Scielo RSS http://scielo.isciii.es/rss.php?pid=1578-254920160002&lang=es vol. 19 num. 2 lang. es http://scielo.isciii.es/img/en/fbpelogp.gif http://scielo.isciii.es http://scielo.isciii.es/scielo.php?script=sci_arttext&pid=S1578-25492016000200001&lng=es&nrm=iso&tlng=es http://scielo.isciii.es/scielo.php?script=sci_arttext&pid=S1578-25492016000200002&lng=es&nrm=iso&tlng=es Objetivo: Analizar las propiedades psicomítricas de las escalas de la Batería UNIPSICO que evalúa los factores psicosociales de demanda del contexto de trabajo. Métodos: La muestra estuvo formada por 2564 participantes, 1391 trabajadores de centros de atención a personas con discapacidad psíquica y 1173 docentes de secundaria de la Comunidad Valenciana. La recogida de datos se realizó mediante las escalas de la Batería UNIPSICO que evalúan factores psicosociales de demanda en el trabajo (27 ítems) que se agrupan en 5 escalas: Conflictos interpersonales, Inequidad en los intercambios sociales, Conflicto de rol, Ambigüedad de rol y Carga de trabajo. Se realizaron análisis de ítems, validez de constructo con análisis factorial confirmatorio, análisis de fiabilidad según alfa de Cronbach, y validez predictiva con regresión stepwise. Resultados: Todos los ítems presentaron valores adecuados de asimetría y fiabilidad del ítem. Las cinco escalas presentaron valores de asimetría dentro del intervalo +/-1. El modelo factorial hipotetizado de cinco factores presentó un ajuste adecuado a los datos (GFI = 0,935, NNFI = 0,903, CFI = 0,914, RMSEA = 0,050). Las cinco escalas alcanzaron valores de fiabilidad alfa de Cronbach superiores a 0,70. En los modelos de regresión stepwise todas las variables fueron predictores significativos de problemas psicosomáticos. Conclusiones: Los resultados muestran que las cinco escalas evaluadas son válidas y fiables para evaluar los factores psicosociales de demanda en el trabajo. Las escalas presentaron validez predictiva sobre problemas psicosomáticos derivados del trabajo.<hr/>Purpose: To analyze the psychometric properties of the UNIPSICO questionnaire' scales designed to evaluate psychosocial demands at work. Methods: The sample consisted of 2564 participants; 1391 were employees working with persons with intellectual disabilities and 1173 high school teachers from the Valencian Community. Data were collected using the UNIPSICO questionnaire, which features scales designed to measures psychosocial demands at work. This instrument contains 27 items distributed in 5 scales: interpersonal conflicts, imbalance, role conflict, role ambiguity, and workload. Data were analysed to test item validity, construct validity by confirmatory factor analysis (CFA), reliability by Cronbach's alpha, and predictive validity by stepwise regression analysis. Results: For all items, skewness and reliability were adequate. The five scales followed a normal distribution, with skewness values ranging between +1 and -1. The results of the CFA confirmed the hypothesised five-factor structure. The hypothesised model obtained a good data fit (GFI = 0,935, NNFI = 0,903, CFI = 0,914, RMSEA = 0,050). Scale score reliability coefficients for the five scales showed values above 0.70. Stepwise regression analysis demonstrated all variables to be significant predictors of psychosomatic disorders. Conclusions: The validity and reliability of the five scales were satisfactory. In addition, the scales offer predictive validity for measuring work-related psychosomatic disorders. The UNIPSICO scales analyzed are an adequate tool for the evaluation of psychosocial risk factors at work. http://scielo.isciii.es/scielo.php?script=sci_arttext&pid=S1578-25492016000200003&lng=es&nrm=iso&tlng=es Objetivo: Analizar las propiedades psicométricas de las escalas de la Batería UNIPSICO que permiten evaluar los factores psicosociales de recursos del contexto de trabajo. Métodos: La muestra estuvo formada por 2564 participantes, 1391 trabajadores de centros de atención a personas con discapacidad psíquica, y 1173 docentes de secundaria de la Comunidad Valenciana. La recogida de datos se realizó mediante las escalas de la Batería UNIPSICO que evalúan factores psicosociales de recursos del lugar de trabajo (26 ítems) que se agrupan en 4 escalas: Disponibilidad de recursos, Apoyo social en el trabajo, Retroinformación y Autonomía. Se realizaron análisis de ítems, validez de constructo con análisis factorial confirmatorio, análisis de fiabilidad según alfa de Cronbach, y validez predictiva con regresiones stepwise. Resultados: Todos los ítems presentaron valores adecuados de asimetría y fiabilidad del ítem. Las cuatro escalas presentaron valores de asimetría dentro del intervalo +/-1. El modelo factorial hipotetizado de cuatro factores presentó un ajuste adecuado a los datos (GFI = 0,922, NNFI = 0,898, CFI = 0,912, RMSEA = 0,059). Las cuatro escalas alcanzaron valores de fiabilidad alfa de Cronbach superiores a 0,80. Según los resultados de regresión stepwise todas las variables fueron predictores significativos de problemas psicosomáticos. Conclusión: Las cuatro escalas evaluadas son válidas y fiables. Las escalas presentaron validez predictiva sobre problemas psicosomáticos derivados del trabajo. Las escalas analizadas constituyen un instrumento válido y fiable para evaluar los factores psicosociales de recursos en el trabajo.<hr/>Purpose: To analyze the psychometric properties of the UNIPSICO questionnaire' scales designed to evaluate psychosocial resource factors at work. Methods: The sample consisted of 2564 participants; 1391 were employees working with people with intellectual disability and 1173 were high school teachers from the Valencian Community. Data were collected through use of the UNIPSICO questionnaire, which includes scales designed to measure psychosocial resource factors in the workplace. This instrument consists of 26 items distributed in 4 scales: resources at work, work social support, feedback, and autonomy. Data were analysed to test item validity, construct validity by confirmatory factor analysis (CFA), reliability by Cronbach's alpha, and predictive validity by stepwise regression analysis. Results: For all items skewness and reliability values were adequate. The four scales followed the normal distribution, with skewness values ranging between +1 and -1. The results of the CFA confirmed the hypothesised four-factor structure. The hypothesised model showed a good data fit (GFI =0,922, NNFI = 0,898, CFI = 0,912, RMSEA = 0,059). Scale score reliability coefficients for the five scales showed values above 0.80. Stepwise regression analysis demonstrated all variables were significant predictors of psychosomatic disorders. Conclusions: The validity and reliability of the four scales were satisfactory. In addition, the scales offer predictive validity for the study of work-related psychosomatic disorders. The UNIPSICO scales analyzed are anadequate tool to evaluate psychosocial resource factors at work. http://scielo.isciii.es/scielo.php?script=sci_arttext&pid=S1578-25492016000200004&lng=es&nrm=iso&tlng=es Pese a que un objetivo de la epidemiología es la identificación de relaciones de causalidad entre un factor de riesgo y un problema de salud, la metodología de investigación de esta disciplina sacrifica a menudo la validez interna a favor de la capacidad de detección de asociación. Existen métodos gráficos y estadísticos que pueden ayudar a desentrañar los posibles mecanismos causales y así conocer algo mejor la llamada "caja negra". En esta nota se presentan los diagramas causales, una de las herramientas más útiles para plantear, antes del análisis, si una posible asociación es causal o simplemente debida a un sesgo. Para mostrar su utilidad, se proponen varias situaciones en el ámbito de salud laboral, mostrando cómo puede surgir asociación en rutas no causales a consecuencia de un sesgo. En conclusión, se recomienda el uso de los diagramas causales como parte de la praxis habitual en la investigación epidemiológica.<hr/>Although a goal of epidemiological research is to identify causal relationships between a risk factor and a health problem, the methodology employed often sacrifices internal validity to gain capacity to detect associations. There are new graphical and statistical methods that can help unravel the possible causal mechanisms and better understand this "black box". This paper presents causal diagrams, one of the most useful tools for mapping out, prior to analysis, whether a possible association is causal or just due to bias. To demonstrate its usefulness, we use occupational health examples, showing how associations may arise through non-causal pathways as a result of bias. In conclusion, we recommend the routine practice of using causal diagrams in epidemiological research. http://scielo.isciii.es/scielo.php?script=sci_arttext&pid=S1578-25492016000200005&lng=es&nrm=iso&tlng=es Pese a que un objetivo de la epidemiología es la identificación de relaciones de causalidad entre un factor de riesgo y un problema de salud, la metodología de investigación de esta disciplina sacrifica a menudo la validez interna a favor de la capacidad de detección de asociación. Existen métodos gráficos y estadísticos que pueden ayudar a desentrañar los posibles mecanismos causales y así conocer algo mejor la llamada "caja negra". En esta nota se presentan los diagramas causales, una de las herramientas más útiles para plantear, antes del análisis, si una posible asociación es causal o simplemente debida a un sesgo. Para mostrar su utilidad, se proponen varias situaciones en el ámbito de salud laboral, mostrando cómo puede surgir asociación en rutas no causales a consecuencia de un sesgo. En conclusión, se recomienda el uso de los diagramas causales como parte de la praxis habitual en la investigación epidemiológica.<hr/>Although a goal of epidemiological research is to identify causal relationships between a risk factor and a health problem, the methodology employed often sacrifices internal validity to gain capacity to detect associations. There are new graphical and statistical methods that can help unravel the possible causal mechanisms and better understand this "black box". This paper presents causal diagrams, one of the most useful tools for mapping out, prior to analysis, whether a possible association is causal or just due to bias. To demonstrate its usefulness, we use occupational health examples, showing how associations may arise through non-causal pathways as a result of bias. In conclusion, we recommend the routine practice of using causal diagrams in epidemiological research. http://scielo.isciii.es/scielo.php?script=sci_arttext&pid=S1578-25492016000200006&lng=es&nrm=iso&tlng=es Pese a que un objetivo de la epidemiología es la identificación de relaciones de causalidad entre un factor de riesgo y un problema de salud, la metodología de investigación de esta disciplina sacrifica a menudo la validez interna a favor de la capacidad de detección de asociación. Existen métodos gráficos y estadísticos que pueden ayudar a desentrañar los posibles mecanismos causales y así conocer algo mejor la llamada "caja negra". En esta nota se presentan los diagramas causales, una de las herramientas más útiles para plantear, antes del análisis, si una posible asociación es causal o simplemente debida a un sesgo. Para mostrar su utilidad, se proponen varias situaciones en el ámbito de salud laboral, mostrando cómo puede surgir asociación en rutas no causales a consecuencia de un sesgo. En conclusión, se recomienda el uso de los diagramas causales como parte de la praxis habitual en la investigación epidemiológica.<hr/>Although a goal of epidemiological research is to identify causal relationships between a risk factor and a health problem, the methodology employed often sacrifices internal validity to gain capacity to detect associations. There are new graphical and statistical methods that can help unravel the possible causal mechanisms and better understand this "black box". This paper presents causal diagrams, one of the most useful tools for mapping out, prior to analysis, whether a possible association is causal or just due to bias. To demonstrate its usefulness, we use occupational health examples, showing how associations may arise through non-causal pathways as a result of bias. In conclusion, we recommend the routine practice of using causal diagrams in epidemiological research. http://scielo.isciii.es/scielo.php?script=sci_arttext&pid=S1578-25492016000200007&lng=es&nrm=iso&tlng=es Pese a que un objetivo de la epidemiología es la identificación de relaciones de causalidad entre un factor de riesgo y un problema de salud, la metodología de investigación de esta disciplina sacrifica a menudo la validez interna a favor de la capacidad de detección de asociación. Existen métodos gráficos y estadísticos que pueden ayudar a desentrañar los posibles mecanismos causales y así conocer algo mejor la llamada "caja negra". En esta nota se presentan los diagramas causales, una de las herramientas más útiles para plantear, antes del análisis, si una posible asociación es causal o simplemente debida a un sesgo. Para mostrar su utilidad, se proponen varias situaciones en el ámbito de salud laboral, mostrando cómo puede surgir asociación en rutas no causales a consecuencia de un sesgo. En conclusión, se recomienda el uso de los diagramas causales como parte de la praxis habitual en la investigación epidemiológica.<hr/>Although a goal of epidemiological research is to identify causal relationships between a risk factor and a health problem, the methodology employed often sacrifices internal validity to gain capacity to detect associations. There are new graphical and statistical methods that can help unravel the possible causal mechanisms and better understand this "black box". This paper presents causal diagrams, one of the most useful tools for mapping out, prior to analysis, whether a possible association is causal or just due to bias. To demonstrate its usefulness, we use occupational health examples, showing how associations may arise through non-causal pathways as a result of bias. In conclusion, we recommend the routine practice of using causal diagrams in epidemiological research. http://scielo.isciii.es/scielo.php?script=sci_arttext&pid=S1578-25492016000200008&lng=es&nrm=iso&tlng=es Pese a que un objetivo de la epidemiología es la identificación de relaciones de causalidad entre un factor de riesgo y un problema de salud, la metodología de investigación de esta disciplina sacrifica a menudo la validez interna a favor de la capacidad de detección de asociación. Existen métodos gráficos y estadísticos que pueden ayudar a desentrañar los posibles mecanismos causales y así conocer algo mejor la llamada "caja negra". En esta nota se presentan los diagramas causales, una de las herramientas más útiles para plantear, antes del análisis, si una posible asociación es causal o simplemente debida a un sesgo. Para mostrar su utilidad, se proponen varias situaciones en el ámbito de salud laboral, mostrando cómo puede surgir asociación en rutas no causales a consecuencia de un sesgo. En conclusión, se recomienda el uso de los diagramas causales como parte de la praxis habitual en la investigación epidemiológica.<hr/>Although a goal of epidemiological research is to identify causal relationships between a risk factor and a health problem, the methodology employed often sacrifices internal validity to gain capacity to detect associations. There are new graphical and statistical methods that can help unravel the possible causal mechanisms and better understand this "black box". This paper presents causal diagrams, one of the most useful tools for mapping out, prior to analysis, whether a possible association is causal or just due to bias. To demonstrate its usefulness, we use occupational health examples, showing how associations may arise through non-causal pathways as a result of bias. In conclusion, we recommend the routine practice of using causal diagrams in epidemiological research. http://scielo.isciii.es/scielo.php?script=sci_arttext&pid=S1578-25492016000200009&lng=es&nrm=iso&tlng=es Pese a que un objetivo de la epidemiología es la identificación de relaciones de causalidad entre un factor de riesgo y un problema de salud, la metodología de investigación de esta disciplina sacrifica a menudo la validez interna a favor de la capacidad de detección de asociación. Existen métodos gráficos y estadísticos que pueden ayudar a desentrañar los posibles mecanismos causales y así conocer algo mejor la llamada "caja negra". En esta nota se presentan los diagramas causales, una de las herramientas más útiles para plantear, antes del análisis, si una posible asociación es causal o simplemente debida a un sesgo. Para mostrar su utilidad, se proponen varias situaciones en el ámbito de salud laboral, mostrando cómo puede surgir asociación en rutas no causales a consecuencia de un sesgo. En conclusión, se recomienda el uso de los diagramas causales como parte de la praxis habitual en la investigación epidemiológica.<hr/>Although a goal of epidemiological research is to identify causal relationships between a risk factor and a health problem, the methodology employed often sacrifices internal validity to gain capacity to detect associations. There are new graphical and statistical methods that can help unravel the possible causal mechanisms and better understand this "black box". This paper presents causal diagrams, one of the most useful tools for mapping out, prior to analysis, whether a possible association is causal or just due to bias. To demonstrate its usefulness, we use occupational health examples, showing how associations may arise through non-causal pathways as a result of bias. In conclusion, we recommend the routine practice of using causal diagrams in epidemiological research. http://scielo.isciii.es/scielo.php?script=sci_arttext&pid=S1578-25492016000200010&lng=es&nrm=iso&tlng=es Pese a que un objetivo de la epidemiología es la identificación de relaciones de causalidad entre un factor de riesgo y un problema de salud, la metodología de investigación de esta disciplina sacrifica a menudo la validez interna a favor de la capacidad de detección de asociación. Existen métodos gráficos y estadísticos que pueden ayudar a desentrañar los posibles mecanismos causales y así conocer algo mejor la llamada "caja negra". En esta nota se presentan los diagramas causales, una de las herramientas más útiles para plantear, antes del análisis, si una posible asociación es causal o simplemente debida a un sesgo. Para mostrar su utilidad, se proponen varias situaciones en el ámbito de salud laboral, mostrando cómo puede surgir asociación en rutas no causales a consecuencia de un sesgo. En conclusión, se recomienda el uso de los diagramas causales como parte de la praxis habitual en la investigación epidemiológica.<hr/>Although a goal of epidemiological research is to identify causal relationships between a risk factor and a health problem, the methodology employed often sacrifices internal validity to gain capacity to detect associations. There are new graphical and statistical methods that can help unravel the possible causal mechanisms and better understand this "black box". This paper presents causal diagrams, one of the most useful tools for mapping out, prior to analysis, whether a possible association is causal or just due to bias. To demonstrate its usefulness, we use occupational health examples, showing how associations may arise through non-causal pathways as a result of bias. In conclusion, we recommend the routine practice of using causal diagrams in epidemiological research. http://scielo.isciii.es/scielo.php?script=sci_arttext&pid=S1578-25492016000200011&lng=es&nrm=iso&tlng=es Pese a que un objetivo de la epidemiología es la identificación de relaciones de causalidad entre un factor de riesgo y un problema de salud, la metodología de investigación de esta disciplina sacrifica a menudo la validez interna a favor de la capacidad de detección de asociación. Existen métodos gráficos y estadísticos que pueden ayudar a desentrañar los posibles mecanismos causales y así conocer algo mejor la llamada "caja negra". En esta nota se presentan los diagramas causales, una de las herramientas más útiles para plantear, antes del análisis, si una posible asociación es causal o simplemente debida a un sesgo. Para mostrar su utilidad, se proponen varias situaciones en el ámbito de salud laboral, mostrando cómo puede surgir asociación en rutas no causales a consecuencia de un sesgo. En conclusión, se recomienda el uso de los diagramas causales como parte de la praxis habitual en la investigación epidemiológica.<hr/>Although a goal of epidemiological research is to identify causal relationships between a risk factor and a health problem, the methodology employed often sacrifices internal validity to gain capacity to detect associations. There are new graphical and statistical methods that can help unravel the possible causal mechanisms and better understand this "black box". This paper presents causal diagrams, one of the most useful tools for mapping out, prior to analysis, whether a possible association is causal or just due to bias. To demonstrate its usefulness, we use occupational health examples, showing how associations may arise through non-causal pathways as a result of bias. In conclusion, we recommend the routine practice of using causal diagrams in epidemiological research. http://scielo.isciii.es/scielo.php?script=sci_arttext&pid=S1578-25492016000200012&lng=es&nrm=iso&tlng=es Pese a que un objetivo de la epidemiología es la identificación de relaciones de causalidad entre un factor de riesgo y un problema de salud, la metodología de investigación de esta disciplina sacrifica a menudo la validez interna a favor de la capacidad de detección de asociación. Existen métodos gráficos y estadísticos que pueden ayudar a desentrañar los posibles mecanismos causales y así conocer algo mejor la llamada "caja negra". En esta nota se presentan los diagramas causales, una de las herramientas más útiles para plantear, antes del análisis, si una posible asociación es causal o simplemente debida a un sesgo. Para mostrar su utilidad, se proponen varias situaciones en el ámbito de salud laboral, mostrando cómo puede surgir asociación en rutas no causales a consecuencia de un sesgo. En conclusión, se recomienda el uso de los diagramas causales como parte de la praxis habitual en la investigación epidemiológica.<hr/>Although a goal of epidemiological research is to identify causal relationships between a risk factor and a health problem, the methodology employed often sacrifices internal validity to gain capacity to detect associations. There are new graphical and statistical methods that can help unravel the possible causal mechanisms and better understand this "black box". This paper presents causal diagrams, one of the most useful tools for mapping out, prior to analysis, whether a possible association is causal or just due to bias. To demonstrate its usefulness, we use occupational health examples, showing how associations may arise through non-causal pathways as a result of bias. In conclusion, we recommend the routine practice of using causal diagrams in epidemiological research.