La resiliencia como predictora del impacto negativo (depresión, ansiedad y estrés) del COVID-19 en médicos de atención primaria

Resumen

Antecedentes

La actual situación sanitaria está provocando un detrimento de la salud mental, siendo los médicos de atención primaria un colectivo muy afectado.

Objetivo

El objetivo es descubrir si la variable resiliencia es predictora del impacto negativo que está generando el COVID-19, entendido en las variables de depresión, ansiedad y estrés; y analizar, a su vez, qué factores resilientes contribuyen a explicar las varianzas de dichas variables y qué variables control son también predictoras.

Método

Se ha llevado a cabo una investigación cuantitativa, concretamente un diseño ex post facto no experimental de grupo único. La muestra seleccionada fueron 268 médicos de atención primaria, colectivo muy afectado por la pandemia, a quienes se les administró un cuestionario sociodemográfico, la Escala de Resiliencia SV-RES, en su versión reducida de 36 ítems, y la Escala de Depresión, Ansiedad y Estrés DAS-21.

Resultados

Los resultados de las regresiones lineales mostraron que la resiliencia, con una relación negativa, predice la depresión (un 22,2%), la ansiedad (un 8,3%) y el estrés (un 12,3%), siendo los factores metas e identidad los que contribuyen significativamente a explicar las distintas varianzas. A su vez, dentro de las variables control, la toma de psicofármacos, el sexo (excepto para la variable depresión) y la decisión de acudir al psicólogo fueron predictoras de las diversas variables.

Conclusiones

Los hallazgos de esta investigación avivan la necesidad de promover la resiliencia entre los médicos de atención primaria, con la intención de reducir sus niveles de depresión, ansiedad y estrés.

Abstract

Background

The current health situation is causing a detriment to mental health, where primary care physicians is a very affected group.

Objective

The objective is to discover whether the resilience variable is a predictor of the negative impact generated by COVID-19, understood in the variables of depression, anxiety and stress; and analyze, in turn, which resilient factors help to explain the variances of the variables and which control variables are also predictors.

Method

A quantitative research has been carried out, specifically a single group non-experimental ex post facto design. The selected sample consisted of 268 primary care physicians, a group highly affected by the pandemic, who were administered a sociodemographic questionnaire, the SV-RES Resilience Scale, in its reduced version of 36 items, and the Depression, Anxiety and Depression Scale, DAS-21 stress.

Results

The results of the linear regressions showed how resilience, with a negative relationship, predicts depression (22.2%), anxiety (8.3%) and stress (12.3%), being the goals and identity factors that contribute significantly to explain the different variances. In turn, within the control variables, taking drugs, gender (except for the depression variable) and the decision to go to the psychologist were predictors of the various variables.

Conclusions

The findings of this research intensify the necessity of promoting resilience among primary care physicians, with the intention of reducing their levels of depression, anxiety, and stress.

Introducción

Con la aparición del COVID-19, se considera que la humanidad atraviesa la mayor adversidad del siglo xxi y la mayor contienda desde la Segunda Guerra Mundial¹. Nos encontramos ante una crisis mundial, no solo a nivel de salud, sino también con graves implicaciones económicas y sociopsicológicas².

Los miembros del personal sanitario han sido considerados héroes anónimos³ que, además, han sufrido una fuerte tensión por la intensa presión asistencial y la ausencia de medios de protección⁴, junto con niveles de estrés⁵.

En España⁶ se detectó que un alto porcentaje del personal sanitario en contacto con COVID-19 tenía ansiedad (58,6%), estrés postraumático (56,6%) y depresión (46%).

En el presente trabajo se propone el estudio específico de los profesionales sanitarios médicos de atención primaria, al ser un perfil muy interesante: el personal de atención primaria presentó mayor sintomatología depresiva (32%) frente a la mostrada por los médicos que trabajan en hospitales (18%)⁷; a su vez, presentan más del doble de posibilidades de sufrir burnout, junto con mayores índices de ansiedad y de frustración, respecto a otros profesionales⁸.

El director general de la OMS, Adhanom Ghebreyesus⁹, asegura que es necesario crear sistemas de salud resilientes, ya que ello supondría sistemas de salud sólidos, justificando la importancia del presente estudio y entendiendo la resiliencia como «el proceso de afrontamiento con eventos vitales desgarradores, estresantes o desafiantes de un modo que proporciona al individuo protección adicional y habilidades de afrontamiento que las que tenía previa a la ruptura que resultó desde el evento»¹⁰.

Objetivo

El objetivo de esta investigación es estudiar si la variable resiliencia es predictora del impacto negativo que está generando el COVID-19 en médicos de atención primaria, entendido en las variables de depresión, ansiedad y estrés, y analizar, a su vez, qué factores resilientes contribuyen a explicar las varianzas de dichas variables y qué variables control son también predictoras.

Método

Diseño de estudio

Este estudio sigue un diseño ex post facto no experimental de grupo único.

Para la recogida de los datos se empleó Google Formularios, accediendo a la población diana mediante un muestreo no probabilístico de tipo bola de nieve.

Población de estudio

La muestra diseñada fueron médicos de atención primaria. Participaron en total 268 médicos (199 mujeres y 69 hombres), con edades estaban comprendidas entre los 25 y los 69 años (M = 48.69; DT = 11,54).

Como criterio de inclusión se ha seleccionado a los médicos de atención primaria activos. Como criterios de exclusión, todos aquellos médicos jubilados, inactivos o los que no hayan trabado durante la pandemia.

Justificación del tamaño muestral

Se consideró la población total de médicos colegiados en España a fecha del 2020; por otro lado, se estableció un nivel de confianza del 95% y un margen de error del 6%, obteniendo que el tamaño de la muestra debería ser de 268 médicos.

Variables e instrumentos del estudio

El cuestionario, considerado breve, constaba de un cuestionario de creación propia, el cuestionario SV-RES 36 y el cuestionario DASS-21.

En primer lugar, dentro de las variables sociodemográficas, en este estudio se ha querido conocer la variable nominal sexo (hombre o mujer) y la variable cuantitativa edad. Por otro lado, se introdujeron diversas variables control relacionadas con su trabajo y su relación con el COVID-19: la comunidad autónoma donde trabajaban, si habían padecido la enfermedad y si habían sido vacunados. Además, se incorporaron preguntas sobre su salud mental: si habían comenzado a acudir al psicólogo ante el COVID-19 y el posible consumo de psicofármacos.

En segundo lugar, para medir la resiliencia, variable predictora principal, se utilizó la escala SV-RES en su versión reducida de 36 ítems¹¹, frente a los 60 de la versión original¹², con un formato de respuesta tipo Likert de 5 opciones (de 1 = «muy en desacuerdo» a 5 = «muy de acuerdo»).

La escala cuenta con una gran fundamentación teórica y empírica sobre el concepto de la resiliencia, basándose en el Modelo Interaccional de la Resiliencia¹¹, que propone 12 factores resilientes^12,13, recogidos en la tabla 1:

• 1.

  Identidad, entendido como los juicios generales adquiridos de los valores culturales, estables y que permitirán juzgar las experiencias vividas.

• 2.

  Autonomía, juicios con los que la persona juzga su aportación en la sociedad.

• 3.

  Satisfacción, juicios para medir la forma de afrontar los problemas

• 4.

  Pragmatismo, interpretación práctica sobre la forma de desenvolverse y actuar.

• 5.

  Vínculos, creencias sobre las relaciones sociales cercanas establecidas.

• 6.

  Redes, forma de medir las relaciones afectivas.

• 7.

  Modelos, juicios sobre la presencia de relaciones para superar dificultades.

• 8.

  Metas, coherencia entre objetivos propuestos y acciones para alcanzarlos.

• 9.

  Afectividad, valoración positiva de la persona y de su vida emocional.

• 10.

  Autoeficacia, juicios sobre la propia valía para superar adversidades.

• 11.

  Aprendizaje, juicios que reconocen oportunidades y crecimiento en dificultades.

• 12.

  Generatividad, creencia de reconocerse capaz de pedir ayuda^12,13.

Tabla 1.

Factores resilientes según el modelo interaccional de la resiliencia

	Modelo de construcción de la respuesta resiliente (Saavedra, 2003)
	Condiciones de base	Visión de sí mismo	Visión del problema	Respuesta resiliente
Modelo de Grotberg (1995)	Yo soy/estoy	Identidad	Autoestima	Satisfacción	Pragmatismo
	Yo tengo	Vínculos	Redes	Modelos	Metas
	Yo puedo	Afectividad	Autoeficacia	Aprendizaje	Generatividad

Fuente: Saavedra y Villalta (2008)¹² y Villalta (2010)¹³.

La escala permite obtener tanto el grado de resiliencia total (α = 0,98) como la puntuación en cada factor resiliente (0,85 < α > 0,92)¹¹ mediante la suma de las puntuaciones extraídas en función de sus correspondientes ítems.

Para su corrección se han establecido tres puntos de corte que indican un nivel bajo, medio o alto¹¹.

Finalmente, para medir las variables resultados se seleccionó la escala DASS-21 (The Depression, Anxiety, Stress Scale), en su versión al castellano por Daza et al.¹⁴. Dicha escala se compone de 21 ítems medidos con una escala Likert con cuatro opciones de respuesta según la frecuencia de ocurrencia, desde 0 hasta 3, en la última semana^14,15.

Cada subescala se compone de siete ítems y sus puntuaciones se obtienen mediante la suma de sus respuestas¹⁴. Además, cuenta con diversos puntos de corte que permiten conocer el grado de sintomatología. Cada subescala presenta sus puntos de corte específicos¹⁵.

Análisis de datos

En primer lugar se analizaron los diferentes estadísticos descriptivos y se calcularon los coeficientes de alfa de Cronbach de cada uno de los instrumentos, y se realizaron tres análisis de regresión simple, valorando la variable independiente resiliencia con cada una de las variables dependientes.

A continuación se midió qué factores resilientes eran los que explicaban las variables dependientes, a través de tres análisis de regresión múltiples, utilizándose el método por pasos.

Para concluir, se realizaron análisis de regresión múltiples introduciendo, además, las distintas variables control.

Los análisis de datos se realizaron con el programa IBM SPSS Statistics 26.

Cuestiones éticas

En el cuestionario breve se incluía un consentimiento informado, siendo obligatorio firmarlo para poder acceder al resto del cuestionario. En él se explicaban las características de la investigación, su carácter voluntario y anónimo, sus fines académicos y cómo se tratarían los datos según la Ley Orgánica 3/2018 de Protección de Datos Personales y garantía de los derechos digitales.

Resultados

En primer lugar se comprobaron los supuestos para poder realizar correlaciones de Pearson y regresiones lineales, sin llegar a cumplirse el supuesto de homocedasticidad y de normalidad en las distribuciones; sin embargo, para este último se asegura que su incumplimiento no presenta consecuencias relevantes si el tamaño muestra es elevado¹⁶, como en este caso (n = 268).

Resultados descriptivos

En la tabla 2 se recogen los estadísticos descriptivos de las variables y los índices de fiabilidad de los instrumentos. Como datos demográficos, se ha obtenido que el 74,3% eran mujeres y el 25,7% hombres, que pertenecían a distintas comunidades autónomas españolas, encontrando entre las más representativas a la Comunidad de Madrid (51,8%), Andalucía (17,1%), las Islas Canarias (8,9%) y a la Comunidad Valenciana (7,4%).

Tabla 2.

Estadísticos descriptivos de las variables e índices de fiabilidad

Variables	Media	Desviación típica	Alfa de Cronbach	N.° de elementos
Depresión	3,88	16,97	0,919	7
Ansiedad	3,42	4,62	0,888	7
Estrés	6,82	4,23	0,920	7
Resiliencia	151,95	5,26	0,955	36
F1: Identidad	12,00	2,25
F2: Autonomía	12,78	1,85
F3: Satisfacción	12,11	1,84
F4: Pragmatismo	12,54	2,15
F5: Vínculos	13,06	1,74
F6: Redes	13,11	1,87
F7: Modelos	13,07	1,75
F8: Metas	12,10	2,42
F9: Afectividad	12,83	18,39
F10: Autoeficacia	13,15	1,66
F11: Aprendizaje	12,71	1,82
F12: Generatividad	12,46	2,06

Se observa que el 19% de los médicos evaluados presentan niveles bajos de resiliencia; el 54%, niveles medios, y el 27%, altos niveles. Por su parte, el 32% indican algún grado de depresión; el 35%, de ansiedad, y el 37%, de estrés, tal y como se observa en la figura 1.

Figura 1.

Porcentaje de los niveles de depresión, ansiedad y estrés.

E.S.: extremadamente severo.

Resultados de los análisis de las regresiones lineales simples

Las correlaciones entre variables (tabla 3) nos muestran que la resiliencia correlaciona de manera inversa con todas ellas y de manera muy significativa, siendo mayor la correlación con la depresión (r = −0,474), y la menor, con la ansiedad (r = −0,355).

Tabla 3.

Correlaciones entre las variables dependientes, predictora y variables control

	1	2	3	4	5	6	7	8	9	10	11
1. Resiliencia	1
2. Depresión	−0,474^**	1
3. Ansiedad	−0,295^**	0,797^**	1
4. Estrés	−0,355^**	0,803^**	0,815^**	1
5. Sexo	−0,051	−0,105	−0,174^**	−0,202^**	1
6. Edad	0,069	−0,162^**	−0,152*	−0,232^**	0,194^**	1
7. Región	−0,080	0,022	0,099	0,038	0,100	0,064	1
8. Contagio	−0,026	0,008	0,044	0,028	0,034	−0,020	−0,125*	1
9. Vacuna	−0,051	0,052	0,096	0,064	0,013	0,054	0,029	−0,002	1
10. Fármaco	−0,209^**	0,359^**	0,376^**	0,417^**	−0,095	−0,046	0,066	−0,045	0,074	1
11. Psicólogo	0,191^**	−0,392^**	−0,354^**	−0,429^**	0,140*	0,344^**	0,045	−0,045	−0,046	−0,303^**	1

**

p < 0,01.

*

p < 0,05.

La resiliencia explica el 22,2% de la varianza de la depresión, el 8,3% de la ansiedad y el 12,3% del estrés (tabla 4), siendo modelos significativos: depresión (F = 77,180; p < 0,01), ansiedad (F = 25,320; p < 0,01) y estrés (F = 38,424; p < 0,01).

Tabla 4.

Modelo explicativo de la depresión, ansiedad y estrés con la resiliencia (total); cada uno de los 12 factores; con la variable predictora y las variables control

Variables independientes		Modelo		ΔR^2	β	T	C. simple	Correlación semiparcial
Resiliencia total		Depresión
	1		(Constante)	0,222^**		10,455^**
		Resiliencia			−0,474	−8,785^**	−0,474	−0,474
		Ansiedad
	1		(Constante)	0,083^**		6,531^**
		Resiliencia			−0,295	−5,032^**	−0,295	−0,295
		Estrés
	1		(Constante)	0,123^**		8,669^**
		Resiliencia			−0,355	−6,199^**	−0,355	−0,355
12 factores		Depresión
	1		(Constante)	0,250^**		12,400^**
		Metas			−0,502	−9,475^**	−0,502	−0,502
	2		(Constante)	0,288^**		12,883^**
		Metas			−0,372	−6,042^**	−0,348	−0,312
		Identidad			−0,240	−3,898^**	−0,233	−0,201
		Ansiedad
	1		(Constante)	0,113^**		8,561^**
		Metas			−0,341	−5,922^**	−0,341	−0,341
	2		(Constante)	0,130^**		8,655^**
		Metas			−0,250	−3,675^**	−0,220	−0,210
		Identidad			−0,168	−2,468*	−0,150	−0,141
		Estrés
	1		(Constante)	0,145^**		11,181^**
		Metas			−0,385	−6,812^**	−0,385	−0,385
	2		(Constante)	0,184^**		11,685^**
		Metas			−0,253	−3,842^**	−0,230	−0,212
		Identidad			−0,243	−3,696^**	−0,221	−0,204
Resiliencia total y variables control		Depresión
	1		(Constante)	0,222^**		10,455^**
		Resiliencia				−8,785^**	−0,474	−0,474
	2		(Constante)	0,314^**	−0,474	11,954^**
		Resiliencia				−8,027^**	−0,442	−0,407
		Psicólogo			−0,415	−6,054^**	−0,349	−0,307
	3		(Constante)	0,348^**	−0,313	9,799^**
		Resiliencia				−7,502^**	−0,419	−0,371
		Psicólogo			−0,383	−4,923^**	−0,290	−0,243
		Fármaco			−0,258	3,827^**	0,229	0,189
		Ansiedad
	1		(Constante)	0,138^**		3,060*
		Fármaco			0,376	6,608^**	0,376	0,376
	2		(Constante)	0,198^**		5,495^**
		Fármaco			0,296	5,141^**	0,301	0,282
		Psicólogo			−0,264	−4,593^**	−0,272	−0,252
	3		(Constante)	0,231^**		5,513^**
		Fármaco			0,263	4,611^**	0,273	0,247
		Psicólogo			−0,237	−4,166^**	−0,248	−0,224
		Resiliencia			−0,194	−3,511^**	−0,211	−0,188
	4		(Constante)	0,245^**		5,794^**
		Fármaco			0,254	4,474^**	0,266	0,238
		Psicólogo			−0,219	−3,858^**	−0,231	−0,205
		Resiliencia			−0,206	−3,745^**	−0,225	−0,199
		Sexo			−0,129	−2,394*	−0,146	−0,127
		Estrés
	1		(Constante)	0,181^**		14,503^**
		Psicólogo			−0,429	−7,753^**	−0,429	−0,429
	2		(Constante)	0,270^**		8,925^**
		Psicólogo			−0,334	−6,078^**	−0,350	−0,318
		Fármaco			0,316	5,768^**	0,334	0,302
	3		(Constante)	0,322^**		8,024^**
		Psicólogo			−0,300	−5,615^**	−0,327	−0,283
		Fármaco			0,276	5,158^**	0,303	0,260
		Resiliencia			−0,240	−4,615^**	−0,273	−0,233
	4		(Constante)	0,342^**		8,426^**
		Psicólogo			−0,279	−5,265^**	−0,309	−0,261
		Fármaco			0,265	5,013^**	0,295	0,249
		Resiliencia			−0,254	−4,936^**	−0,291	−0,245
		Sexo			−0,151	−2,992*	−0,181	−0,149

Δ R 2: incremento del porcentaje de varianza explicado.

**

p < 0,01.

*

p < 0,05.

Resultados de los análisis de las regresiones múltiples

En primer lugar, se estudió cuál de los 12 factores resilientes explica cada una de las variables dependientes. En la tabla 5 se muestran las correlaciones entre las variables dependientes y los factores resilientes. En todas ellas, la correlación es inversa y muy significativa (p ≤ 0,01), a excepción de la obtenida entre los factores afectividad y autoeficacia con ansiedad (p > 0,05) y con estrés (p ≤ 0,05), y entre el factor autonomía y ansiedad (p ≤ 0,05). Las puntuaciones más elevadas en los tres casos son las correspondientes a metas e identidad.

Tabla 5.

Análisis de correlaciones entre las diferentes variables evaluadas

	1	2	3	4	5	6	7	8	9	10	11	12	13	14	15
1. Depresión	1
2. Ansiedad	0,797^**	1
3. Estrés	0,803^**	0,815^**	1
4. Identidad	−0,442^**	−0,304^**	−0,381^**	1
5. Autonomía	−0,200^**	−0,153*	−0,189^**	0,451^**	1
6. Satisfacción	−0,350^**	−0,243^**	−0,302^**	0,574^**	0,559^**	1
7. Pragmatismo	−0,390^**	−0,263^**	−0,311^**	0,531^**	0,391^**	0,632^**	1
8. Vínculos	−0,359^**	−0,228^**	−0,219^**	0,403^**	0,545^**	0,546^**	0,521^**	1
9. Redes	−0,320^**	−0,169^**	−0,171^**	0,374^**	0,647^**	0,497^**	0,449^**	0,791^**	1
10. Modelos	−0,259^**	−0,168^**	−0,177^**	0,288^**	0,648^**	0,462^**	0,377^**	0,758^**	0,847^**	1
11. Metas	−0,502^**	−0,341^**	−0,385^**	0,544^**	0,332^**	0,578^**	0,703^**	0,595^**	0,505^**	0,454^**	1
12. Afectividad	−0,227^**	−0,107	−0,131*	0,309^**	0,376^**	0,428^**	0,343^**	0,474^**	0,424^**	0,419^**	0,417^**	1
13. Autoeficacia	−0,238^**	−0,102	−0,128*	0,383^**	0,348^**	0,481^**	0,461^**	0,338^**	0,300^**	0,275^**	0,409^**	0,722^**	1
14. Aprendizaje	−0,361^**	−0,221^**	−0,302^**	0,427^**	0,360^**	0,490^**	0,535^**	0,373^**	0,297^**	0,306^**	0,527^**	0,595^**	0,761^**	1
15. Generatividad	−0,400^**	−0,203^**	−0,312^**	0,470^**	0,331^**	0,473^**	0,580^**	0,389^**	0,355^**	0,314^**	0,639^**	0,589^**	0,674^**	0,749^**	1

**

p < 0,01.

*

p < 0,05.

A través de los análisis de la regresión múltiple (tabla 4) se observa que los factores que mejor explican las tres variables criterio son los mismos: metas (t = −9,47; p ≤ 0,01 para depresión; t = −5,92; p ≤ 0,01 para ansiedad, y t = −6,812; p ≤ 0,01 para estrés) e identidad (t = −3,89; p ≤ 0,01 para depresión; t = −2,46; p ≤ 0,05, para ansiedad, y t = −3,696; p ≤ 0,01, para estrés). Los modelos finales obtenidos son significativos y explican el 28,8% de la varianza total de la variable depresión (F = 54,883; p < 0,001), el 13% de la ansiedad (F = 20,919; p < 0,001) y el 18,4% del estrés (F = 46,409; p < 0,001).

Finalmente, se introdujeron las variables control (sexo, edad, región, si habían sido vacunados, posible contagio COVID, si habían decidido acudir al psicólogo y si tomaban algún psicofármaco), observando los resultados que aparecen en la tabla 4. Además, en la tabla 3 se recogen las correlaciones de todas estas variables. Por otro lado, para la toma de psicofármacos se estableció como variable de referencia el hecho de no tomar ningún tipo de psicofármacos, mientras que, para el sexo, el género masculino.

Para la depresión, se aprecia que las variables predictoras son la resiliencia (t = −8,785; p ≤ 0,01), el psicólogo (t = −6,054; p ≤ 0,01) y la toma de psicofármacos (t = 3,827; p ≤ 0,01). El modelo final obtenido explica el 34,8% de la varianza total de depresión, siendo muy significativo (F = 48,405; p < 0,01).

Por su parte, en los análisis efectuados con la variable ansiedad, las variables predictoras son: el consumo de psicofármacos (t = 6,608; p ≤ 0,01), el psicólogo (t = −4,593; p ≤ 0,01), la resiliencia (t = −3,511; p ≤ 0,01) y el sexo (t = −2,394; p ≤ 0,01). Al final, se obtuvo un modelo global muy significativo (F = 22,632; p < 0,01), que conseguía explicar el 24,5% de la varianza de la ansiedad.

Finalmente, con la variable estrés, el modelo final se compone de las variables psicólogo (t = −7,753; p ≤ 0,01), consumo de psicofármacos (t = 5,768; p ≤ 0,01), la resiliencia (t = −4,615; p ≤ 0,01) y el sexo (t = −2,992; p ≤ 0,05), explicando el 34,2% de la varianza del estrés y de manera significativa (F = 35,633; p < 0,01).

Discusión

De cara a dar respuesta al objetivo general, se analizó primero la asociación entre la resiliencia y las variables dependientes. La resiliencia es predictora de la depresión, hecho avalado por otros estudios, que, además, consideran a la resiliencia un factor protector de la depresión, pero no de la ansiedad¹⁷. Sin embargo, en este estudio la resiliencia predice también la ansiedad, verificándose en otros estudios¹⁸. Estas diferencias en los distintos estudios podrían deberse a que, dado que explica un porcentaje muy pequeño de la varianza, los resultados de algunos de ellos podrían no haber sido significativos o incluso no mostrarse ningún tipo de relación, en función del contexto o de otras variables extrañas. Por lo tanto, si se trabaja con la variable ansiedad, sería más favorable investigar otros constructos protectores que puedan predecir un porcentaje más elevado de la varianza.

Por su parte, la varianza del estrés es explicada por la resiliencia, en sintonía con otros estudios¹⁹. A su vez, en numerosos estudios se ha mostrado que la resiliencia era predictora negativa de la ansiedad, la depresión y el estrés^20-22. Además, las correlaciones fuertemente significativas e inversas entre ellas están en sintonía, también, con otros estudios²³.

Respecto al análisis múltiple entre las variables dependientes y los doce factores resilientes, se esperaba obtener como predictores a aquellos factores relacionados con la dimensión de respuesta resiliente, es decir, pragmatismo, metas y generatividad, encontrándose finalmente solo el factor metas, junto con el factor identidad. Estos resultados obtenidos no coinciden con los obtenidos en la investigación de Vela²⁴, en la que el modelo de regresión incluía únicamente, además de otras variables ajenas al objetivo de esta investigación, al factor autonomía y excluía, al contrario que lo mostrado en este estudio, las variables predictoras metas e identidad. Sin embargo, el estudio incluía solo la variable estrés y no la ansiedad y la depresión²⁴. Como explicación tentativa podría ser que la relación entre resiliencia y estrés varíe en función del contexto, en este caso el del COVID-19, que ha provocado que cobren mayor importancia otros valores y factores resilientes que antes no se tenían tan presentes. Así, se explicaría el dato llamativo de que, en el presente trabajo, sean los mismos dos factores resilientes predictores para las tres variables.

Por otro lado, si se atiende a otros factores resilientes propuestos por otros autores, se encuentran otros predictores, como la significación, la ecuanimidad y la perseverancia, siendo significativos para las tres variables²⁵. Sería interesante estudiar de qué manera el COVID-19 ha supuesto un cambio en los valores y en los factores resilientes que más contribuyen al bienestar.

Respecto a las regresiones múltiples efectuadas con la incorporación de las variables control, destaca que la variable sexo es predictora para la variable ansiedad y estrés, pero no para depresión. Estos resultados no coinciden con los hallados en el estudio de Van Rens y Heritage²⁶, donde se incluía el sexo en el modelo explicativo de la depresión, y no en el de la ansiedad. Sin embargo, se considera que estos resultados divergentes no son influyentes, puesto que se han obtenido en un contexto diferente, ajeno a los trabajadores sanitarios. Además, los resultados aquí mostrados podrían estar influenciados por las diferencias en el número de sujetos por grupo, predominando el sexo femenino.

Para el resto de las variables control, únicamente se han incorporado a los modelos, aquellas relacionadas con la psicología (acudir al psicólogo y toma de psicofármacos), tal y como se había hipotetizado por su relación con la protección de la salud mental; sin embargo, las variables relacionadas con el COVID-19 (contagio y vacunación) no han influenciado, cuando se esperaba, de igual manera, que lo hicieran. Sin embargo, esto podría haberse visto influenciado por las diferencias significativas en el número de casos por variable, encontrando que el 91,8% de la muestra se había vacunado y el 75% no se había contagiado por COVID-19.

Por lo tanto, ante los resultados obtenidos, se podría justificar la necesidad de desarrollar la resiliencia como factor protector ante el impacto negativo del COVID-19, tal y como aseguran numerosas investigaciones, donde se considera primordial trabajar por el bienestar y la resiliencia de los trabajadores sanitarios durante la pandemia²⁷. De igual manera, se justifica ante los resultados de una investigación donde se demostró que la ansiedad producida por el COVID-19, en profesionales sanitarios, se reducía de manera asociada a la resiliencia y al apoyo social y organizativo²⁸.

Conclusiones, limitaciones y prospectiva

La principal conclusión es que la variable resiliencia actúa como variable predictora de las variables depresión, ansiedad y estrés, por lo que, si se aumentasen sus niveles entre la población sanitaría, se contribuiría a proteger su salud mental.

Por otro lado, se ha observado que la resiliencia predice un bajo porcentaje de la varianza de la variable ansiedad, incentivando a estudiar otras variables que sean más predictoras para esta variable y para las demás.

A su vez, sería interesante ampliar el estudio sobre qué factores resilientes son los que más predicen el impacto negativo, para poder centrar planes de intervención sobre ellos, incluyendo otros propuestos por otros autores, como Wagnild y Young²⁹. Así, según esta investigación, sería muy favorable concentrar la intervención sobre metas e identidad. Por lo tanto, en el caso de planificar un programa de intervención para aumentar la resiliencia en esta población diana, se anima a fomentar especialmente los factores de metas e identidad, dado que los resultados avalan su gran influencia sobre el constructo.

Por otro lado, una de las principales limitaciones de este trabajo es el tipo de muestreo y el formato de recogida de la información, que se considera que haya conducido al incumplimiento del supuesto de homocedasticidad, proponiéndose una revisión de la muestra y el análisis de otras posibles causas que permitieran corregir la heterocedasticidad encontrada. Además, se recomienda el uso de muestreo probabilístico para sucesivas investigaciones.

Otra limitación encontrada ha sido el uso de una única escala para medir las principales variables dependientes, proponiendo la utilización de más escalas validadas para futuras investigaciones, con el objetivo de proteger tanto la fiabilidad como la validez del estudio. Así, se puede observar que en el presente trabajo existe un sesgo tanto de selección como de información que amenazan la validez interna del estudio. Además, con relación a la validación de los instrumentos utilizados, la escala SV-RES-36 está validada en una muestra canaria, recomendándose utilizar una validación con una muestra que incluyera a todas las comunidades autónomas y, concretamente, con una muestra de médicos de atención primaria. Lo mismo sucede con el cuestionario DAS-21, que no ha sido validado para una muestra de profesionales sanitarios.

Además, hubiera sido más adecuado haber realizado un seguimiento, tanto previo como durante todo el transcurso de la pandemia, llevando a cabo un estudio longitudinal. De esta forma, se habría podido observar el verdadero impacto del COVID-19 sobre la salud mental de los médicos de atención primaria, intentando evitar variables extrañas.

Se anima a seguir investigando sobre qué variables pueden proteger la salud mental para promover su potenciación, incluyendo además otras variables que se han visto alteradas por el COVID-19, como, por ejemplo, el sueño³⁰.

Además, se podría dar continuidad al presente estudio analizando las variables control utilizadas y las regresiones múltiples efectuadas con ellas, midiendo, a través de un ANOVA, qué grupos son los responsables de las diferencias, y analizar a su vez qué grupos tienen mayores niveles, tanto de resiliencia como de las variables dependientes.

Finalmente, se concluye con la necesidad de proteger la salud mental de los trabajadores sanitarios dada la situación actual de pandemia, promoviendo como posible solución su resiliencia.

Financiación

La autora declara que no hubo financiación.

Conflicto de intereses

La autora declara no tener conflicto de intereses sobre la investigación, autoría o publicación del artículo.

Agradecimientos

A la doctora M. Teresa Maroto Ortega, al doctor Eugenio Saavedra Guajardo, a Sindicatos Médicos de Atención Primaria de Aragón, a la Asociación de Médicos de Atención Primaria de Canarias, al Distrito Sanitario Bahía de Cádiz-La Janda, especialmente al Dr. Manuel M. Ortega Marlasca, y a SAMFyC y CAMFiC.