Ciencias Psicológicas; v19(2)

julio-diciembre 2025

10.22235/cp.v19i2.4686

Artículos originales

Estructura factorial, consistencia interna e invarianza factorial de una escala de autoinforme para la evaluación de problemas de salud mental en adultos

Factorial Structure, Internal Consistency, and Measurement Invariance of a Self-Report Scale for Assessing Mental Health Problems in Adults

Estrutura fatorial, consistência interna e invariância fatorial de uma escala de autorrelato para avaliação de problemas de saúde mental em adultos

César Daniel Costa-Ball¹, ORCID 0000-0003-0477-2545

María Eugenia Fernández², ORCID 0000-0002-9197-0015

Urbano Lorenzo-Seva³, ORCID 0000-0001-5369-3099

Lilian Daset⁴, ORCID 0000-0002-5119-324X

¹Universidad Católica del Uruguay, Uruguay, [email protected]

²Universidad Católica del Uruguay, Uruguay

³Universitat Rovira i Virgili, España

⁴Universidad Católica del Uruguay, Uruguay

Resumen:

Antecedentes: En América Latina existen pocos instrumentos breves, válidos y culturalmente pertinentes para la evaluación de la salud mental de adultos, lo que puede dificultar la detección temprana y el acceso a intervenciones oportunas.
Objetivo: Adaptar y validar una escala de autoinforme para adultos, derivada del Autoinforme de Adolescentes (ADA), que evalúa la sintomatología psicopatológica y las fortalezas personales.
Método: Participaron 9.885 adultos uruguayos (M = 41.5 años; 62.7 % mujeres), quienes completaron la versión abreviada del instrumento ADAL (versión para adultos del ADA) y el Índice de Bienestar Personal (PWI-A). Se realizaron análisis factoriales confirmatorios, análisis de fiabilidad, pruebas de invarianza por género, edad y nivel socioeconómico, y de relación con el bienestar y las variables sociodemográficas.
Resultados: El modelo de seis dimensiones mostró buen ajuste (CFI = .951, TLI = .944, RMSEA = .031) y fiabilidad adecuada (α ordinal = .71–.90). Se confirmó la invarianza configural, métrica y escalar para los grupos de género, edad y nivel socioeconómico. Las correlaciones con el bienestar evidencian validez basada en relaciones con otras variables externas.
Conclusión: El ADAL es un instrumento breve, válido y fiable para evaluar la salud mental en adultos, con aplicaciones potenciales en contextos clínicos, comunitarios y de investigación en la población hispanohablante.

Palabras clave: salud mental; evaluación psicológica; propiedades psicométricas; invarianza factorial; Índice de Bienestar Personal.

Abstract:

Background: In Latin America, there is a lack of brief, valid, and culturally appropriate instruments for assessing adult mental health, which may hinder early detection and primary access to interventions.
Objective: This aim of this study was to adapt and validate a self-report scale for adults derived from the Adolescent Self-Report (ADA), designed to assess psychopathological symptoms and personal strengths.
Method: A total of 9,885 Uruguayan adults (M = 41.5 years; 62.7% women) participated by completing the abbreviated version of the instrument, the ADAL (Adult version of the ADA), along with the Personal Wellbeing Index (PWI-A). Confirmatory factor analyses, reliability assessments, measurement invariance tests by gender, age, and socioeconomic status, and correlational analyses with wellbeing and sociodemographic variables were conducted.
Results: The six-factor model showed good fit (CFI = .951, TLI = .944, RMSEA = .031) and adequate reliability (ordinal α = .71–.90). Configural, metric, and scalar invariance were confirmed across gender, age, and socioeconomic groups. Correlations with wellbeing provided evidence of validity based on relations with external variables.
Conclusions: The ADAL is a brief, valid, and reliable instrument for assessing adult mental health, with potential applications in clinical, community, and research settings within Spanish-speaking populations.

Keywords: intervención parental; participación; implicación; padres.

Resumo:

Antecedentes: Na América Latina, existem poucos instrumentos breves, válidos e culturalmente apropriados para a avaliação da saúde mental de adultos, o que pode dificultar a detecção precoce e o acesso a intervenções oportunas.
Objetivo: O objetivo deste estudo foi adaptar e validar uma escala de autorrelato para adultos, derivada do Autorrelato de Adolescentes (ADA), que avalia sintomatologia psicopatológica e forças pessoais.
Método: Participaram 9.885 adultos uruguaios (M = 41,5 anos; 62,7 % mulheres), que responderam à versão abreviada do instrumento ADAL (versão para adultos do ADA) e ao Índice de Bem-Estar Pessoal (PWI-A). Foram realizadas análises fatoriais confirmatórias, análises de confiabilidade, testes de invariância por gênero, idade e nível socioeconômico, e análises de correlação com bem-estar e variáveis sociodemográficas.
Resultados: O modelo de seis dimensões apresentou bom ajuste (CFI = 0,951, TLI = 0,944, RMSEA = 0,031) e confiabilidade adequada (α ordinal = 0,71–0,90). Confirmou-se a invariância configural, métrica e escalar para os grupos de gênero, idade e nível socioeconômico. As correlações com o bem-estar evidenciaram validade baseada em relações com outras variáveis externas.
Conclusões: O ADAL é um instrumento breve, válido e confiável para avaliar a saúde mental em adultos, com potencial de aplicação em contextos clínicos, comunitários e de pesquisa em populações de língua espanhola.

Palavras-chave: intervenção parental; engajamento; envolvimento; pais.

Recibido: 25/06/2025

Aceptado: 24/10/2025

La salud mental en la población adulta constituye un componente fundamental del bienestar individual y colectivo, así como un determinante clave de la calidad de vida (Diener et al., 2018). En América Latina, la carga asociada a los trastornos mentales es elevada (Organización Panamericana de la Salud (OPS), 2023). La limitada disponibilidad de personal altamente especializado y de herramientas de evaluación estandarizadas constituyen desafíos significativos para el desarrollo y la implementación de intervenciones efectivas (OPS, 2023).

Factores socioculturales como las desigualdades socioeconómicas, el estigma y las barreras de acceso a los servicios de salud mental refuerzan la urgencia de desarrollar instrumentos de evaluación e intervenciones que sean culturalmente sensibles y aplicables en contextos latinoamericanos. Según la Organización Mundial de la Salud (OMS, 2022a), entre el 76 % y el 85 % de las personas con trastornos mentales graves en países de ingresos bajos y medianos no acceden a tratamiento, en contraste con el 35-50 % en países de ingresos altos. A raíz de la pandemia de covid-19, la prevalencia de sintomatología psicopatológica aumentó significativamente, en especial, en ansiedad y depresión, y este fenómeno continúa siendo una preocupación global (OMS, 2022b; OPS, 2023). Estudios antecedentes muestran además diferencias de género en el impacto de la salud mental en hombres y mujeres (Otten et al., 2021; Prowse et al., 2021).

En este contexto, la detección temprana de síntomas puede mejorar significativamente las intervenciones preventivas y terapéuticas. No obstante, en América Latina persiste una escasez de instrumentos de cribado validados en español para población adulta (Tejada et al., 2014). En contraste, en Uruguay se han desarrollado o validado herramientas centradas en la salud mental infantil y adolescente (Castillo & Ortuño, 2023; Costa-Ball et al., 2023; Daset et al., 2015; Machado et al., 2021), lo que pone en evidencia la brecha en la adaptación cultural y lingüística de los instrumentos dirigidos a personas adultas en Uruguay.

La disponibilidad de los instrumentos psicométricamente válidos y fiables resulta esencial para fundamentar la formulación y la evaluación de las políticas públicas basadas en evidencia (OMS, 2022c). Las organizaciones internacionales recomiendan el uso de herramientas de cribado como medios eficaces para la detección oportuna en entornos clínicos y comunitarios (OMS, 2022a; OPS, 2023). En este contexto, los instrumentos de cribado breve se convierten en una herramienta eficaz y estratégica para identificar tempranamente sintomatología en la población general, y a partir de ello, facilitar el acceso a servicios, apoyar las decisiones clínicas y generar evidencia para el diseño de políticas públicas. Este tipo de instrumentos resulta especialmente útil en la atención primaria por su facilidad de administración y puntuación (World Health Organization, 2018).

Siguiendo estas directrices, en Uruguay se desarrolló un instrumento de cribado llamado Autoinforme de Adolescentes (ADA) para detectar dimensiones psicopatológicas, resilientes y prosociales en población adolescente (Daset et al., 2015). La construcción siguió un proceso progresivo de depuración psicométrica y validación empírica a partir de la versión inicial de 117 ítems. Para la obtención de la estructura interna se hicieron diferentes análisis factoriales exploratorios (AFE) y se generaron sucesivas reducciones que permitieron mejorar la parsimonia y la fiabilidad del instrumento. La versión de 82 ítems se consolidó tras la eliminación de reactivos redundantes o con bajo poder discriminativo, reunidos en seis dimensiones clínicamente significativas con un adecuado ajuste (χ² = 3488.89, gl = 2844, χ 2/gl = 1.22, CFI = .94, TLI = .93 y RMSEA = .026), con coeficientes alfa de Cronbach que oscilaron entre .84 y .94. Posteriormente, se elaboró una versión abreviada de 24 ítems, a partir de seleccionar los cuatro reactivos con mayor carga factorial en cada una de las seis dimensiones. La versión abreviada del ADA ha demostrado buenas propiedades psicométricas en población adolescente (Daset et al., 2021), con índices de ajuste adecuados (χ² = 320.12; gl = 237; p < .001; χ²/gl = 1.35; CFI = .95; TLI = .96; RMSEA = .031) y niveles aceptables de fiabilidad (alfa ordinal): FI (depresión/ansiedad) = .91, F2 (conducta disocial/adictiva) = .78, F3 (desregulación emocional) = .76, F4 (ansiedad social) = .81, F5 (resiliencia/prosocialidad) = .76 y F6 (obsesión/compulsión) = .65.

El instrumento ADA y el ADAL (versión para adultos) se basan en el modelo Achenbach System of Empirically Based Assessment (ASEBA) de Achenbach (1978), validado empíricamente y con adaptaciones realizadas en distintos contextos culturales (Lemos et al., 1992; López-Soler et al., 2010; Verhulst & Achenbach, 1995). ASEBA ofrece un marco integral para la evaluación empírica de los problemas emocionales y conductuales a lo largo del desarrollo. Originalmente diseñado para población infantil y adolescente mediante el Youth Self-Report (YSR), ha mostrado una estructura jerárquica estable que organiza los síntomas en síndromes específicos y dimensiones amplias de tipo internalizante y externalizante. Dicha coherencia factorial ha motivado su extensión al ámbito adulto mediante el desarrollo del Adult Self-Report (ASR), con el propósito de mantener la continuidad del modelo y permitir comparaciones longitudinales entre etapas del ciclo vital. Esta continuidad metodológica y conceptual convierte al modelo ASEBA en una herramienta particularmente valiosa para estudiar la persistencia y transformación de los patrones psicopatológicos desde la adolescencia hasta la adultez (Achenbach et al, 2017).

Por otra parte, evaluar el bienestar psicológico subjetivo (BPS) junto con indicadores de sintomatología psicopatológica posibilita una comprensión más equilibrada del continuo salud-enfermedad mental, que favorece la detección temprana de vulnerabilidades y la identificación de factores protectores que pueden mitigar el riesgo de desarrollo de una psicopatología. Esta integración resulta coherente con un enfoque de salud mental centrado tanto en la detección del malestar como en la promoción de fortalezas personales (Hedley et al., 2021). Niveles elevados de BPS actúan como un factor protector frente a trastornos mentales, mientras que su disminución se asocia con una mayor sintomatología depresiva y ansiosa (Anselmi et al., 2024; Diener et al., 2018). Las intervenciones orientadas a fortalecer el bienestar han mostrado una eficacia preventiva y terapéutica (Fernández et al., 2018; Fernández et al., 2024), por lo que integrar su medición en evaluaciones de salud mental es metodológicamente sólido y clínicamente pertinente (Enríquez et al., 2023).

Diversos estudios han hallado asociaciones negativas entre el Índice de Bienestar Personal (PWI; Cummins et al., 2003) y los síntomas de ansiedad y depresión, y relaciones positivas con factores protectores como la resiliencia y la prosocialidad (Hedley et al., 2021; Jeyagurunathan et al., 2025). En adolescentes y jóvenes adultos, mayores dificultades emocionales y conductuales se vinculan con un menor bienestar, mientras que niveles más altos de resiliencia se asocian con un mayor bienestar personal (Soriano-Díaz et al., 2022; Tomyn & Weinberg, 2018).

Este estudio tiene como objetivo adaptar y validar psicométricamente un instrumento de cribado de la sintomatología psicopatológica y las fortalezas para la población adulta uruguaya, a partir del ADA, desarrollado originalmente para adolescentes de 12 a 18 años (Daset et al., 2015; Daset et al., 2021). El instrumento adaptado para adultos, denominado ADAL, conserva la estructura básica del ADA, con una versión abreviada de 24 ítems distribuidos en seis dimensiones. Se utiliza una escala tipo Likert de cinco puntos para evaluar la frecuencia de emociones, comportamientos y pensamientos en el último mes.

En este trabajo se presentan los análisis psicométricos del ADAL en población adulta uruguaya, incluyendo la estructura factorial, la invarianza, la fiabilidad, la relación con variables sociodemográficas y con el BPS. La validación del ADAL puede implicar un avance significativo para la evaluación de la salud mental en adultos en Uruguay y otros países de la región. Su utilidad como herramienta breve, accesible y culturalmente pertinente la podría convertir en una opción valiosa para la práctica clínica, la salud pública y la investigación.

Método

Se empleó un diseño instrumental y empírico (Ato et al., 2013), siguiendo las directrices de la Comisión Internacional de Test para la adaptación de test (Hernández et al., 2020), para el desarrollo de instrumentos de evaluación psicológica y las recomendaciones metodológicas para análisis factoriales (Carretero & Pérez-Díaz, 2005; Ferrando et al., 2022; López-Pina & Veas, 2024). El estudio se enmarca en un enfoque cuantitativo basado en estrategias descriptivas, comparativas y asociativas (Ato et al., 2013).

Participantes

La muestra incluyó 9.885 personas mayores de 19 años (M = 32.78, DE = 12.24), seleccionadas mediante un muestreo no probabilístico intencional. El 61.9 % se identificó como mujer cisgénero, el 36.7 % como hombre cisgénero, el 0.5 % como persona transgénero y el 0.7 % seleccionó otra identidad de género o no respondió. Por edad, el 35 % eran jóvenes (19-24 años), el 48 % adultos jóvenes (25-44) y el 17 % adultos/adultos mayores (45-88 años). El 8 % pertenece a un nivel socioeconómico bajo, el 66 % medio y el 26 % alto. Geográficamente, el 68 % reside en la zona metropolitana y el resto en el interior del país (32 %).

Instrumentos

El Cuestionario de Autoinforme para Adultos (ADAL) fue desarrollado en la Universidad Católica del Uruguay para evaluar dimensiones psicopatológicas, resilientes y prosociales. Deriva del ADA (Daset et al., 2015), del que conserva su estructura factorial de seis dimensiones: F1: depresión/ansiedad; F2: disocial con comportamiento adictivo, F3: desregulación disruptiva del estado de ánimo, F4: ansiedad social, F5: resiliencia/prosocialidad y F6: obsesión/compulsión. Los 24 ítems se responden en una escala Likert de cinco puntos (1: Totalmente en desacuerdo; 5: Totalmente de acuerdo).

La adaptación de la versión abreviada del ADA para su uso en población adulta se realizó siguiendo los estándares internacionales de adaptación lingüística y validez basada en contenido (American Educational Research Association (AERA) et al., 2014). El propósito fue garantizar que los 24 ítems conservaran los constructos psicológicos originales, expresados ahora en un registro adecuado para adultos uruguayos. La adaptación se realizó mediante revisión experta, asegurando la equivalencia semántica y la adecuación contextual. En una primera etapa, el equipo de investigación en Psicopatología y Bienestar de la Universidad Católica del Uruguay —responsable del desarrollo original del ADA— efectuó una reformulación lingüística preliminar de los ítems, ajustando expresiones, tiempos verbales y redacción, para asegurar claridad, naturalidad y equivalencia conceptual con la versión para adolescentes. Se modificaron expresiones como el tratamiento de “tú” a “usted” y términos como “liceo” por “trabajo/estudio”.

En la segunda etapa, se llevó a cabo una evaluación de contenido mediante juicio experto. Dos doctores en Psicología especializados en psicopatología (uno en España y otro en Uruguay) revisaron los ítems y los evaluaron en términos de: (1) adecuación lingüística para adultos, (2) suficiencia del contenido, (3) claridad, (4) coherencia conceptual con cada dimensión del ADA, y (5) relevancia para el constructo evaluado. Sus observaciones cualitativas fueron analizadas y consensuadas por el equipo, que realizó ajustes cuando resultó necesario para preservar el significado original. El proceso dio como resultado una versión lingüísticamente adaptada —ADAL— que mantiene la estructura conceptual y las seis dimensiones del ADA, aportando evidencia sólida de validez basada en contenido para su aplicación en población adulta.

El Índice de Bienestar Personal-Adultos (PWI-A; Cummins, 2024) evalúa la satisfacción subjetiva en siete dominios mediante una escala tipo Likert de 11 puntos que va de 0: nada satisfecho a 10: totalmente satisfecho. El puntaje total se obtiene promediando las respuestas a los siete ítems y luego convirtiendo este promedio a un puntaje entre 0 y 100 mediante la fórmula: (media/10) × 100, donde 0 indica el menor nivel posible de bienestar y 100 el máximo. Se utilizó la versión validada para Uruguay que mostró un ajuste unidimensional adecuado (χ²(13) = 260.52, p < .001; RMSEA = .063; CFI = .979; TLI = .966; SRMR = .022) y buena fiabilidad (α ordinal = .84) (Fernández et al., 2021).

Con el propósito de caracterizar a los sujetos participantes, se utilizó la Encuesta Sociodemográfica ADA (Daset et al., 2021), que recopiló información sobre variables sociodemográficas (género, edad, nivel educativo, situación laboral y antecedentes familiares relevantes), así como comportamientos vinculados a la salud (por ejemplo, patrones de sueño y consumo de sustancias). Para evaluar el nivel socioeconómico, se utilizó la versión reducida del Índice de Nivel Socioeconómico (INSE; Perera, 2018), un indicador ampliamente utilizado en investigaciones nacionales que combina información sobre educación, ocupación e infraestructura del hogar para clasificar a las familias en tres estratos socioeconómicos comparables (bajo, medio y alto).

Procedimiento

La recolección de datos se realizó mediante un cuestionario online difundido por medio de redes sociales y correo electrónico, siguiendo un muestreo no probabilístico de tipo intencional. El formulario, administrado en Google Forms, incluía una página inicial con los objetivos del estudio, la duración estimada (hasta 20 minutos), la voluntariedad de la participación, el anonimato y el consentimiento informado. El orden de presentación de los instrumentos fue: (1) encuesta sociodemográfica, (2) INSE, (3) cuestionario ADAL y (4) PWI-A.

Se respetaron las normativas nacionales sobre investigación en seres humanos (Decreto 001-4573/2007 y Ley n.º 18.331). La confidencialidad y el anonimato de los participantes fueron garantizados. Todos los datos se recopilaron y almacenaron en una base de datos segura, accesible únicamente para el equipo de investigación. El proyecto recibió el aval del Comité de Ética de la Universidad Católica del Uruguay. Los datos se recopilaron entre febrero y julio de 2022.

Análisis de los datos

El análisis psicométrico se organizó en cinco etapas secuenciales, siguiendo un diseño de validación cruzada y los estándares de la AERA et al. (2014). La muestra no representativa (N = 9885) se dividió aleatoriamente en dos mitades equivalentes mediante el procedimiento SOLOMON (Lorenzo-Seva, 2022).

Etapa 1: Análisis factorial exploratorio (AFE)

Con la primera submuestra (n = 4943) se realizó un AFE en el programa FACTOR (Lorenzo-Seva & Ferrando, 2006), utilizando una matriz de correlaciones policóricas, una estimación mediante mínimos cuadrados no ponderados (ULS) y una rotación oblicua Promin (Lorenzo-Seva & Ferrando, 2019). La adecuación muestral se evaluó mediante el índice KMO (valores ≥ .70) y la prueba de esfericidad de Bartlett (p < .05). La decisión sobre el número de factores a retener se basó en el criterio BIC (Gibson et al., 2020). Se consideraron los supuestos de normalidad univariada (prueba de Kolmogorov–Smirnov), asimetría (|As| < 3) y curtosis (K < 8). La calidad de los ítems se examinó mediante el índice QIM y el coeficiente MSA (Lorenzo-Seva & Ferrando, 2021), excluyéndose aquellos con valores de MSA inferiores a .50. La fiabilidad interna se estimó mediante el coeficiente alfa ordinal.

Etapa 2: Análisis factorial confirmatorio (AFC)

Con la segunda submuestra (n = 4942), se realizó un AFC en Mplus 8.5 (Muthén & Muthén, 2017) utilizando el estimador WLSMV, adecuado para variables categóricas ordinales. Se evaluó el ajuste del modelo identificado en el paso previo mediante los índices χ², χ²/gl, CFI, TLI, RMSEA y SRMR, considerando los puntos de corte recomendados en la literatura (Schreiber et al., 2006): valores de CFI y TLI ≥ .95 indican ajuste excelente y ≥ .90 aceptable, RMSEA ≤ .06 y SRMR ≤ .08 reflejan buen ajuste. Posteriormente, se probó el modelo en la muestra total para confirmar la estabilidad de la solución factorial obtenida. Se evaluaron los indicadores de fiabilidad y validez de constructo derivados del modelo confirmatorio. La fiabilidad compuesta (CR) se consideró adecuada cuando presentó valores iguales o superiores a .70, lo que indica una proporción suficiente de varianza verdadera respecto del error de medición (Hair et al., 2020). La validez convergente se examinó mediante la varianza media extraída (AVE), aceptándose valores ≥ .50 como evidencia de que el constructo explica al menos el 50 % de la varianza de sus ítems (Fornell & Larcker, 1981). La validez discriminante se estimó mediante el índice HTMT (Heterotrait–Monotrait Ratio of Correlations), calculado a partir de correlaciones policóricas entre ítems; valores < .85 indican discriminación adecuada (Henseler et al., 2015). La consistencia interna se evaluó adicionalmente mediante el alfa ordinal (Zumbo et al., 2007), apropiado para ítems ordinales a partir de correlaciones policóricas (Gadermann et al., 2014). Finalmente, se reportaron las cargas estandarizadas, sus errores estándar y los coeficientes de determinación (R²) de cada ítem.

Etapa 3: Evaluación de la invarianza multigrupo (MG-CFA) con la muestra total

Con la muestra total, se evaluó la invarianza factorial del modelo de seis factores por género, edad y nivel socioeconómico (NSE) mediante MG-CFA en Mplus 8.5 (Muthén & Muthén, 2017), utilizando el estimador WLSMV. Se testearon secuencialmente los modelos configural, métrico y escalar, evaluando el ajuste global, usando los criterios de invarianza basados en cambios de ΔCFI ≤ .010 y ΔRMSEA ≤ .015 (Chen, 2007; Cheung & Rensvold, 2002). Las variables agrupadoras fueron definidas siguiendo criterios teóricos del desarrollo adulto. La variable edad se clasificó en tres grupos evolutivos: (1: adultez emergente 20–24 años, 2: adultez temprana e intermedia 25–44 años, y 3: adultez media y tardía 45 años o más) (Arnett, 2000; Dyussenbayev, 2017). Las otras variables agrupadoras fueron: género (1: hombres, 2: mujeres) y nivel socioeconómico (NSE; 1: bajo, 2: medio, 3: alto).

Etapa 4: Evidencia de validez externa

Finalmente, se exploró la validez basada en relaciones con variables externas (género, edad, NSE y bienestar subjetivo). Se emplearon correlaciones de Spearman, pruebas de Kruskal-Wallis y comparaciones post hoc, debido a la no normalidad de las distribuciones y la naturaleza ordinal de los datos. Se formularon hipótesis basadas en literatura previa (Cummins et al., 2014; Jeyagurunathan et al., 2025), anticipando correlaciones negativas entre dimensiones de malestar psicológico (F1, F2, F3, F4 y F6) y bienestar subjetivo (PWI), y una correlación positiva con la dimensión de resiliencia y prosocialidad (F5) (Martínez-Moreno et al., 2020; Tomyn & Weinberg, 2018). La evidencia internacional muestra un gradiente social consistente en salud mental: los adultos con menor NSE presentan mayores niveles de depresión, ansiedad y distrés psicológico (Lorant et al., 2003). En línea con este patrón, se espera que un menor NSE se asocie con peores indicadores de salud mental en esta muestra. A su vez, se espera que las mujeres presenten mayores tasas de trastornos internalizantes y los hombres mayores tasas de trastornos externalizantes (Kayrouz et al., 2025) y que los adultos jóvenes presenten mayores tasas de ansiedad y depresión que los adultos medios y mayores (Collier Villaume et al., 2023).

Etapa 5: Evidencias adicionales de validez externa mediante la comparación del ADAL con valores normativos del ADA

Con el fin de aportar evidencia adicional de validez externa, se realizó una comparación entre los puntajes obtenidos con el ADAL en población adulta y los valores normativos del ADA reportados para adolescentes en el estudio original (Daset et al., 2015). Dado que el objetivo era contrastar las medias del grupo adulto con valores de referencia, se evaluó inicialmente el cumplimiento del supuesto de normalidad. Sin embargo, las pruebas de Kolmogorov–Smirnov y Anderson–Darling indicaron violaciones significativas del supuesto de normalidad (p < .001), por lo que se descartó la prueba t para una muestra. Ante la falta de normalidad, se aplicó la prueba no paramétrica de Wilcoxon para una muestra, adecuada para contrastar una mediana observada contra un valor teórico. Se calculó también el tamaño del efecto mediante la correlación biserial de rangos (r), interpretado como pequeño (≈ .10), mediano (≈ .30) o grande (≥ .50), siguiendo los criterios de Cohen (1988). Todas las etapas del análisis siguieron estándares de reporte recomendados para estudios de validación psicométrica (Brown, 2015; Kline, 2023).

Resultados

Etapa 1: Análisis factorial exploratorio (AFE)

El análisis preliminar evidenció desviaciones significativas de la normalidad univariada en la totalidad de los ítems (Tabla 1), con valores extremos de asimetría y curtosis, por lo que se utilizó una matriz de correlaciones policóricas para el AFE, conforme a las recomendaciones actuales (Lloret-Segura et al., 2014). El test de esfericidad de Bartlett fue significativo, χ² (276) = 56.795.2, p < .001, y el índice KMO fue .88, lo que indica una adecuada idoneidad muestral.

Tabla 1: Análisis de ítems con primera submuestra (n = 4943)

Tabla

El contenido generado por IA puede ser incorrecto.

Nota: M: media; Sk: asimetría; Ku: curtosis; h²: Comunalidad. En negritas cargas factoriales y comunalidad.

Como medida complementaria de validez estructural, se aplicó el estadístico Quartile of Ipsative Means (QIM), que mostró una clara diferenciación entre los ítems de malestar (cuartil 1) y de prosocialidad/resiliencia (cuartil 4). Este patrón es esperable en los instrumentos que evalúan síntomas de salud mental, dado que la baja prevalencia de tales síntomas en la población no clínica tiende a generar distribuciones asimétricas y varianza restringida (Clark & Watson, 1995).

Los resultados del análisis de estimación del número de factores a retener, realizado mediante el criterio BIC, sugirieron la retención de seis factores con muy buenos índices de ajuste (χ² = 255.98, gl = 147, χ²/gl = 1.73; CFI = .99; TLI = .99; RMSEA = .012; RMSR = .021) y con 72 % de la varianza total acumulada.

Los índices de determinación factorial (FDI = .92–.98) confirman la precisión de las puntuaciones factoriales. En conjunto, las seis dimensiones del ADAL están adecuadamente definidas y presentan puntuaciones factoriales altamente fiables (Ferrando & Lorenzo-Seva, 2016).

Las cargas factoriales obtenidas mostraron que cada conjunto de ítems se agrupó coherentemente en las seis dimensiones latentes, con cargas elevadas en el factor teórico esperado, mínimas cargas cruzadas y alta comunalidad. Estos resultados respaldan empíricamente la validez estructural del instrumento (Tabla 1), lo que indica que los ítems están adecuadamente representados por los factores comunes retenidos, conforme a los criterios psicométricos recomendados (Lloret-Segura et al., 2014).

En síntesis, el AFE realizado sobre la primera submuestra identificó una solución factorial de seis dimensiones, que reproduce la estructura reportada en los estudios psicométricos del ADA (Daset et al., 2015) y en la versión actualizada de su manual de autoinforme para adolescentes (Daset et al., 2021). Esta replicación del patrón factorial proporciona evidencia inicial de validez en la población adulta y sugiere la consistencia conceptual del modelo entre etapas evolutivas.

Etapa 2: Análisis factorial confirmatorio (AFC)

Se realizó un AFC sobre la segunda submuestra (n = 4943) utilizando el estimador WLSMV adecuado para ítems ordinales. Se evaluó el modelo de seis factores identificado previamente mediante el AFE en la primera submuestra. Los resultados indicaron un ajuste excelente del modelo (χ²(237) = 3658.44, p < .001; CFI = .965; TLI = .959; RMSEA = .054, IC90% (.053–.056); SRMR = .052) según los puntos de corte recomendados (Schreiber et al., 2006).

Todas las cargas factoriales estandarizadas fueron significativas (p < .001) y superiores a .61, lo que indica que los ítems se agrupan de manera coherente en sus respectivos factores (Brown, 2015). Además, las correlaciones entre factores fueron moderadas y consistentes con la naturaleza interrelacionada de los dominios evaluados, lo que respalda la independencia parcial de las dimensiones.

Confirmada la estructura de seis factores en la submuestra segunda, se replicó el AFC en la muestra completa (N = 9885). El modelo mostró un excelente ajuste (χ² (237) = 7955, p < .001; CFI = .96; TLI = .95; RMSEA = .057; SRMR = .052) (Figura 1).

Figura 1: Modelo confirmatorio de seis factores del instrumento ADAL (N = 9885)

Diagrama

El contenido generado por IA puede ser incorrecto.

Nota: Modelo estimado con el método WLSMV. Todos los parámetros son significativos (p < .001).

La Tabla 2 presenta las cargas factoriales estandarizadas, los errores estándar, la fiabilidad calculada con el método del alfa ordinal y las comunalidades de los ítems del modelo de seis factores. Todos los ítems mostraron cargas significativas, con errores bajos y comunalidades aceptables, lo que evidencia una adecuada representación de los factores latentes. Todas las cargas factoriales fueron estadísticamente significativas (p < .001), lo que indica que los ítems se agrupan coherentemente en las dimensiones propuestas.

Tras confirmar la estructura factorial del ADAL mediante el AFC, se evaluaron los indicadores de fiabilidad y validez de constructo. En primer lugar, se estimaron la fiabilidad compuesta (CR) y la varianza media extraída (AVE) para analizar la consistencia interna y la validez convergente de cada dimensión. En segundo lugar, se examinó la validez discriminante entre los factores mediante el índice HTMT (Heterotrait–Monotrait Ratio of Correlations), calculado a partir de correlaciones policóricas entre ítems. La Tabla 3 presenta conjuntamente los valores de CR, AVE y HTMT para las seis dimensiones del modelo, lo que evidencia la calidad psicométrica del instrumento.

Tabla 2: Análisis factorial confirmatorio: cargas, errores estándar, fiabilidad y comunalidades

Tabla

El contenido generado por IA puede ser incorrecto.

Nota: λᵢⱼ: cargas factoriales; S.E.: error estándar; R²: comunalidad.

Tabla 3: Fiabilidad compuesta (CR), validez convergente (AVE) y validez discriminante (HTMT policórico) de los factores del ADAL

Tabla

El contenido generado por IA puede ser incorrecto.

Nota: Por debajo de la diagonal principal se presenta la proporción heterorasgo-monorasgo (HTMT), que es un índice moderno de validez discriminante, calculado a partir de correlaciones policóricas entre ítems (Henseler et al., 2015). En la diagonal principal (en negrita) se muestra la AVE y en la columna derecha la fiabilidad compuesta (CR). Criterios de referencia: CR ≥ .70 (fiabilidad adecuada), AVE ≥ .50 (validez convergente) y HTMT < .85 (validez discriminante).

Etapa 3: Evaluación de la invarianza multigrupo (MG-CFA) con la muestra total

Se evaluó la invarianza factorial del instrumento ADAL en función del género, grupo etario y el NSE, mediante un enfoque jerárquico secuencial que incluyó los modelos configural, métrico y escalar. Antes del análisis, se realizaron transformaciones para evitar problemas de estimación derivados de celdas vacías en algunas combinaciones grupo-categoría. Las cinco opciones originales de respuesta se recodificaron en cuatro categorías, manteniendo la direccionalidad teórica de cada ítem. En los ítems de malestar psicológico (1-12 y 17-24) se agruparon las categorías superiores (4 y 5) —por su baja frecuencia—, mientras que en los de resiliencia (13-16) se agruparon las inferiores (1 y 2). Esta transformación estabilizó las estimaciones y garantizó la validez del análisis multigrupo.

Los índices de ajuste obtenidos para cada modelo se presentan en la Tabla 4. En los tres casos analizados (género, edad y NSE), los modelos mostraron ajustes adecuados en cada nivel de restricción, y los cambios observados entre modelos consecutivos fueron inferiores a los criterios sugeridos (ΔCFI < .010; ΔRMSEA < .015; (Chen, 2007).

Tabla 4: Análisis de invarianza factorial del ADAL por género, edad y nivel socioeconómico

Imagen de la pantalla de un celular con letras

El contenido generado por IA puede ser incorrecto.

Nota: CFI: Comparative Fit Index; TLI: Tucker–Lewis Index; RMSEA: Root Mean Square Error of Approximation; SRMR: Standardized Root Mean Square Residual.

*** p < .000.

Los resultados indican que el modelo de seis factores del ADAL presenta equivalencia configural, métrica y escalar entre hombres y mujeres, grupos etarios y niveles socioeconómicos. Por tanto, las comparaciones de medias latentes entre grupos pueden interpretarse como diferencias reales en los constructos evaluados y no como artefactos de medición (Milfont & Fischer, 2010). Esta evidencia de invarianza factorial respalda la aplicabilidad del instrumento en estudios comparativos dentro de la población adulta uruguaya.

Etapa 4: Evidencias de validez con variables externas

Con el propósito de examinar la validez convergente y la robustez externa del modelo, se exploraron las relaciones entre las seis dimensiones del ADAL y las variables externas teóricamente relevantes: género, edad, NSE y el PWI (Cummins et al., 2003).

Las correlaciones mostraron asociaciones significativas (p < .001) de magnitud moderada a alta entre los factores latentes, lo que respalda la coherencia interna y la diferenciación conceptual de las dimensiones (Brown, 2015). La dimensión resiliencia/prosocialidad correlacionó positivamente con el bienestar subjetivo, mientras que las dimensiones vinculadas al malestar psicológico (depresión/ansiedad, ansiedad social, obsesión/compulsión y conducta disocial/adictiva) se asociaron negativamente con el PWI (Tabla 5).

Estos resultados aportan evidencia sólida de validez convergente, mostrando un patrón de correlaciones coherente con la teoría del bienestar subjetivo y la literatura sobre salud mental (Cummins et al., 2014; Jeyagurunathan et al., 2025; Martínez-Moreno et al., 2020; Tomyn & Weinberg, 2018). Las asociaciones con las variables sociodemográficas, aunque de baja magnitud, confirmaron tendencias esperables en la literatura internacional: una mayor vulnerabilidad emocional en mujeres, en especial en depresión y ansiedad, y en hombres en indicadores externalizantes (Kayrouz et al., 2025), en jóvenes (Collier Villaume et al., 2023) y en personas de nivel socioeconómico bajo (Lorant et al., 2003), lo que refuerza la validez externa del instrumento.

Tabla 5: Correlaciones entre factores latentes y puntajes empíricos del ADAL y asociaciones con variables externas

Tabla

Nota: Por encima de la diagonal principal se reporta la matriz de correlaciones entre factores latentes y debajo la matriz de correlaciones de los puntajes empíricos (ambas matrices de correlaciones presentan p valores < .001). En las columnas a la derecha las correlaciones en la muestra no representativa con el PWI y las variables sociodemográficas. F1: depresión/ansiedad, F2: disocial/adictivo, F3: desregulación/disruptivo, F4: ansiedad social, F5: resiliencia/prosocialidad, F6: obsesión/compulsión.

***p < .001

Diferencias por sexo, edad y nivel socioeconómico

Considerando la naturaleza ordinal de los ítems y la ausencia de normalidad, se utilizaron pruebas no paramétricas. La U de Mann-Whitney mostró diferencias significativas por sexo en cinco de las seis dimensiones. Las mujeres presentaron puntuaciones más altas en depresión/ansiedad, ansiedad social y obsesión/compulsión, mientras que los hombres puntuaron más alto en disocial/adictivo y desregulación disruptiva. No se observaron diferencias en resiliencia/prosocialidad.

La prueba de Kruskal–Wallis reveló diferencias por grupo etario en las seis dimensiones, con tamaños de efecto pequeños a moderados (ε² = .00-.06). Los puntajes disminuyeron progresivamente desde el grupo más joven (19-24 años) hasta el de mayor edad (≥ 45 años), excepto en resiliencia/prosocialidad, en el que los adultos mayores obtuvieron valores más altos. En cuanto al nivel socioeconómico, se observaron diferencias en cuatro dimensiones (F1, F2, F4 y F6): los participantes del NSE bajo mostraron mayores niveles de malestar psicológico, mientras que los de NSE alto presentaron mayor implicación en conductas disociales (Tabla 6).

Tabla 6: Resultados de la prueba de Kruskal–Wallis por grupo etario y nivel socioeconómico en las dimensiones del ADAL

Tabla

El contenido generado por IA puede ser incorrecto.

Nota: Los valores en la columna Post hoc muestran el patrón de diferencias que indican la dirección de las diferencias significativas entre grupos etarios o niveles socioeconómicos; n.s.: no significativo; H (2): estadístico de Kruskal-Wallis con 2 grados de libertad.

***p < .001

Etapa 5: Evidencias adicionales de validez externa mediante la comparación del ADAL con valores normativos del ADA

Dado que el objetivo fue contrastar los puntajes observados en adultos con las medias publicadas para adolescentes (Daset et al., 2015), se evaluó el supuesto de normalidad. Como las distribuciones presentaron violaciones significativas (p < .001), se aplicó la prueba no paramétrica de Wilcoxon para una muestra, acompañada del tamaño del efecto (correlación biserial de rangos, r).

Los resultados (Tabla 7) mostraron diferencias estadísticamente significativas en todas las dimensiones del instrumento. En la mayoría de los factores vinculados al malestar psicológico, los adultos presentaron valores significativamente menores que los adolescentes, lo que sugiere un menor nivel de malestar emocional en la adultez. En contraste, las dimensiones asociadas a las fortalezas personales y los comportamientos orientados al control, exhibieron el patrón opuesto: los adultos puntuaron significativamente más alto en resiliencia/prosocialidad (F5) y especialmente en obsesión/compulsión (F6), esta última con un tamaño del efecto muy grande.

Tabla 7: Comparación entre resultados de adultos (ADAL) con las medias publicadas en adolescentes (ADA; Daset et al., 2015)

Tabla

El contenido generado por IA puede ser incorrecto.

Nota: r: tamaño del efecto, interpretado como pequeño (≈ .10), moderado (≈ .30) o grande (≥ .50), según Cohen (1988). Valores negativos de r indican que la media de adultos es menor que la media de referencia en adolescentes.

Discusión

Los resultados de este estudio aportan evidencia empírica robusta sobre la validez estructural, la invarianza factorial, la fiabilidad interna y la validez convergente del ADAL, lo que confirma su utilidad como instrumento breve y psicométricamente sólido para la evaluación de la sintomatología psicopatológica y las fortalezas en salud mental en la población adulta. El modelo de seis dimensiones mostró un excelente ajuste en el análisis factorial exploratorio y confirmatorio, manteniéndose invariante en distintos grupos sociodemográficos (género, edad y NSE), lo que evidencia su invarianza factorial. Estos hallazgos reflejan la estabilidad del constructo y su coherencia teórica con el modelo original del ADA (Daset et al., 2015), en el marco de las directrices internacionales para la validación de instrumentos de evaluación psicológica (AERA et al., 2014; Muñiz & Fonseca-Pedrero, 2019).

Las cargas factoriales fueron altas en todas las dimensiones, con índices de fiabilidad adecuados que confirman la precisión de las mediciones, entre las que se destaca el factor depresión/ansiedad como el de mayor consistencia interna, en línea con su relevancia clínica y epidemiológica en la población general. Estos resultados son consistentes con estudios previos realizados con el mismo instrumento en su versión para adolescentes (ADA; Daset et al., 2015; Fernández et al., 2018). Los factores del ADAL exhiben un patrón estructural coherente con el modelo ASEBA de Achenbach et al. (2017), lo que evidencia la continuidad conceptual entre las etapas evolutivas y refuerza la solidez del instrumento como herramienta de cribado transgeneracional.

Asimismo, las correlaciones con el PWI muestran un patrón coherente con lo esperado teóricamente. Las dimensiones del ADAL vinculadas al malestar psicológico (F1, F2, F3, F4 y F6) se asociaron negativamente con el bienestar subjetivo (Jeyagurunathan et al., 2025), mientras que la dimensión de resiliencia y prosocialidad (F5) mostró una correlación positiva con dicho indicador (Anselmi et al., 2024; Diener et al., 2018; Fernández et al., 2018; Martínez-Moreno et al., 2020; Tomyn & Weinberg, 2018).

A su vez, se observaron diferencias significativas en las puntuaciones de las subescalas según el género, la edad y el NSE, lo que evidencia la sensibilidad del instrumento para detectar variabilidad en los perfiles sintomáticos en función de características sociodemográficas. En particular, los análisis de género coinciden con el informe de la OMS (2022a), que señala una mayor prevalencia de malestar psicológico y trastornos mentales en las mujeres, especialmente ansiedad y depresión. De forma consistente, nuestros resultados muestran mayores niveles de sintomatología ansioso-depresiva en mujeres y personas jóvenes, tal como se ha reportado en estudios recientes en el contexto de la pospandemia (Anselmi et al., 2024). En contraste, los hombres reportaron con mayor frecuencia conductas disociales y desregulación emocional (Leadbeater et al., 2023). Esta evidencia subraya la necesidad de adoptar un enfoque sensible al género en la evaluación e intervención en salud mental, reconociendo tanto las diferencias como las similitudes en las trayectorias psicológicas de mujeres y varones.

También se encontró un patrón evolutivo caracterizado por la disminución del malestar psicológico y el incremento de la resiliencia en la adultez, lo que coincide con modelos de desarrollo que destacan la mejora del control emocional y las estrategias de afrontamiento con la edad (Charles & Carstensen, 2010) y con resultados que muestran una correlación negativa entre resiliencia y malestar psicológico (Harms et al., 2018).

Por último, las diferencias según el NSE confirman que el malestar psicológico en niveles bajos se asocia con mayores niveles de depresión/ansiedad y ansiedad social, en línea con el gradiente social en salud mental descrito por Lorant et al. (2003). En contraste, el NSE alto presentó puntuaciones más elevadas en obsesión/compulsión y menor implicación disocial/adictivo. Esto sugiere que las manifestaciones de malestar psicológico varían según el contexto socioeconómico.

Finalmente, la comparación entre adultos con los resultados reportados en investigaciones anteriores con población adolescente mostró una reducción significativa del malestar personal en la adultez, junto con un aumento de la resiliencia, la prosocialidad y los comportamientos de control asociados a rasgos obsesivos compulsivos. Estos hallazgos sugieren una evolución hacia un perfil de mayor autorregulación afectiva y comportamental, y son coherentes con los procesos de madurez psicológica descritos por Soto et al. (2011).

La validación del ADAL representa un avance relevante para la evaluación psicológica en Uruguay, al proveer un instrumento psicométricamente sólido, breve y sensible a las características de la población local. Su estructura multidimensional se alinea con modelos como el ASEBA —en el que se fundamenta conceptualmente— y con las propuestas de evaluación empíricamente basada desarrolladas por Achenbach y Rescorla (2001). Su aplicación puede resultar útil en contextos clínicos, comunitarios y académicos, facilitando el cribado temprano de problemas de salud mental, así como el monitoreo de fortalezas psicosociales. Además, su diseño accesible permite una implementación eficiente en servicios de atención primaria y programas de promoción y prevención en salud mental, lo que contribuye a una mejor asignación de recursos y favorece la toma de decisiones clínicas basada en evidencia.

Entre las principales limitaciones del estudio se reconoce que la validación inicial se realizó sobre una muestra no representativa, obtenida mediante un muestreo no probabilístico. Si bien este diseño restringe la generalización estricta de los hallazgos, el amplio tamaño muestral y la diversidad sociodemográfica y geográfica de los participantes —provenientes de distintas regiones del país— ofrecen una base empírica sólida y culturalmente heterogénea que refuerza la validez de los análisis psicométricos. Asimismo, el diseño transversal impide establecer relaciones causales o analizar la estabilidad temporal de los perfiles evaluados.

Se sugiere que futuras investigaciones utilicen muestras probabilísticas, validen el instrumento en poblaciones clínicas y examinen su validez concurrente mediante la comparación con otras medidas estandarizadas en salud mental. También sería pertinente explorar su aplicabilidad en contextos clínicos específicos y en subpoblaciones particulares, como personas mayores o grupos en situación de vulnerabilidad psicosocial. En suma, se recomienda realizar estudios adicionales que examinen la validez convergente, predictiva y discriminante del ADAL utilizando medidas de referencia (gold standard) y análisis de curvas ROC, con el propósito de estimar sus parámetros de sensibilidad y especificidad.

Referencias

Achenbach, T. M. (1978). The child behavior profile: I. Boys aged 6–11. Journal of Consulting and Clinical Psychology, 46(3), 478-488. https://doi.org/10.1037/0022-006X.46.3.478

Achenbach, T. M., & Rescorla, L. A. (2001). Manual for the ASEBA school-age forms & profiles. University of Vermont, Research Center for Children, Youth, & Families.

Achenbach, T. M., Ivanova, M. Y., & Rescorla, L. A. (2017). Empirically based assessment and taxonomy of psychopathology for ages 1½-90+ years: Developmental, multi-informant, and multicultural findings. Comprehensive Psychiatry, 79, 4-18. https://doi.org/10.1016/j.comppsych.2017.03.006

American Educational Research Association, American Psychological Association & National Council on Measurement in Education. (2014). Standards for educational and psychological testing. American Educational Research Association.

Anselmi, A., Cracco, C., Estradé, A., Solmi, M., & Correll, C. U. (2024). Impactos de la pandemia de covid-19 sobre el bienestar y la salud mental de adultos uruguayos. Ciencias Psicológicas, 18(2), e-4059. https://doi.org/10.22235/cp.v18i2.4059

Arnett J. J. (2000). Emerging adulthood. A theory of development from the late teens through the twenties. The American Psychologist, 55(5), 469-480. https://doi.org/10.1037/0003-066x.55.5.469

Ato, M., López, J. J., & Benavente, A. (2013). Un sistema de clasificación de los diseños de investigación en psicología. Anales de Psicología, 29(3), 1038-1059. https://doi.org/10.6018/analesps.29.3.178511

Brown, T. A. (2015). Confirmatory factor analysis for applied research (2^a ed.). The Guilford Press.

Carretero-Dios, H., & Pérez, C. (2005). Normas para el desarrollo y revisión de estudios instrumentales. International Journal of Clinical and Health Psychology, 5(3), 521-551.

Castillo, M., & Ortuño, V. (2023). Estudio psicométrico del Cuestionario de Capacidades y Dificultades (SDQ) para niños de 2 a 4 años en Uruguay. Revista de Psicología, 19(37), 7-22. https://doi.org/10.46553/RPSI.19.37.2023.p7-22

Charles, S. T., & Carstensen, L. L. (2010). Social and emotional aging. Annual Review of Psychology, 61, 383-409. https://doi.org/10.1146/annurev.psych.093008.100448

Chen, F. F. (2007). Sensitivity of goodness of fit indexes to lack of measurement invariance. Structural Equation Modeling, 14(3), 464-504. https://doi.org/10.1080/10705510701301834

Cheung, G. W., & Rensvold, R. B. (2002). Evaluating goodness-of-fit indexes for testing measurement invariance. Structural Equation Modeling, 9(2), 233-255. https://doi.org/10.1207/S15328007SEM0902_5

Clark, L. A., & Watson, D. (1995). Constructing validity: Basic issues in objective scale development. Psychological Assessment, 7(3), 309-319. https://doi.org/10.1037/1040-3590.7.3.309

Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (2nd ed.). Lawrence Erlbaum Associates, Publishers.

Collier Villaume, S., Chen, S., & Adam, E. K. (2023). Age disparities in prevalence of anxiety and depression among US adults during the covid-19 pandemic. JAMA network open, 6(11). https://doi.org/10.1001/jamanetworkopen.2023.45073

Costa-Ball, C. D., Cracco, C., Cuadro, A., & López García, J. J. (2023). Strengths and Difficulties Questionnaire (SDQ): An update of the literature and instrumental study with schoolchildren. Revista Latinoamericana de Psicología, 55, 140-148. https://doi.org/10.14349/rlp.2023.v55.16

Cummins, R. A., Eckersley, R., Pallant, J., Van Vugt, J., & Misajon, R. (2003). Developing a national index of subjective wellbeing: The Australian Unity wellbeing index. Social Indicators Research, 64, 159-190. https://doi.org/10.1023/A:1024704320683

Cummins, R. A., Li, N., Wooden, M., & Stokes, M. (2014). A demonstration of set-points for subjective wellbeing. Journal of Happiness Studies: An Interdisciplinary Forum on Subjective Well-Being, 15(1), 183-206. https://doi.org/10.1007/s10902-013-9444-9

Daset, L. R., Fernández-Pintos, M. E., Costa-Ball, D., López-Soler, C., & Vanderplasschen, W. (2015). Desarrollo y validación del Autoinforme de Adolescentes: ADA. Ciencias Psicológicas, 9(1), 85-104. https://doi.org/10.22235/cp.v9i1.169

Daset, L. R., Fernández, M. E., Costa-Ball, D., Peirano, N., Castelluccio, L., & López-Soler, C. (2021). Autoinforme de Adolescentes (ADA): Manual de aplicación, corrección e interpretación. Universidad Católica del Uruguay. https://doi.org/10.22235/ada2021

Diener, E., Oishi, S., & Tay, L. (2018). Advances in subjective well-being research. Nature Human Behaviour, 2(4), 253-260. https://doi.org/10.1038/s41562-018-0307-6

Dyussenbayev, A. (2017). Age periods of human life. Advances in Social Sciences Research Journal, 4(6). https://doi.org/10.14738/assrj.46.2924

Enríquez, S. I. R., García, P. J. J., Vega, H. B., & Luján, J. C. B. (2023). Medición del bienestar psicológico mediante la utilización de cuestionarios de autorreporte. Una revisión sistemática. Psicología y Salud, 33(1), 209-216. https://doi.org/10.25009/pys.v33i1.2784

Fernández, M. E., Castelluccio, L., & Cummins, R. A. (2021). Examining the factor structure of the Personal Well-Being Index for Uruguayan schoolgoing adolescents. Journal of Well-Being Assessment, 4(4), 539-554. https://doi.org/10.1007/s41543-021-00047-3

Fernández, M. E., Castelluccio, L., Sanjurjo, I., & Daset, L. (2024). Adolescent and parental risk perception of alcohol and marijuana use and well-being of adolescents in Uruguay. En M. Florence, W. Vanderplasschen, M. Yu, J. De Maeyer, & S. Savahl (Eds.), Handbook of Addiction, Recovery and Quality of Life: Cross-cutting Perspectives from Around the Globe (pp. 435-446). Springer. https://doi.org/10.1007/978-3-031-65873-0_30

Fernández, M. E., Van Damme, L., De Pauw, S., Costa-Ball, D., Daset, L., & Vanderplasschen, W. (2018). The moderating role of age and gender differences in the relation between subjective well-being, psychopathology and substance use in Uruguayan adolescents. Revista Latinoamericana de Psicopatología Fundamental, 21(3), 486-510. https://doi.org/10.1590/1415-4714.2018v21n3p486.5

Ferrando, P. J., & Lorenzo-Seva, U. (2016). A note on improving EAP trait estimation in oblique factor-analytic and item response theory models. Psicológica, 37(2), 235-247. https://www.uv.es/revispsi/articulos2.16/7Ferrando.pdf

Ferrando, P. J., Lorenzo-Seva, U., Hernández-Dorado, A., & Muñiz, J. (2022). Decálogo para el análisis factorial de los ítems de un test. Psicothema, 34(1), 7-17. https://doi.org/10.7334/psicothema2021.456

Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39-50. https://doi.org/10.2307/3151312

Gadermann, A., Guhn, M., & Zumbo, B. D. (2014). Ordinal Alpha. En A. C. Michalos (Ed.), Encyclopedia of Quality of Life and Well-Being Research. Springer. https://doi.org/10.1007/978-94-007-0753-5_2025

Gibson, T. O., Jr., Morrow, J. A., & Rocconi, L. M. (2020). A modernized heuristic approach to robust exploratory factor analysis. The Quantitative Methods for Psychology, 16(4), 295-307. https://doi.org/10.20982/tqmp.16.4.p295

Cummins, R. A. (Ed.). (2024). Personal Wellbeing Index Adult - Manual (6^a ed., Version 2). International Wellbeing Group. https://www.acqol.com.au/uploads/pwi-a/pwi-a-english.pdf

Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate data analysis (8^a ed.). Cengage Learning.

Harms, P. D., Brady, L., Wood, D., & Silard, A. (2018). Resilience and well-being. En E. Diener, S. Oishi, & L. Tay (Eds.), Handbook of well-being (pp.642-653). DEF Publishers.

Hedley, D., Hayward, S. M., Denney, K., Uljarević, M., Bury, S., Sahin, E., Brown, C. M., Clapperton, A., Dissanayake, C., Robinson, J., Trollor, J., & Stokes, M. A. (2021). The association between covid-19, personal wellbeing, depression, and suicide risk factors in Australian autistic adults. Autism Research: Official Journal of the International Society for Autism Research, 14(12), 2663-2676. https://doi.org/10.1002/aur.2614

Henseler, J., Ringle, C. M., & Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43(1), 115-135. https://doi.org/10.1007/s11747-014-0403-8

Hernández, A., Hidalgo, M. D., Hambleton, R. K., & Gómez-Benito, J. (2020). International Test Commission guidelines for test adaptation: A criterion checklist. Psicothema, 32(3), 390-398. https://doi.org/10.7334/psicothema2019.306

Jeyagurunathan, A., Abdin, E., Shafie, S., Vaingankar, J. A., Sambasivam, R., Zhang, Y. J., Chua, B. Y., Tan, W., Chan, C. L., & Subramaniam, M. (2025). Personal Well-Being Index (PWI) and its association with physical health, mental health and leisure activities: Results from the Health and Lifestyle Survey. Journal of Happiness Studies, 26(3), 1-19. https://doi.org/10.1007/s10902-025-00889-1

Kayrouz, R., Karin, E., Staples, L., Dear, B., Nielssen, O., & Titov, N. (2025). A review of the 257 meta-analyses of the differences between females and males in prevalence and risk, protective factors, and treatment outcomes for mental disorder. BMC Psychiatry, 25(1), 677. https://doi.org/10.1186/s12888-025-06848-7

Kline, R. B. (2023). Principles and practice of structural equation modeling (5^a ed.). Guilford Press.

Leadbeater, B. J., Merrin, G. J., Contreras, A., & Ames, M. E. (2023). Trajectories of oppositional defiant disorder severity from adolescence to young adulthood and substance use, mental health, and behavioral problems. Journal of the Canadian Academy of Child and Adolescent Psychiatry = Journal de l'Académie canadienne de psychiatrie de l'enfant et de l'adolescent, 32(4), 224-235. https://doi.org/10.53789/ccap202332224

Lemos, S., Fidalgo, A. M., Calvo, P., & Menéndez, P. (1992). Estructura factorial de la prueba YSR y su utilidad en psicopatología infanto-juvenil. Análisis y Modificación de Conducta, 18(62), 883-905.

Lloret-Segura, S., Ferreres-Traver, A., Hernández-Baeza, A., & Tomás-Marco, I. (2014). El análisis factorial exploratorio de los ítems: Una guía práctica, revisada y actualizada. Anales de Psicología, 30(3), 1151-1169. https://doi.org/10.6018/analesps.30.3.199361

López Soler, C., Alcántara, M. V., Fernández, V., Castro, M., & López Pina, J. A. (2010). Características y prevalencia de los problemas de ansiedad, depresión y quejas somáticas en una muestra clínica infantil de 8 a 12 años, mediante el CBCL (Child Behavior Checklist). Anales de Psicología, 26(2), 325-334.

López-Pina, J.-A., & Veas, A. (2024). Validation of psychometric instruments with Classical Test Theory in social and health sciences: A practical guide. Anales de Psicología, 40(1), 163-170. https://doi.org/10.6018/analesps.583991

Lorant, V., Deliège, D., Eaton, W., Robert, A., Philippot, P., & Ansseau, M. (2003). Socioeconomic inequalities in depression: a meta-analysis. American Journal of Epidemiology, 157(2), 98-112. https://doi.org/10.1093/aje/kwf182

Lorenzo-Seva, U. (2022). SOLOMON: A method for splitting a sample into equivalent subsamples in factor analysis. Behavior Research Methods, 54(6), 2665-2677. https://doi.org/10.3758/s13428-021-01750-y

Lorenzo-Seva, U., & Ferrando, P. J. (2006). FACTOR: a computer program to fit the exploratory factor analysis model. Behavior Research Methods, 38(1), 88-91. https://doi.org/10.3758/bf03192753

Lorenzo-Seva, U., & Ferrando, P. J. (2019). Robust Promin: A method for diagonally weighted factor rotation. Liberabit, 25(1), 99-106. https://doi.org/10.24265/liberabit.2019.v25n1.08

Lorenzo-Seva, U., & Ferrando, P. J. (2021). MSA: The forgotten index for identifying inappropriate items before computing exploratory item factor analysis. Methodology: European Journal of Research Methods for the Behavioral and Social Sciences, 17(4), 296-306. https://doi.org/10.5964/meth.7185

Machado, A. I., Bobbio, A., Arbach, K., Parra, A., Riestra, C., & Hernández-Cervantes, Q. (2021). Evidencia de estructura y consistencia interna del Inventario de Riesgo Suicida en Adolescentes (IRISA) uruguayos. Ciencias Psicológicas, 15(1), e-2214.. https://doi.org/10.22235/cp.v15i1.2214

Martínez-Moreno, A., Ibáñez-Pérez, R. J., Cavas-García, F., & Cano-Noguera, F. (2020). Older adults' gender, age and physical activity effects on anxiety, optimism, resilience and engagement. International Journal of Environmental Research and Public Health, 17(20), 7561. https://doi.org/10.3390/ijerph17207561

Milfont, T. L., & Fischer, R. (2010). Testing measurement invariance across groups: Applications in cross-cultural research. International Journal of Psychological Research, 3(1), 111-130. https://doi.org/10.21500/20112084.857

Muñiz, J., & Fonseca-Pedrero, E. (2019). Diez pasos para la construcción de un test. Psicothema, 31(1), 7-16. https://doi.org/10.7334/psicothema2018.291

Muthén, L. K., & Muthén, B. O. (1998–2017). Mplus user’s guide (8^a ed.). Muthén & Muthén.

Organización Mundial de la Salud. (2022a). Informe mundial sobre salud mental: Transformar la salud mental para todos. https://www.who.int/es/publications/i/item/9789240050860

Organización Mundial de la Salud. (2022b, 2 de marzo). La pandemia de covid-19 aumenta en un 25 % la prevalencia de la ansiedad y la depresión en todo el mundo. https://www.who.int/es/news/item/02-03-2022-covid-19-pandemic-triggers-25-increase-in-prevalence-of-anxiety-and-depression-worldwide

Organización Mundial de la Salud. (2022c). Plan de acción integral sobre salud mental 2013-2030 (Comprehensive mental health action plan 2013–2030). https://apps.who.int/iris/handle/10665/364104

Organización Panamericana de la Salud. (2023). Una nueva agenda para la salud mental en la Región de las Américas: Informe de la Comisión de Alto Nivel sobre Salud Mental y covid-19. https://doi.org/10.37774/9789275327227

Otten, D., Tibubos, A. N., Schomerus, G., Brähler, E., Binder, H., Kruse, J., Ladwig, K. H., Wild, P. S., Grabe, H. J., & Beutel, M. E. (2021). Similarities and differences of mental health in women and men: A systematic review of findings in Three Large German Cohorts. Frontiers in Public Health, 9. https://doi.org/10.3389/fpubh.2021.553071

Perera, M. (2018). Indicadores sociales de la niñez y la adolescencia en Uruguay (INSE 2018). Instituto Nacional de Estadística. https://www.ine.gub.uy/documents/10181/53200/INSE-2018-documento-final.pdf

Prowse, R., Sherratt, F., Abizaid, A., Gabrys, R. L., Hellemans, K. G. C., Patterson, Z. R., & McQuaid, R. J. (2021). Coping with the covid-19 pandemic: Examining gender differences in stress and mental health among university students. Frontiers in Psychiatry, 12. https://doi.org/10.3389/fpsyt.2021.650759

Schreiber, J. B., Nora, A., Stage, F. K., Barlow, E. A., & King, J. (2006). Reporting structural equation modeling and confirmatory factor analysis results: A review. The Journal of Educational Research, 99(6), 323-338. https://doi.org/10.3200/JOER.99.6.323-338

Soriano-Díaz, C., Moreno-Manso, J. M., García-Baamonde, M. E., Guerrero-Molina, M., & Cantillo-Cordero, P. (2022). Behavioral and emotional difficulties and personal wellbeing of adolescents in residential care. International Journal of Environmental Research and Public Health, 20(1), 256. https://doi.org/10.3390/ijerph20010256

Soto, C. J., John, O. P., Gosling, S. D., & Potter, J. (2011). Age differences in personality traits from 10 to 65: Big Five domains and facets in a large cross-sectional sample. Journal of Personality and Social Psychology, 100(2), 330-348. https://doi.org/10.1037/a0021717

Tejada, P. A., Jaramillo, L. E., Sánchez-Pedraza, R., & Sharma, V. (2014). Revisión crítica sobre los instrumentos para la evaluación psiquiátrica en atención primaria. Revista de la Facultad de Medicina, 62(1), 101-110. https://doi.org/10.15446/revfacmed.v62n1.43759

Tomyn, A. J., & Weinberg, M. K. (2018). Resilience and subjective wellbeing: A psychometric evaluation in young Australian adults. Australian Psychologist, 53(1), 68-76. https://doi.org/10.1111/ap.12251

Verhulst, F. C., & Achenbach, T. M. (1995). Empirically based assessment and taxonomy of psychopathology: Cross-cultural applications: A review. European Child & Adolescent Psychiatry, 4(2), 61-76. https://doi.org/10.1007/BF01977734

World Health Organization. (2018). Mental health in primary care: Illusion or inclusion? https://www.who.int/publications/i/item/WHO-HIS-SDS-2018.38

Zumbo, B. D., Gadermann, A. M., & Zeisser, C. (2007). Ordinal versions of coefficients alpha and theta for Likert rating scales. Journal of Modern Applied Statistical Methods, 6(1), 21-29. https://doi.org/10.22237/jmasm/1177992180

Cómo citar: Costa-Ball, C. D., Fernández, M. E., Lorenzo-Seva, U., & Daset, L. (2025). Estructura factorial, consistencia interna e invarianza factorial de una escala de autoinforme para la evaluación de problemas de salud mental en adultos. Ciencias Psicológicas, 19(2), e-4686. https://doi.org/10.22235/cp.v19i2.4686

Financiamiento: El estudio fue financiado por La Banca de Juegos y Quinielas de Uruguay en el marco del Programa de Juego Responsable.

Disponibilidad de datos: El conjunto de datos que apoya los resultados de este estudio no se encuentra disponible.

Conflicto de interés: Los autores declaran no tener ningún conflicto de interés.

Contribución de los autores (Taxonomía CRediT): 1. Conceptualización; 2. Curación de datos; 3. Análisis formal; 4. Adquisición de fondos; 5. Investigación; 6. Metodología; 7. Administración de proyecto; 8. Recursos; 9. Software; 10. Supervisión; 11. Validación; 12. Visualización; 13. Redacción: borrador original; 14. Redacción: revisión y edición.

C. D. C. B. ha contribuido en 1, 2, 3, 6, 12, 13, 14.; M. E. F. en 1, 2, 5, 12, 13, 14; U. L. S. en 3, 6; L. D. en 1, 10, 13, 14.

Editora científica responsable: Dr. Cecilia Cracco.

Ciencias Psicológicas; v19(2)

July-December 2025

10.22235/cp.v19i2.4686

Original Articles

Factorial Structure, Internal Consistency, and Measurement Invariance of a Self-Report Scale for Assessing Mental Health Problems in Adults

Estructura factorial, consistencia interna e invarianza factorial de una escala de autoinforme para la evaluación de problemas de salud mental en adultos

Estrutura fatorial, consistência interna e invariância fatorial de uma escala de autorrelato para avaliação de problemas de saúde mental em adultos

César Daniel Costa-Ball¹, ORCID 0000-0003-0477-2545

María Eugenia Fernández², ORCID 0000-0002-9197-0015

Urbano Lorenzo-Seva³, ORCID 0000-0001-5369-3099

Lilian Daset⁴, ORCID 0000-0002-5119-324X

¹Universidad Católica del Uruguay, Uruguay, [email protected]

²Universidad Católica del Uruguay, Uruguay

³Universitat Rovira i Virgili, Spain

⁴Universidad Católica del Uruguay, Uruguay

Abstract:

Keywords: intervención parental; participación; implicación; padres.

Resumen:

Palabras clave: salud mental; evaluación psicológica; propiedades psicométricas; invarianza factorial; Índice de Bienestar Personal.

Resumo:

Palavras-chave: intervenção parental; engajamento; envolvimento; pais.

Received: 25/06/2025

Accepted: 24/10/2025

Mental health in adulthood is a central component of both individual and collective well-being, as well as a key determinant of quality of life (Diener et al., 2018). In Latin America, the burden associated with mental disorders is high (Pan American Health Organization (PAHO), 2023). Limited availability of highly specialized professionals and standardized assessment tools poses major challenges for the development and implementation of effective interventions (PAHO, 2023).

Sociocultural factors such as socioeconomic inequality, stigma, and barriers to accessing mental health services further underscore the urgency of developing assessment instruments and interventions that are culturally sensitive and appropriate for Latin American contexts. According to the World Health Organization (WHO, 2022a), between 76 % and 85 % of people with severe mental disorders in low- and middle-income countries do not receive treatment, compared with 35–50 % in high-income countries. Following the COVID-19 pandemic, the prevalence of psychopathological symptoms increased substantially—particularly anxiety and depression—and this trend remains a global concern (WHO, 2022b; PAHO, 2023). Prior studies have also documented gender differences in how mental health affects men and women (Otten et al., 2021; Prowse et al., 2021).

In this context, early detection of symptoms can substantially enhance preventive and therapeutic interventions. Nonetheless, in Latin America there is still a shortage of validated screening instruments in Spanish for adult populations (Tejada et al., 2014). In contrast, Uruguay has developed or validated several tools focused on child and adolescent mental health (e.g., Castillo & Ortuño, 2023; Costa-Ball et al., 2023; Daset et al., 2015; Machado et al., 2021), highlighting a gap in the cultural and linguistic adaptation of instruments specifically designed for adults in Uruguay.

The availability of psychometrically valid and reliable instruments is essential for supporting evidence-based public policy development and evaluation (WHO, 2022c). International organizations recommend the use of screening tools as an efficient strategy for timely detection in both clinical and community settings (WHO, 2022a; PAHO, 2023). In this context, brief screening instruments are especially useful and strategic for the early identification of symptoms in the general population, facilitating access to services, informing clinical decision-making, and generating evidence for public policy design. Such instruments are particularly suited to primary care settings because they are easy to administer and score (WHO, 2018).

Following these guidelines, Uruguay developed a screening instrument called the Adolescent Self-Report (ADA) to assess psychopathological, resilient, and prosocial dimensions in adolescents (Daset et al., 2015). Instrument construction followed a progressive process of psychometric refinement and empirical validation, beginning with an initial 117-item version. Several exploratory factor analyses (EFA) were carried out to identify the internal structure, and successive item reductions improved the instrument’s parsimony and reliability. The 82-item version was established after removing redundant items or those with low discriminative power, yielding six clinically meaningful dimensions with good model fit (χ² = 3488.89, df = 2844, χ²/df = 1.22, CFI = .94, TLI = .93, RMSEA = .026) and Cronbach’s alpha coefficients ranging from .84 to .94. Subsequently, a 24-item abbreviated version was developed by selecting the four items with the highest factor loadings for each of the six dimensions. This abbreviated ADA has shown good psychometric properties in adolescent samples (Daset et al., 2021), with acceptable fit indices (χ² = 320.12, df = 237, p < .001, χ²/df = 1.35, CFI = .95, TLI = .96, RMSEA = .031) and adequate reliability (ordinal alpha): F1 (depression/anxiety) = .91, F2 (dissocial/addictive behavior) = .78, F3 (emotional dysregulation) = .76, F4 (social anxiety) = .81, F5 (resilience/prosociality) = .76, and F6 (obsession/compulsion) = .65.

Both the ADA and its adult version, the ADAL, are based on Achenbach’s Achenbach System of Empirically Based Assessment (ASEBA; Achenbach, 1978), which has been empirically validated and adapted across multiple cultural contexts (e.g., Lemos et al., 1992; López-Soler et al., 2010; Verhulst & Achenbach, 1995). ASEBA provides a comprehensive framework for the empirical assessment of emotional and behavioral problems across the lifespan. Originally designed for children and adolescents through the Youth Self-Report (YSR), it has consistently shown a stable hierarchical structure that organizes symptoms into specific syndromes and broad internalizing and externalizing dimensions. This factorial coherence motivated its extension to adulthood through the development of the Adult Self-Report (ASR), with the aim of maintaining conceptual continuity and enabling longitudinal comparisons across the life span. This methodological and conceptual continuity makes ASEBA particularly valuable for studying the persistence and transformation of psychopathological patterns from adolescence into adulthood (Achenbach et al., 2017).

In addition, assessing subjective psychological well-being alongside indicators of psychopathological symptoms makes it possible to understand the mental health–illness continuum in a more balanced way. This dual focus supports the early detection of vulnerabilities and the identification of protective factors that may buffer the risk of psychopathology. Such integration is consistent with mental health approaches that emphasize both the detection of distress and the promotion of personal strengths (Hedley et al., 2021). Higher levels of psychological well-being function as a protective factor against mental disorders, whereas lower levels are associated with increased depressive and anxious symptomatology (Diener et al., 2018; Anselmi et al., 2024). Interventions aimed at enhancing well-being have shown both preventive and therapeutic efficacy (Fernández et al., 2018; Fernández et al., 2024), making its inclusion in mental health assessments both methodologically sound and clinically relevant (Enríquez et al., 2023).

Several studies have documented negative associations between the Personal Wellbeing Index (PWI; Cummins et al., 2003) and symptoms of anxiety and depression, and positive associations with protective factors such as resilience and prosociality (Hedley et al., 2021; Jeyagurunathan et al., 2025). Among adolescents and young adults, greater emotional and behavioral difficulties are linked to lower well-being, whereas higher levels of resilience are associated with greater personal well-being (Soriano-Díaz et al., 2022; Tomyn & Weinberg, 2018).

This study aimed to adapt and psychometrically validate a screening instrument for psychopathological symptoms and strengths in the Uruguayan adult population, based on the Adolescent Self-Report (ADA), originally developed for adolescents aged 12–18 years (Daset et al., 2015; Daset et al., 2021). The adult version, called ADAL, preserves the basic structure of the ADA, with an abbreviated 24-item version distributed across six dimensions. A five-point Likert-type scale is used to assess the frequency of emotions, behaviors, and thoughts during the past month.

This article describes the psychometric analyses of the ADAL in a Uruguayan adult sample, including factorial structure, invariance, reliability, and its relationships with sociodemographic variables and psychological well-being. Validating the ADAL may represent an important advance for adult mental health assessment in Uruguay and other countries in the region. Its brevity, accessibility, and cultural relevance make it a potentially valuable tool for clinical practice, public health, and research.

Method

An instrumental, empirical design was used (Ato et al., 2013), following the International Test Commission guidelines for test adaptation (Hernández et al., 2020), current standards for the development of psychological assessment instruments, and methodological recommendations for factor analysis (Carretero & Pérez-Díaz, 2005; Ferrando et al., 2022; López-Pina & Veas, 2024). The study was framed within a quantitative approach that employed descriptive, comparative, and associative strategies (Ato et al., 2013).

Participants

The sample consisted of 9,885 individuals aged 19 years and older (M = 32.78, SD = 12.24), recruited using non-probabilistic purposive sampling. Of these, 61.9 % identified as cisgender women, 36.7 % as cisgender men, 0.5 % as transgender, and 0.7 % either selected another gender identity or did not respond. By age group, 35 % were emerging adults (19–24 years), 48 % were young adults (25–44 years), and 17 % were adults/older adults (45–88 years). Regarding socioeconomic status (SES), 8 % were classified as low SES, 66 % as middle SES, and 26 % as high SES. Geographically, 68 % resided in the metropolitan area and 32 % in other regions of the country.

Instruments

The Adult Self-Report Questionnaire (ADAL) was developed at the Universidad Católica del Uruguay to assess psychopathological, resilient, and prosocial dimensions in adults. It is derived from the Adolescent Self-Report Questionnaire (ADA; Daset et al., 2015), preserving its six-factor structure: F1 = depression/anxiety; F2 = dissocial/addictive behavior; F3 = disruptive mood dysregulation; F4 = social anxiety; F5 = resilience/prosociality; and F6 = obsession/compulsion. The 24 items are rated on a five-point Likert scale (1: Strongly disagree; 5: Strongly agree).

Adaptation of the abbreviated ADA version for adult use followed international standards for linguistic adaptation and content-based validity (American Educational Research Association (AERA) et al., 2014). The goal was to ensure that the 24 items preserved the original psychological constructs while being expressed in language appropriate for Uruguayan adults. The adaptation process involved expert review to ensure semantic equivalence and contextual adequacy. In the first stage, the Psychopathology and Wellbeing Research Team at the Universidad Católica del Uruguay—the group responsible for developing the original ADA—carried out a preliminary linguistic reformulation of the items, adjusting expressions, verb tenses, and wording to ensure clarity, naturalness, and conceptual equivalence with the adolescent version. For example, second-person singular pronouns were adapted from “tú” to the more formal “usted,” and context-specific terms such as “liceo” (high school) were replaced with “work/study.”

In the second stage, a content evaluation was conducted through expert judgment. Two PhD-level psychologists specializing in psychopathology (one based in Spain and one in Uruguay) reviewed the items and evaluated them in terms of (1) linguistic appropriateness for adults, (2) content sufficiency, (3) clarity, (4) conceptual coherence with each ADA dimension, and (5) relevance to the target construct. Their qualitative feedback was analyzed and integrated by the research team, and adjustments were made where necessary to preserve the original meaning. This process resulted in a linguistically adapted version—ADAL—that maintains the conceptual structure and six dimensions of the ADA, providing strong content-based validity evidence for use with adult populations.

The Personal Wellbeing Index–Adult (PWI-A; International Wellbeing Group, 2024) assesses subjective satisfaction across seven life domains using an 11-point Likert-type scale ranging from 0: not satisfied at all to 10: completely satisfied. The total score is obtained by averaging the seven items and then converting this mean to a 0–100 scale using the formula (mean/10) × 100, where 0 indicates the lowest possible wellbeing and 100 the highest. The Uruguayan validated version was used, which showed adequate unidimensional fit (χ²(13) = 260.52, p < .001; RMSEA = .063; CFI = .979; TLI = .966; SRMR = .022) and good reliability (ordinal α = .84; Fernández et al., 2021).

To characterize participants, the ADA Sociodemographic Survey (Daset et al., 2021) was used to gather information on sociodemographic variables (gender, age, educational level, employment status, and relevant family background) and health-related behaviors (e.g., sleep patterns and substance use). Socioeconomic status was assessed with the short form of the Socioeconomic Level Index (INSE; Perera, 2018), a widely used national indicator that combines education, occupation, and household infrastructure to classify families into three comparable socioeconomic strata (low, middle, and high).

Procedure

Data were collected through an online questionnaire distributed via social media and email, using non-probabilistic purposive sampling. The form, hosted on Google Forms, began with an information page detailing the study’s objectives, estimated duration (up to 20 minutes), voluntary participation, anonymity, and informed consent. The instruments were presented in the following order: (1) sociodemographic survey, (2) Socioeconomic Level Index (INSE), (3) ADAL questionnaire, and (4) Personal Wellbeing Index–Adult (PWI-A).

All procedures complied with national regulations on research involving human participants (Decree 001-4573/2007 and Law No. 18.331). Participant confidentiality and anonymity were guaranteed. All data were stored in a secure database accessible only to the research team. The project was approved by the Ethics Committee of the Universidad Católica del Uruguay.

Data were collected between February and July 2022.

Data Analysis

The psychometric analysis was organized into five sequential stages, following a cross-validation design and the standards proposed by AERA et al. (2014). The non-representative sample (N = 9,885) was randomly split into two equivalent halves using the SOLOMON procedure (Lorenzo-Seva, 2022).

Stage 1: Exploratory Factor Analysis (EFA)

Using the first subsample (n = 4,943), an EFA was conducted with the FACTOR program (Lorenzo-Seva & Ferrando, 2006), using a polychoric correlation matrix, unweighted least squares (ULS) estimation, and Promin oblique rotation (Lorenzo-Seva & Ferrando, 2019). Sampling adequacy was evaluated using the KMO index (values ≥ .70) and Bartlett’s test of sphericity (p < .05). The number of factors to retain was determined using the BIC criterion (Gibson et al., 2020). Assumptions of univariate normality (Kolmogorov–Smirnov test), skewness (|Sk| < 3), and kurtosis (K < 8) were examined. Item quality was assessed using the QIM index and the MSA coefficient (Lorenzo-Seva & Ferrando, 2021), and items with MSA values below .50 were excluded. Internal reliability was estimated using ordinal alpha.

Stage 2: Confirmatory Factor Analysis (CFA)

With the second subsample (n = 4,942), a CFA was carried out in Mplus 8.5 (Muthén & Muthén, 2017) using the WLSMV estimator, which is suitable for ordinal categorical variables. The model identified in the EFA was evaluated using χ², χ²/df, CFI, TLI, RMSEA, and SRMR, according to recommended cut-off values (Schreiber et al., 2006): CFI and TLI values ≥ .95 indicate excellent fit and ≥ .90 acceptable fit; RMSEA ≤ .06 and SRMR ≤ .08 indicate good fit. The model was subsequently tested in the total sample to confirm the stability of the factorial solution. Composite reliability (CR) and average variance extracted (AVE) were computed to assess internal consistency and convergent validity. CR values ≥ .70 were considered adequate, indicating a sufficient proportion of true-score variance relative to measurement error (Hair et al., 2020). AVE values ≥ .50 were interpreted as evidence that a construct explains at least 50% of the variance in its items (Fornell & Larcker, 1981). Discriminant validity was assessed using the Heterotrait–Monotrait ratio (HTMT), calculated from polychoric item correlations; values < .85 were considered evidence of adequate discriminant validity (Henseler et al., 2015). Internal consistency was also evaluated using ordinal alpha (Zumbo et al., 2007), appropriate for ordinal items based on polychoric correlations (Gadermann et al., 2014). Standardized loadings, standard errors, and item-level coefficients of determination (R²) were reported.

Stage 3: Multigroup Invariance Evaluation (MG-CFA) in the Total Sample

Using the full sample, factorial invariance of the six-factor model across gender, age, and SES was examined using MG-CFA in Mplus 8.5 (Muthén & Muthén, 2017) with the WLSMV estimator. Configural, metric, and scalar models were tested sequentially, and overall model fit was evaluated using invariance criteria based on changes of ΔCFI ≤ .010 and ΔRMSEA ≤ .015 (Chen, 2007; Cheung & Rensvold, 2002). Grouping variables were defined according to adult developmental theory. Age was categorized into three developmental groups (1: emerging adulthood, 20–24 years; 2: early and mid-adulthood, 25–44 years; and 3: middle and late adulthood, 45 years or older; Arnett, 2000; Dyussenbayev, 2017). The other grouping variables were gender (1: men, 2: women) and SES (1: low, 2: middle, 3: high).

Stage 4: Evidence of External Validity

Validity based on relationships with external variables (gender, age, SES, and subjective well-being) was then examined. Because of non-normal distributions and the ordinal nature of the data, Spearman correlations, Kruskal–Wallis tests, and post hoc comparisons were used. Hypotheses were formulated based on prior literature (Cummins et al., 2014; Jeyagurunathan et al., 2025), anticipating negative correlations between psychological distress dimensions (F1, F2, F3, F4, and F6) and subjective well-being (PWI), and a positive correlation with the resilience–prosociality dimension (F5) (Martínez-Moreno et al., 2020; Tomyn & Weinberg, 2018). International evidence consistently shows a social gradient in mental health: adults with lower SES present higher levels of depression, anxiety, and psychological distress (Lorant et al., 2003). In line with this pattern, lower SES was expected to be associated with poorer mental health indicators in this sample. It was also expected that women would show higher rates of internalizing disorders and men higher rates of externalizing disorders (Kayrouz et al., 2025), and that younger adults would present higher rates of anxiety and depression than middle-aged and older adults (Collier Villaume et al., 2023).

Stage 5: Additional Evidence of External Validity Through Comparison with ADA Normative Values

To provide further evidence of external validity, ADAL scores in the adult sample were compared with ADA normative values reported for adolescents in the original study (Daset et al., 2015). Because the aim was to contrast adult means with reference values, the normality assumption was first evaluated. The Kolmogorov–Smirnov and Anderson–Darling tests indicated significant deviations from normality (p < .001), so the one-sample t test was discarded. Instead, the nonparametric one-sample Wilcoxon test was used, which is appropriate for comparing an observed median against a theoretical value. Effect size was estimated using the rank-biserial correlation (r), interpreted as small (≈ .10), medium (≈ .30), or large (≥ .50), following Cohen’s (1988) criteria. All analysis stages followed reporting standards recommended for psychometric validation studies (Brown, 2015; Kline, 2023).

Results

Stage 1: Exploratory Factor Analysis (EFA)

Preliminary analyses showed significant deviations from univariate normality for all items (Table 1), with extreme skewness and kurtosis values. Consequently, a polychoric correlation matrix was used for the EFA, in line with current recommendations (Lloret-Segura et al., 2014). Bartlett’s test of sphericity was significant, χ² (276) = 56,795.2, p < .001, and the KMO index was .88, indicating adequate sampling adequacy.

Table 1: Item analysis with the first subsample (n = 4943)

Tabla

El contenido generado por IA puede ser incorrecto.

Note: M: mean; Sk: skewness; Ku: kurtosis; h²: communality. Factor loadings and communalities are shown in bold.

As a complementary measure of structural validity, the Quartile of Ipsative Means (QIM) statistic was applied. The QIM showed a clear differentiation between distress-related items (first quartile) and prosocial–resilience items (fourth quartile). This pattern is expected in instruments that assess mental health symptoms, since the relatively low prevalence of such symptoms in non-clinical populations tends to produce skewed distributions and restricted variance (Clark & Watson, 1995).

The factor-retention analysis using the BIC criterion suggested a six-factor solution with very good fit indices (χ² = 255.98, df = 147, χ²/df = 1.73; CFI = .99; TLI = .99; RMSEA = .012; RMSR = .021), accounting for 72 % of the total variance.

Factor determinacy indices (FDI = .92–.98) confirmed the precision of the factor scores. Overall, the six ADAL dimensions were clearly defined and yielded highly reliable factor score estimates (Ferrando & Lorenzo-Seva, 2016).

The factor loadings showed that each set of items clustered coherently within the six latent dimensions, with high loadings on the theoretically expected factor, minimal cross-loadings, and high communalities. These results provide empirical support for the structural validity of the instrument (Table 1), indicating that items are adequately represented by the retained common factors, in accordance with recommended psychometric standards (Lloret-Segura et al., 2014).

In summary, the EFA conducted with the first subsample identified a six-factor solution that replicates the structure reported in ADA psychometric studies (Daset et al., 2015) and in the updated adolescent self-report manual (Daset et al., 2021). This replication of the factorial pattern provides initial validity evidence in adult populations and suggests conceptual consistency of the model across developmental stages.

Stage 2: Confirmatory Factor Analysis (CFA)

A CFA was conducted on the second subsample (n = 4,943) using the WLSMV estimator, appropriate for ordinal items. The six-factor model identified through EFA was evaluated. The results indicated excellent model fit (χ²(237) = 3658.44, p < .001; CFI = .965; TLI = .959; RMSEA = .054, 90 % CI (.053–.056); SRMR = .052), according to recommended cut-off criteria (Schreiber et al., 2006).

All standardized factor loadings were significant (p < .001) and greater than .61, indicating that items cluster coherently within their respective factors (Brown, 2015). Inter-factor correlations were moderate and consistent with the interrelated nature of the domains assessed, supporting partial independence among dimensions.

Once the six-factor structure was confirmed in the second subsample, the CFA was replicated in the full sample (N = 9,885). Again, the model showed excellent fit (χ²(237) = 7955, p < .001; CFI = .96; TLI = .95; RMSEA = .057; SRMR = .052) (Figure 1).

Figure 1: Six-factor confirmatory model of the ADAL instrument (N = 9885)

Diagrama

El contenido generado por IA puede ser incorrecto.

Note: Model estimated using the WLSMV method. All parameters are significant (p < .001).

Table 2 presents the standardized factor loadings, standard errors, ordinal alpha reliability estimates, and item communalities for the six-factor model. All items showed significant loadings, low standard errors, and acceptable communalities, indicating adequate representation of the latent factors. All factor loadings were statistically significant (p < .001), indicating that items cluster coherently within the proposed dimensions.

After confirming the ADAL factorial structure through CFA, indicators of construct reliability and validity were examined. Composite reliability (CR) and average variance extracted (AVE) were first estimated to assess internal consistency and convergent validity for each dimension. Discriminant validity among factors was then evaluated using the HTMT index (Heterotrait–Monotrait Ratio of Correlations), calculated from polychoric correlations between items. Table 3 summarizes CR, AVE, and HTMT values for the six model dimensions, providing evidence of the instrument’s psychometric quality.

Table 2: Confirmatory Factor Analysis: Loadings, Standard Errors, Reliability, and Communalities

Tabla

El contenido generado por IA puede ser incorrecto.

Note: λᵢⱼ: factor loadings; S.E.: standard error; R²: communality.

Table 3: Composite Reliability (CR), Convergent Validity (AVE), and Discriminant Validity (Polychoric HTMT) of the ADAL factors

Tabla

El contenido generado por IA puede ser incorrecto.

Note: Below the main diagonal, the Heterotrait–Monotrait ratio (HTMT)—a modern index of discriminant validity based on polychoric item correlations—is presented (Henseler et al., 2015). On the main diagonal (in bold), the average variance extracted (AVE) is shown, and the rightmost column reports composite reliability (CR). Reference criteria: CR ≥ .70 (adequate reliability), AVE ≥ .50 (convergent validity), and HTMT < .85 (discriminate validity).

Stage 3: Evaluation of Multigroup Invariance (MG-CFA) in the Total Sample

Factorial invariance of the ADAL was assessed across gender, age group, and SES using a sequential hierarchical approach that included configural, metric, and scalar models. Before conducting the analysis, response categories were recoded to avoid estimation problems due to empty cells in some group–category combinations. The original five response options collapsed into four categories while preserving each item’s theoretical directionality. For psychological distress items (1–12 and 17–24), the highest response options (4 and 5) were combined because of low frequency, whereas for resilience items (13–16), the lowest categories (1 and 2) were grouped. This recoding stabilized parameter estimates and ensured the validity of the multigroup analysis.

Fit indices for each model are presented in Table 4. Across the three grouping variables (gender, age, and SES), models showed adequate fit at each level of constraint, and changes between consecutive models were below recommended thresholds (ΔCFI < .010; ΔRMSEA < .015; Chen, 2007).

Table 4: Factor invariance analysis of the ADAL across gender, age, and socioeconomic level

Imagen de la pantalla de un celular de un mensaje en letras negras

El contenido generado por IA puede ser incorrecto.

Note: CFI: Comparative Fit Index; TLI: Tucker–Lewis Index; RMSEA: Root Mean Square Error of Approximation; SRMR: Standardized Root Mean Square Residual.

*** p < .000.

These results indicate that the six-factor ADAL model demonstrates configural, metric, and scalar equivalence across men and women, age groups, and socioeconomic levels. Thus, latent mean comparisons across groups can be interpreted as reflecting true differences in the underlying constructs rather than measurement artifacts (Milfont & Fischer, 2010). This evidence of factorial invariance supports the instrument’s use in comparative studies within the Uruguayan adult population.

Stage 4: Evidence of Validity with External Variables

To examine convergent validity and the external robustness of the model, relationships between the six ADAL dimensions and theoretically relevant external variables were explored: gender, age, SES, and the Personal Wellbeing Index (PWI; Cummins et al., 2003).

Correlations showed significant associations (p < .001) of moderate to high magnitude among the latent factors, supporting both internal coherence and conceptual differentiation of the dimensions (Brown, 2015). The resilience/prosociality dimension correlated positively with subjective well-being, whereas dimensions linked to psychological distress (depression/anxiety, social anxiety, obsession/compulsion, and dissocial/addictive behavior) correlated negatively with the PWI (Table 5).

These results provide strong convergent validity evidence, with a correlation pattern consistent with subjective well-being theory and the mental health literature (Cummins et al., 2014; Jeyagurunathan et al., 2025; Martínez-Moreno et al., 2020; Tomyn & Weinberg, 2018). Associations with sociodemographic variables, although small in magnitude, aligned with well-established patterns in international research: greater emotional vulnerability among women—particularly in depression and anxiety—and higher externalizing indicators among men (Kayrouz et al., 2025); higher distress among younger adults (Collier Villaume et al., 2023); and poorer mental health in individuals with low SES (Lorant et al., 2003). These findings further support the external validity of the instrument.

Table 5: Correlations between latent factors and empirical scores of the ADAL and associations with external variables

Tabla

El contenido generado por IA puede ser incorrecto.

Note: Above the main diagonal, the matrix reports correlations among the latent factors; below the diagonal, it reports correlations based on the empirical scores (all correlations p < .001). The columns on the right display correlations, in the non-representative sample, with the PWI and the sociodemographic variables. F1: depression/anxiety, F2: dissocial/addictive behavior, F3: dysregulation/disruptive mood, F4: social anxiety, F5: resilience/prosociality, F6: obsessive/compulsive.

***p < .001

Differences by Sex, Age, and Socioeconomic Status

Given the ordinal nature of the items and the non-normal distribution of the scores, nonparametric tests were used. The Mann–Whitney U test indicated significant sex differences in five of the six dimensions. Women scored higher on depression/anxiety, social anxiety, and obsessive–compulsive symptoms, whereas men scored higher on dissocial/addictive behavior and disruptive mood dysregulation. No sex differences were observed in resilience/prosociality.

The Kruskal–Wallis test revealed age-group differences across all six dimensions, with effect sizes ranging from small to moderate (ε² = .00–.06). Scores decreased progressively from the youngest group (19–24 years) to the oldest group (≥ 45 years), except for Resilience–Prosociality, where older adults obtained higher values. Regarding socioeconomic status, differences emerged in four dimensions (F1, F2, F4, and F6): participants with low SES showed higher levels of psychological distress, whereas those with high SES reported greater involvement in dissocial behavior (Table 6).

Table 6: Results of the Kruskal–Wallis Test by Age Group and Socioeconomic Level on the ADAL Dimensions

Tabla

El contenido generado por IA puede ser incorrecto.

Note: Values in the Post hoc column indicate the pattern and direction of significant differences between age groups or socioeconomic levels; n.s.: not significant; H(2): Kruskal–Wallis statistic with 2 degrees of freedom.

***p < .001

Stage 5: Additional Evidence of External Validity Through Comparison with ADA Normative Values

Because the aim was to compare adult scores with published adolescent means (Daset et al., 2015), the normality assumption was first examined. As distributions showed significant violations (p < .001), the nonparametric one-sample Wilcoxon test was used, accompanied by effect size estimates (rank-biserial correlation, r).

The results (Table 7) showed statistically significant differences across all dimensions. In most psychological distress factors, adults scored significantly lower than adolescents, suggesting lower emotional distress in adulthood. In contrast, dimensions associated with personal strengths and control-oriented behaviors followed the opposite pattern: adults scored significantly higher in resilience/prosociality (F5) and especially in obsessive/compulsive tendencies (F6), the latter showing a very large effect size.

Table 7: Comparison Between Adult Results (ADAL) and Published Adolescent Means (ADA; Daset et al., 2015)

Imagen de la pantalla de un celular con texto

El contenido generado por IA puede ser incorrecto.

Note: r: effect size, interpreted as small (≈ .10), moderate (≈ .30), or large (≥ .50) according to Cohen (1988). Negative r values indicate that the adult mean is lower than the adolescent reference mean.

Discussion

The findings of this study provide robust empirical evidence for the structural validity, factorial invariance, internal reliability, and convergent validity of the ADAL, supporting its usefulness as a brief, psychometrically sound instrument for assessing psychopathological symptoms and mental health strengths in adults. The six-dimensional model showed excellent fit in both exploratory and confirmatory factor analyses and remained invariant across sociodemographic groups (gender, age, and SES), demonstrating factorial invariance. These results reflect the stability of the underlying construct and its theoretical coherence with the original ADA model (Daset et al., 2015), in line with international guidelines for the validation of psychological assessment instruments (AERA et al., 2014; Muñiz & Fonseca-Pedro, 2019).

Factor loadings were high across all dimensions, and reliability indices confirmed the precision of the measurements. The depression/anxiety factor showed the highest internal consistency, consistent with its clinical and epidemiological relevance in the general population. These findings are in line with previous studies using the adolescent ADA version (Daset et al., 2015; Fernández et al., 2018). The ADAL factors exhibit a structural pattern compatible with the ASEBA model proposed by Achenbach et al. (2017), indicating conceptual continuity across developmental stages and reinforcing the instrument as a transgenerational screening tool.

Correlations with the PWI also followed the theoretically expected pattern. ADAL dimensions associated with psychological distress (F1, F2, F3, F4, and F6) were negatively related to subjective well-being (Jeyagurunathan et al., 2025), whereas the resilience/prosociality dimension (F5) showed a positive association with this indicator (Anselmi et al., 2024; Diener et al., 2018; Fernández et al., 2018; Martínez-Moreno et al., 2020; Tomyn & Weinberg, 2018).

Significant differences in subscale scores by gender, age, and SES further demonstrated the instrument’s sensitivity to sociodemographic variability in symptom profiles. Gender analyses were consistent with WHO reports (2022a), which point to higher prevalence of psychological distress and mental disorders among women, particularly anxiety and depression. Similarly, the present results showed higher levels of anxious–depressive symptoms in women and younger adults, consistent with recent post-pandemic data (Anselmi et al., 2024). In contrast, men more frequently reported dissocial behaviors and emotional dysregulation (Leadbeater et al., 2023). This evidence underscores the importance of gender-sensitive approaches to mental health assessment and intervention, recognizing both differences and commonalities in the psychological trajectories of men and women.

A developmental pattern was also observed, characterized by decreased psychological distress and increased resilience in adulthood, consistent with developmental models highlighting improvements in emotional regulation and coping strategies with age (Charles & Carstensen, 2010), as well as findings showing a negative association between resilience and psychological distress (Harms et al., 2018).

Differences by SES confirmed that low SES is associated with higher levels of depression/anxiety and social anxiety, consistent with the social gradient in mental health described by Lorant et al. (2003). In contrast, high SES was associated with higher scores in obsession/compulsion and lower involvement in dissocial/addictive behaviors, suggesting that psychological distress may manifest differently depending on socioeconomic context.

Finally, comparisons between adults and adolescents indicated a significant reduction in personal distress during adulthood, along with increased resilience, prosociality, and control-oriented behaviors associated with obsessive–compulsive traits. These patterns suggest a developmental trajectory toward greater affective and behavioral self-regulation, consistent with psychological maturity processes described by Soto et al. (2011).

The validation of the ADAL represents a meaningful advance for psychological assessment in Uruguay by providing a psychometrically strong, brief instrument that is sensitive to the characteristics of the local population. Its multidimensional structure aligns with the ASEBA framework—on which it is conceptually based—and with the empirically grounded assessment models developed by Achenbach and Rescorla (2001). The ADAL can be applied in clinical, community, and academic settings, facilitating early screening for mental health problems as well as monitoring psychosocial strengths. Its accessible design also supports efficient implementation in primary care services and mental health promotion and prevention programs, contributing to better resource allocation and evidence-based clinical decision-making.

Among the main limitations of this study, it is acknowledged that the initial validation was conducted with a non-representative sample obtained through non-probabilistic sampling. While this design limits strict generalizability, the large sample size and the sociodemographic and geographic diversity of participants—from various regions of the country—provide a robust and culturally heterogeneous empirical basis that strengthens the validity of the psychometric findings. In addition, the cross-sectional design prevents conclusions about causality or temporal stability of the evaluated profiles.

Future studies should use probabilistic sampling, validate the instrument in clinical populations, and examine concurrent validity by comparing ADAL scores with other standardized mental health measures. It would also be useful to explore its applicability in specific clinical contexts and in particular subpopulations, such as older adults or groups facing psychosocial vulnerability. Overall, further research is recommended to evaluate the convergent, predictive, and discriminant validity of the ADAL using gold-standard measures and ROC curve analyses, with the aim of estimating its sensitivity and specificity parameters.

References

Achenbach, T. M. (1978). The child behavior profile: I. Boys aged 6–11. Journal of Consulting and Clinical Psychology, 46(3), 478-488. https://doi.org/10.1037/0022-006X.46.3.478

Achenbach, T. M., & Rescorla, L. A. (2001). Manual for the ASEBA school-age forms & profiles. University of Vermont, Research Center for Children, Youth, & Families.

Arnett J. J. (2000). Emerging adulthood. A theory of development from the late teens through the twenties. The American Psychologist, 55(5), 469-480. https://doi.org/10.1037/0003-066x.55.5.469

Brown, T. A. (2015). Confirmatory factor analysis for applied research (2^nd ed.). The Guilford Press.

Carretero-Dios, H., & Pérez, C. (2005). Normas para el desarrollo y revisión de estudios instrumentales. International Journal of Clinical and Health Psychology, 5(3), 521-551.

Charles, S. T., & Carstensen, L. L. (2010). Social and emotional aging. Annual Review of Psychology, 61, 383-409. https://doi.org/10.1146/annurev.psych.093008.100448

Chen, F. F. (2007). Sensitivity of goodness of fit indexes to lack of measurement invariance. Structural Equation Modeling, 14(3), 464-504. https://doi.org/10.1080/10705510701301834

Clark, L. A., & Watson, D. (1995). Constructing validity: Basic issues in objective scale development. Psychological Assessment, 7(3), 309-319. https://doi.org/10.1037/1040-3590.7.3.309

Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (2^nd ed.). Lawrence Erlbaum Associates, Publishers.

Diener, E., Oishi, S., & Tay, L. (2018). Advances in subjective well-being research. Nature Human Behaviour, 2(4), 253-260. https://doi.org/10.1038/s41562-018-0307-6

Dyussenbayev, A. (2017). Age periods of human life. Advances in Social Sciences Research Journal, 4(6). https://doi.org/10.14738/assrj.46.2924

Fernández, M. E., Castelluccio, L., Sanjurjo, I., & Daset, L. (2024). Adolescent and parental risk perception of alcohol and marijuana use and well-being of adolescents in Uruguay. In M. Florence, W. Vanderplasschen, M. Yu, J. De Maeyer, & S. Savahl (Eds.), Handbook of Addiction, Recovery and Quality of Life: Cross-cutting Perspectives from Around the Globe (pp. 435-446). Springer. https://doi.org/10.1007/978-3-031-65873-0_30

Gadermann, A., Guhn, M., & Zumbo, B. D. (2014). Ordinal Alpha. In A. C. Michalos (Ed.), Encyclopedia of Quality of Life and Well-Being Research. Springer. https://doi.org/10.1007/978-94-007-0753-5_2025

Cummins, R. A. (Ed.). (2024). Personal Wellbeing Index Adult - Manual (6^th ed., Version 2). International Wellbeing Group. https://www.acqol.com.au/uploads/pwi-a/pwi-a-english.pdf

Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate data analysis (8^th ed.). Cengage Learning.

Harms, P. D., Brady, L., Wood, D., & Silard, A. (2018). Resilience and well-being. In E. Diener, S. Oishi, & L. Tay (Eds.), Handbook of well-being (pp.642-653). DEF Publishers.

Kline, R. B. (2023). Principles and practice of structural equation modeling (5^th ed.). Guilford Press.

Lorenzo-Seva, U., & Ferrando, P. J. (2006). FACTOR: a computer program to fit the exploratory factor analysis model. Behavior Research Methods, 38(1), 88-91. https://doi.org/10.3758/bf03192753

Lorenzo-Seva, U., & Ferrando, P. J. (2019). Robust Promin: A method for diagonally weighted factor rotation. Liberabit, 25(1), 99-106. https://doi.org/10.24265/liberabit.2019.v25n1.08

Muñiz, J., & Fonseca-Pedrero, E. (2019). Diez pasos para la construcción de un test. Psicothema, 31(1), 7-16. https://doi.org/10.7334/psicothema2018.291

Muthén, L. K., & Muthén, B. O. (1998–2017). Mplus user’s guide (8^th ed.). Muthén & Muthén.

Organización Mundial de la Salud. (2022a). Informe mundial sobre salud mental: Transformar la salud mental para todos. https://www.who.int/es/publications/i/item/9789240050860

Organización Panamericana de la Salud. (2023). Una nueva agenda para la salud mental en la Región de las Américas: Informe de la Comisión de Alto Nivel sobre Salud Mental y covid-19. https://doi.org/10.37774/9789275327227

World Health Organization. (2018). Mental health in primary care: Illusion or inclusion? https://www.who.int/publications/i/item/WHO-HIS-SDS-2018.38

How to cite: Costa-Ball, C. D., Fernández, M. E., Lorenzo-Seva, U., & Daset, L. (2025). Factorial Structure, Internal Consistency, and Measurement Invariance of a Self-Report Scale for Assessing Mental Health Problems in Adults. Ciencias Psicológicas, 19(2), e-4686. https://doi.org/10.22235/cp.v19i2.4686

Funding: The study was funded by La Banca de Juegos y Quinielas of Uruguay as part of its Responsible Gaming Program.

Data availability: The data set supporting the results of this study is not available.

Conflict of interest: The authors declare that they have no conflicts of interest.

Authors’ contribution (CRediT Taxonomy): 1. Conceptualization; 2. Data curation; 3. Formal Analysis; 4. Funding acquisition; 5. Investigation; 6. Methodology; 7. Project administration; 8. Resources; 9. Software; 10. Supervision; 11. Validation; 12. Visualization; 13. Writing: original draft; 14. Writing: review & editing.

C. D. C. B. has contributed in 1, 2, 3, 6, 12, 13, 14.; M. E. F. in 1, 2, 5, 12, 13, 14; U. L. S. in 3, 6; L. D. in 1, 10, 13, 14.

Scientific editor in charge: Dr. Cecilia Cracco.

Ciencias Psicológicas; v19(2)

July-December 2025

10.22235/cp.v19i2.4686