Revisión de los fundamentos del análisis de clases latentes y ejemplo de aplicación en el área de las adicciones

Autores
Reyna, Cecilia; Brussino, Silvina Alejandra
Año de publicación
2011
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión publicada
Descripción
El análisis de clases latentes (LCA) es una técnica de especial relevancia en el campo del consumo de drogas, donde gran parte de las variables son categóricas. La metodología en la que se basa el LCA permite identifi car tipologías de uso de sustancias en lugar de focalizar de manera exclusiva en patrones patológicos, por lo que se pueden detectar otros problemas de consumo. Este estudio se propone revisar los fundamentos del LCA y ofrecer un ejemplo de aplicación en el campo de las adicciones. Método. Para la ejemplifi cación del LCA se recurrió a datos de un estudio sobre hábitos de consumo relacionados con el tabaco en mayores de 18 años de España (N = 2.002) realizado por el Centro de Investigaciones Sociológicas. De 513 personas que informaron ser fumadoras, 498 completaron datos suficientes para ser incluidas en el LCA, 55,2 % varones y 44,8 % mujeres (M = 41,71 años; DT = 13,75). El análisis se basó en las siguientes variables: cantidad de cigarrillos fumados por día, intención de dejar de fumar, auto-percepción como fumador y frecuencia de fumar de los padres cuando era niño. Resultados. Para evaluar el ajuste del modelo estimado por LCA se recurrió primordialmente a los criterios de información (BIC, AIC y AIC3). Resultados preliminares mostraron a los modelos de 2 y 4 clases como los más verosímiles. Tras un bootstrapping condicional se eligió el modelo de 4 clases latentes. Las clases reconocidas fueron: ?fumadores notables? = compuesta por el 27,91 % de la muestra, ?fumadores leves? = 26,21 %, ?fumadores moderados? = 23,75 %, y ?fumadores graves? = 22,13 %. Conclusiones. Se discuten los resultados y la utilidad del LCA para detectar patrones de consumo de sustancias.
Latent class analysis (LCA) is a technique especially relevant in the drug field, where much of the variables are categorical. The methodology on which the LCA is based allows identifying typologies of use of substances instead of to focus of exclusive way in pathological patterns, so it can detect other consumer problems. The objectives of this study are to review the basics of LCA and to provide an application example in area of addictions. Method: Data of a study conducted by the Center of Sociological Research on consumer habits associated to tobacco in adults over 18 years old from Spain (N = 2002) were used for the exemplification of LCA. Of 513 people who reported being smokers, 498 completed sufficient data to be included in the LCA, 55.2 % men and 44.8 % women (M = 41.71 years old, SD = 13.75). The analysis was based on the following variables: number of cigarettes smoked per day, intention to quit, self-perception of smoking and smoking frequency of parents as a child. Results: In order to evaluate the fit of the model estimated by LCA were considered mainly the information criteria (BIC, AIC and AIC3). Preliminary results showed the models 2 and 4 classes as the most plausible. After bootstrapping conditional the model of 4 latent classes was chosen. The classes recognized were: "smoking remarkable" = 27.91 % of the sample, "light smokers" = 26.21 %, "moderate smokers" = 23.75 %, and "serious smokers" = 22.13 %. The results and usefulness of LCA to detect patterns of substance use are discussed.
Fil: Reyna, Cecilia. Universidad Nacional de Córdoba. Facultad de Psicología. Laboratorio de Psicología Cognitiva; Argentina. Universidad Nacional de Córdoba. Instituto de Investigaciones Psicológicas. - Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Investigaciones Psicológicas; Argentina
Fil: Brussino, Silvina Alejandra. Universidad Nacional de Córdoba. Facultad de Psicología. Laboratorio de Psicología Cognitiva; Argentina. Universidad Nacional de Córdoba. Instituto de Investigaciones Psicológicas. - Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Investigaciones Psicológicas; Argentina
Materia
ANALISIS CLASES LATENTES
APLICACIONES
ADICCIONES
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/189897
Acceder
id CONICETDig_9abb89c742e7cf9aaa11f476e93b77dd
oai_identifier_str oai:ri.conicet.gov.ar:11336/189897
network_acronym_str CONICETDig
repository_id_str 3498
network_name_str CONICET Digital (CONICET)
spelling Revisión de los fundamentos del análisis de clases latentes y ejemplo de aplicación en el área de las adiccionesReview of fundamentals of latent class analysis and application example in area of addictionsReyna, CeciliaBrussino, Silvina AlejandraANALISIS CLASES LATENTESAPLICACIONESADICCIONEShttps://purl.org/becyt/ford/5.1https://purl.org/becyt/ford/5El análisis de clases latentes (LCA) es una técnica de especial relevancia en el campo del consumo de drogas, donde gran parte de las variables son categóricas. La metodología en la que se basa el LCA permite identifi car tipologías de uso de sustancias en lugar de focalizar de manera exclusiva en patrones patológicos, por lo que se pueden detectar otros problemas de consumo. Este estudio se propone revisar los fundamentos del LCA y ofrecer un ejemplo de aplicación en el campo de las adicciones. Método. Para la ejemplifi cación del LCA se recurrió a datos de un estudio sobre hábitos de consumo relacionados con el tabaco en mayores de 18 años de España (N = 2.002) realizado por el Centro de Investigaciones Sociológicas. De 513 personas que informaron ser fumadoras, 498 completaron datos suficientes para ser incluidas en el LCA, 55,2 % varones y 44,8 % mujeres (M = 41,71 años; DT = 13,75). El análisis se basó en las siguientes variables: cantidad de cigarrillos fumados por día, intención de dejar de fumar, auto-percepción como fumador y frecuencia de fumar de los padres cuando era niño. Resultados. Para evaluar el ajuste del modelo estimado por LCA se recurrió primordialmente a los criterios de información (BIC, AIC y AIC3). Resultados preliminares mostraron a los modelos de 2 y 4 clases como los más verosímiles. Tras un bootstrapping condicional se eligió el modelo de 4 clases latentes. Las clases reconocidas fueron: ?fumadores notables? = compuesta por el 27,91 % de la muestra, ?fumadores leves? = 26,21 %, ?fumadores moderados? = 23,75 %, y ?fumadores graves? = 22,13 %. Conclusiones. Se discuten los resultados y la utilidad del LCA para detectar patrones de consumo de sustancias.Latent class analysis (LCA) is a technique especially relevant in the drug field, where much of the variables are categorical. The methodology on which the LCA is based allows identifying typologies of use of substances instead of to focus of exclusive way in pathological patterns, so it can detect other consumer problems. The objectives of this study are to review the basics of LCA and to provide an application example in area of addictions. Method: Data of a study conducted by the Center of Sociological Research on consumer habits associated to tobacco in adults over 18 years old from Spain (N = 2002) were used for the exemplification of LCA. Of 513 people who reported being smokers, 498 completed sufficient data to be included in the LCA, 55.2 % men and 44.8 % women (M = 41.71 years old, SD = 13.75). The analysis was based on the following variables: number of cigarettes smoked per day, intention to quit, self-perception of smoking and smoking frequency of parents as a child. Results: In order to evaluate the fit of the model estimated by LCA were considered mainly the information criteria (BIC, AIC and AIC3). Preliminary results showed the models 2 and 4 classes as the most plausible. After bootstrapping conditional the model of 4 latent classes was chosen. The classes recognized were: "smoking remarkable" = 27.91 % of the sample, "light smokers" = 26.21 %, "moderate smokers" = 23.75 %, and "serious smokers" = 22.13 %. The results and usefulness of LCA to detect patterns of substance use are discussed.Fil: Reyna, Cecilia. Universidad Nacional de Córdoba. Facultad de Psicología. Laboratorio de Psicología Cognitiva; Argentina. Universidad Nacional de Córdoba. Instituto de Investigaciones Psicológicas. - Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Investigaciones Psicológicas; ArgentinaFil: Brussino, Silvina Alejandra. Universidad Nacional de Córdoba. Facultad de Psicología. Laboratorio de Psicología Cognitiva; Argentina. Universidad Nacional de Córdoba. Instituto de Investigaciones Psicológicas. - Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Investigaciones Psicológicas; ArgentinaElsevier2011-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/189897Reyna, Cecilia; Brussino, Silvina Alejandra; Revisión de los fundamentos del análisis de clases latentes y ejemplo de aplicación en el área de las adicciones; Elsevier; Trastornos Adictivos; 13; 1; 1-2011; 11-191575-09731578-2638CONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/doi/10.1016/S1575-0973(11)70004-6info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2026-08-25T14:45:21Zoai:ri.conicet.gov.ar:11336/189897instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982026-08-25 14:45:21.672CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse
dc.title.none.fl_str_mv Revisión de los fundamentos del análisis de clases latentes y ejemplo de aplicación en el área de las adicciones
Review of fundamentals of latent class analysis and application example in area of addictions
title Revisión de los fundamentos del análisis de clases latentes y ejemplo de aplicación en el área de las adicciones
spellingShingle Revisión de los fundamentos del análisis de clases latentes y ejemplo de aplicación en el área de las adicciones
Reyna, Cecilia
ANALISIS CLASES LATENTES
APLICACIONES
ADICCIONES
title_short Revisión de los fundamentos del análisis de clases latentes y ejemplo de aplicación en el área de las adicciones
title_full Revisión de los fundamentos del análisis de clases latentes y ejemplo de aplicación en el área de las adicciones
title_fullStr Revisión de los fundamentos del análisis de clases latentes y ejemplo de aplicación en el área de las adicciones
title_full_unstemmed Revisión de los fundamentos del análisis de clases latentes y ejemplo de aplicación en el área de las adicciones
title_sort Revisión de los fundamentos del análisis de clases latentes y ejemplo de aplicación en el área de las adicciones
dc.creator.none.fl_str_mv Reyna, Cecilia
Brussino, Silvina Alejandra
author Reyna, Cecilia
author_facet Reyna, Cecilia
Brussino, Silvina Alejandra
author_role author
author2 Brussino, Silvina Alejandra
author2_role author
dc.subject.none.fl_str_mv ANALISIS CLASES LATENTES
APLICACIONES
ADICCIONES
topic ANALISIS CLASES LATENTES
APLICACIONES
ADICCIONES
purl_subject.fl_str_mv https://purl.org/becyt/ford/5.1
https://purl.org/becyt/ford/5
dc.description.none.fl_txt_mv El análisis de clases latentes (LCA) es una técnica de especial relevancia en el campo del consumo de drogas, donde gran parte de las variables son categóricas. La metodología en la que se basa el LCA permite identifi car tipologías de uso de sustancias en lugar de focalizar de manera exclusiva en patrones patológicos, por lo que se pueden detectar otros problemas de consumo. Este estudio se propone revisar los fundamentos del LCA y ofrecer un ejemplo de aplicación en el campo de las adicciones. Método. Para la ejemplifi cación del LCA se recurrió a datos de un estudio sobre hábitos de consumo relacionados con el tabaco en mayores de 18 años de España (N = 2.002) realizado por el Centro de Investigaciones Sociológicas. De 513 personas que informaron ser fumadoras, 498 completaron datos suficientes para ser incluidas en el LCA, 55,2 % varones y 44,8 % mujeres (M = 41,71 años; DT = 13,75). El análisis se basó en las siguientes variables: cantidad de cigarrillos fumados por día, intención de dejar de fumar, auto-percepción como fumador y frecuencia de fumar de los padres cuando era niño. Resultados. Para evaluar el ajuste del modelo estimado por LCA se recurrió primordialmente a los criterios de información (BIC, AIC y AIC3). Resultados preliminares mostraron a los modelos de 2 y 4 clases como los más verosímiles. Tras un bootstrapping condicional se eligió el modelo de 4 clases latentes. Las clases reconocidas fueron: ?fumadores notables? = compuesta por el 27,91 % de la muestra, ?fumadores leves? = 26,21 %, ?fumadores moderados? = 23,75 %, y ?fumadores graves? = 22,13 %. Conclusiones. Se discuten los resultados y la utilidad del LCA para detectar patrones de consumo de sustancias.
Latent class analysis (LCA) is a technique especially relevant in the drug field, where much of the variables are categorical. The methodology on which the LCA is based allows identifying typologies of use of substances instead of to focus of exclusive way in pathological patterns, so it can detect other consumer problems. The objectives of this study are to review the basics of LCA and to provide an application example in area of addictions. Method: Data of a study conducted by the Center of Sociological Research on consumer habits associated to tobacco in adults over 18 years old from Spain (N = 2002) were used for the exemplification of LCA. Of 513 people who reported being smokers, 498 completed sufficient data to be included in the LCA, 55.2 % men and 44.8 % women (M = 41.71 years old, SD = 13.75). The analysis was based on the following variables: number of cigarettes smoked per day, intention to quit, self-perception of smoking and smoking frequency of parents as a child. Results: In order to evaluate the fit of the model estimated by LCA were considered mainly the information criteria (BIC, AIC and AIC3). Preliminary results showed the models 2 and 4 classes as the most plausible. After bootstrapping conditional the model of 4 latent classes was chosen. The classes recognized were: "smoking remarkable" = 27.91 % of the sample, "light smokers" = 26.21 %, "moderate smokers" = 23.75 %, and "serious smokers" = 22.13 %. The results and usefulness of LCA to detect patterns of substance use are discussed.
Fil: Reyna, Cecilia. Universidad Nacional de Córdoba. Facultad de Psicología. Laboratorio de Psicología Cognitiva; Argentina. Universidad Nacional de Córdoba. Instituto de Investigaciones Psicológicas. - Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Investigaciones Psicológicas; Argentina
Fil: Brussino, Silvina Alejandra. Universidad Nacional de Córdoba. Facultad de Psicología. Laboratorio de Psicología Cognitiva; Argentina. Universidad Nacional de Córdoba. Instituto de Investigaciones Psicológicas. - Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Investigaciones Psicológicas; Argentina
description El análisis de clases latentes (LCA) es una técnica de especial relevancia en el campo del consumo de drogas, donde gran parte de las variables son categóricas. La metodología en la que se basa el LCA permite identifi car tipologías de uso de sustancias en lugar de focalizar de manera exclusiva en patrones patológicos, por lo que se pueden detectar otros problemas de consumo. Este estudio se propone revisar los fundamentos del LCA y ofrecer un ejemplo de aplicación en el campo de las adicciones. Método. Para la ejemplifi cación del LCA se recurrió a datos de un estudio sobre hábitos de consumo relacionados con el tabaco en mayores de 18 años de España (N = 2.002) realizado por el Centro de Investigaciones Sociológicas. De 513 personas que informaron ser fumadoras, 498 completaron datos suficientes para ser incluidas en el LCA, 55,2 % varones y 44,8 % mujeres (M = 41,71 años; DT = 13,75). El análisis se basó en las siguientes variables: cantidad de cigarrillos fumados por día, intención de dejar de fumar, auto-percepción como fumador y frecuencia de fumar de los padres cuando era niño. Resultados. Para evaluar el ajuste del modelo estimado por LCA se recurrió primordialmente a los criterios de información (BIC, AIC y AIC3). Resultados preliminares mostraron a los modelos de 2 y 4 clases como los más verosímiles. Tras un bootstrapping condicional se eligió el modelo de 4 clases latentes. Las clases reconocidas fueron: ?fumadores notables? = compuesta por el 27,91 % de la muestra, ?fumadores leves? = 26,21 %, ?fumadores moderados? = 23,75 %, y ?fumadores graves? = 22,13 %. Conclusiones. Se discuten los resultados y la utilidad del LCA para detectar patrones de consumo de sustancias.
publishDate 2011
dc.date.none.fl_str_mv 2011-01
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/11336/189897
Reyna, Cecilia; Brussino, Silvina Alejandra; Revisión de los fundamentos del análisis de clases latentes y ejemplo de aplicación en el área de las adicciones; Elsevier; Trastornos Adictivos; 13; 1; 1-2011; 11-19
1575-0973
1578-2638
CONICET Digital
CONICET
url http://hdl.handle.net/11336/189897
identifier_str_mv Reyna, Cecilia; Brussino, Silvina Alejandra; Revisión de los fundamentos del análisis de clases latentes y ejemplo de aplicación en el área de las adicciones; Elsevier; Trastornos Adictivos; 13; 1; 1-2011; 11-19
1575-0973
1578-2638
CONICET Digital
CONICET
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/doi/10.1016/S1575-0973(11)70004-6
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
dc.format.none.fl_str_mv application/pdf
application/pdf
application/pdf
dc.publisher.none.fl_str_mv Elsevier
publisher.none.fl_str_mv Elsevier
dc.source.none.fl_str_mv reponame:CONICET Digital (CONICET)
instname:Consejo Nacional de Investigaciones Científicas y Técnicas
reponame_str CONICET Digital (CONICET)
collection CONICET Digital (CONICET)
instname_str Consejo Nacional de Investigaciones Científicas y Técnicas
repository.name.fl_str_mv CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas
repository.mail.fl_str_mv dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar
_version_ 1874774610449268736
score 13.334379

Publicaciones similares