.2 (StataCorp, College Station, TX). 4. Resultados Se revaluó nuevamente a 940 niños (71,7%) de los 1311 niños iniciales que contaban con puntajes para el Bayley-III (obtenidos en la primera infancia). De estos 940 niños, tres presentaban puntuaciones menores a -3 DE de acuerdo con los puntajes del FSIQ estandarizados externamente y, por lo tanto, se excluyeron del análisis (Gráfico 1). Entre las principales razones que explican la pérdida de muestra se pueden mencionar la migración (50,4%), la incapacidad de contactar a la familia (20,7%), la negativa a seguir participando en el estudio (21,6%) y la negativa a que se les administre el WISC-V (7,3%). Se rastreó y realizó seguimiento a aquellas personas que habían migrado y se encontraban a una distancia de Bogotá de alrededor de una hora (en autobús). Se observó una mayor pérdida de muestra en relación con los hogares más pobres, las niñas y las madres más jóvenes o con un menor nivel educativo. Los niños evaluados en la infancia intermedia, a quienes inicialmente se les había administrado la batería A o la batería B, eran comparables en cuanto a las características que presentaban, a excepción de la edad de la madre (P =0,037) (Tabla 1), 14 que mostró una asociación significativa pero muy baja (r <0,127, P <0,001) con los resultados (no se muestra en este artículo). Los puntajes crudos de todas las pruebas y subpruebas para la infancia intermedia, que se muestran en la Tabla A1 para todos los niños y por batería (A y B), aumentaron con la edad y el grado escolar (Tabla A2). Los puntajes promedio del WISC-V estandarizados externamente se encontraban por debajo de los de la muestra normativa (Tabla 1), y la consistencia interna era adecuada (α’s >0,6, excepto en dos casos) y se mantuvo constante a lo largo del tiempo (no se muestra en este artículo). La confiabilidad test-retest luego de 6 a 14 días también era adecuada ([ICC =0,39-0,88], ICC >0,6 para la mayoría de las pruebas). Tal como se esperaba con base en la teoría, el FSIQ y el desempeño académico mostraron estar asociados tanto con las características del hogar como entre sí (Tabla 2). Estas asociaciones eran superiores para niños de 7 y 8 años que para niños de 6 años (no se muestra). En el Gráfico 2 se muestran las correlaciones de las pruebas cortas y el Bayley-III con el FSIQ, y en el Gráfico A1 se ilustran las correlaciones con el desempeño académico. En el panel superior de la Tabla 3 se presentan las correlaciones entre los puntajes iniciales (primera infancia) y los puntajes obtenidos en la infancia intermedia por dominio (o escala) y por grupo etario; y, en el panel inferior, se muestran los valores correspondientes al FCI, la talla para la edad y la desnutrición crónica. La Tabla 4 muestra las correlaciones que son significativamente diferentes entre sí para las escalas de lenguaje y de desarrollo cognitivo de las pruebas cortas y el Bayley-III, el FCI y la desnutrición crónica. En la Tabla A3 se muestran los tests de significancia estadística de las comparaciones de las correlaciones entre los grupos etarios. Las escalas de desarrollo cognitivo, de lenguaje y, en menor medida, la escala de motricidad fina, demostraron ser las más predictivas. En general, el Bayley-III presentó las correlaciones más altas, y en todas las pruebas, las correlaciones aumentaron con la edad en relación con la evaluación inicial, a excepción de la escala de desarrollo cognitivo del ASQ-3 donde las correlaciones disminuyeron en niños de 19 a 30 meses. El FSIQ y el desempeño académico mostraron una correlación alta entre sí (r =0,706, P <0,001, Tabla 2) y patrones de correlaciones similares también entre sí (Gráfico A1, Tabla 3). Dado esto, enfocamos la descripción de resultados en el FSIQ de ahora en adelante. 4.1. Pruebas multidimensionales A pesar de que en niños menores de 19 meses la validez predictiva de las pruebas fue muy baja y casi que trivial (r <0,185 en todas), en algunos casos fue estadísticamente significativa (escalas de desarrollo cognitivo y de lenguaje receptivo del Bayley-III, y escala de desarrollo cognitivo del ASQ-3). En niños de 19 a 30 meses, las escalas de desarrollo cognitivo y de lenguaje del Bayley-III, el Denver-II y el BDI-2 presentaron correlaciones bajas similares con el FSIQ pero significativas (r =0,330, P <0,001; r =0,229, P <0,01; r =0,221, P <0,01, para el desarrollo cognitivo respectivamente, y r =0,307, P <0,001; r =0,214, P <0,01; r =0,244, P <0,01, para el lenguaje o lenguaje expresivo). Las escalas de desarrollo cognitivo de estas tres pruebas obtuvieron correlaciones significativamente superiores a la del ASQ-3 (Tabla 4), la cual no presentó una asociación significativa con el FSIQ (Tabla 3). Asimismo, si bien la escala de lenguaje del ASQ-3 presentó correlaciones muy bajas (r =0,180, P <0,05), no difería significativamente del resto de las escales. 15 En niños de 31 a 42 meses, las correlaciones con el FSIQ que presentaban las cuatro pruebas multidimensionales aumentaron con respecto a las correlaciones observadas en niños más pequeños y fueron significativas. La validez predictiva de las escalas de desarrollo cognitivo (r =0,474, P <0,001) y de lenguaje receptivo (r =0,409, P <0,001) del Bayley-III, y de la escala de desarrollo cognitivo del Denver-II (r =0,422, P <0,001) mostró los valores más altos con niveles moderados, mientras que el resto de las escalas presentaron valores más bajos (r =0,271-0,386, P <0,05). Los resultados de la escala de desarrollo cognitivo del Bayley-III no fueron diferentes a los de las escalas de desarrollo cognitivo y de lenguaje del Denver-II, pero fueron significativamente superiores a los de las escalas de lenguaje del BDI-2 y del ASQ-3, y a los de la escala de desarrollo cognitivo del ASQ-3 (Tabla 4). El aumento observado en las correlaciones entre los grupos etarios fue significativo para el grupo más joven (niños de 6 a 18 meses) y el grupo de mayor edad (niños de 30 a 41 meses) tanto para las escalas de desarrollo cognitivo como de lenguaje del Bayley-III y del Denver-II (Tabla A3). Este aumento también fue significativo para las escalas del Bayley-III en el grupo más joven y de edad intermedia (niños de 19 a 24 meses). En general, las escalas de motricidad fina mostraron una capacidad predictiva más baja para el FSIQ que las escalas de desarrollo cognitivo y de lenguaje (r <0,353 para todas), a excepción de la del Denver-II que también incluye habilidades cognitivas. Las escalas de motricidad gruesa mostraron una correlación muy baja con el FSIQ (r <0,228 para todas), con los valores más altos para la escala motora del BDI-2, la cual combina ítems de motricidad gruesa con ítems de motricidad fina. 4.2. Pruebas de un solo dominio Al igual que las otras pruebas cortas, el SFII no presentó una correlación significativa con el FSIQ en niños menores de 19 meses. Sin embargo, para el grupo etario de 19 a 30 meses, esta correlación (r =0,301, P <0,001) presentó valores bajos, similares a los de las escalas de desarrollo cognitivo y de lenguaje del Bayley-III y ligeramente superiores a los de las otras pruebas, aunque solo significativamente más altos que los de la escala de desarrollo cognitivo del ASQ-3 (P <0,000, Tabla 4). Por otro lado, el aumento en la validez predictiva del SFI (niños de 6 a 18 meses) y del SFII (niños de 19 a 24 meses) fue estadísticamente significativo (Tabla A3). Por último, el WHO-Motor no predijo de manera estadísticamente significativa el FSIQ. 4.3. Indicadores de Cuidado familiar (FCI), talla para la edad y desnutrición crónica El FCI presentó una correlación muy baja con el FSIQ pero estadísticamente significativa en niños menores de 19 meses (r =0,183; P <0,01), que luego pasó a ser baja en el grupo etario de 19 a 30 meses (r =0,362; P <0,001). Esta correlación es similar a las de las escalas de desarrollo cognitivo y de lenguaje del Bayley-III y significativamente superior a aquella de las escalas de desarrollo cognitivo del ASQ-3 y el Denver-II. Cabe mencionar que este aumento fue estadísticamente significativo (Tabla A3). En niños de 31 a 42 meses, la correlación del FCI con el FSIQ continuó siendo baja (r =0,329; P <0,001) y fue similar a la de las otras pruebas cortas. Sin embargo, fue significativamente más baja que la correlación que presentó la escala de desarrollo cognitivo del Bayley-III (P =0,035, Tabla 4). A pesar de que la validez predictiva de la talla para la edad y la desnutrición crónica aumentó con la edad, este incremento no fue estadísticamente significativo (Tabla A3). Tampoco lo fue 16 en el grupo etario de 6 a 18 meses. En niños de 19 a 30 meses, la validez predictiva de ambas también fue baja (r =0,164 para la talla para la edad; r =-0,179 para la desnutrición crónica; ambas P <0,001), y estas presentaron una capacidad predictiva significativamente menor que la del FCI (P =0,012 para la desnutrición crónica, P =0,004 para la talla para la edad, Tabla 4). En niños de 31 a 42 meses, la validez predictiva aumentó levemente hasta alcanzar niveles bajos (r =0,203 para la talla para la edad; r = 0,200 para la desnutrición crónica, ambas P <0,001). Para este grupo etario, los resultados de la talla para la edad continuaron siendo significativamente más bajos que los de las escalas de desarrollo cognitivo y de lenguaje del Bayley-III y del Denver-II (P =0,001, Tabla 4), pero no en comparación con los del FCI. 4.4. Análisis en intervalos de seis meses de edad Los análisis llevados a cabo en intervalos de 6 meses de edad en menores de 19 meses con respecto al Bayley-III, el FCI, la talla para la edad y la desnutrición crónica mostraron que ninguna de estas pruebas fue capaz de predecir significativamente el FSIQ antes de los 12 meses. En niños de entre 13 y 18 meses, se observó un aumento en las correlaciones entre el FSIQ y las escalas de desarrollo cognitivo, lenguaje receptivo y motricidad fina del Bayley-III (r =0,231, P <0,05; r =0,204, P <0,1; r =0,190, P <0,1, respectivamente). El FCI también demostró ser predictivo de desarrollo futuro (r =0,240, P <0,05), pero ni la talla para la edad ni la desnutrición crónica lo fueron. Se rehicieron todos los análisis utilizando los puntajes del FSIQ estandarizados externamente, los puntajes del FSIQ estandarizados internamente mediante métodos tradicionales, los puntajes del ASQ-3 de los cuestionarios de seis ítems originales, eliminando los valores extremos en la distribución del FSIQ (valores por debajo de -2 DE), y ponderando por la probabilidad inversa de ser reevaluado en la infancia intermedia a fin de ajustar por la pérdida de muestra en el seguimiento. En ninguno de estos análisis de robustez, los resultados se vieron cualitativamente alterados. 5. Discusión Tal como se esperaba, por lo general, el Bayley-III presentó los valores de validez predictiva más altos. Dicho esto, estos no fueron significativos en menores de 12 meses. En niños de entre 13 y 18 meses, estos valores fueron bajos, al igual que en el grupo etario de 19 a 30 meses; sin embargo, pasaron a ser moderados en el grupo de 31 a 42 meses. Se sabe, por estudios anteriores, que las correlaciones entre las pruebas estandarizadas administradas antes de los 24 meses y las habilidades del niño más tarde en su niñez suelen ser bajas (Bracken 2017; Snow y Hemel 2008). Asimismo, los hallazgos de este estudio son comparables con los reportados en estudios y publicaciones anteriores (Colombo 1993; Fernald et al. 2017; Hamadani et al. 2010, 2013; Pollitt y Triana 1999). La muestra estaba bien distribuida entre los tres grupos de análisis divididos por rangos de 12 meses de edad. Se observó que, por lo general, la validez predictiva aumenta con la edad, con diferencias particularmente significativas en niños de 6 a 18 meses y de 30 a 42 meses en los casos del Bayley-III y el Denver-II. La validez predictiva de todas las pruebas cortas fue muy baja antes de los 19 meses de edad y, por lo tanto, estas tienen poco valor como predictores del desarrollo futuro. En niños de 19 a 30 meses, las escalas de desarrollo cognitivo y de lenguaje del Denver-II y el BDI-2 mostraron una correlación baja con las del Bayley-III, y las correlaciones entre las escalas de desarrollo cognitivo de las tres pruebas fueron significativamente superiores a la del ASQ-3. En niños de 31 a 42 meses, las 17 correlaciones del Denver-II y el Bayley-III mostraron valores moderados similares, mientras que en el caso del BDI-2 y el ASQ-3, estos valores fueron significativamente más bajos que los del Bayley-III. Por otra parte, la capacidad predictiva del WHO-Motor con respecto al CI y el desempeño académico fue prácticamente nula. Contrariamente, en Bangladés, la edad a la que se lograron los hitos del desarrollo motor presentó correlaciones bajas pero significativas con respecto al CI a los 5 años (Hamadani et al. 2013). No obstante, la edad a la que se observaban estos logros fue reportada por las madres durante todo el primer año de vida del niño, lo que podría ofrecer una mayor precisión que llevar a cabo una única evaluación aislada en un momento de tiempo determinado. En los países de ingresos altos, los puntajes del desarrollo motor grueso temprano también mostraron asociaciones más bajas y peor capacidad predictiva del desarrollo futuro que las escalas de desarrollo cognitivo y de lenguaje (Halle et al. 2012). La validez predictiva del SFII fue similar a la de las escalas de lenguaje y desarrollo cognitivo del Bayley-III, en niños de 19 a 30 meses, edad en la que la adquisición de vocabulario va en aumento. En Bangladés, una prueba de vocabulario similar administrada en niños de 18 meses también mostró una capacidad predictiva comparable con respecto al CI a los 5 años de edad (Hamadani et al. 2010). Cuando la administración de la prueba se basa en los reportes de la madre, no es necesario que el niño interactúe con el encuestador, lo que puede resultar ventajoso, dado que en países de ingresos bajos y medios los niños suelen cohibirse ante extraños. Esto puede ser un elemento a favor del SFII. Sin embargo, y si bien el SFII se encuentra disponible en muchos idiomas (Inventories s. f.), será necesario desarrollar nuevos inventarios en otros idiomas y adaptar los inventarios en idiomas existentes al contexto local para su uso adecuado. En los EE. UU., el SFI y SFII a los 24 meses también fueron predictivos respecto al desarrollo del lenguaje, al igual que el Bayley-III, a pesar de que la validez predictiva de estos variaba según el contexto socioeconómico (Pan et al. 2004). La elección en torno a qué prueba utilizar debería basarse en los costos, el tiempo de administración y las habilidades requeridas para administrarla, así como también en su validez concurrente y predictiva. Para niños de más de 18 meses, de las pruebas evaluadas, el Denver-II pareció ser la mejor candidata para implementarse a escala, puesto que mostró una capacidad predictiva similar a la del Bayley-III, a pesar de que esta haya sido de baja a moderada, tal como se mencionó anteriormente. La administración del BDI-2, por su parte, llevó demasiado tiempo; y el ASQ-3 demostró una validez baja en niños menores de 31 meses. El tiempo de administración del Denver-II fue de alrededor de 27 minutos, aproximadamente un tercio de lo que demora administrar el Bayley-III. No obstante, este tiempo de administración podría seguir siendo demasiado largo para un estudio a escala. A pesar de que, por lo general, se prefiere utilizar pruebas multidimensionales (Fernandes et al. 2014), en especial cuando los recursos son limitados, una posible solución podría ser utilizar solo las escalas de desarrollo cognitivo y de lenguaje de la prueba seleccionada para disminuir el tiempo de evaluación, dado que estos dominios son, por lo general, los más afectados por las condiciones de pobreza (Rubio-Codina et al. 2015; Rubio-Codina y Grantham-McGregor 2019) y además debido a que estas escalas presentan una mayor validez predictiva. Otra alternativa sería utilizar pruebas de un solo dominio. Por ejemplo, el SFII puede ser útil en niños de 19 a 30 meses si se encuentra disponible en el idioma local. 18 Sin embargo, se deben realizar estudios adicionales para extender los resultados de este estudio a niños de 36 meses y para desarrollar versiones de estos inventarios en otros idiomas. La elección de la prueba también dependerá de los objetivos de la encuesta (Rubio-Codina, Araujo, Attanasio, Muñoz, et al. 2016). Los reportes del cuidador podrían ser una mejor opción para evaluar indicadores a nivel poblacional; sin embargo, podrían ser menos convenientes para evaluar programas de estimulación psicosocial y promoción del desarrollo, puesto que podrían presentar sesgo de "observación" (observation bias) si, como resultado de la intervención, las madres del grupo de tratamiento pasan más tiempo con el niño y están más conscientes acerca de su proceso de desarrollo o los logros alcanzados con respecto a los diferentes hitos. Asimismo, las madres de los participantes podrían tener un interés sesgado en responder de forma más optimista ante el desarrollo de sus hijos a fin de reportar el éxito de la intervención (sesgo de "deseabilidad" o desirability bias). De modo similar, para evaluar intervenciones de nutrición podría ser favorable utilizar una escala de motricidad gruesa, lo cual podría no resultar apropiado para evaluar intervenciones de estimulación psicosocial, debido a la baja capacidad predictiva de estas escalas en relación con el desempeño intelectual futuro, comparadas con las escalas de desarrollo cognitivo y de lenguaje. Si bien tanto el Denver-II como el SFII han demostrado ser sensibles al impacto de programas de transferencias monetarias en Nicaragua (Macours et al. 2012) y Ecuador (Fernald y Hidrobo 2011), respectivamente, sería de gran utilidad llevar a cabo estudios adicionales en torno a la sensibilidad a intervenciones de todas las pruebas cortas. Es importante destacar que, en niños menores de 31 meses, el FCI presenta una capacidad predictiva similar o superior a la de cualquier otra prueba, incluida el Bayley-III. Además, es una prueba gratuita, rápida (10 a 15 minutos) y fácil de administrar, que proporciona información sobre actividades útiles para los padres (aunque no relacionadas con el cuidado afectivo) y que ha sido ampliamente utilizada en encuestas internacionales —en particular, en las Encuestas de Indicadores Múltiples por Conglomerados (MICS-ECDI s. f.) de UNICEF. A pesar de que el desempeño respecto a un ítem individual puede variar según el contexto o la edad del niño, la calidad del ambiente en el hogar se ha identificado como un factor de protección relevante (Bornstein et al. 2012; Engle et al. 2011) y en muchas ocasiones los resultados en el FCI han mejorado con intervenciones de DIT (Attanasio et al. 2013; Hamadani et al. 2019; Tofail et al. 2013). Creemos que al complementar las escalas de desarrollo cognitivo y de lenguaje del Denver-II con el FCI, tal como se sugirió más arriba, se podría aumentar la sensibilidad en la evaluación de programas y, por lo tanto, sería oportuno investigar esto en mayor detalle en otros estudios. Asimismo, si bien se ha utilizado la desnutrición crónica como indicador de un desarrollo infantil inadecuado a nivel mundial (Black et al. 2017; Grantham-McGregor et al. 2007), en esta población, el FCI resultó ser un mejor predictor del funcionamiento intelectual general y del desempeño académico futuros. Si estos mismos hallazgos se replican en países con diferentes niveles de la calidad del ambiente en el hogar y con distinto grado de prevalencia y gravedad de la desnutrición crónica, la combinación de ambos podría constituir un indicador a nivel poblacional más efectivo. Por último, los hallazgos mencionados anteriormente podrían extrapolarse a zonas urbanas de Colombia y posiblemente a zonas urbanas de otros países de América Latina. Sobre la base de nuestro estudio anterior respecto a la validez concurrente de estas pruebas 19 (Rubio-Codina, Araujo, Attanasio, Muñoz, et al. 2016), se ha demostrado que el Denver-II también resulta apropiado para ser utilizado en Brasil (López Boo, Cubides Mateus, y Llonch Sabatés 2020). Sería necesario llevar a cabo estudios adicionales antes de extrapolar los resultados de este estudio y utilizar estas pruebas en zonas rurales y en otros países de ingresos bajos y medios. Se limitó la cantidad de pruebas cortas analizadas en este estudio debido a restricciones presupuestarias y de tiempo. Por otro lado, de modo similar, se podrían también evaluar otras pruebas cortas más adecuadas para África y Asia, tales como el instrumento de evaluación del desarrollo Malawi Developmental Assessment Tool (MDAT, Gladstone et al. 2010). Además, en la actualidad, se están desarrollando varias pruebas, entre las que se incluyen instrumentos a nivel poblacional e individual dirigidos a niños de 0 a 36 meses (Cavallera et al. 2019; McCoy et al. 2016), a partir de un nuevo enfoque, el puntaje de desarrollo D (D-Score), que sintetiza el desarrollo general utilizando una escala de un único intervalo (Weber et al. 2019). Luego de una serie de estudios piloto de validación, estas pruebas podrían resultar apropiadas para ser utilizadas a nivel global (Cavallera et al. 2019). Un aspecto importante es que algunas de estas pruebas cortas —en especial las de tamizaje— han demostrado una buena sensibilidad y especificidad para identificar niños en alto riesgo de padecer algún retraso en el desarrollo o alguna discapacidad en países de ingresos bajos y medios (Schonhaut et al. 2013). Por cuestiones de diseño, este estudio no aborda este aspecto: la muestra no era lo suficientemente grande, no era representativa de las poblaciones en alto riesgo (p. ej., niños prematuros o con bajo peso al nacer) y no incluyó a niños con alguna discapacidad aparente (Rubio-Codina, Araujo, Attanasio, Muñoz, et al. 2016). En consecuencia, nuestros hallazgos y recomendaciones no pueden generalizarse a estos subgrupos poblacionales. Entre las limitaciones de este estudio se incluyen la alta pérdida de muestra entre rondas y la falta de estandarización para Colombia de las pruebas usadas en la infancia intermedia. Sin embargo, ponderar por la pérdida de muestra en los análisis no alteró los resultados. Asimismo, las pruebas para medir el desarrollo en la infancia intermedia mostraron buenos niveles de confiabilidad y presentaron correlaciones adecuadas entre sí, al igual que con las características socioeconómicas de los niños y sus hogares y con medidas del desarrollo en la primera infancia, por lo que demostraron ser válidas para esta población. Otro problema es que el Denver-II no incluye por separado una escala de desarrollo cognitivo per se. Sin embargo, la escala de motricidad fina adaptativa combina ítems relacionados con la cognición y la motricidad fina, y hemos demostrado que esta escala presenta una buena correlación con el CI futuro, mejor o similar a las de las escalas de desarrollo cognitivo de otras pruebas cortas y semejante a la del Bayley-III en niños de 19 meses en adelante. Otra limitación es que la validez predictiva de las pruebas de desarrollo temprano podría confundirse, en parte, con el desempeño de las pruebas que miden el desarrollo en la infancia intermedia, puesto que todos los niños se evaluaron 5,5 años después de la evaluación inicial. El desempeño de estas pruebas parece aumentar con la edad de acuerdo con ciertos indicadores de confiabilidad y validez (correlaciones de las pruebas entre sí y con variables socioeconómicas), pero no así en relación con otros indicadores (consistencia interna). El hecho de que la muestra de niños evaluados en la primera infancia y en la infancia intermedia sea de gran tamaño y con representatividad de la población de estudio —aunque esta población sea urbana— son dos de las importantes ventajas que presenta este estudio, 20 al igual que el número de pruebas analizadas y la calidad de la prueba de referencia en la primera infancia (Bayley-III) y de la prueba para la medición del CI en la infancia intermedia (WISC-V). 6. Conclusiones En general, la validez predictiva de todas las pruebas aumentó con la edad. Las escalas de lenguaje y de desarrollo cognitivo presentaron los valores de validez predictiva más elevados. Asimismo, ninguna de las pruebas demostró una capacidad predictiva significativa en niños menores de 19 meses y, a partir de esta edad, la validez predictiva de las pruebas solo fue de baja a moderada en el mejor de los casos. De las pruebas cortas analizadas, el SFII en niños de 19 a 30 meses y el Denver-II en niños de 19 a 42 meses demostraron ser las pruebas más factibles de usar y con mayor validez. En niños menores de 31 meses, el FCI fue un buen predictor al igual que el Bayley-III, y mostró mejores resultados en comparación con el indicador de desnutrición crónica. Estos hallazgos sugieren que combinar el FCI con las escalas de lenguaje y de desarrollo cognitivo del Denver-II podría ser una buena alternativa para evaluar las intervenciones a escala destinadas a promover el DIT en niños menores de 36 meses. Asimismo, añadir el FCI al indicador de desnutrición crónica —como indicador poblacional aproximado (proxy) de los niveles de desarrollo infantil— también podría ser una forma de lograr estimar mejor la cantidad de niños que se encuentran en riego de padecer rezagos en su desarrollo a nivel global. Es importante que estos hallazgos se repliquen en otras regiones y que estos estudios futuros incluyan otras pruebas recientemente desarrolladas o en curso de desarrollo. 21 Referencias Attanasio, O. P., C. Fernandez, E. O. A. Fitzsimons, S. M. Grantham-McGregor, C. Meghir, y M. Rubio-Codina. 2014. “Using the infrastructure of a conditional cash transfer program to deliver a scalable integrated early child development program in Colombia: cluster randomized controlled trial”. BMJ 349(sep29 5):g5785–g5785. Attanasio, Orazio, Camila Fernández, Emla Fitzsimons, Sally Grantham-McGregor, Costas Meghir, y Marta Rubio-Codina. 2013. “Enriching the home environment of low-income families in Colombia: a strategy to promote child development at scale.” Early Childhood Maters 35–39. Bayley, Nancy. 1969. Bayley Scales of Infant Development. New York: Psychological Corp. Bayley, Nancy. 2006. Bayley Scales of Infant and Toddler Development–Third Edition: Technical manual. San Antonio, TX: Harcourt Assessment. Black, Maureen M., Susan P. Walker, Lia C. Fernald, Christopher T. Andersen, Ann M. DiGirolamo, Chunling Lu, Dana C. McCoy, Fink Gunther, Yusra R. Shawar, Jeremy Shiffman, Amanda E. Devercelli, Quentin T. Wodon, Emily Vargas-Baron, Sally Grantham-McGregor, y Lancet Early Childhood Development Series Steering Committee. 2017. “Early childhood development coming of age: science through the life course”. The Lancet 389(10064):77–90. Bornstein, Marc H., Pia Rebello Britto, Yuko Nonoyama-Tarumi, Yumiko Ota, Oliver Petrovic, y Diane L. Putnick. 2012. “Child development in developing countries: Introduction and methods”. Child Development 83(1):16–31. Bracken, Bruce A. 2017. Creating the Optimal Preschool Testing Situation. Psychoeducational Assessment of Preschool Children. editado por B. A. B. and R. Nagle. Mahwah, NJ: Lawrence Erlbaum Associates. Bradley, Robert H., Bettye M. Caldwell, Stephen L. Rock, Holly M. Hamrick, y Pandia Harris. 1988. “Home Observation for Measurement of the Environment: Development of a Home Inventory for use with families having children 6 to 10 years old”. Contemporary Educational Psychology 13(1):58–71. Caldwell, Bettye M., y Robert H. Bradley. 2003. HOME Inventory Administration Manual. Comprehensive Edition. editado por U. of Arkansas. Print Design, Little Rock. Cavallera, Vanessa, Maureen Black, Kieran Bromley, Jorge Cuartas, Iris Eekhout, Günther Fink, Melissa Gladstone, Katelyn Hepworth, Magdalena Janus, Patricia Kariger, Gillian Lancaster, Dana McCoy, Gareth McCray, Raikes Abbie, Marta Rubio-Codina, Stef van Buuren, Marcus Waldman, Susan Walker, Ann Weber, y Tarun Dua. 2019. “The Global Scale for Early Development ( GSED )”. Early Childhood Matters 80–84. Colombo, John. 1993. Infant cognition: Predicting later intellectual functioning. Individual differences and developmental series. Newbury Park, CA: Sage Publications, Inc. Dunn, Lloyd M., y Leota M. Dunn. 1981. Peabody Picture Vocabulary Test - Revised. Circle Pines, Minnesota: American Guidance Service. Dunn, Lloyd M., Eligio R. Padilla, Delia E. Lugo, y Leota M. Dunn. 1986. Test de Vocabulario en Imágenes Peabody. Adaptación Hispanoamericana. Minneapolis, MN: NCS Pearson, Inc. Efron, Bradley. 1982. The Jackknife, the Bootstrap, and Other Resampling Plans. Vol. 38. Philadelphia, PA: SIAM. 28 Tabla 1. Características de los niños evaluados en la infancia intermedia y de sus familias, por batería de pruebas administrada en la primera infancia Batería A (nA=478) Batería B (nB =459) P-Valor de la diferencia entre las baterías I. Características del niño Edad del niño al ingreso en el estudio, % 6-18 meses 31,6 33,1 0,64 19-30 meses 36,2 35,5 0,822 31-42 meses 32,2 31,4 0,787 Edad del niño en la infancia intermedia, % 6 años 33,1 33,1 0,985 7 años 35,4 36,6 0,698 8 años 31,6 30,3 0,674 Niñas, % 45,4 49,7 0,173 Prematuro (edad gestacional <37 semanas), % 14,6 15,5 0,754 Talla para la edada al ingreso, puntaje z, media (DE) -1,1 (1,1) -1,1 (1,1) 0,319 Desnutrición crónicaa (talla para la edad <-2 DE) al ingreso, % 16,6 17,9 0,595 II. Características de los padres en la infancia intermedia Edad de la madrea, media (DE) 33,3 (6,9) 32,3 (6,5) 0,037 Educación de la madre, media (DE) 10,9 (3,2) 11,2 (3,3) 0,241 Educación del padrea, media (DE) 8,9 (4,1) 9,3 (4,0) 0,087 III. Características del hogar y del ambiente Estrato socioeconómico en la infancia intermedia, % 1. (25% más pobre) 27,2 27,5 0,93 2 39,7 42,5 0,422 3 32 28,5 0,329 4. (25% más rico) 1 1,5 0,598 Tamaño del hogar en la infancia intermedia, media (DE) 4,5 (1,4) 4,3 (1,5) 0,133 Índice de riqueza del hogar en la infancia intermedia, media (DE) -0,01 (1,03) 0,03 (0,95) 0,52 Variedad en los materiales de juego (FCI) en la primera infancia, media (DE) 5,0 (2,3) 5,0 (2,3) 0,143 Variedad en las actividades de juego (FCI) en la primera infancia, media (DE) 3,9 (1,9) 3,7 (1,8) 0,955 Puntaje total del FCI (materiales y actividades de juego) en la primera infancia, estandarizado internamente, media (DE) 0,16 (1,7) 0,13 (1,7) 0,786 Puntaje total del MC-HOME en la infancia intermedia, estandarizado internamente, media (DE) 0,05 (0,9) -0,05 (1,0) 0,145 IV. Desarrollo del niño en la primera infancia Bayley-III, puntajes estandarizados internamente, media (DE) Desarrollo cognitivo 0,03 (0,10) 0,05 (0,99) 0,763 Lenguaje receptivo 0,08 (0,99) 0,02 (1,02) 0,346 Lenguaje expresivo 0,04 (0,99) 0,02 (1,00) 0,713 Motricidad fina 0,05 (0,98) 0,00 (0,99) 0,39 Motricidad gruesa 0,03 (1,02) 0,01 (0,10) 0,758 Socioemocional 0,02 (0,98) 0,00 (0,97) 0,702 V. Desarrollo del niño en la infancia intermedia FSIQ, WISC-V, estandarizado externamente, media (DE) 88,6 (12,1) 88,6 (12,6) 0,991 FSIQ, WISC-V, estandarizado internamente, media (DE) 0,12 (4,40) -0,04 (4,50) 0,605 Puntaje de desempeño académico, estandarizado internamente, media (DE) 0,03 (2,39) 0,01 (2,39) 0,903 Notas: a Datos incompletos para algunas de las variables. Los tamaños de la muestra para estos son: talla para la edad y desnutrición crónica (nA=477); edad de la madre (nA=453, nB=433); educación del padre (nA=456, nB=424). DE significa desviación estándar. 29 Tabla 2. Correlaciones de las pruebas en la infancia intermedia entre sí y con variables socioeconómicas concurrentes FSIQ WISC-V Puntaje de desempeño académico Aritmética, WM-III Comprensión lectora, WM-III Vocabulário receptivo, à la “TVIP” Variables socioeconómicas en la infancia intermedia Educación de la madre 0,315*** 0,288*** 0,172*** 0,292*** 0,226*** Índice de riqueza del hogar 0,308*** 0,300*** 0,212*** 0,285*** 0,221*** Puntaje total del MC-HOME, estandarizado internamente 0,331*** 0,342*** 0,266*** 0,289*** 0,264*** Pruebas en la infancia intermedia, estandarizadas internamente FSIQ, WISC-V 1 Puntaje de desempeño académico 0,706*** 1 Aritmética, WM-III 0,531*** 0,798*** 1 Comprensión lectora, WM-III 0,600*** 0,824*** 0,512*** 1 Vocabulario receptivo, basado en el TVIP 0,563*** 0,776*** 0,402*** 0,461*** 1 Notas: N = 937 niños. Correlaciones de Pearson entre los puntajes de las pruebas estandarizados internamente (netos de los efectos del evaluador/encuestador). Los errores estándar (EE) se calcularon mediante métodos Bootstrap, estratificando por los estratos del diseño: grupo etario y sector socioeconómico (n =2000 repeticiones). 30 Tabla 3. Validez predictiva del Bayley-III, las pruebas cortas, el FCI, la talla para la edad y la desnutrición crónica entre los 6 y 42 meses del Coeficiente Intelectual (FSIQ) y el desempeño académico entre los 6 y 8 años, por edad en la primera infancia 6-18 meses en la primera infancia 19-30 meses en la primera infancia 31-42 meses en la primera infancia Pruebas en la primera infancia, 6-42 meses FSIQ (CI) Desempeño Académico FSIQ (CI) Desempeño Académico FSIQ (CI) Desempeño Académico Bayley-III n = 303 n = 336 n = 298 Desarrollo cognitivo 0,157** 0,135* 0,330*** 0,309*** 0,474*** 0,436*** Lenguaje receptivo 0,126* 0,150** 0,307*** 0,348*** 0,409*** 0,397*** Lenguaje expresivo 0,079 0,089 0,257*** 0,308*** 0,386*** 0,398*** Motricidad fina 0,113* 0,122* 0,201*** 0,213*** 0,353*** 0,311*** Motricidad gruesa 0,036 -0,071 0,087 0,143** 0,188** 0,175** Socioemocional 0,073 0,019 0,207*** 0,208*** 0,172** 0,119* ASQ-3 (adaptado) n = 145 n = 172 n = 153 Resolución de problemas 0,185** 0,027 -0,122 -0,008 0,297*** 0,310*** Comunicación 0,120 0,112 0,180* 0,223** 0,271*** 0,317*** Motricidad fina 0,099 0,038 0,118 0,167* 0,176** 0,247*** Motricidad gruesa 0,005 -0,065 -0,099 -0,110 0,044 0,038 Personal-social -0,115 -0,021 0,047 0,057 0,016 0,009 Denver-II n = 148 n = 169 n = 148 Lenguaje 0,052 -0,026 0,214** 0,286*** 0,375*** 0,373*** Motricidad fina adaptativa 0,103 0,116 0,229** 0,146* 0,422*** 0,438*** Motricidad gruesa 0,052 -0,082 -0,005 0,035 0,160* 0,190* Personal-social 0,104 0,015 -0,031 0,049 0,028 0,058 BDI-2 (Battelle) n = 152 n = 163 n = 144 Desarrollo cognitivo 0,136 0,175* 0,221** 0,238** 0,272* 0,305*** Comunicación 0,079 0,095 0,244** 0,326*** 0,305*** 0,318*** Motricidad 0,057 -0,010 0,191* 0,136 0,228* 0,220* Personal-social 0,163* 0,125 0,122 0,181** 0,247** 0,224** Habilidades adaptativas -0,058 -0,033 0,142 0,083 0,224** 0,192* SFI y SFII (MacArthur) n = 126a n = 172 Lenguaje receptivo 0,140 0,181* Lenguaje expresivo 0,047 0,055 0,301*** 0,298*** WHO-Motor n = 110b Motricidad gruesa -0,033 -0,068 FCI, talla para la edad, desnutrición crónica n = 303 n = 336 n = 298 FCI 0,183** 0,180** 0,362*** 0,384*** 0,329*** 0,310*** Talla para la edad 0,085 0,088 0,164** 0,172** 0,203*** 0,206*** Desnutrición crónica -0,054 -0,113* -0,179*** -0,207*** -0,200*** -0,247*** Notas: Correlaciones de Pearson entre los puntajes estandarizados internamente (netos de los efectos del evaluador/encuestador), a excepción de la talla para la edad y la desnutrición crónica. Los P-valores se calcularon mediante métodos Bootstrap, estratificando por los estratos del diseño: grupo etario y sector socioeconómico (n =2000 repeticiones). El FCI incluye los materiales y actividades de juego. La desnutrición crónica se define en función de una talla para la edad de -2 desviaciones estándar (DE) por debajo de la mediana establecida por la OMS. * p<0,05, ** p<0,01, *** p<0,001. a Niños de 8 a 18 meses; b Niños de 6 a 15 meses. 31 Tabla 4. Comparación de todas las correlaciones significativamente diferentes (P <0,05) de las escalas de desarrollo cognitivo y de lenguaje de todas las pruebas cortas, el Bayley-III, el FCI, la talla para la edad y la desnutrición crónica en la primera infancia con el posterior Coeficiente Intelectual (FSIQ) y desempeño académico, por grupo etario Coeficiente Intelectual, FSIQ Desempeño Académico 19-30 meses Bayley-III, desarrollo cognitivo > ASQ-3, resolución de problemas (P <0,0001) Bayley-III, desarrollo cognitivo > ASQ-3, resolución de problemas (P =0,001) Bayley-III, desarrollo cognitivo > Talla para la edad (P =0,037) Bayley-III, desarrollo cognitivo > Denver-II, motricidad fina adaptativa (P =0,033) Denver-II, motricidad fina adaptativa > ASQ-3, resolución de problemas (P <0,0001) Bayley-III, lenguaje expresivo > Talla para la edad (P =0,037) BDI-2, desarrollo cognitivo > ASQ-3, resolución de problemas (P =0,002) BDI-2, desarrollo cognitivo > ASQ-3, resolución de problemas (P =0,030) SFII, lenguaje expresivo > ASQ-3, resolución de problemas (P <0,0001) SFII, lenguaje expresivo > ASQ-3, resolución de problemas (P =0,003) FCI > ASQ-3, resolución de problemas (P <0,0001) FCI > ASQ-3, resolución de problemas (P <0,0001) FCI > ASQ-3, comunicación (P =0,012) FCI > ASQ-3, comunicación (P =0,035) FCI > Denver-II, motricidad fina adaptativa (P =0,049) FCI > Denver-II, motricidad fina adaptativa (P =0,002) FCI > Desnutrición crónica (P =0,012) FCI > Desnutrición crónica (P =0,014) FCI > Talla para la edad (P =0,003) FCI > Talla para la edad (P =0,002) Desnutrición crónica > ASQ-3, resolución de problemas (P =0,003) Talla para la edad > ASQ-3, resolución de problemas (P =0,005) 31-42 meses Bayley-III, desarrollo cognitivo > ASQ-3, resolución de problemas (P =0,038) Bayley-III, desarrollo cognitivo > FCI (P =0,027) Bayley-III, desarrollo cognitivo > ASQ-3, comunicación (P =0,033) Bayley-III, desarrollo cognitivo > Desnutrición crónica (P =0,007) Bayley-III, desarrollo cognitivo > BDI-2, comunicación (P =0,016) Bayley-III, lenguaje expresivo > Desnutrición crónica (P =0,022) Bayley-III, desarrollo cognitivo > FCI (P =0,035) Bayley-III, desarrollo cognitivo > Talla para la edad (P =0,001) Bayley-III, desarrollo cognitivo > Desnutrición crónica (P <0,0001) Bayley-III, lenguaje receptivo > Talla para la edad (P =0,017) Bayley-III, lenguaje receptivo > Desnutrición crónica (P =0,010) Bayley-III, lenguaje expresivo > Talla para la edad (P =0,003) Bayley-III, lenguaje expresivo > Desnutrición crónica (P =0,007) Denver-II, motricidad fina adaptativa > Desnutrición crónica (P =0,012) Bayley-III, desarrollo cognitivo > Talla para la edad (P <0,0001) Denver-II, motricidad fina adaptativa > Talla para la edad (P =0,004) Bayley-III, lenguaje receptivo > Talla para la edad (P =0,010) Bayley-III, lenguaje expresivo > Talla para la edad (P =0,008) Denver-II, motricidad fina adaptativa > Desnutrición crónica (P =0,004) Denver-II, lenguaje > Desnutrición crónica (P =0,046) Denver-II, motricidad fina adaptativa > Talla para la edad (P =0,007) Denver-II, lenguaje > Talla para la edad (P =0,045) Notas: Número de observaciones para cada correlación comparada, tal como en la Tabla 3. Los P-valores se calcularon mediante métodos Bootstrap, estratificando por los estratos del diseño: grupo etario y sector socioeconómico (n =2000 repeticiones). 32 Apéndice: Gráficos y Tablas Gráfico A1. Validez predictiva del Bayley-III y de las pruebas cortas entre los 6 y 42 meses del desempeño académico entre los 6 y 8 años, por grupo etario y dominio Notas: Cada cuadrante del Gráfico A1 muestra, para cada dominio del desarrollo, la correlación promedio entre los puntajes obtenidos en la primera infancia y el desempeño académico en la infancia intermedia, por grupo etario. El grupo etario más joven en la primera infancia es el de 6 a 18 meses y en la infancia intermedia, el de 6 años; el grupo etario intermedio en la primera infancia es el de 19 a 30 meses y en la infancia intermedia, el de 7 años; y el grupo etario de mayor edad en la primera infancia es el de 31 a 42 meses y en la infancia intermedia, el de 8 años. Los tamaños de muestra para cada correlación (punto ilustrado) se presentan en la Tabla 2. Véase el Gráfico 1 para obtener las referencias de los acrónimos utilizados. aEl Denver-II corresponde a la escala de motricidad fina adaptativa; bel ASQ-3, el Denver-II y el BDI-2 corresponden a las escalas de comunicación/lenguaje; cel BDI-2 de desarrollo motor combina ítems de motricidad fina y gruesa; del Bayley-III corresponde a la escala socioemocional; y el BDI-2 corresponde a la escala de habilidades adaptativas. 0.1 .2 .3 .4 .5 6-18 meses 19-30 meses 31-42 meses Bayley-III ASQ-3 Denver-II (a) BDI-2 Escalas Cognitivas 0.1 .2 .3 .4 .5 6-18 meses 19-30 meses 31-42 meses Bayley-III ASQ-3 (b) Denver-II (b) SFI BDI-2 (b) Escalas de Lenguaje Receptivo 0.1 .2 .3 .4 .5 6-18 meses 19-30 meses 31-42 meses Bayley-III ASQ-3 (b) Denver-II (b) SFII BDI-2 (b) Escalas de Lenguaje Expresivo 0.1 .2 .3 .4 .5 6-18 meses 19-30 meses 31-42 meses Bayley-III ASQ-3 Denver-II (a) BDI-2 (c) Escalas de Motricidad Fina 0.1 .2 .3 .4 .5 6-18 meses 19-30 meses 31-42 meses Bayley-III ASQ-3 Denver-II BDI-2 (c) WHO Escalas de Motricidad Gruesa 0.1 .2 .3 .4 .5 6-18 meses 19-30 meses 31-42 meses Bayley-III (d) ASQ-3 Denver-II BDI-2 BDI-2 (d) Escalas Personal Sociales 33 Tabla A1. Puntajes crudos para el Bayley-III, las pruebas cortas, el WISC-V y las mediciones del desempeño académico, y puntajes compuestos para el Bayley-III, para la muestra completa y por baterías administradas en la primera infancia Todos los niños Batería A Batería B P-valor diferencia entre las baterías (N = 937) (nA =478) (nB =459) Media DE mín. máx. Media DE Media DE Bayley-III, puntajes crudos Desarrollo cognitivo 59,14 13,84 26 83 59,03 14,34 59,25 13,32 0,809 Lenguaje receptivo 25,75 9,08 9 44 25,63 9,2 25,86 8,96 0,697 Lenguaje expresivo 25,55 10,25 5 47 25,27 10,28 25,85 10,23 0,393 Motricidad fina 39,51 9,93 18 63 39,74 10 39,26 9,85 0,466 Motricidad gruesa 52,66 11,35 20 70 52,42 11,59 52,92 11,09 0,505 Socioemocional 106 30,05 47 170 105,5 30,38 106,4 29,73 0,646 Bayley-III, puntajes compuestos (estandarizados externamente) Desarrollo cognitivo 98,61 8,83 70 135 97,94 7,76 99,31 9,78 0,048 Lenguaje 96,94 9,97 71 138 95,87 8,59 98,05 11,13 0,005 Motricidad 99,79 10,65 70 136 99,8 10,15 99,78 11,15 0,979 Socioemocional 93,05 12,01 65 140 92,13 11,72 94 12,25 0,056 ASQ-3 (adaptado), puntajes crudos Resolución de problemas 47,69 15,65 Comunicación 47,7 18,5 Motricidad fina 47,2 14,81 Motricidad gruesa 50,41 16,83 Personal-social 48,35 14,55 Denver-II, puntajes crudos Lenguaje 20,66 6,39 Motricidad fina adaptativa 18,97 4,29 Motricidad gruesa 21,07 5,42 Personal-social 16,07 4,95 BDI-2 (Battelle), puntajes crudos Desarrollo cognitivo 17,02 3,98 Comunicación 17,58 6,66 Motricidad 18,66 6,37 Personal-social 16,32 5,43 Habilidades adaptativas 18,79 5,81 SFI y el SFII (MacArthur), puntajes crudos Lenguaje receptivo (SFI) 47,96 21,91 Lenguaje expresivo (SFI) 6,91 7,94 Lenguaje expresivo (SFII) 53,85 26,8 WHO-Motor, puntajes crudos Motricidad gruesa 4,07 2,08 Componentes del FSIQ (WISC-V), puntajes crudos Construcción con cubos 15,58 7,32 0 42 15,62 7,44 15,54 7,19 0,855 Semejanzas 12,37 5,92 0 33 12,35 5,87 12,39 5,99 0,912 Matrices 10,01 4,31 0 23 9,99 4,48 10,03 4,13 0,873 Dígitos 14,94 5,63 0 36 14,88 5,73 15,01 5,53 0,733 Claves 30,65 9,94 1 71 31,04 9,97 30,25 9,91 0,223 Vocabulario 14,93 4,72 0 34 14,87 4,75 15 4,69 0,664 Balanzas 12,64 3,81 0 26 12,69 3,72 12,6 3,9 0,714 Componentes del puntaje del desempeño académico, puntajes crudos Aritmética, WM-III 8,71 4,23 0 22 8,7 4,28 8,73 4,18 0,917 Comprensión lectora, WM-III 18,38 8,89 0 36 18,55 8,87 18,21 8,91 0,555 Vocabulario receptivo, basado en el TVIP 31,92 13,64 2 72 31,62 13,55 32,23 13,74 0,494 34 Tabla A2. Correlaciones de los puntajes crudos de los componentes del Coeficiente Intelectual (FSIQ) y del desempeño académico con la edad y el grado escolar en la infancia intermedia Edad en meses Grado escolar Componentes del FSIQ (WISC-V), puntajes crudos Construcción con cubos 0,389*** 0,372*** Semejanzas 0,375*** 0,408*** Matrices 0,399*** 0,422*** Dígitos 0,522*** 0,556*** Claves 0,136*** 0,211*** Vocabulario 0,388*** 0,434*** Balanzas 0,323*** 0,353*** Componentes del puntaje del desempeño académico, puntajes crudos Aritmética, WM-III 0,592*** 0,633*** Comprensión lectora, WM-III 0,621*** 0,689*** Vocabulario receptivo, basado en el TVIP 0,502*** 0,519*** N = 937; *** p<0,001 35 Tabla A3. Prueba de significancia (P-valores) de las correlaciones entre los grupos etarios: escalas de desarrollo cognitivo y de lenguaje del Bayley-III, las pruebas cortas, el FCI, la talla para la edad y la desnutrición crónica en la primera infancia con el posterior Coeficiente Intelectual (FSIQ) y desempeño académico Grupo etario más joven (6 a 18 meses) e intermedio (19 a 30 meses) Grupo etario intermedio (19 a 30 meses) y más grande (31 a 42 meses) Grupo etario más joven (6 a 18 meses) y más grande (31 a 42 meses) Pruebas en la primera infancia, 6-42 meses FSIQ (CI) Desempeño Académico FSIQ (CI) Desempeño Académico FSIQ (CI) Desempeño Académico Bayley-III Desarrollo cognitivo 0,026 0,028 0,038 >0,05 0,000 0,000 Lenguaje receptivo 0,019 0,010 >0,05 >0,05 0,000 0,001 Lenguaje expresivo 0,023 0,005 >0,05 >0,05 0,000 0,000 ASQ-3 (adaptado) Resolución de problemas 0,003 >0,05 0,000 0,004 >0,05 0,005 Comunicación >0,05 >0,05 >0,05 >0,05 >0,05 >0,05 Denver-II Lenguaje >0,05 0,003 >0,05 >0,05 0,001 0,000 Motricidad fina adaptativa >0,05 >0,05 0,026 0,016 0,001 0,001 BDI-2 (Battelle) Desarrollo cognitivo >0,05 >0,05 >0,05 >0,05 >0,05 >0,05 Comunicación >0,05 0,028 >0,05 >0,05 >0,05 0,030 SFI y SFII (MacArthur) Lenguaje expresivo 0,036 0,027 - - - - FCI, talla para la edad, desnutrición crónica FCI 0,014 0,006 >0,05 >0,05 >0,05 >0,05 Talla para la edad >0,05 >0,05 >0,05 >0,05 >0,05 >0,05 Desnutrición crónica >0,05 >0,05 >0,05 >0,05 >0,05 >0,05 Notas: Número de observaciones para cada correlación comparada, tal como en la Tabla 3. Grupos etarios "más joven" (6 a 18 meses), "intermedio" (19 a 30 meses) y "más grande" (31 a 42 meses) definidos en función de la edad al inicio del estudio (primera infancia). P-valores <=0,05 en negrita. Los P-valores se calcularon mediante métodos Bootstrap, estratificando por los estratos del diseño: grupo etario y sector socioeconómico (n =2000 repeticiones). El FCI incluye los materiales y actividades de juego. La desnutrición crónica se define en función de una talla para la edad de -2 desviaciones estándar (DE) por debajo de la mediana establecida por la OMS.