Directrices para Seleccionar Test Psicológicos en El Ámbito Clínico Forense

Psicopatologa Clnica, Legal y Forense, Vol. 13, 2013, pp.105-137.
ISSN: 1576-9941
DIRECTRICES PARA SELECCIONAR TEST PSICOLGICOS

EN EL MBITO CLNICO FORENSE
Jess Sanz1
Mara Paz Garca Vera
Universidad Complutense de Madrid
Resumen
El considerable desarrollo de la evaluacin psicolgica en Espaa ha puesto a
disposicin de los psiclogos que trabajan en el mbito clnico forense un
nmero muy grande de test psicolgicos y, en consecuencia, una de las tareas a
las que deben enfrentarse es decidir qu test en concreto deberan utilizar en una
evaluacin forense dada. Esta decisin implica, en primer lugar, determinar los
objetivos de la evaluacin forense y la poblacin a la que pertenece la persona
evaluada, y, en segundo lugar, valorar la adecuacin a esos objetivos y a esa
poblacin de las caractersticas del test y de las interpretaciones de las medidas
que ese test proporciona. Para hacer esta valoracin, Heilbrun (1992) propuso
siete directrices que tienen en cuenta criterios psicomtricos as como criterios
de disponibilidad, documentacin, aplicacin, interpretacin y relevancia para
las cuestiones forenses. En este trabajo, se han actualizado, ampliado y
especificado esas directrices con el objetivo ltimo de que las mismas puedan
servir de ayuda a los psiclogos espaoles que trabajan en el mbito clnico
forense. Finalmente, se ejemplifica la utilidad de esas directrices analizando a
partir de ellas los test ms utilizados para la evaluacin de la gravedad de la
depresin en la poblacin clnica espaola.
PALABRAS CLAVE: evaluacin psicolgica, evaluacin forense, tests
psicolgicos, buenas prcticas.
Abstract
Psychological assessment in Spain has undergone considerable development
and, therefore, psychologists working in clinical forensic settings have at their
disposal a very large armamentarium of psychological tests. Consequently, one
of the tasks faced by these psychologists is to decide which specific test should
be used in a forensic assessment given. This decision involves, first,
determining the objectives of the forensic evaluation and the population to
1
Correspondencia: Jess Sanz. Departamento de Personalidad, Evaluacin y Psicologa Clnica.

Facultad de Psicologa. Universidad Complutense de Madrid. Campus de Somosaguas. 28223
Pozuelo de Alarcn (Madrid). Espaa. Correo electrnico: [email protected]
Fecha de recepcin del artculo: 11-10-2013.
Fecha de aceptacin del artculo: 26-11-2013
106
Sanz, J. y Garca-Vera, MP.

which the assessed person belongs to, and, second, to assess the adequacy of
test characteristics and interpretations of test measures to those objectives and
that population. To make this assessment, Heilbrun (1992) proposed seven
guidelines that take into account psychometric criteria as well as criteria of
availability, documentation, administration, interpretation and relevance to
forensic issues. In this paper, those guidelines have been updated, expanded and
specified with the ultimate goal that they can be of assistance to Spanish
psychologists working in clinical forensic settings. Finally, in order to illustrate
their usefulness, an analysis based on these guidelines is carried out on the most
commonly used tests for assessing the severity of depression in Spanish clinical
population.
KEYWORDS: psychological assessment, forensic evaluation, psychological
tests, best practices.
Introduccin
Existen muchos datos para considerar que la evaluacin psicolgica en
Espaa goza en la actualidad de un nivel de desarrollo importante. Por un lado,
Buela-Casal, Sierra, Carretero-Dios y de los Santos-Roig (2002), tras analizar el
nmero de artculos sobre evaluacin psicolgica publicados en tres revistas
espaolas representativas de la produccin cientfica espaola en psicologa, una
ms centrada en la psicologa clnica y de la salud (Anlisis y Modificacin de
Conducta) y otras dos de temtica ms general (Psicothema y Revista de
Psicologa General y Aplicada), encontraron que estas revistas tenan,
respectivamente, un 60%, 36% y 22% de artculos sobre evaluacin. Es decir
que, por ejemplo, 1 de cada 3 artculos de Psicothema versan sobre evaluacin
psicolgica, lo cual es muy relevante dado no slo el carcter tan general de esa
revista, sino tambin su prestigio y difusin entre la comunidad cientfica
espaola en psicologa. Entre las revistas de psicologa espaolas, Psicothema
ocupa la primera posicin segn el ndice H de impacto o difusin basado en
citas bibliogrficas de Google Scholar (Delgado Lpez-Czar, Marcos
Cartagena, Jimnez Contreras y Ruiz Prez, 2013), la segunda posicin segn la
opinin del propio conjunto de especialistas espaoles en psicologa que ofrece
la plataforma de indicadores de calidad de revistas cientficas espaolas RESH
(Grupo de Investigacin de Evaluacin de Publicaciones Cientficas y Grupo de
Investigacin de Evaluacin de la Ciencia y de la Comunicacin Cientfica,
2013) y tambin la segunda posicin segn el ndice IN-RECS de impacto o
difusin basado en citas bibliogrficas espaolas y acumulado para los aos
2000-2009 y 2005-2009 (Grupo de Investigacin de Evaluacin de la Ciencia y
de la Comunicacin Cientfica, 2013). Por otro lado, cuando se pregunta a los
profesores universitarios espaoles del rea de conocimiento de personalidad,
evaluacin y tratamiento psicolgico cul es su campo principal de actividad
Psicopatologa Clnica, Legal y Forense, Vol.13, 2013, pp.105-137.
Directrices para seleccionar test psicolgicosen el mbito forense
107
investigadora, el mayor porcentaje de ellos, igualado con el campo de

psicopatologa, contesta que el campo de evaluacin psicolgica y
psicodiagnstico (Sanz, 2002). Finalmente, los resultados de una encuesta de
opinin sobre la prctica de los test realizada en 2009 a 3.126 psiclogos
profesionales espaoles, todos ellos miembros del Colegio Oficial de Psiclogos,
indican que stos tienen una actitud favorable hacia los test cuando se utilizan
combinados con otros datos psicolgicos, los utilizan habitualmente en su
desempeo profesional y consideran que en la ltima dcada el uso de los test en
Espaa ha mejorado (Muiz y Fernndez-Hermida, 2010).
Una de las consecuencias deseables de ese notable desarrollo de la
evaluacin psicolgica en Espaa es que, en la actualidad, el nmero de test
psicolgicos que tienen a su disposicin los psiclogos clnicos forenses
espaoles es muy numeroso. Por ejemplo, slo teniendo en cuenta un tipo de test
muy concreto, los cuestionarios, escalas e inventarios autoaplicados para evaluar
la depresin, Sanz, Izquierdo y Garca-Vera (2013) realizaron recientemente una
bsqueda en las base de datos bibliogrficos Psicodoc y PsycINFO sobre su
utilizacin en estudios realizados por psiclogos espaoles. Esta bsqueda dio
lugar, desde enero de 1990 a diciembre de 2012, a 416 publicaciones en
Psicodoc y a 746 en PsycINFO, a partir de las cuales Sanz et al. (2013) pudieron
identificar 31 cuestionarios, escalas e inventarios autoaplicados que: (a) haban
sido desarrollados con el objetivo especfico de evaluar la depresin clnica en la
poblacin clnica adulta en general y (b) haban sido creados en Espaa, tenan
una adaptacin espaola o contaban con al menos un estudio sobre sus
propiedades psicomtricas en poblacin clnica espaola. Es decir, que para
evaluar la depresin en adultos, los psiclogos espaoles pueden elegir entre un
mnimo de 31 cuestionarios, escalas e inventarios autoaplicados, a los cuales
habra que aadir los heteroaplicados, los centrados en la evaluacin de un nico
sntoma depresivo, los desarrollados especficamente para ciertas poblaciones
adultas como, por ejemplo, ancianos, mujeres en el perodo posparto o pacientes
con trastornos especficos (p. ej., esquizofrenia), as como los desarrollados para
evaluar en la poblacin general adulta la tristeza, el estado de nimo deprimido,
el afecto negativo, la depresin rasgo y constructos similares. De hecho,
actualmente existe un nmero tan grande de cuestionarios, escalas e inventarios
para medir la depresin en adultos, que el problema al que se enfrentan los
profesionales e investigadores en el mbito de la depresin es, precisamente,
seleccionar de ese amplio repertorio cul es el ms apropiado para sus objetivos.
En definitiva, el considerable desarrollo de la evaluacin psicolgica en
Espaa ha trado consigo un enorme aumento del nmero de test psicolgicos
adaptados a la poblacin espaola o creados para la poblacin espaola, lo cual
debera ser motivo de satisfaccin, pero, paradjicamente, esta deseable riqueza
supone que una de las tareas ms complejas que deben llevar a cabo los
psiclogos clnicos forenses en Espaa, al igual que ocurre en otros pases con
108
un cierto desarrollo de la psicologa, es decidir qu test psicolgicos son los ms

tiles para su actividad profesional, dado que las posibilidades existentes son
muy numerosas y variadas. Con el objetivo de ayudar en esta tarea, en este
artculo se revisarn las directrices propuestas por Heilbrun (1992) para
determinar si un test psicolgico dado debera utilizarse en una evaluacin
forense, se actualizarn, ampliarn y concretarn esas directrices y, finalmente,
se pondr un ejemplo de su aplicacin en el caso de los test ms utilizados en
Espaa para evaluar la gravedad de la depresin.
La seleccin de un test psicolgico para su uso en el mbito clnico forense
Los objetivos para los cuales se pueden utilizar los test psicolgicos en
el mbito clnico en general y en el rea de la psicologa clnica forense en
particular, son muy variados: cribado o despistaje (screening), diagnstico y
clasificacin, descripcin y anlisis de sntomas y reas problemticas,
descripcin y anlisis de la personalidad, las aptitudes o la inteligencia,
descripcin de factores psicosociales, formulacin del caso y comprobacin de
hiptesis clnicas, planificacin de programas de prevencin o tratamiento,
prediccin de conductas relevantes (p. ej., reincidencia criminal, conductas de
suicidio, violencia), evaluacin de los resultados de los programas de prevencin
o tratamiento, etc., y la mayora de las situaciones clnicas suelen demandar la
consecucin de varios de esos objetivos. Aunque algunos test pueden ser tiles
para conseguir de forma aceptable varios de esos objetivos, es poco probable que
un nico test sea apropiado para alcanzar todos ellos con unas mnimas
garantas. Por tanto, la seleccin de un test psicolgico para la evaluacin en el
mbito clnico forense implica, en primer lugar, determinar los objetivos de
dicha evaluacin y la poblacin a la que pertenece la persona o personas que van
a ser evaluadas, y, en segundo lugar, valorar la adecuacin a esos objetivos y a
esa poblacin de las caractersticas del test y de las interpretaciones o inferencias
de las medidas que ese test proporciona.
Entre dichas caractersticas habra que tener en cuenta, por un lado, qu
relacin costes-beneficios presenta el test respecto a aspectos prcticos tales
como la cantidad de tiempo que demanda del evaluado y del evaluador, su grado
de complejidad cognitiva (p. ej., legibilidad, comprensibilidad), su utilidad
incremental respecto a la informacin que ya se ha obtenido por otros test,
medios o instrumentos, o su complejidad a la hora de puntuarse e interpretarse.
Por otro lado, y de manera fundamental, habra que tener en cuenta cules son
las propiedades psicomtricas de las interpretaciones o inferencias de las
medidas o puntuaciones que ofrece el test, es decir, en qu grado las
puntuaciones del test miden lo que se quiere medir para conseguir los objetivos
109
propuestos (validez) y en qu grado tales puntuaciones son consistentes o

estables (fiabilidad).
En resumen, y tal y como la Comisin Internacional de Tests (2000) ha
resaltado, para optimizar el uso adecuado de los test es importante elegir test
tcnicamente correctos y adecuados a cada situacin, as como estimar la
utilidad potencial del test para la situacin evaluativa en cuestin.
Adems, la utilizacin de test psicolgicos en la evaluacin psicolgica
en el mbito clnico forense no slo se debe ajustar a los objetivos que justifican
su realizacin, sino que tambin debera integrarse con la utilizacin e
informacin proporcionada por otras tcnicas de evaluacin, particularmente las
entrevistas (clnicas, semiestructuradas o estructuradas), en el contexto de una
exploracin psicopatolgica completa y del acceso a informacin procedente de
terceras personas, aspecto este ltimo muy importante en el mbito forense
(Heilbrun, Warren y Picarello, 2003). As, por ejemplo, los test psicolgicos se
deberan seleccionar, aplicar e interpretar tras revisar y tener en cuenta datos
documentales tales como historias clnicas, informes de otros profesionales,
sentencias, expedientes y protocolos penitenciarios, etc., y, en la medida de lo
posible, tambin se deberan llevar a cabo entrevistas o aplicar test psicolgicos
a terceras personas relevantes (p. ej., esposos o parejas, familiares, amigos,
vecinos, jefes y compaeros de trabajo, personal mdico, etc.), todo lo cual
debera ayudar a evaluar los aspectos forenses del caso.
Sin embargo, estas recomendaciones, por muy razonables y plausibles
que sean, son muy generales y para que los psiclogos clnicos forenses las
puedan poner en prctica en su actividad profesional sera necesario un mayor
nivel de concrecin y de ajuste a las caractersticas propias del mbito clnico
forense.
Qu test psicolgicos son ms tiles para la evaluacin en
Psicologa clnica forense?
Como cabra suponer, no existe una respuesta nica a esta pregunta
puesto que, como ya se ha mencionado antes, la respuesta viene determinada por
los objetivos de la evaluacin, estos objetivos pueden ser muy diversos y ningn
instrumento por s solo parece cubrir con garantas todos ellos. En consecuencia,
la seleccin de un test psicolgico para la evaluacin en psicologa clnica
forense implica, en primer lugar, determinar los objetivos de dicha evaluacin y
la poblacin a la que pertenece la persona o personas que van a ser evaluadas, y,
en segundo lugar, valorar la adecuacin a esos objetivos y a esa poblacin de las
caractersticas del instrumento y de las interpretaciones o inferencias de las
medidas que esos instrumentos proporcionan, para lo cual es necesario tener en
cuenta simultneamente varios criterios tanto psicomtricos y prcticos como de
relevancia para las cuestiones forenses.
110
Tratando de concretar esos criterios, Heilbrun (1992, pp. 264-267)

especific siete directrices para ayudar a los psiclogos a determinar si un test
psicolgico debera usarse en el mbito forense.
1. El test est disponible comercialmente y documentado de forma
adecuada en dos fuentes de referencia. Primero, se acompaa de un
manual que describe su desarrollo, propiedades psicomtricas y
procedimiento de aplicacin. Segundo, aparece listado y revisado en el
Mental Measurement Yearbook o en alguna otra fuente de referencia
fcilmente accesible.
2. Se debera considerar la fiabilidad. El uso de un test con un coeficiente
de fiabilidad menor de 0,80 no es aconsejable. La utilizacin de un test
menos fiable requerira una justificacin explcita por parte del
psiclogo.
3. El test debera ser relevante para la cuestin legal o para un constructo
psicolgico que subyazca tras la cuestin legal. Cuando sea posible, esta
relevancia debera estar apoyada en la existencia de investigacin de
validacin publicada en revistas con revisin por pares.
4. Debera utilizarse una aplicacin estandarizada, con unas condiciones
de aplicacin del test tan cercanas como sea posible al ideal de
tranquilidad y ausencia de distracciones.
5. Tanto la seleccin de un test como su interpretacin deberan guiarse
por la aplicabilidad a una poblacin concreta y para un propsito dado.
Los resultados de un test (distintos del comportamiento observado
durante su administracin) no deberan aplicarse a un propsito para el
cual el test no fue desarrollado (p. ej., inferir psicopatologa a partir de
los resultados de un test de inteligencia). La especificidad de la
poblacin y de la situacin deberan guiar la interpretacin. Cuanto
mayor sea el "ajuste" entre un individuo dado y la poblacin y situacin
utilizadas en la investigacin de validacin, ms confianza se puede
tener en la aplicabilidad de los resultados.
6. Los test objetivos y los datos actuariales son preferibles cuando hay
datos apropiados de resultado y existe una "frmula".
7. Se debera evaluar explcitamente el estilo de respuesta usando
aproximaciones sensibles a la distorsin, y se deberan interpretar los
resultados de la aplicacin del test dentro del contexto del estilo de
respuesta del individuo. Cuando el estilo de respuesta parezca ser de
simulacin, defensivo o irrelevante en lugar de sincero/fiable, quizs sea
necesario minimizar la importancia de los resultados de la aplicacin del
test o incluso ignorarlos y enfatizar en mayor medida otras fuentes de
datos.
111
Es obvio que las directrices de Heilbrun (1992) son una importante

contribucin a la hora de concretar unos criterios tanto psicomtricos como de
disponibilidad, documentacin, aplicacin, interpretacin y relevancia que
ayuden en la tarea de seleccionar los test psicolgicos ms adecuados para una
evaluacin forense dada. Sin embargo, en algunos aspectos tales directrices
podran concretarse an un poco ms para as facilitar su aplicacin. Por
ejemplo, la directriz tercera propone, como no podra ser de otra manera, que los
test deben ser relevantes bien para la cuestin legal implicada o bien para el
constructo psicolgico que subyace tras esa cuestin legal, pero, adems, seala,
muy acertadamente, que esa relevancia se debe evaluar consultando los datos
empricos de validacin del test que existan en los estudios publicados en
revistas con revisin por pares o expertos, es decir, en la literatura cientfica que
cumple unos mnimos estndares de calidad2. Sin embargo, la directriz tercera
no concreta qu tipo de datos de validacin seran apropiados y cmo se podran
interpretar esos datos. En los siguientes epgrafes se concretar un poco ms esa
directriz as como algunas otras de las propuestas por Heilbrun (1992) y, puesto
que las directrices fueron propuestas hace ms de 20 aos, se actualizarn
algunas referencias que incluyen y tanto su contenido como las referencias se
ajustarn al contexto espaol, confiando en que con todos estos cambios puedan
ayudar an ms a los psiclogos clnicos forenses espaoles en la seleccin de
los test ms adecuados para su prctica profesional o investigadora.
Disponibilidad y documentacin del test
1. El test est disponible comercialmente y documentado de forma adecuada
en dos fuentes de referencia. Primero, se acompaa de un manual que
describe su desarrollo, propiedades psicomtricas y procedimiento de
aplicacin. Segundo, aparece listado y revisado en el Mental Measurement
Yearbook o en alguna otra fuente de referencia fcilmente accesible
(Heilbrun, 1992, p. 264).
Entre esas fuentes de referencia fcilmente accesibles, Heilbrun (1992)
mencionaba las revisiones de Brodsky y Smitherman (1983) o Grisso (1986), a
2
En las revistas que cuentan con sistema de revisin por pares o expertos, cada artculo recibido
para su publicacin es ledo y analizado por dos o ms evaluadores o revisores que determinan
tanto la validez de las ideas, el mtodo y los resultados como su significacin para la ciencia y la
profesin, y tanto del estudio en s mismo como de su presentacin. Estos revisores los eligen los
editores de las revistas entre los investigadores con ms prestigio en las diferentes disciplinas y
reas de la misma. Aunque este sistema no est exento de crticas es, sin embargo, el ms utilizado
ya que no existen alternativas mejores consolidadas (Benos et al., 2007).
112
las que actualmente se podran unir otras ms actualizadas, tanto generales del
mbito clnico (p. ej., Antony, Orsillo y Roemer, 2001; Corcoran y Fischer,
2013; Nezu, Ronan, Meadows y McClure, 2000; Ronan, Dreer, Maurelli, Ronan
y Gerhart, 2014) como especficas del mbito forense (p. ej., Grisso, 2005). En
Espaa, algunas fuentes de referencia generales del mbito clnico podran ser
Bulbena, Berrios y Fernndez de Larrinoa Palacios (2000), Caballo (2005,
2006), G.-Portilla Gonzlez, Bascarn Fernndez, Siz Martnez, Parallada
Redondo, Bousoo Garca y Bobes Garca (2011) y Muoz, Roa, Prez Santos,
Santos-Olmo y de Vicente (2002).
Por otro lado, quizs pueda resultar extrao que Heilbrun (1992)
requiera que los test estn comercializados. Posiblemente, el motivo de incluir
este requisito tiene que ver con el hecho de que si un test est comercializado es
ms probable que su accesibilidad sea mayor para los profesionales y que est
documentado y, adems, dada la proteccin de derechos intelectuales que
implica la comercializacin, es tambin ms probable que se pueda evitar en
mayor medida la proliferacin de mltiples versiones de un instrumento sin las
garantas de calidad adecuadas. En este sentido, puede servir de ejemplo
paradigmtico la situacin de la Escala de Valoracin de la Depresin de
Hamilton (HAM-D, HRSD o HDRS; Hamilton, 1960, 1967), la escala
heteroaplicada que durante aos ha sido el instrumento de evaluacin clnica
ms utilizado para medir la gravedad de la depresin y la referencia ms
importante para evaluar la eficacia de los tratamientos farmacolgicos para la
depresin (Nezu, Nezu, Friedman y Lee, 2009; Trajkovi et al., 2011) y que est
en dominio pblico.
La versin original de la HDRS inclua 17 tems, aunque en la hoja de
registro de las puntuaciones tambin se incluan cuatro tems adicionales que
segn el autor no tenan relevancia para medir la gravedad de la depresin
(Hamilton, 1960, pp. 56-57). En un trabajo posterior, Hamilton (1967) public
solo la versin de 17 tems con ligeras modificaciones respecto a la previa.
Aunque estas versiones de 17 tems son las ms utilizadas, existen ms de 20
versiones de la HDRS que difieren, entre otros aspectos, en el nmero de tems
que la componen (6, 7, 21, 24, 25 y 27 tems), en el formato (p. ej., autoaplicada
de lpiz y papel, autoaplicada por ordenador, con entrevista estructurada) e
incluso en el contenido (p. ej., modificaciones en la redaccin de los tems,
inclusin de nuevos tems o de ms descripciones de los tems) (vase una
revisin en Williams, 2001). Desafortunadamente, los investigadores y
profesionales no siempre informan bien de qu versin han utilizado o estn
utilizando en su estudios o en su prctica clnica. As, Zitman, Mennen, Griez y
Hooijer (1990) solicitaron a los autores de varios estudios publicados en revistas
de prestigio que les enviaran una copia de la HDRS que realmente haban
utilizado en dichos estudios, y, para su sorpresa, encontraron que slo 4 de los
113
51 autores que respondieron haban utilizado una versin que era igual a la de la
publicacin que citaban como fuente de la HDRS; adems, menos de la mitad
citaban la publicacin correcta. Es decir, se estaban utilizando diferentes
versiones de la HDRS sin tener en cuenta las consecuencias a nivel de sus
respectivas propiedades psicomtricas, ya que muchas de esas versiones no
haban sido objeto de anlisis psicomtrico alguno.
Lamentablemente, ese es un problema comn a otros instrumentos que
tienen varias versiones, que no cuentan con una versin comercial del mismo y
que gozan de gran popularidad y difusin (p. ej., la primera edicin del
Inventario de Depresin de Beck o BDI), problema que se agudiza cuando
existen adems varias traducciones y adaptaciones a otros idiomas. Siguiendo
con el ejemplo de la HDRS, en Espaa existen dos adaptaciones de la escala. Por
un lado, Conde y Franch (1984) realizaron una traduccin al espaol de la
versin de 21 tems y, posteriormente, dicha traduccin, con ligersimos
cambios, fue validada por Bobes et al. (2003). Por otro lado, Ramos-Brieva y
Cordero Villaffila (1986a) realizaron una traduccin al espaol de la versin de
17 tems de Hamilton (1967), pero en la que introdujeron modificaciones propias
(p. ej., exigir que el paciente se despierte al menos dos horas antes de lo habitual
durante tres o cuatro das para puntuar 2 en el tem 6 de insomnio tardo) y
modificaciones tomadas de las versiones de otros autores (la de Guy, 1976, la
del grupo de Michigan de Feinberg et al., 1985, y la de Rehm y OHara, 1985,
todos ellos citados por Ramos-Brieva y Cordero Villaffila, 1986, pp. 326-327),
y llevaron a cabo los estudios de adaptacin correspondientes (Cordero
Villaffila y Ramos-Brieva, 1986; Ramos-Brieva y Cordero Villaffila, 1986a,
1986b, 1988; Ramos Brieva, Cordero Villaffila y Ynez Sez, 1994). Cuando
se comparan ambas versiones espaolas, las diferencias entre ellas afectan
prcticamente a todos los tems y son ms que notables. Por citar algunas, en el
tem 14 (sntomas genitales), en la versin de Ramos-Brieva y Cordero
Villaffila no se incluyen los trastornos menstruales, slo la prdida de la libido,
usa una escala de 0 a 2 (ausente, ligero y prdida completa de apetito
sexual) en lugar de 0 a 3 (ausente, dbil, grave e incapacitante) y,
adems, incluye indicaciones adicionales para hacer las valoraciones (p. ej., 1
ligero: descenso de la libido: actividad sexual alterada (inconstante, poco
intensa)), mientras que en el tem 1 (estado de nimo deprimido) las
indicaciones para hacer las valoraciones difieren en las dos versiones (p. ej., 4
extremo: llanto muy frecuente (o ganas); frecuente tendencia al aislamiento;
contenidos depresivos exclusivos en el pensamiento o la comunicacin verbal;
prdida de la capacidad de reaccin a estmulos placenteros en la versin de
Ramos-Brieva y Cordero Villaffila, en lugar de 4. El paciente manifiesta estas
sensaciones en su comunicacin verbal y no verbal de forma espontnea en la
versin de Conde y Franch). Aunque afortunadamente ambas versiones
114
espaolas estn validadas, dadas las numerosas y notables diferencias entre ellas,
no se puede asumir que ambas identifiquen los mismos sntomas depresivos y
arrojen puntuaciones parecidas de gravedad de la depresin.
Propiedades psicomtricas
2. Se debera considerar la fiabilidad. El uso de un test con un coeficiente de
fiabilidad menor de 0,80 no es aconsejable. La utilizacin de un test menos
fiable requerira una justificacin explcita por parte del psiclogo
(Heilbrun, 1992, p. 265).
Aunque un coeficiente de fiabilidad de 0,80 parece adecuado (vase
Prieto y Muiz, 2010), lo cierto es que ese criterio no tiene en cuenta los tipos de
fiabilidad existentes (p. ej., los coeficientes de fiabilidad test-retest suelen ser
menores que los coeficientes de consistencia interna), ni los tipos de test (p. ej.,
con algunos test psicopatolgicos y de personalidad es difcil conseguir
coeficientes de consistencia interna superiores a 0,70, mientras que algunos test
de inteligencia o de aptitudes llegan a alcanzar coeficientes superiores a 0,90) ni
las dificultades de la adaptacin de los test a otros idiomas y culturas (p. ej., es
habitual que las versiones adaptadas tengan ndices de fiabilidad inferiores a las
versiones originales). Quizs los criterios propuestos por Prieto y Muiz (2000)
para evaluar la calidad de los test utilizados en Espaa podran servir como
directrices complementarias. Estos criterios especifican que, para los ndices de
equivalencia (fiabilidad de formas paralelas), seran adecuados coeficientes de
correlacin iguales o mayores que 0,60 (buenos: 0,70 r < 0,80, y excelentes: r
0,80), para los ndices de fiabilidad de consistencia interna (p. ej., coeficiente
alfa de Cronbach y similares), valores iguales o mayores que 0,70 (buenos: 0,80
alfa < 0,85, y excelentes: alfa 0,85) y, para los ndices de estabilidad
temporal (fiabilidad test-retest), coeficientes de correlacin iguales o mayores
que 0,65 (buenos: 0,75 r < 0,80, y excelentes: r 0,80).
Respecto a los ndices de estabilidad temporal es importante tener en
cuenta el tiempo transcurrido entre la primera (test) y segunda aplicacin (retest)
del instrumento as como el marco temporal de sus instrucciones, ya que, por
ejemplo, muchos sndromes y trastornos psicolgicos son episdicos y, por
tanto, se espera que flucten con el tiempo, mxime si hay por medio algn tipo
de tratamiento psicolgico o biomdico que pretenda eliminar o reducir su
presencia. Por tanto, no hay que tener en cuenta los ndices test-retest obtenidos
tras la aplicacin de un tratamiento psicolgico o biomdico y hay que tomar
con mucha precaucin los ndices obtenidos con perodos test-retest muy largos
en relacin con las instrucciones del instrumento, en especial cuando se han
obtenido con muestras clnicas de participantes.
115
Finalmente, respecto a los instrumentos para los cuales uno de los

aspectos ms importantes de la fiabilidad es la fiabilidad interjueces (p. ej.,
escalas, cuestionarios e inventarios heteroaplicados, entrevistas diagnsticas),
los criterios ms consensuados (vase Cicchetti, 1994) indican que ndices de
acuerdo interjueces (p. ej., kappa, coeficiente de correlacin intraclase) iguales o
mayores que 0,40 seran adecuados (buenos: 0,60 < 0,75, y excelentes:
0,75).
3. El test debera ser relevante para la cuestin legal o para un constructo
psicolgico que subyazca tras la cuestin legal. Cuando sea posible, esta
relevancia debera estar apoyada en la existencia de investigacin de
validacin publicada en revistas con revisin por pares (Heilbrun, 1992, p.
265).
Afortunadamente, existe un nmero cada vez mayor de revistas
especializadas en cuestiones prcticas y de investigacin relevantes al mbito de
la psicologa clnica forense, incluyendo, entre otras, American Journal of
Forensics Psychology, Behavioral Sciences and Law, Criminal Justice and
Behavior, Expert Evidence: The International Digest of Human Behaviour,
Science and Law, Journal of Forensic Psychology Practice, Journal of Forensic
Psychiatry & Psychology, Law and Human Behavior, Legal and Criminological
Psychology, Psychological Injury and Law, Psychology, Public Policy, and Law,
y, en Espaa, Anuario de Psicologa Jurdica, European Journal of Psychology
Applied to Legal Context y Psicopatologa Clnica, Legal y Forense, aunque
muchas de las revistas punteras en psicologa clnica tambin publican de
manera regular artculos sobre cuestiones forenses. De hecho, la mayora de los
estudios que avalan si un instrumento mide de forma vlida un constructo
psicolgico que subyace tras una cuestin legal se encuentran en revistas
dedicadas a la evaluacin psicolgica en general o a la evaluacin en psicologa
clnica.
En todas esas revistas, pues, se debera buscar informacin sobre la
validacin de los test potencialmente tiles, pero para concretar la directriz en
cuanto a qu aspectos de la validez examinar y cmo interpretar los datos al
respecto, la directriz tercera se puede traducir en cinco requisitos: 1) si el
instrumento es relevante para evaluar cuestiones legales o forenses o para
evaluar un constructo psicolgico que subyazca tras cuestiones legales o
forenses, y si existen datos que apoyen dicha relevancia en cuanto a 2) la validez
de contenido, 3) la validez convergente, 4) la validez factorial y 5) la validez de
criterio. En este sentido, para valorar la validez convergente se pueden utilizar
los criterios ya mencionados de Prieto y Muiz (2000) y evaluar los coeficientes
de correlacin de un test con otros instrumentos que miden el mismo constructo.
116
En concreto, los criterios de Prieto y Muiz (2000) especifican que coeficientes

de correlacin iguales o mayores que 0,40 se podran considerar ndices
adecuados de validez convergente (buenos: 0,50 r < 0,60, y excelentes: r
0,60). La valoracin de la validez convergente debera realizarse, adems, en el
contexto de los resultados que indiquen cul es la validez discriminante de las
puntuaciones de un test, es decir, en qu medida dicho test, en poblacin
espaola, muestra: (a) coeficientes de correlacin nulos o pequeos con
instrumentos que miden otros constructos diferentes (p. ej., r < 0,30, ya que este
valor es considerado una correlacin media segn los estndares de Cohen,
1988), (b) correlaciones con instrumentos que miden otros constructos que son
ms bajas que las correlaciones que presenta con instrumentos que miden el
mismo constructo, o (c) soluciones factoriales en las que sus tems saturan en un
factor (o factores) distinto al factor (o factores) en el que lo hacen los tems de
los instrumentos que miden otros constructos diferentes.
Para valorar la validez factorial, la literatura cientfica sobre la
adaptacin o validacin en Espaa de un determinado test debera indicar que
los anlisis factoriales demuestran, de manera relativamente consistente, que los
tems o escalas del test forman los factores que la teora que subyace al test
hipotetiza, es decir, que supona a priori. Por ejemplo, el modelo de los cinco
factores de la personalidad hipotetiza que la estructura de los rasgos de
personalidad se resume en cinco dimensiones de personalidad independientes
(neuroticismo, extraversin, apertura a la experiencia, amabilidad y
responsabilidad), por lo que un test que mida de manera vlida el modelo de los
cinco factores debera mostrar una solucin factorial de cinco factores
ortogonales o slo ligeramente correlacionados.
Finalmente, para valorar la validez de criterio habra que tener en cuenta
los estudios publicados en revistas cientficas con revisin por pares que
corroboren que, en poblacin espaola, el test psicolgico predice de forma
concurrente, predictiva o retrospectiva, criterios relevantes desde el punto de
vista clnico, legal o forense (p. ej., conductas violentas, reincidencia criminal,
intentos de suicidio, bajas laborales, diagnstico psicopatolgico). En este
sentido, Prieto y Muiz (2000) proponen que correlaciones del test con el
criterio mayores o iguales que 0,20 se podran considerar suficientes como
ndices de validez de criterio (buenos: 0,35 r < 0,45; muy buenos: 0,45 r <
0,55, y excelentes: r 0,55). Una forma de examinar la validez de criterio muy
habitual en el rea clnica es la realizacin de estudios de validez de grupos
contrastados, es decir, examinar en qu medida las puntuaciones de un test
permiten diferenciar a grupos de personas que cabra esperar se diferenciaran en
cuanto a su nivel en un constructo determinado (p. ej., evaluar si en un test de
sintomatologa ansiosa las personas con un diagnstico de trastorno de ansiedad
se diferencian de las personas sin ningn diagnstico de trastorno mental o con
117
un diagnstico de otro trastorno mental que no suele estar acompaado de

sintomatologa ansiosa). Por supuesto, en la valoracin de los estudios de validez
de criterio y de validez de grupos contrastados es muy importante asegurarse de
que los criterios relevantes o los criterios de formacin de los grupos son en s
mismos fiables y vlidos, puesto que si no cualquier resultado que se obtuviera
no indicara nada sobre las propiedades psicomtricas del test evaluado, sino
sobre la baja fiabilidad o la baja validez de la propia medida del criterio.
Aplicacin
4. Debera utilizarse una aplicacin estandarizada, con unas condiciones de
aplicacin del test tan cercanas como sea posible al ideal de tranquilidad y
ausencia de distracciones (Heilbrun, 1992, p. 266).
La estandarizacin de las condiciones de aplicacin de un test es un
factor importante que afecta a la fiabilidad y validez de la informacin que se
obtenga del mismo. Este es un aspecto que hay que tener en muy cuenta en los
test psicolgicos que estn basados en la realizacin previa de una entrevista con
la persona evaluada como, por ejemplo, en las escalas, inventarios y
cuestionarios heteroaplicados diseados para ser aplicados por clnicos o
personal entrenado no especializado. Un caso paradigmtico al respecto, de
nuevo, es la HRDS. Como todos los instrumentos heteroaplicados, la HDRS no
la completa el paciente, sino que requiere que otra persona, en este caso, un
clnico entrenado, la conteste despus de haber mantenido con el paciente una
entrevista. En este sentido, Hamilton (1960, p. 56) afirmaba que la HDRS, se
usa para cuantificar los resultados de una entrevista, y su valor depende
enteramente de la habilidad del entrevistador de obtener la informacin
necesaria. El entrevistador puede, y debera, usar toda la informacin disponible
que le ayude con su entrevista y con la realizacin de la evaluacin final. Sin
embargo, la HDRS no tiene instrucciones estandarizadas sobre el formato, la
duracin o el contenido de la entrevista que debe preceder al cumplimiento de la
escala por parte del clnico, lo cual puede afectar de manera importante a la
fiabilidad y validez del instrumento en la prctica clnica forense en funcin de
la variabilidad de esos parmetros. Por esa razn, y principalmente desde los
aos 80 del siglo pasado, se han propuesto diversas opciones para estandarizar la
entrevista previa (vase una revisin en Williams, 2001). Una de esas opciones
es la creacin de guas de entrevista estructurada (p. ej., Endicott, Cohen, Nee,
Fleiss y Sarantakos, 1981; Klerman, Weissman, Rounsaville y Chevron, 1984;
Williams, 1988; Williams et al., 2008), algunas con el objetivo adicional de que
la estructuracin facilite la cumplimentacin de la HDRS por entrevistadores
entrenados no especializados (p. ej., Potts, Daniels, Burnam y Wells, 1990;
118
Whisman, Strosahl, Fruzzetti, Schmaling, Jacobson y Miller, 1989). En la misma

lnea, Miller, Bishop, Norman y Maddever (1985) han creado una versin
modificada de la HDRS que, adems de incrementar el nmero de tems para
incluir algunos sntomas cognitivos que permitan superar las limitaciones de
contenido de la versin original, tambin han modificado las descripciones de
los tems para hacerlos ms especficos y, por tanto, ms fciles de valorar, y han
aadido preguntas concretas a las definiciones de los tems con el mismo
objetivo de facilitar que personal auxiliar debidamente entrenado pueda
completar la escala (se puede encontrar una traduccin al espaol de esta versin
modificada de la HDRS en Comeche, Daz y Vallejo, 1995). Por otro lado,
algunas versiones de la HDRS establecen el marco temporal de referencia de la
entrevista en la situacin del paciente durante la ltima semana (p. ej., Williams,
1988), mientras que otras versiones lo establecen claramente en el momento
actual (p. ej., la adaptacin espaola que se recoge en Bobes et al., 2003) y, por
lo tanto, el marco temporal de las instrucciones debera ser otros aspecto que
debera estandarizarse de la HDRS.
De hecho, la estandarizacin es un aspecto especialmente importante si a
partir de esa escala, inventario o cuestionario heteroaplicado se quiere llegar a un
diagnstico. Existen dos fuentes principales de variabilidad en una entrevista
diagnstica: la varianza del criterio y la varianza de la informacin. La varianza
del criterio puede definirse como las variaciones entre clnicos al aplicar
estndares sobre lo que es clnicamente relevante y cuando se cumplen los
criterios diagnsticos (Rogers, 2001, p. 5). Los sistemas de clasificacin
diagnstica como el DSM-IV y la CIE-10, al proponer criterios diagnsticos
explcitos, han reducido de forma importante la varianza del criterio, pero
lamentablemente no han eliminado el problema (Rogers, 1995). Por ejemplo,
Blashfield (1992, citado en Rogers, 1995) encontr que los clnicos que utilizan
entrevistas no estructuradas o clnicas no aplican sistemticamente criterios
diagnsticos, lo que da lugar a errores diagnsticos en el 60% de las ocasiones.
Este resultado no debera sorprender dado que, por ejemplo, el DSM-IV incluye
365 categoras diagnsticas y, si de manera conservadora se estima que cada
categora tiene como media 6 criterios diagnsticos (que es la media de criterios,
por ejemplo, de los 18 categoras de los trastornos del estado de nimo), es fcil
suponer los problemas que cualquier clnico puede tener para recordar y tener
presente de forma fiable durante una entrevista 2190 criterios diagnsticos!
La varianza de la informacin puede definirse como las variaciones
entre clnicos en cuanto a qu preguntas se plantean, que observaciones se hacen
y cmo se organiza la informacin resultante (Rogers, 2001, p. 5). Por ejemplo,
varios estudios han demostrado que los entrevistadores estn sujetos a sesgos
confirmatorios, es decir, tienden a formularse una hiptesis antes de haber
recogido todos los datos relevante y buscan selectivamente informacin que
119
confirme dicha hiptesis, ignorando cualquier otra que la refute y pasando por
alto sntomas importantes (Rogers, 2001). En la misma lnea, los clnicos tienden
a parar la entrevista despus de haber identificado el primer trastorno mental, de
manera que pueden pasar por alto muchos diagnsticos, particularmente si son
raros (Rogers, 2001). Todos estos sesgos conducen a que diferentes
entrevistadores tengan diferentes tipos y cantidades de informacin, lo cual,
obviamente, da lugar a diferentes diagnsticos.
En definitiva, los test basados en la realizacin previa de una entrevista
con la persona evaluada, tanto si sus objetivos son diagnsticos como si son
medir la gravedad de un sndrome o trastorno, deberan contar con una entrevista
estructurada o semiestructurada que garantice la estandarizacin de las
condiciones de aplicacin del test y, en consecuencia, la fiabilidad y validez del
test.
Interpretacin
5. Tanto la seleccin de un test como su interpretacin deberan guiarse por
la aplicabilidad a una poblacin concreta y para un propsito dado. Los
resultados de un test (distintos del comportamiento observado durante su
administracin) no deberan aplicarse a un propsito para el cual el test no
fue desarrollado (p. ej., inferir psicopatologa a partir de los resultados de
un test de inteligencia). La especificidad de la poblacin y de la situacin
deberan guiar la interpretacin. Cuanto mayor sea el "ajuste" entre un
individuo dado y la poblacin y situacin utilizadas en la investigacin de
validacin, ms confianza se puede tener en la aplicabilidad de los
resultados (Heilbrun, 1992, p. 266).
Aunque hay test que han sido evaluados con muestras de muy distintas
poblaciones y en muy distintas situaciones (p. ej., el MMPI, el MCMI), esto no
es necesariamente as respecto a sus adaptaciones espaolas. Es necesario, pues,
analizar en profundidad las muestras de estandarizacin con las que se desarroll
el test as como las muestras que posteriormente han sido evaluadas con dicho
instrumento en la literatura cientfica para as poder determinar en qu medida la
persona evaluada se ajusta a dichas muestras y poder matizar adecuadamente
cualquier conclusin sobre los resultados que obtenga dicha persona en ese test
en cuestin.
6. Los test objetivos y los datos actuariales son preferibles cuando hay datos
apropiados de resultado y existe una "frmula" (Heilbrun, 1992, p. 267).
120
A la hora de hacer una prediccin sobre un resultado o condicin

relevante en el mbito clnico legal y forense (p. ej., la reincidencia en violencia
de pareja, abusos sexuales o delitos violentos, la comisin de suicidio, etc.), un
psiclogo puede utilizar su experiencia, sensibilidad interpersonal o perspectiva
terica para recordar, sintetizar e interpretar las caractersticas y circunstancias
de una persona. A esta aproximacin a la prediccin de resultados basada en la
utilizacin de procesos informales o intuitivos para combinar o integrar los datos
de la persona evaluada se le suele denominar prediccin clnica. Frente a esta
aproximacin existe la denominada prediccin estadstica o actuarial, basada en
las relaciones empricas establecidas entre las caractersticas y circunstancias de
una muestra de la poblacin relevante y la condicin o resultado que se quiere
predecir. Esta prediccin actuarial o estadstica se traduce en la utilizacin de
frmulas, ecuaciones, tablas actuariales, algoritmos o grficos de decisin en los
que se introduce la informacin sobre la persona evaluada y se integra con la
informacin emprica de las muestras de la poblacin relevante para llegar a una
prediccin. Desde el clsico libro de Meehl (1954/1996), los resultados de
numerosas revisiones y metaanlisis realizados en los ltimos 60 aos son
coincidentes en sealar la superioridad de los mtodos estadsticos o actuariales
frente a los mtodos clnicos a la hora de hacer predicciones ms exactas en una
gran variedad de contextos clnicos, legales y forenses (gisdttir et al., 2006;
Bonta, Law y Hanson, 1998; Dawes, Faust y Meehl, 1989; Grove y Meehl,
1996; Grove, Zale, Lebow, Snitz, y Nelson, 2000; Hanson y Bussire, 1998;
Hilton y Harris, 2005; Hilton, Harris y Rice, 2006). Sin embargo, la utilizacin
de la aproximacin actuarial o estadstica presupone que ya se han obtenido
datos en personas similares a la persona evaluada, que se han medido de forma
sistemtica los resultados o las condiciones de inters, que se han identificado
adecuadamente las variables de prediccin, que tales variables han sido
ponderadas de manera ptima y que la ecuacin, frmula o algoritmo resultante
ha sido validado en nuevas muestras de replicacin. Desgraciadamente, la
ausencia de frmulas, ecuaciones o algoritmos de prediccin validados en
muestras de poblacin espaola es ms la norma que la excepcin para la
mayora de los test psicolgicos relevantes para el mbito clnico forense. Como
afirmaba Heilbrun (1992, p. 267), parafraseando a Meehl (1957), si no existe
ninguna "frmula", entonces no tenemos ms alternativa que usar nuestras
cabezas.
7. Se debera evaluar explcitamente el estilo de respuesta usando
aproximaciones sensibles a la distorsin, y se deberan interpretar los
resultados de la aplicacin del test dentro del contexto del estilo de
respuesta del individuo. Cuando el estilo de respuesta parezca ser de
simulacin, defensivo o irrelevante en lugar de sincero/fiable, quizs sea
121
necesario minimizar la importancia de los resultados de la aplicacin del

test o incluso ignorarlos y enfatizar en mayor medida otras fuentes de
datos (Heilbrun, 1992, p. 267).
Es obvio que los estilos de respuesta pueden afectar a la validez de las
interpretaciones que se pueden extraer de las puntuaciones de un test, que en el
contexto legal y forense la presencia de estilos de simulacin (produccin
intencionada de sntomas fsicos o psicolgicos desproporcionados o falsos,
motivados por incentivos externos, APA, 1994/1995, p. 698) defensivos
(negacin deliberada o minimizacin flagrante de sntomas fsicos o
psicolgicos) e irrelevantes (la persona evaluada no llega a estar
psicolgicamente comprometida con el proceso de evaluacin y, por ejemplo, no
se esfuerza en responder con exactitud a las preguntas que se le plantean) son
habituales y que todos los test de autoinforme (p. ej., escalas, cuestionarios e
inventarios autoaplicados) son especialmente susceptibles a los efectos de dichos
estilos de respuesta (Heilbrun, Bennett, White y Kelly, 1990; Otto, 2008;
Rogers, 2008). Por tanto, es ms que evidente la necesidad de evaluar el estilo de
respuesta de la persona evaluada y de validar la informacin que nos ofrecen los
test de autoinforme con la informacin proporcionada por terceras personas (p.
ej., parejas, familiares, amigos, vecinos, compaeros de trabajo, personal
mdico) o por fuentes documentales (p. ej., historias clnicas, informes de otros
profesionales, sentencias, expedientes penitenciarios). En el campo de la
evaluacin clnica forense, muchos test incluyen escalas adicionales para evaluar
el estilo de respuesta de la persona evaluada (p. ej., las escalas de validez, en sus
diferentes versiones, del MMPI, del MCMI o del PAI), pero la mayora no, por
lo que, en el contexto legal y forense, sera necesario utilizar de manera
complementaria algn otro instrumento que cubra especficamente dicha
evaluacin como, por ejemplo, en Espaa, la escala de Deseabilidad Social de
Marlowe y Crowne (MCSDS; Crowne y Marlowe,1960), que permite evaluar
los estilos defensivo y de simulacin y de la que existen dos adaptaciones
espaolas (vila y Tom, 1989; Ferrando y Chico, 2000), y el Inventario
Estructurado de Simulacin de Sntomas (SIMS; Widows y Smith, 2005, 2009;
vase tambin Gonzlez-Ordi, Santamara-Fernndez y Fernndez-Martn,
2010), el cual incluye, adems de una escala global, cinco escalas denominadas
Psicosis, Deterioro neurolgico, Trastornos amnsicos, Baja inteligencia y
Trastornos afectivos desarrollada especficamente para evaluar el grado en que
una persona informa de sntomas atpicos de tales trastornos y, por tanto, los
puede estar simulando. A la hora de detectar la simulacin tambin puede ser
til la adaptacin espaola del Test de Simulacin de Problemas de Memoria
(TOMM; Tombaugh, 1996, 2011), ya que, no slo es til para evaluar el engao
o la exageracin de los problemas de memoria en los trastornos neurolgicos o
122
mentales con base orgnica, sino que tambin puede ser til en los trastornos
mentales funcionales. Por ejemplo, diversos estudios han encontrado que los
pacientes depresivos, incluso los ms graves, presentan en el TOMM un
rendimiento similar al de las personas sin trastornos psicolgicos (p. ej.,
Ashendorf, Constantinou y McCaffrey, 2004; Rees, Tombaugh y Boulay, 2001;
Yanez, Fremouw, Tennant, Strunk y Coker, 2006). Por tanto, un rendimiento
bajo en el TOMM (p. ej., por debajo del punto de corte de 45) en una persona
que presenta sintomatologa depresiva constituira un indicio de simulacin de
un trastorno depresivo (Rees et al., 2001). Esta ausencia de diferencias entre
pacientes depresivos y personas sin depresin en un test de memoria parecera
que contradice los datos que demuestran problemas de rendimiento cognitivo en
algunos pacientes con depresin, especialmente con depresiones graves; sin
embargo, es importante recordar que tales problemas afectan sobre todo a las
tareas que implican procesos cognitivos controlados, es decir, procesos que
requieren gran cantidad de atencin, esfuerzo y recursos de procesamiento,
como, por ejemplo, tareas de recuerdo libre, mientras que apenas afectan a las
tareas que implican procesos cognitivos automticos (vase la revisin de
Hartlage, Alloy, Vzquez y Dyckman, 1993), y precisamente el TOMM es una
tarea de memoria de reconocimiento visual que evala un procesamiento ms
bien automtico.
Por otro lado, existen varias estrategias para tratar de reducir o anular los
efectos del estilo de respuesta. Por ejemplo, una de las ms eficaces consiste en
confeccionar baremos para los instrumentos a partir de las puntuaciones
obtenidas en contextos iguales a aquellos en los que se sospecha puede haber un
inters directo en simular sntomas depresivos o en negarlos o minimizarlos
(Salgado, 2005). As, se podran desarrollar unos baremos especficos con
muestras de personas que presentan demandas por dao personal para conseguir
compensaciones econmicas (contexto en el que cabra esperar simulacin de
sntomas psicopatolgicos) y otros baremos distintos con muestras de personas
que litigan para conseguir la guardia y custodia de sus hijos (contexto en el que
cabra esperar una negacin o minimizacin de sntomas, mxime cuando del
otorgamiento de la guarda y custodia depende la atribucin de la vivienda
familiar y la designacin del deudor de la pensin de alimentos). Los baremos
as construidos incluiran ya una parte de la puntuacin normativa que
corresponde a la simulacin o al estilo defensivo y que es comn a todas las
personas evaluadas en esa situacin especfica, y, por lo tanto, los efectos del
estilo de respuesta habran sido ya parcialmente neutralizados cuando se
utilizaran para interpretar las puntuaciones de una persona evaluada en esas
mismas situaciones.
Otra estrategia para reducir los efectos del estilo de respuesta puede ser
modificar el formato de los instrumentos. Por ejemplo, respecto al BDI, en el
123
que las alternativas de respuesta para cada sntoma estn ordenadas de menor a
mayor gravedad y, adems, estn acompaadas del nmero de 0 a 3 que indica
su puntuacin, algunos estudios sugieren que la presentacin aleatoria de las
distintas afirmaciones de gravedad dentro de cada tem y la eliminacin del
nmero que indica su puntuacin puede tener la ventaja de romper sesgos de
respuestas tendentes a escoger la primera afirmacin o la ltima (Dahlstrom,
Brooks y Peterson, 1990) y, por tanto, o bien asegura que las personas evaluadas
prestan atencin a todas las afirmaciones que componen cada tem del BDI, lo
que permite obtener un rango mejor de puntuaciones, o bien dificulta los intentos
de simulacin o minimizacin de sntomas, ya que la gravedad de algunas
alternativas no es tan obvia si no aparece ordenada y con su puntuacin
correspondiente. As, como sugieren Echebura, Amor y Corral (2003), si en el
tem 10 sobre llanto del BDI-IA, la alternativa de mayor gravedad (Antes era
capaz de llorar, pero ahora no puedo incluso aunque quiera) no se sita en
ltimo lugar acompaada de la mxima puntuacin (3), sino en otro lugar y
sin dicha puntuacin, es muy probable que muchas personas que tratan de
simular depresin no la elijan y, en cambio, escojan Lloro continuamente que,
en realidad, es menos grave y se punta con un 2 en lugar de 3.
Aplicacin de las directrices: requisitos de un test psicolgico para evaluar

la gravedad de la sintomatologa depresiva
A partir de las directrices de Heilbrun (1992) ampliadas y especificadas
en la seccin anterior, es posible destilar y analizar una serie de requisitos que
debera cumplir un instrumento para la evaluacin psicolgica en el mbito
clnico forense y analizar en qu medida los cumplen un conjunto de test
concreto que sea inicialmente relevante para los objetivos de una evaluacin
forense dada.
Como ejemplo, en la Tabla 1 se presenta el resultado de un anlisis
realizado a partir de esas directrices y requisitos sobre los test ms utilizados
para la evaluacin de la presencia y gravedad de la sintomatologa depresiva en
su aplicacin a la poblacin clnica de Espaa.
Los test analizados son 11 de las escalas, inventarios y cuestionarios
autoaplicados ms utilizados en Espaa para ese fin segn la revisin
bibliogrfica de Sanz et al. (2013), y a los que se ha unido la escala
heteroaplicada HDRS dada su amplia utilizacin para evaluar la gravedad de la
depresin y los cambios producidos por los tratamientos antidepresivos,
especialmente los farmacolgicos (Nezu et al., 2009; Trajkovi et al., 2011).
Para el anlisis de todos estos test, se ha tenido en cuenta tanto la informacin
que se recoge en los manuales de sus respectivas adaptaciones espaolas o, en el
124
caso de que no existan tales manuales, en los artculos de revistas cientficas en

las que presentan dichas adaptaciones, como toda la literatura cientfica
localizada sobre sus propiedades psicomtricas en poblacin adulta clnica
espaola y, secundariamente, en la poblacin general adulta espaola, todo lo
cual se resume en la Tabla 1.
Tabla 1. Referencias bibliogrficas consultadas para obtener los datos de
fiabilidad y validez de los test ms utilizados para evaluar la presencia y
gravedad de sintomatologa depresiva en su adaptacin a la poblacin espaola
Test
Inventario de Depresin de Beck, versin
corregida o de 1978 (BDI-IA)
Referencias bibliogrficas
Alonso Surez y Florit Robles (2002); Vzquez y
Sanz (1997, 1999)
Inventario de Depresin de Beck, segunda

edicin (BDI-II)
Beck et al. (2011); Ibez et al. (2011); Sanz y

Garca-Vera (2013); Sanz et al. (2005); Sanz et al.
(en prensa); Sanz et al. (2003)
Aragons et al. (2001); Conde et al. (1970a,b);
Conde Lpez y Esteban Chamorro (1973, 1974,
1975a,b); Ramos Brieva (1986); Ramos Brieva et
al. (1991); Romera et al. (2008)
Losada et al. (2012); Ros et al. (2011); Soler et al.
(1997); Vzquez et al. (2007)
Escala Autoaplicada de Depresin de Zung

(SDS)
Escala de Depresin del Centro de Estudios
Epidemiolgicos (CES-D)
Escalas de Depresin Mayor (CC) y
Distimia (D) del Inventario Clnico
Multiaxial de Millon, segunda edicin
(MCMI-II)
Borda Ms et al. (2008); Millon (1998, 1999,

2002); Pedrero Prez et al. (2012); Pedrero Prez et
al. (2005)
Escalas de Depresin Mayor (CC) y

Distimia (D) del Inventario Clnico
Multiaxial de Millon, tercera edicin
(MCMI-III)
Millon et al. (2007); Ortiz-Tallo et al. (2011)
Escala Clnica de Depresin (D) del

Inventario Multifsico de Personalidad de
Minnesota (MMPI)
Baills et al. (2004); Grassot Esteba y Llins Regl

(1997); Hathaway y McKinley (1975); Seisdedos
Cubero (1980)
Escalas Clnica de Depresin (D) y de

Depresin basada en el contenido (DEP)
del Inventario Multifsico de Personalidad
de Minnesota, segunda edicin (MMPI-2)
Hathaway y McKinley (1999); Rodrguez Pulido et

al. (2008)
Escala de Valoracin de la Depresin de

Hamilton (HDRS)
Baca Garca et al. (1998); Ballesteros et al. (2007);

Cordero Villaffila y Ramos-Brieva (1986); Guilln
et al. (2012); Ramos-Brieva y Cordero Villaffila
(1986a, 1986b, 1988); Ramos Brieva et al. (1994)
125
Los resultados de dicho anlisis se presentan en la Tabla 2. Por ejemplo,

en este caso, todos los test parecen relevantes para evaluar un constructo
psicolgico, la depresin clnica, que subyace tras muchas cuestiones legales y
forenses de inters (p. ej., la prediccin del riesgo de suicidio, el esclarecimiento
de si una muerte ha sido accidental o ha sido un suicidio, la valoracin de los
eximentes de trastorno mental), y en lo que difieren, por ejemplo, es en la
existencia de un mayor o menor nmero de estudios sobre su validez para medir
la depresin clnica en poblacin espaola y publicados en revistas cientficas
con revisin por pares, y en el mayor o menor apoyo emprico a esa validez que
se obtiene de dichos estudios.
Como se ha comentado antes, el anlisis est basado fundamentalmente
en las referencias que se recogen en la Tabla 1, pero en algunos casos se han
utilizado los resultados y conclusiones de trabajos que a su vez analizaban y
comparaban los test de la Tabla 2. En concreto, para valorar el uso frecuente y la
validez contenido se han tenido en cuenta los resultados del estudio de Sanz et
al. (2013). En este estudio se realiz una bsqueda bibliogrfica de los
cuestionarios, escalas e inventarios autoaplicados ms populares en Espaa para
evaluar la depresin clnica en adultos y, posteriormente, se analizaron dichos
test desde una doble perspectiva: (a) respecto a si el contenido de sus tems era
apropiado para medir los sntomas de las definiciones de episodio depresivo y
distimia del DSM-IV y la CIE-10 (relevancia) y (b) respecto a si sus tems eran
proporcionales a los sntomas de tales definiciones (representatividad). Los
resultados de ese estudio se utilizaron para realizar las valoraciones que se
presentan en la Tabla 2 sobre el criterio de validez de contenido y, en el caso de
la HDRS, que dado que es un test heteroaplicado no fue analizado en el estudio
de Sanz et al. (2013), se analiz su validez de contenido en funcin de los
mismos criterios y perspectivas que se utilizaron en el estudio de Sanz et al.
(2013)3.
3
En funcin de los criterios y parmetros analizados por Sanz et al. (2013) y fijndose en el
sntoma principal que pretende medir cada tem de la HDRS, ya que muchos sus tems evalan
varios sntomas a la vez, la HDRS evala, teniendo en cuenta los criterios diagnsticos del DSMIV, el 88,9% de los criterios sintomticos de la depresin mayor, el 57,1% del trastorno distmico
y el 42,8% de los sntomas atpicos o especificaciones de los trastornos depresivos, mientras que,
teniendo en cuenta los criterios diagnsticos de la CIE-10, la HDRS evala el 80% de los criterios
sintomticos de la depresin mayor, el 50% de la distimia y el 85,7% de los sntomas atpicos o
especificaciones de los trastornos depresivos. Adems, de los 17 tems de la HDRS, el 82,3% de
esos tems miden sntomas depresivos segn los criterios diagnsticos del DSM-IV o la CIE-10.
Finalmente, en lo que respecta a la representatividad del constructo de depresin clnica, el 5,9%
de los 17 tems de la HDRS evalan sntomas anmicos, el 11,8% sntomas motivacionales, el
35,3% sntomas fsicos, el 11,8% sntomas motores, el 11,8% sntomas cognitivos, el 5,9%
sntomas atpicos o de especificaciones y el 17,6% otros sntomas no depresivos (vase Sanz et al.,
2013, para los porcentajes de criterios diagnsticos DSM-IV o CIE-10 que especifican los distintos
tipos de sntomas depresivos).
126
127
En este sentido, entre los test de la Tabla 2 destacan, en cuanto a su

validez de contenido, las diferentes versiones del BDI (BDI-IA y BDI-II), la
SDS y la CES-D, ya que sus tems presentan un mayor grado de relevancia y
representatividad del contenido de las definiciones sintomticas de la depresin
clnica del DSM-IV y la CIE-10, mientras que, por el contrario, se aprecian
deficiencias y limitaciones, desde la perspectiva de la validez de contenido, en la
escala de Distimia (D) del MCMI-III, la escala de Depresin del SCL-90-R y las
escalas clnicas de Depresin (D) del MMPI y MMPI-2 (Sanz et al., 2013).
Conclusiones
El considerable desarrollo de la evaluacin psicolgica en Espaa ha
trado consigo un enorme aumento del nmero de test psicolgicos de los que
puede disponer un psiclogo para realizar una evaluacin clnica forense, lo que
implica que una de las primeras preguntas que se debe plantear dicho psiclogo
en su actividad profesional e investigadora es qu test utilizar. Como cabra
suponer, no existe una respuesta nica a esta pregunta puesto que la respuesta
viene determinada por los objetivos de la evaluacin, estos objetivos pueden ser
muy diversos y ningn test por s solo parece cubrir con garantas todos ellos,
aunque algunos test pueden ser tiles para conseguir de forma aceptable uno o
varios.
En consecuencia, la seleccin de un test psicolgico para la evaluacin
psicolgica en el mbito clnico forense implica, en primer lugar, determinar los
objetivos de dicha evaluacin y la poblacin a la que pertenece la persona o
personas que van a ser evaluadas, y, en segundo lugar, valorar la adecuacin a
esos objetivos y a esa poblacin de las caractersticas del test y de las
interpretaciones o inferencias de las medidas que ese test proporciona. Para
hacer estas valoraciones es necesario tener en cuenta simultneamente varios
criterios tanto psicomtricos y prcticos como de relevancia para las cuestiones
forenses y, en este sentido, Heilbrun (1992) ha propuesto siete directrices sobre
la disponibilidad y documentacin del test, sus propiedades psicomtricas y su
interpretacin. En este trabajo, se han actualizado, ampliado, especificado y
ejemplificado esas directrices con el objetivo ltimo de que las mismas puedan
ser de ayuda a los psiclogos espaoles que trabajan en el mbito clnico forense
para determinar si un test psicolgico dado debera usarse en una evaluacin
forense en concreto.
Dada la complejidad y responsabilidad de la actividad que desempean
los psiclogos forenses, en los ltimos aos diversas instituciones en Espaa
128
como el Colegio Oficial de Psiclogos de Madrid o la Consejera de Justicia e

Interior de la Comunidad de Madrid han promovido la creacin de guas de
buenas prcticas profesionales bien generales o bien centradas en los diversos
mbitos de actuacin del psiclogo forense para as: (a) establecer criterios de
calidad que puedan servir de referente no slo a los profesionales, sino tambin a
los usuarios, las administraciones pblicas y la sociedad en general, y (b)
orientar al profesional en una prctica basada en los mejores datos y
conocimientos cientficos disponibles en cada momento y en la aplicacin de las
normas ticas y legales exigibles en cada caso (Bartolom Tutor et al., 2013;
Chacn Fuertes et al., 2009; Consejera de Justicia e Interior de la Comunidad de
Madrid, 2012; Gmez Hermoso et al., 2012). Por ejemplo, el Colegio Oficial de
Psiclogos de Madrid ha publicado hasta la fecha la Gua de buenas prcticas
para la elaboracin de informes psicolgicos periciales sobre custodia y rgimen
de visitas de menores (Chacn Fuertes et al., 2009), la Gua de buenas
prcticas para la evaluacin psicolgica forense del riesgo de violencia contra la
mujer en las relaciones de pareja (VCMP) (Gmez Hermoso et al., 2012) y la
Gua de buenas prcticas para la elaboracin de informes psicolgicos
periciales sobre custodia y rgimen de visitas de menores adaptada a casos de
violencia de gnero (Bartolom Tutor et al., 2013). En este contexto hay que
enmarcar tambin la necesidad y utilidad del presente trabajo, en la medida en
que pueda contribuir a la discusin y desarrollo de guas de buena prctica
profesional para el uso de los test psicolgicos en el mbito clnico forense. De
hecho, las directrices aqu presentadas podran ayudar a los profesionales que
utilicen las guas de buenas prcticas antes mencionadas a seleccionar los test
psicolgicos que en concreto les puedan ayudar en cada una de las tareas que se
mencionan en dichas guas, es decir, la realizacin de informes sobre custodia y
rgimen de visita de menores y la evaluacin del riesgo de violencia contra la
mujer en las relaciones de pareja, ya que en esas guas se ofrece, acertadamente,
un listado de instrumentos orientativos comnmente utilizados para conseguir
esos objetivos, pero, en cambio, no se ofrece ninguna indicacin o directriz
sobre cul o cules son los ms apropiados o cmo se podra valorar la
adecuacin de unos u otros instrumentos, y, claramente, dichas indicaciones o
directrices parecen necesarias cuando en tales guas, por ejemplo, para valorar la
personalidad se listan entre 7 y 8 test y para valorar la psicopatologa o los
rasgos clnicos entre 13 y 15 test (Bartolom Tutor et al., 2013; Chacn Fuertes
et al., 2009; Gmez Hermoso et al., 2012).
129
Referencias
gisdttir, S., White, M. J., Spengler, P. M., Maugherman, A. S., Anderson, L. A.,
Cook, R. S., et al. (2006). The meta-analysis of clinical judgment project: fiftysix years of accumulated research on clinical versus statistical prediction. The
Counseling Psychologist, 34, 341-382.
Alonso Surez, M., y Florit Robles, A. C. (2002). Caractersticas psicomtricas de la
versin espaola del Inventario de Depresin de Beck en pacientes crnicos con
esquizofrenia. Anales de Psiquiatra, 18, 154-160.
American Psychiatric Association (1995). DSM-IV. Manual diagnstico y estadstico de
los trastornos mentales. Barcelona: Masson. (Orig. 1994).
Antony, M. M., Orsillo, S. M., y Roemer, L. (Eds.). (2001). Practitioners guide to
empirically based measures of anxiety. Nueva York: Plenum Press.
Aragons Benaiges, E., Masdu Montal, R. M., Cando Guasch, G., y Coll Borrs, G.
(2001). Validez diagnstica de la Self-Rating Depression Scale de Zung en
pacientes de atencin primaria. Actas Espaolas de Psiquiatra, 29, 310-316.
Ashendorf, L., Constantinou, M., y McCaffrey, R. J. (2004). The effect of depression
and anxiety on the TOMM in community-dwelling older adults. Archives of
Clinical Neuropsychology, 19, 125-130.
vila, A., y Tom, M.C. (1989). Evaluacin de la deseabilidad social y correlatos
defensivos y emocionales. Adaptacin castellana de la Escala de Crowne y
Marlowe. En A. Echevarra y D. Pez (Eds.), Emociones: Perspectivas
psicosociales (pp. 505-514). Madrid: Fundamentos.
Baca-Garca, E., Daz-Sastre, C., Rico, F., y Siz Ruiz, J. (1998). Valoracin de la
fiabilidad de la evaluacin clnica entre los investigadores de un ensayo clnico
multicntrico. Actas Luso-Espaolas de Neurologa, Psiquiatra y Ciencias
Afines, 26, 358-362.
Baills, E., Pintor, L., Fernandez-Egea, E., Torres, X., Matrai, S., de Pablo, J., et al.
(2004). Psychiatric disorders, trauma, and MMPI profile in a Spanish sample of
nonepileptic seizure patients. General Hospital Psychiatry, 26, 310-315.
Ballesteros, J., Bobes, J., Bulbena, A., Luque, A., Dal-R, R., Ibarra, N., et al. (2007).
Sensitivity to change, discriminative performance, and cutoff criteria to define
remission for embedded short scales of the Hamilton depression rating scale
(HAMD). Journal of Affective Disorders, 102, 93-99.
Bartolom Tutor, A., Chacn Fuertes, F., Garca Gumiel, J. F., Garca Moreno, A.,
Gmez Hermoso, M. R., Gmez Martn, R., y Vzquez Mezquita, B. (2013).
Gua de buenas prcticas para la elaboracin de informes psicolgicos
periciales sobre custodia y rgimen de visitas de menores adaptada a casos de
violencia de gnero. Madrid: Colegio Oficial de Psiclogos de Madrid.
Disponible
en:
http://www.copmadrid.es./webcopm/recursos/guiadebuenaspracticascustodiame
nores.pdf
Beck, A. T., Steer, R. A., y Brown, G. K. (2011a). Manual. BDI-II. Inventario de
Depresin de Beck-II (Adaptacin espaola: Sanz, J., y Vzquez, C.). Madrid:
Pearson Educacin.
130
Benos, D. J., Bashari, E., Chaves, J. M., Gaggar, A., Kapoor, N., LaFrance, M., et al.
(2007). The ups and downs of peer review. Advances in Physiology Education,
31, 145-152.
Bobes, J., Bulbuena, A., Luque, A., Dal-R, R., Ballesteros, J., e Ibarra, N. (2003).
Evaluacin psicomtrica comparativa de las versiones en espaol de 6, 17, 21
tems de la Escala de valoracin de Hamilton para la evaluacin de la
depresin. Medicina Clnica, 120, 693-670.
Bonta, J., Law, M., y Hanson, K. (1998). The prediction of criminal and violent
recidivism among mentally disordered offenders: a meta-analysis.
Psychological Bulletin, 123, 123-142.
Borda Ms, M., Torres Prez, I., y del Ro Snchez, C. (2008). Distimia en anorexia
nerviosa y bulimia nerviosa. International Journal of Clinical and Health
Psychology, 8, 65-75.
Brodsky, S. L., y Smitherman, H. O. (1983). Handbook of scales for research in crime
and delinquency. Nueva York: Plenum.
Buela-Casal, G., Sierra, J.C., Carretero-Dios, H., y de los Santos-Roig, M. (2002).
Situacin actual de la evaluacin psicolgica en lengua castellana. Papeles del
Psiclogo, 83, 27-33.
Bulbena, A., Berrios, G., y Fernndez de Larrinoa Palacios, P. (Eds.). (2000). Medicin
clnica en psiquiatra y psicologa. Barcelona: Masson.
Caballo, V. E. (Ed.). (2005). Manual para la evaluacin clnica de los trastornos
psicolgicos. Estrategias de evaluacin, problemas infantiles y trastornos de
ansiedad. Madrid: Pirmide.
Caballo, V. E. (Ed.). (2006). Manual para la evaluacin clnica de los trastornos
psicolgicos. Trastornos de la edad adulta e informes psicolgicos. Madrid:
Pirmide.
Chacn Fuertes, F., Garca Gumiel, J. F., Garca Moreno, A., Gmez Hermoso, R., y
Vzquez Mezquita, B. (2009). Gua de buenas prcticas para la elaboracin de
informes psicolgicos periciales sobre custodia y rgimen de visitas de
menores. Madrid: Colegio Oficial de Psiclogos de Madrid. Disponible en:
http://www.copmadrid.es./webcopm/recursos/guiadebuenaspracticasA4.pmd.pd
f
Cicchetti, D. V. (1994). Guidelines, criteria, and rules of thumb for evaluating normed
and standardized assessment instruments in psychology. Psychological
Assessment, 6, 284-290.
Cohen, J. (1988). Statistical power analysis for the behavioral sciences, 2 ed. Hillsdale,
NJ: LEA.
Comeche, M. I., Daz, M. I., y Vallejo, M. A. (1995). Cuestionarios, inventarios y
escalas. Ansiedad, depresin y habilidades sociales. Madrid: Fundacin
Universidad-Empresa.
Comisin Internacional de Tests (ITC). (2000). Directrices internacionales para el uso de
los tests. [Traduccin de la Comisin de Tests del Colegio Oficial de
Psiclogos de Espaa]. INFOCOP, 77, 21-32. Consultado el 30 de abril de
2013 en: http://www.cop.es/infocop/vernumeroCOP.asp?id=1000
131
Conde, V., Escriba, J. A., e Izquierdo, J.A. (1970a). Evaluacin estadstica y adaptacin
castellana de la Escala Autoaplicada para la Depresin de Zung. Archivos de
Neurobiologa, 33, 185-206.
Conde, V., Escriba, J. A., e Izquierdo, J.A. (1970b). Evaluacin estadstica y adaptacin
castellana de la Escala Autoaplicada para la Depresin de Zung. Archivos de
Conde, V., Esteban, T., y Useros, E. (1976). Revisin crtica de la adaptacin castellana
del Cuestionario de Beck. Revista de Psicologa General y Aplicada, 31, 469497.
Conde Lpez, V., y Esteban Chamorro, T. (1973). Revisin crtica de dos adaptaciones
castellanas de la Self Rating Depresin Scale (SDS) de Zung. Archivos de
Conde Lpez, V., y Esteban Chamorro, T. (1974). Contribucin al estudio de la S.D.S.
(Self-Rating Depression Scale) de Zung, en una muestra estratificada de
poblacin normal. Revista de Psicologa General y Aplicada, 29, 515-554.
Conde Lpez, V., y Esteban Chamorro, T. (1975a). Fiabilidad de la S.D.S. (Self-Rating
Depression Scale) de Zung. Revista de Psicologa General y Aplicada, 30, 903914.
Conde Lpez, V., y Esteban Chamorro, T. (1975b). Validez de la S.D.S. (Self-Rating
Depression Scale) de Zung. Archivos de Neurobiologa, 38, 225-246.
Conde, V., y Franch, J. I. (1984). Escalas de evaluacin comportamental para la
cuantificacin de la sintomatologa psicopatolgica en los trastornos
angustiosos y depresivos. Madrid: Upjohn Farmaqumica.
Consejera de Justicia e Interior de la Comunidad de Madrid (2007). Gua orientativa de
buenas prcticas de psiclogos forenses. Madrid: Comunidad de Madrid.
Corcoran, K., y Fischer, J. (2013). Measures for clinical practice and research. A
sourcebook, 5 ed. Volume 2: adults. Nueva York: Oxford University Press.
Cordero Villaffila, A., y Ramos-Brieva, J. (1986). Estructura factorial de la versin
castellana de la Escala de Hamilton para la Depresin. Actas Luso-Espaolas de
Neurologa, Psiquiatra y Ciencias Afines, 14, 339-342.
Crowne, D. P., y Marlowe, D. (1960). A new scale of social desirability independent of
psychopathology. Journal of Consulting Psychology, 24, 349-354.
Dahlstrom, W. G., Brooks, J. D., y Peterson, C. D. (1990). The Beck Depression
Inventory: item order and the impact of response set. Journal of Personality
Assessment, 55, 224-233
Dawes, R. M., Faust, D., y Meehl, P.E. (1989). Clinical versus actuarial judgment.
Science, 243, 1668-1674.
Delgado Lpez-Czar, E., Marcos Cartagena, D., Jimnez Contreras, E., y Ruiz Prez,
R. (2013). ndice H de las revistas espaolas de Ciencias Sociales y Jurdicas
segn Google Scholar (2002-2011). EC3 (Grupo de Investigacin de
Evaluacin de la Ciencia y de la Comunicacin Cientfica). Informes, 4: 29 de
mayo de 2013. Universidad de Granada.
Echebura, E., Amor, P. J., y Corral, P. de (2003). Autoinformes y entrevistas en el
mbito de la psicologa clnica forense: limitaciones y nuevas perspectivas.
Anlisis y Modificacin de Conducta, 29, 503-522.
132
Endicott, J., Cohen, J., Nee, J., Fleiss, J., y Sarantakos, S. (1981). Hamilton Depression
Rating Scale: extracted from regular and change versions of the Schedule for
Affective Disorders and Schizophrenia. Archives of General Psychiatry, 38, 98103.
Ferrando, P. J., y Chico, E. (2000). Adaptacin y anlisis psicomtrico de la escala de
deseabilidad social de Marlowe y Crowne. Psicothema, 12, 383-389.
Garca-Portilla Gonzlez, M. P., Bascarn Fernndez, M. T., Siz Martnez, P. A.,
Parallada Redondo, M., Bousoo Garca, M., y Bobes Garca, J. (2011). Banco
de instrumentos bsicos para la prctica de la psiquiatra clnica, 6 ed.
Majadahonda, Madrid: Comunicacin y Ediciones Sanitarias.
Gmez Hermoso, M. R., Muoz Vicente, J. M., Vzquez Mezquita, B., Gmez Martn,
R., y Mateos de la Calle, N. (2012). Gua de buenas prcticas para la
evaluacin psicolgica forense del riesgo de violencia contra la mujer en las
relaciones de pareja (VCMP). Madrid: Colegio Oficial de Psiclogos de
Madrid.
Disponible
en:
http://www.copmadrid.es./webcopm/recursos/guiaviolenciacontralamujer.pdf
Gonzlez-Ordi, H., Santamara-Fernndez, P., y Fernndez-Martn, P. (2010). Precisin
predictiva del Inventario de Simulacin de SntomasSIMS en el contexto
mdico-legal. Edupsykh, 9, 3-22.
Grassot Esteba, G., y Llins Regl, J. (1997). Comparacin de la psicopatologa medida
con el SCL-90-R y otros instrumentos psicomtricos. Psiquis, 18, 43-50.
Grisso, T. (1986). Evaluating competencies: forensic assessments and instruments.
Nueva York: Plenum Press.
Grisso, T. (2003). Evaluating competencies: forensic assessments and instruments, 2 ed.
Nueva York: Kluwer Academic/Plenum Press.
Grove, W. M., y Meehl, P. E. (1996). Comparative efficiency of informal (subjective,
impressionistic) and formal (mechanical, algorithmic) prediction procedures:
The clinical-statistical controversy. Psychology, Public Policy, and Law, 2, 293323.
Grove, W. M., Zald, D. H., Lebow, B. S., Snitz, B. E., y Nelson, C. (2000). Clinical vs.
mechanical prediction: a meta-analysis. Psychological Assessment, 12, 19-30.
Grupo de Investigacin de Evaluacin de la Ciencia y de la Comunicacin Cientfica
(2013). IN-RECS (ndice de impacto de las Revistas Espaolas de Ciencias
Sociales). Psicologa. Universidad de Granada. Consultado el 11 de octubre de
2013 en: http://ec3.ugr.es/in-recs/
Grupo de Investigacin de Evaluacin de Publicaciones Cientficas y Grupo de
Investigacin de Evaluacin de la Ciencia y de la Comunicacin Cientfica
(2013). RESH (Revistas Espaolas de Ciencias Sociales y Humanidades).
Indicadores. Psicologa. Centro de Ciencias Humanas y Sociales
(CCHS)/Consejo Superior de Investigaciones Cientficas y Universidad de
Granada. Consultado el 11 de octubre de 2013 en: http://epuc.cchs.csic.es/resh/
Guilln, V., Santos, B., Yll, L., Bulbena, A., Bilbao, J., Fernndez, E., et al. (2012).
Depressive dimensions and item response analysis of the Hamilton Depression
Rating Scale17 in eating disorders. Comprehensive Psychiatry, 53, 396-402.
133
Hamilton, M. (1960). A rating scale for depression. Journal of Neurology, Neurosurgery

and Psychiatry, 23, 56-62.
Hamilton, M. (1967). Development of a rating scale for primary depressive illness.
British Journal of Social and Clinical Psychology, 6, 278-296.
Hanson, R. K., y Bussire, M. T. (1998). Predicting relapse: A meta-analysis of sexual
offender recidivism studies. Journal of Consulting and Clinical Psychology, 66,
348-362.
Hartlage, S., Alloy, L., Vzquez, C., y Dyckman, B. (1993). Automatic and effortful
processing in depression. Psychological Bulletin, 113, 247-278.
Hathaway, S. R., y McKinley, J. C. (1975). Cuestionario de personalidad MMPI.
Manual (Adaptacin espaola: Departamento de Psicologa de TEA). Madrid:
TEA.
Hathaway, S. R., y McKinley, J. C. (1999). MMPI-2. Inventario Multifsico de
Personalidad de Minnesota-2. Manual (Adaptacin espaola: vila-Espada,
A., y Jimnez-Gmez, F.). Madrid: TEA Ediciones.
Heilbrun, K. (1992). The role of psychological testing in forensic assessment. Law and
Human Behavior, 16, 257-272.
Heilbrun, K., Bennett, W. S., White, A. J., y Kelly, J. (1990). An MMPI-based empirical
model of malingering and deception. Behavioral Sciences & the Law, 8, 45-53.
Heilbrun, K., Warren, J., y Picarello, K. (2003). Third party information in forensic
assessment. En Alan M. Goldstein (Ed.), Handbook of psychology, vol. 11.
Forensic psychology (pp. 67-86). Hoboken, NJ: John Wiley & Sons.
Hilton, N. Z., y Harris, G. T. (2005). Predicting wife assault: a critical review and
implications for policy and practice. Trauma, Violence, and Abuse, 6, 3-23.
Hilton, N. Z., Harris, G. T., y Rice, M. E. (2006). Sixty-six years of research on the
clinical versus actuarial prediction of violence. The Counseling Psychologist,
34, 400-409.
Ibez, I., del Pino, A., Olmedo, E., y Gaos, M. T. (2010). Fiabilidad y validez de una
versin Espaola del Inventario de Depresin de Beck-II en una muestra de la
poblacin general Canaria. Behavioral Psychology/Psicologa Conductual, 18,
35-56.
Klerman, G. L., Weissman, M. M., Rounsaville, B. J., y Chevron, E. S. (1984). Interview
format for the Hamilton Rating Scale for Depression (Appendices, pp. 223233). En G. L. Klerman, M. M. Weissman, B. J. Rounsaville y E. S. Chevron
(Eds.), Interpersonal psychotherapy of depression. Nueva York: Basic Books.
Losada, A., de los ngeles Villareal, M., Nuevo, R., Mrquez-Gonzlez, M., Salazar, B.
C., Romero-Moreno, R., Carrillo, A. L., y Fernndez-Fernndez, V. (2012).
Cross-cultural confirmatory factor analysis of the CES-D in Spanish and
Mexican dementia caregivers. The Spanish Journal of Psychology, 15, 783-792.
Meehl, P. E. (1954). Clinical vs. statistical prediction. A theoretical analysis and a
review of the evidence. Minneapolis: University of Minnesota Press.
(Reimpresin de 1996; Nueva York: Jason Aronson Inc.).
Meehl, P. E. (1957). When shall we use our heads instead of the formula? Journal of
Counseling Psychology, 4, 268-273.
134
Miller, I. W., Bishop, S., Norman, W. H., y Maddever, H. (1985). The modified
Hamilton Rating Scale for Depression: reliability and validity. Psychiatry
Research, 14, 131-142.
Millon, T. (1998). MCMI-II. Inventario Clnico Multiaxial de Millon II. Manual
(Adaptacin espaola: vila-Espada, A.). Madrid: TEA.
Millon, T. (1999). MCMI-II. Inventario Clnico Multiaxial de Millon II. Manual (2 ed.)
Millon, T. (2002). MCMI-II. Inventario Clnico Multiaxial de Millon II. Manual (3 ed.)
Millon, T., Davis, R. D., y Millon, C. (2007). MCMI-III. Inventario Clnico Multiaxial
de Millon-III. Manual (Adaptacin espaola: Cardenal, V., y Snchez, M. P.).
Madrid: TEA Ediciones.
Muiz, J., y Fernndez-Hermida, J. R. (2010). La opinin de los psiclogos espaoles
sobre el uso de los test. Papeles del Psiclogo, 31, 108-121.
Nezu, A. M., Nezu, C. M., Friedman, J., y Lee, M. (2009). Assessment of depression. En
I. H. Gotlib y C. L. Hammer (Eds.), Handbook of depression (2 ed.) (pp. 4468). Nueva York: Guilford Press.
Nezu, A. M., Ronan, G. F., Meadows, E. A., y McClure, K. S. (Eds.). (2000).
Practitioners guide to empirically based measures of depression. Nueva York:
Kluwer Academic/Plenum Press.
Ortiz-Tallo, M., Cardenal, V., Ferragut, M., y Cerezo, M. V. (2011). Personalidad y
sndromes clnicos: Un estudio con el MCMI-III basado en una muestra
espaola. Revista de Psicopatologa y Psicologa Clnica, 16, 49-59.
Otto, R. K. (2008). Challenges and advances in assessment of response style in forensic
examination contexts. En R. Rogers (Ed.), Clinical assessment of malingering
and deception, 3 ed. (pp. 365-375). Nueva York: Guilford Press.
Pedrero Prez, E. J., y Lpez-Durn, A. (2005). Autoinformes de sintomatologa
depresiva en drogodependientes: nivel de coincidencia del BDI, SCL-90-R y
MCMI-II. Depresin o malestar inespecfico? Adicciones, 17, 215-230.
Pedrero Prez, E. J., Lpez Durn, A., y Fernndez del Ro, E. (2012). Dimensiones
factoriales del cuestionario de Millon (MCMI-II) en adictos a sustancias.
Psicothema, 24, 661-667.
Potts, M. K., Daniels, M., Burnam, M. A., y Wells, K. B. (1990). A structured interview
version of the Hamilton Depression Rating Scale: evidence of reliability and
versatility of administration. Journal of Psychiatry Research, 24, 335-350.
Prieto, G., y Muiz, J. (2000). Un modelo para evaluar la calidad de los tests utilizados
en Espaa. Papeles del Psiclogo, 77, 65-71.
Ramos-Brieva, J. A. (1986). La Escala de Zung-Conde para la Depresin: su validez
predictiva. Actas Luso-Espaolas de Neurologa, Psiquiatra y Ciencias Afines,
14, 123-127.
Ramos-Brieva, J. A., y Cordero Villaffila, A. (1986a). Validacin de la versin
castellana de la escala de Hamilton para la depresin. Actas Luso-Espaolas de
Neurologa, Psiquiatra y Ciencias Afines, 14, 324-334.
Ramos-Brieva, J. A., y Cordero Villaffila, A. (1986b). Relacin entre validez y
seguridad de la versin castellana de la escala de Hamilton para la depresin.
135
Actas Luso-Espaolas de Neurologa, Psiquiatra y Ciencias Afines, 14, 335338.

Ramos-Brieva, J., y Cordero-Villaffila, A. (1988). A new validation of the Hamilton
Rating Scale for Depression. Journal of Psychiatry Research, 22, 21-28.
Ramos Brieva, J., Cordero Villaffila, A., y Yez Sez, R. (1994). Nuevos datos sobre
la validez y fiabilidad de la versin castellana de la Escala de Hamilton para la
Depresin. Anales de Psiquiatra, 10, 146-151.
Ramos Brieva, J. A., Lafuente Lpez, R., Montejo Iglesias, M. L., Moreno Sarmiento,
A., Ponce de Len Hernndez, C., Mndez Barroso, R., y Cordero Villaffila,
A. (1991). Validez predictiva de la Escala de Zung en deprimidos ancianos.
Actas Luso-Espaolas de Neurologa, Psiquiatra y Ciencias Afines, 19, 122126.
Rees, L. M., Tombaugh, T. N., y Boulay, L. (2001). Depression and the Test of Memory
Malingering. Archives of Clinical Neuropsychology, 16, 501-506.
Rodrguez Pulido, F., Mndez Abad, M., Gonzlez Dvila, E., y Rodrguez Garca, A.
(2008). Estudio comunitario sobre prevalencia de morbilidad psiquitrica en
personas con parasuicidios previos. Anales de Psiquiatra, 24, 211-215.
Rogers, R. (1995). Diagnostic and structured interviewing: A handbook for
psychologists. Odessa, FL: Psychological Assessment Resources.
Rogers, R. (2001). Handbook of diagnostic and structured interviewing. New York:
Guilford.
Rogers, R. (2008). An introduction to response styles. En R. Rogers (Ed.), Clinical
assessment of malingering and deception, 3 ed. (pp. 3-13). New York: Guilford
Press.
Romera, I., Delgado-Cohen, H., Perez, T., Caballero, L., y Gilaberte, I. (2008). Factor
analysis of the Zung Self-Rating Depression Scale in a large sample of patients
with major depressive disorder in primary care. BMC Psychiatry, 8:4.
Ronan, G. F., Dreer, L., Maurelli, K., Ronan, D., y Gerhart, J. (2014). Practitioners
guide to empirically supported measures of anger, aggression, and violence.
Nueva York: Springer Publishing.
Ros, L., Latorre, J. M., Aguilar, M. J., Serrano, J. P., Navarro, B., y Ricarte, J. J. (2011).
Factor structure and psychometric properties of the Center for Epidemiologic
Studies Depression Scale (CES-D) in older populations with and without
cognitive impairment. The International Journal of Aging & Human
Development, 72, 83-110.
Salgado, J. F. (2005). Personalidad y deseabilidad social en contextos organizacionales:
implicaciones para la prctica de la psicologa del trabajo y las organizaciones.
Papeles del Psiclogo, 92, 115-128.
Sanz, J. (2002). La dcada de 1989-1998 en la Psicologa espaola: anlisis de la
investigacin en personalidad, evaluacin y tratamiento psicolgico (psicologa
clnica y de la salud). Papeles del Psiclogo, 81, 54-87.
Sanz, J., Garca-Vera, M. P., Espinosa, R., Fortn, M., y Vzquez, C. (2005).
Adaptacin espaola del Inventario para la Depresin de Beck-II (BDI-II): 3.
Propiedades psicomtricas en pacientes con trastornos psicolgicos. Clnica y
Salud, 16(2), 121-142.
136
Sanz, J., Gutirrez, S., Gesteira, C., y Garca-Vera, M. P. (en prensa). Criterios y
baremos para interpretar el Inventario de depresin de Beck-II" (BDI-II).
Behavioral Psychology-Psicologa Conductual.
Sanz, J., Izquierdo, A., y Garca-Vera, M. P. (2013). Una revisin desde la perspectiva
de la validez de contenido de los cuestionarios, escalas e inventarios
autoaplicados ms utilizados en Espaa para evaluar la depresin clnica en
adultos. Psicopatologa Clnica, Legal y Forense.
Sanz, J., Perdign, L. A., y Vzquez, C. (2003). Adaptacin espaola del Inventario para
la Depresin de Beck-II (BDI-II): 2. Propiedades psicomtricas en poblacin
general. Clnica y Salud, 14, 249-280.
Seisdedos Cubero, N. (1980). MMPI: suplemento tcnico. Madrid: TEA.
Soler, J., Prez-Sola, V., Puigdemont, D., Prez-Blanco, J., Figueres, M., y lvarez, E.
(1997). Estudio de validacin del Center for Epidemiologic Studies-Depression
(CES-D) en una poblacin espaola de pacientes con trastornos afectivos. Actas
Espaolas de Psiquiatra, 25, 243-249.
Tombaugh, T. N. (1996). Test of Memory Malingering (TOMM). North Tonawonda,
NY: Multi-Health Systems.
Tombaugh, T. N. (2011). Test de Simulacin de Problemas de Memoria (TOMM).
Manual (Adaptacin espaola: Vilar-Lpez, R., Prez, M., y Puente, A. E.).
Madrid: TEA Ediciones.
Trajkovi, G., Starevi, V., Latas, M., Letarevi, M., Ille, T., Bukumiri, Z., y
Marinkovi, J. (2011). Reliability of the Hamilton Rating Scale for depression:
a meta-analysis over a period of 49 years. Psychiatry Research, 189, 1-9.
Vzquez, C., y Sanz, J. (1997). Fiabilidad y valores normativos de la versin espaola
del Inventario para la Depresin de Beck de 1978. Clnica y Salud, 8, 403-422.
Vzquez, C., y Sanz, J. (1999). Fiabilidad y validez de la versin espaola del Inventario
para la Depresin de Beck de 1978 en pacientes con trastornos psicolgicos.
Clnica y Salud, 10, 59-81.
Vzquez, F. L., Blanco, V., y Lpez, M. (2007). An adaptation of the Center for
Epidemiologic Studies Depression Scale for use in non-psychiatric Spanish
populations. Psychiatry Research, 149, 247-252.
Whisman, M. A., Strosahl, K., Fruzzetti, A. E., Schmaling, K. B., Jacobson, N. S., y
Miller, D. M. (1989). A structured interview version of the Hamilton Rating
Scale for Depression. Psychological Assessment, 1, 238-241.
Widows, M. R., y Smith, G. P. (2005). SIMS: Structured Inventory of Malingered
Symptomatology. Professional manual. Lutz, FL: Psychological Assessment
Resources.
Widows, M. R., y Smith, G. P. (2009). SIMS. Inventario Estructurado de Simulacin de
Sntomas (Adaptacin espaola: Gonzlez Ordi, H., y Santamara, P.). Madrid:
TEA ediciones.
Williams, J. B. W. (1988). A structured interview guide for the Hamilton Depression
Rating Scale. Archives of General Psychiatry, 45, 742-747.
Williams, J. B. W. (2001). Standardizing the Hamilton Depression Rating Scale: past,
present, and future. European Archives of Psychiatry and Clinical
Neurosciences, 251(Suppl. 2), II/6-II/12.
137
Williams, J. B., Kobak, K. A., Bech, P., Engelhardt, N., Evans, K., Lipsitz, J., et al.
(2008). The GRID-HAMD: standardization of the Hamilton Depression Rating
Scale. International Clinical of Psychopharmacology, 23, 120-129.
Yanez, Y. T., Fremouw, W., Tennant, J., Strunk, J., y Coker, K. (2006). Effects of severe
depression on TOMM performance among disability-seeking outpatients.
Archives of Clinical Neuropsychology, 21, 161-165.
Zitman, F. G., Mennen, M. F. G., Griez, E., y Hooijer, C. (1990). The different versions
of the Hamilton Depression Rating Scale. En P. Bech y A. Coppen (Eds.), The
Hamilton Scales (Psychopharmacology Series 9) (pp. 28-34). Heidelberg,
Berlin: Springer-Verlag.

Directrices para Seleccionar Test Psicológicos en El Ámbito Clínico Forense

Cargado por

Copyright:

Formatos disponibles

Directrices para Seleccionar Test Psicológicos en El Ámbito Clínico Forense

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Directrices para Seleccionar Test Psicológicos en El Ámbito Clínico Forense

Cargado por

Copyright:

Formatos disponibles

Psicopatologa Clnica, Legal y Forense, Vol. 13, 2013, pp.105-137.

DIRECTRICES PARA SELECCIONAR TEST PSICOLGICOS

Correspondencia: Jess Sanz. Departamento de Personalidad, Evaluacin y Psicologa Clnica.

Sanz, J. y Garca-Vera, MP.

Directrices para seleccionar test psicolgicosen el mbito forense

investigadora, el mayor porcentaje de ellos, igualado con el campo de

Sanz, J. y Garca-Vera, MP.

un cierto desarrollo de la psicologa, es decidir qu test psicolgicos son los ms

Psicopatologa Clnica, Legal y Forense, Vol.13, 2013, pp.105-137.

Directrices para seleccionar test psicolgicosen el mbito forense

propuestos (validez) y en qu grado tales puntuaciones son consistentes o

Sanz, J. y Garca-Vera, MP.

Tratando de concretar esos criterios, Heilbrun (1992, pp. 264-267)

Psicopatologa Clnica, Legal y Forense, Vol.13, 2013, pp.105-137.

Directrices para seleccionar test psicolgicosen el mbito forense

Es obvio que las directrices de Heilbrun (1992) son una importante

Psicopatologa Clnica, Legal y Forense, Vol.13, 2013, pp.105-137.

Sanz, J. y Garca-Vera, MP.

Directrices para seleccionar test psicolgicosen el mbito forense

Sanz, J. y Garca-Vera, MP.

Directrices para seleccionar test psicolgicosen el mbito forense

Finalmente, respecto a los instrumentos para los cuales uno de los

Sanz, J. y Garca-Vera, MP.

En concreto, los criterios de Prieto y Muiz (2000) especifican que coeficientes

Directrices para seleccionar test psicolgicosen el mbito forense

un diagnstico de otro trastorno mental que no suele estar acompaado de

Sanz, J. y Garca-Vera, MP.

Whisman, Strosahl, Fruzzetti, Schmaling, Jacobson y Miller, 1989). En la misma

Directrices para seleccionar test psicolgicosen el mbito forense

Psicopatologa Clnica, Legal y Forense, Vol.13, 2013, pp.105-137.

Sanz, J. y Garca-Vera, MP.

A la hora de hacer una prediccin sobre un resultado o condicin

Directrices para seleccionar test psicolgicosen el mbito forense

necesario minimizar la importancia de los resultados de la aplicacin del

Sanz, J. y Garca-Vera, MP.

Directrices para seleccionar test psicolgicosen el mbito forense

Aplicacin de las directrices: requisitos de un test psicolgico para evaluar

Sanz, J. y Garca-Vera, MP.

caso de que no existan tales manuales, en los artculos de revistas cientficas en

Inventario de Depresin de Beck, segunda

Beck et al. (2011); Ibez et al. (2011); Sanz y

Escala Autoaplicada de Depresin de Zung

Borda Ms et al. (2008); Millon (1998, 1999,

Escalas de Depresin Mayor (CC) y

Millon et al. (2007); Ortiz-Tallo et al. (2011)

Escala Clnica de Depresin (D) del

Baills et al. (2004); Grassot Esteba y Llins Regl

Escalas Clnica de Depresin (D) y de

Hathaway y McKinley (1999); Rodrguez Pulido et

Escala de Valoracin de la Depresin de

Baca Garca et al. (1998); Ballesteros et al. (2007);

Psicopatologa Clnica, Legal y Forense, Vol.13, 2013, pp.105-137.

Directrices para seleccionar test psicolgicosen el mbito forense

Los resultados de dicho anlisis se presentan en la Tabla 2. Por ejemplo,

Psicopatologa Clnica, Legal y Forense, Vol.13, 2013, pp.105-137.

Sanz, J. y Garca-Vera, MP.

Psicopatologa Clnica, Legal y Forense, Vol.13, 2013, pp.105-137.

Directrices para seleccionar test psicolgicosen el mbito forense