Acceso usuarios
Juan Martín Gómez Penedo, Roberto Muiños, Pablo Hirsch, Andrés Roussos
Los modelos lineales jerárquicos (HLM) representan una estrategia estadística fundamental para la investigación en psicoterapia, ya que permiten superar la dependencia de las observaciones que habitualmente se presenta en sus datos. Estos métodos son útiles para estimar el cambio, desagregar fuentes de variación y analizar efectos de predictores de distintos niveles de jerarquía. Debido a que la aplicación de estos métodos requiere de un alto grado de conocimiento técnico, aún inaccesible para muchos investigadores, el objetivo de este trabajo es presentar una guía para entender, aplicar y reportar los HLM para estudiar los efectos de la psicoterapia. Para ilustrar cómo aplicar y reportar los HLM hemos utilizado una base de datos clínica real. Diseminar estos métodos en Latinoamérica puede representar una contribución tanto para la investigación como para la práctica, mejorando la solidez de los estudios clínicos y desarrollando un conocimiento robusto para optimizar los procesos y resultados en psicoterapia.
Hierarchical Linear Models (HLM) represents a valuable statistical tool for psychotherapy research, given that they allow dealing with the usual dependency presented in its data. These methods are useful to estimate change, disaggregate sources of variations, and analyze the effect of different level predictors. Considering that, these analyses required a highly sophisticated technical knowledge that might remain inaccessible for many researchers, the aim of this paper is to present a guide on how to understand, apply, and report HLM for psychotherapy effects research. To illustrate how to apply HLM, we have drawn on a naturalistic clinical dataset. Disseminating these methods in the Latin-America might represent a meaningful contribution both for research and practice, improving the soundness of clinical studies and helping to develop a more robust knowledge that might leads to greater process and outcome in psychotherapy.
