Directrices ITC para la adaptación de tests

La primera confusión que disipa el documento de la ITC es la palabra adaptar. Traducir un test consiste en trasladar sus ítems de una lengua a otra conservando, en teoría, el mismo significado. Adaptar un test consiste en asegurar que la versión final mide el mismo constructo en otra población, con la misma precisión y con normas de puntuación que permitan interpretaciones comparables. Traducir mueve palabras; adaptar verifica que el constructo viaje junto con ellas.

Esa diferencia importa porque un ítem puede estar perfectamente traducido y aun así perder su sentido psicológico. Si en una cultura la afirmación «me siento agotado después de trabajar» se interpreta como una queja habitual, y en otra como una señal de alerta clínica, la traducción no resuelve la discrepancia. Hace falta una decisión sobre si el ítem debe reformularse, sustituirse, o eliminarse, y esa decisión no la dicta la lingüística, la dicta la evidencia psicométrica.

El comité que redactó la segunda edición fue coordinado por Ronald K. Hambleton, figura de referencia en adaptación de tests y coautor del libro clásico sobre el tema. La segunda edición mantiene la estructura de la primera (2005) y refina el lenguaje, incorpora la experiencia de casi dos décadas de uso y añade criterios de evidencia más explícitos para la confirmación empírica. Si te interesa el recorrido histórico, el apunte de adaptación y validación transcultural cubre el ciclo entero de la ITC y la fase psicométrica posterior.

Punto de oro 1. Adaptar un test es un proceso con reglas, no una variante opcional de traducirlo, evidencia exigida y trazabilidad. Un test sin evidencia de adaptación es, en el caso más favorable, una traducción revisada por colegas; en el caso más grave, un instrumento que produce puntuaciones sin respaldo interpretativo.

Qué cambia entre la edición de 2005 y la de 2017

La segunda edición no rehízo las directrices, las consolidó. Las 18 directrices conservan su numeración, su redacción general y la organización en seis bloques, lo que facilita comparar reportes nuevos con trabajos previos. Donde se nota el ajuste es en el lenguaje: se hace explícito que cada directriz exige evidencia documentada y que esa evidencia puede ser cualitativa, cuantitativa o mixta, según la decisión. Para psicómetras que están evaluando qué reporte citar, esta estabilidad significa que un artículo de 2010 que cite las directrices sigue siendo leíble hoy, a condición de que se especifique que se usó la primera edición.

La estructura de las directrices es un flujo. No son 18 preguntas sueltas, son seis fases ordenadas, cada una con sus directrices. La primera fase (pre-condiciones) decide si se adapta y con qué recursos. La segunda (desarrollo) produce la versión adaptada. La tercera (confirmación) reúne evidencia empírica de equivalencia. Las tres restantes regulan la administración del test, las normas de puntuación y la documentación de todo el proceso.

El orden importa porque cada fase produce insumos que la siguiente necesita. No tiene sentido confirmar empíricamente un test cuya versión traducida aún no se ha piloteado. Tampoco tiene sentido documentar evidencia que no se ha recogido. Por eso la ITC insiste en planificar el proceso entero antes de traducir un solo ítem.

Distribución de las 18 directrices por bloque

La suma 3 + 5 + 3 + 2 + 2 + 3 da 18. Si en un reporte encuentras otra distribución, probablemente el autor está usando una versión vieja, una lectura libre, o un esquema propio que conviene contrastar con la fuente oficial.

Las pre-condiciones (P-1 a P-3) son tres preguntas de fondo, no tareas administrativas. La primera (P-1) exige que el equipo justifique la adaptación con razones explícitas: diferencias lingüísticas, culturales, educativas, o la ausencia de instrumentos nativos. La segunda (P-2) pide documentar el proceso de obtención de permisos con el autor o el editor del test original, así como los derechos de uso y de modificación. La tercera (P-3) obliga a conformar un equipo con competencia psicológica, lingüística y metodológica, incluyendo, cuando proceda, consultores de la cultura diana.

Las cinco directrices de desarrollo (D-1 a D-5)

1. D-1. Traducción inicial. Cada ítem se traduce al menos dos veces por traductores competentes, de forma independiente. El objetivo no es acordar la palabra más ajustada, sino detectar divergencias que obliguen a discutir el sentido.
2. D-2. Síntesis de las traducciones. Las versiones se contrastan, se discuten y se funden en una sola versión. El mediador documenta qué diferencias aparecieron y por qué se eligió una forma sobre otra.
3. D-3. Retrotraducción. La versión síntesis se traduce de vuelta a la lengua original, sin que el retrotraductor haya visto los ítems originales. La coincidencia no tiene que ser literal; tiene que preservar el constructo y la dificultad.
4. D-4. Revisión por expertos. Psicólogos, metodólogos y, cuando aplica, expertos en la cultura diana revisan la versión. La revisión se centra en ítems donde la retrotraducción se alejó del original, o donde la dificultad estimada se ha desviado.
5. D-5. Prueba piloto. La versión se aplica a una muestra pequeña (típicamente entre 5 y 30 personas, según la complejidad del instrumento) para detectar ítems confusos, sensibles o mal calibrados, antes de invertir en un estudio de confirmación.

Punto de oro 2. La retrotraducción es una herramienta más, no la prueba de calidad. Su valor está en obligar a mirar de nuevo el ítem traducido con ojos que no conocen el original. Si la retrotraducción se parece a la original, no se prueba nada; se prueba que alguien hizo el trabajo. La calidad se decide con la revisión por expertos y con la prueba piloto.

La prueba piloto es la fase donde la adaptación empieza a parecerse a la investigación. Ahí se decide si la versión se sostiene o si requiere ajustes profundos. Una prueba piloto bien hecha ahorra meses de trabajo en confirmación, porque elimina ítems problemáticos antes de que entren al análisis estadístico. Si te interesa el análisis posterior, el apunte sobre funcionamiento diferencial del ítem (DIF) y sesgo cubre las técnicas que se aplican a los datos de la fase de confirmación.

La fase de confirmación (C-1 a C-3) es donde la adaptación se separa de la traducción. Hasta aquí, el equipo ha producido una versión plausible; aquí toca demostrar que esa versión mide el mismo constructo que la original. La ITC no exige una sola técnica, exige evidencia. La equivalencia puede ser lingüística, semántica, técnica, funcional, o de criterio, y cada tipo tiene su método de evaluación.

La directriz C-1 pide diseñar un estudio apropiado al test y a la población. La directriz C-2 obliga a recoger datos con la versión adaptada y, cuando sea posible, con la versión original, o al menos con datos normativos originales. La directriz C-3 pide analizar la equivalencia con métodos congruentes con la teoría psicométrica del test: análisis factorial, invarianza, funcionamiento diferencial del ítem, comparaciones de fiabilidad, o, en pruebas de conocimiento, comparaciones de dificultad calibradas.

Punto de oro 3. La equivalencia no es un todo o nada. Se demuestra por niveles: equivalencia semántica, equivalencia estructural (invarianza factorial), equivalencia métrica (invarianza de cargas y umbrales), equivalencia de escala (invarianza de medias y varianzas). Cada nivel requiere un análisis distinto y soporta una conclusión distinta.

La diferencia entre equivalencia estructural y métrica es la que más confunde en la práctica. Decir que dos versiones tienen la misma estructura factorial (los mismos factores emergen) no basta para afirmar que las puntuaciones se pueden comparar. Hace falta mostrar que las cargas factoriales y los umbrales son invariantes, o sea, que un aumento de una unidad en la variable latente produce el mismo cambio en la probabilidad de respuesta en ambas versiones. Si quieres profundizar, el apunte sobre invarianza de medición trabaja este nivel de detalle.

Qué cuenta como evidencia suficiente

La ITC no fija un umbral numérico universal, porque cada test tiene su propia lógica. Lo que exige es coherencia: que el método elegido sea congruente con la naturaleza del constructo, con el tamaño de la muestra, y con las decisiones que se tomarán a partir del test. Un estudio con 50 personas puede ser aceptable para confirmar equivalencia semántica de un cuestionario breve; no es aceptable para confirmar invarianza métrica de una escala multidimensional larga. La pregunta que el adaptador debe hacerse antes de dar por hecha la fase C es: ¿qué decisiones interpretativas permitirá este cuerpo de evidencia?

Las consecuencias de este error no son menores. Cuando un profesional clínico interpreta la puntuación de un paciente con un instrumento que carece de normas locales, puede tomar decisiones de derivación, diagnóstico o seguimiento que no se sostienen. Cuando un estudio de investigación recluta una muestra y le aplica un test sin evidencia de equivalencia, las diferencias entre grupos se vuelven no interpretables. El problema apunta a la ausencia de evidencia, no a la intención.

Punto de oro 4. Un test aplicado en un contexto lingüístico o cultural distinto, sin adaptación documentada, no genera datos comparables. La traducción es una hipótesis, no una adaptación. La hipótesis se pone a prueba en la fase de confirmación; mientras eso no ocurra, la versión está en un limbo interpretativo.

Cómo se detecta esta trampa en un reporte

Un lector cuidadoso puede identificar el problema en pocos minutos. Si el reporte afirma que se usó la versión «adaptada» pero no describe las cinco directrices de desarrollo, ni las tres de confirmación, ni la documentación final, hay una alta probabilidad de que el autor esté describiendo una traducción como adaptación. Si el reporte omite la fase C del todo, o la reduce a «se aplicó la versión original y la versión traducida a una muestra de conveniencia y se compararon las medias», también. La fase C no se cumple con una comparación de medias; se cumple con análisis de equivalencia explícitos.

Otra señal de alerta: cuando el reporte no documenta la decisión de adaptar (P-1), ni los permisos (P-2), ni la composición del equipo (P-3). Una adaptación documentada debe permitir que un lector independiente entienda quién hizo qué, con qué criterios, y con qué evidencia. Si esa trazabilidad no está, el lector no puede defender el uso del instrumento ante un comité, un par revisor o un juez.

Punto de oro 5. La trampa tiene un antídoto simple: escribir el reporte con la estructura de las 18 directrices. Si al terminar la redacción hay directrices sin responder, ese hueco es la trampa que has evitado. Y si lo que tienes es una traducción revisada, decirlo explícitamente protege a los usuarios futuros del instrumento.