Artículos
Análisis dinámico de
un equipo interprofesional que implementa un programa de atención psicosocial a
víctimas de la guerra
Dynamic analysis of
an interprofessional team implementing a psychosocial intervention program for
war victims
Ignacio Ramos-Vidal iramos5@us.es.
Universidad de Sevilla,
España
Jorge Enrique Palacio Sañudo jpalacio@uninorte.edu.co
Universidad del Norte,
Colombia
Alicia Uribe alicia.uribe@upb.edu.co
Universidad Pontificia Bolivariana, Colombia
Ilse Villamil ilse.villamil@upb.edu.co
Universidad Pontificia Bolivariana, Colombia
Análisis dinámico de un equipo interprofesional que implementa
un programa de atención psicosocial a víctimas de la guerra
Interdisciplinaria,
vol. 40, núm. 2, pp. 517-541,
2023
Centro Interamericano de Investigaciones Psicológicas y Ciencias
Afines
El acceso a los
contenidos que se publican en la revista INTERDISCIPLINARIA es abierto, libre y
gratuito, a texto completo y sin embargos temporales. La revista no cobra a los
autores por los servicios de evaluación, corrección, edición, publicación y distribución
de los trabajos aceptados. Los autores conservan los derechos de autor y ceden
a la revista el derecho de la primera publicación. Los artículos de
Interdisciplinaria serán publicados bajo una Licencia Creative Commons
Atribución-NoComercial-CompartirIgual 4.0 Internacional, que permite a terceros
utilizar lo publicado, siempre que: 1. se mencione la autoría del trabajo y la
primera publicación en esta revista; 2. que no se utilice con fines
comerciales; y 3. que las obras que se deriven del artículo se compartan en
iguales condiciones.
Esta obra está bajo una Licencia Creative
Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional.
Recepción:
16
Marzo 2021
Aprobación:
14
Febrero 2023
Resumen:
Este estudio analiza los cambios
estructurales experimentados por un equipo interprofesional que implementa un
programa de intervención psicosocial dirigido a víctimas de la guerra en
Colombia. Los equipos están compuestos por psicólogos, trabajadores sociales y
facilitadores comunitarios que proporcionan atención a nivel individual,
familiar y comunitario. Se aplicaron métodos de evaluación estructural para
identificar cambios en la cohesión de las redes de reconocimiento entre
profesionales, así como la preferencia para colaborar y el intercambio de
información enviada y recibida. La recogida de información se produjo en dos
series temporales –tiempo 1 (T1) y tiempo 2 (T2)– con un intervalo de tres
meses. Se utilizó una estadística aplicada al análisis de datos relacionales
para determinar los cambios en las redes en T1 y T2. En el período de
referencia se incrementó la densidad en las redes de reconocimiento [. =
1.7105, (IC 95 %: -.0123 - .185), . < .0444] y de preferencia para trabajar
[. = 2.0942, (IC 95 %: .005 - .1521), . < .0218]. Las redes de intercambio
de información no experimentaron cambios significativos. Las regresiones
múltiples a nivel diádico indican que la preferencia para trabajar e
intercambiar información en T1, predicen el intercambio de información relativo
tanto a peticiones de información recibidas como enviadas en T2. Se discuten
los resultados para optimizar la implementación de programas de intervención
psicosocial desarrolladas por equipos interprofesionales.
Palabras clave: análisis de redes
sociales, equipos interprofesionales, implementación, intervención psicosocial,
víctimas de la guerra.
Abstract: The study analyzes the structural changes experienced by an
interprofessional team implementing a psychosocial intervention program for
victims of war in Colombia. The program is called "PAPSIVI" (Programa
de Atención Psicosocial y Salud Integral a Víctimas), which has been operating
in Colombia since 2013, thanks to Law 1448 of 2011 to improve the quality of
life and repair the damage of the victims of the armed conflict in Colombia. It
only served people registered in the Single Registry of Victims (RUV), which
had 9'165,126 records throughout the country until September 2021. This program
follows a comprehensive and restorative approach that defines victims as
protagonists of their own process of empowerment and positive change (Laplante
and Holguin, 2006; Thompson, 1996). For this purpose, a multilevel intervention
is carried out at the individual, family and community levels. The program is
implemented by teams of professionals (psychologists, social workers and
community facilitators) of varying sizes depending on the number of victims
served in the municipalities. Psychologists provide individual psychological care
and, to a lesser extent, family therapy is also offered to try to repair
psychosocial damage from exposure to situations of violence (Oficina de
Promoción Social, 2017). Social workers carry out community interventions to
promote the associative fabric and social capital. Community promoters are
facilitators and connect professionals with the potential beneficiaries of the
intervention. The latter are very important, having themselves the status of
victims, which increases the ecological validity of the intervention. Due to
the characteristics of the implementation of this initiative, which takes into
account the difficulties of the context (with situations of deprivation and
vulnerability), as well as the particularities of the participants, it is valid
to ask in this research what are the structural changes experienced by the
teams of professionals who implement PAPSIVI. For this, structural evaluation
methods were applied to identify changes in the cohesion of recognition
networks among professionals, the preference to collaborate and the exchange of
information sent and received. Data collection took place in two time series
(T1 before - T2 after) with an interval of three months. Statistics applied to
relational data analysis were used to determine changes in the networks at time
T2. In the results it was found that in the baseline period the density in the
recognition [t = 1.7105, (95 % CI: -.0123 - .185), p < .0444] and work
preference [t = 2.0942, (95 % CI: .005 - .1521), p < .0218] networks increased.
Information exchange networks did not experience significant changes. Multiple
regressions at the dyadic level indicate that the preference for working and
exchanging information at T1 predicts information exchange relative to both
information requests received and sent at T2. It is concluded that the results
shed light for: (a) optimize the design of psychosocial intervention teams; (b)
improve their functioning by introducing horizontal organizational
communication tools (among the members of each team), transversal (among the
members of the teams implementing the program in different municipalities), and
vertical (by promoting communication between professionals and program
managers/responsible persons), and (c) achieve that changes in the structure of
the teams serve as a diagnostic tool for functional problems of the team
associated with the exchange of professional information and the referral of
users. Ultimately, better integration of the teams leads to better psychosocial
profiles of the users of programs such as PAPSIVI and allows them to better
adapt their activities to the needs of the users, which improves the
effectiveness of the intervention (Virto, 2021).
Keywords: implementation,
interprofessional teams, psychosocial intervention, social network analysis,
war victims.
Introducción
Equipos interprofesionales e implementación de programas
Los programas de intervención suelen llevarse a la práctica por
equipos interprofesionales (i. e., Heinemann y Zeiss, 2002). La evidencia
empírica pone de relieve los beneficios asociados a la prestación de servicios
por parte de estos equipos. Diferentes estudios muestran que los equipos
interdisciplinares son altamente efectivos en las etapas de diagnóstico
preliminar de necesidades, en las labores de evaluación y en la implementación
de intervenciones en comparación con las mismas acciones desarrolladas por
equipos integrados por un único perfil profesional o por profesionales de
manera independiente (Leathard, 2004).
Este fenómeno se produce como consecuencia de la multiplicidad de enfoques
desde los que se realiza el proceso de intervención. En esta línea Reeves, Lewin, Espin y Zwarenstein (2011)
señalan que los profesionales que ostentan un perfil de corte clínico efectúan
diagnósticos y se centran en aspectos propios de su área de experticia, en
tanto los profesionales sociosanitarios ofrecen su punto de vista que considera
la relación que los individuos mantienen con su entorno social (por ejemplo, la
familia y el entorno relacional inmediato), y que los profesionales en materia
de intervención comunitaria examinan la conexión entre el individuo y el
contexto comunitario y mesosocial (por ejemplo, factores de riesgo y protección
presentes en el barrio de residencia).
Cuando se conjugan de manera efectiva los diferentes
diagnósticos de los miembros de equipos interprofesionales, el resultado suele
derivar en: (a) una prestación de servicio de alta calidad; (b) reducciones en
la duración del proceso de intervención; (c) mayor satisfacción de los usuarios
con el servicio recibido, y (d) con una mayor efectividad del programa (Borrill, West, Shapiro, y Rees, 2000). Sin
embargo, diferentes antecedentes muestran que existen múltiples resistencias
que dificultan aprovechar el potencial de los equipos interprofesionales en el
contexto de la implementación de programas. En este sentido, Hall (2005) señala que la cultura
profesional puede suponer una barrera en los procesos colaborativos que
caracterizan el trabajo de los equipos interprofesionales. La cultura de cada
profesión incluye factores asociados a los valores, las costumbres, las
actitudes y los comportamientos que marcan las relaciones entre diferentes
perfiles profesionales y que condicionan el funcionamiento de los equipos
interprofesionales.
La comunicación es un factor central que afecta a la efectividad
de los equipos interprofesionales que prestan servicios sociosanitarios. El
intercambio de información constituye la piedra angular del trabajo que
desarrollan los equipos interprofesionales (Walker,
Pan, Johnston, y Adler-Milstein, 2005). Este proceso hace posible las
labores de coordinación, evitar la duplicidad en el diagnóstico del paciente,
la transferencia de conocimiento centrado en la práctica clínica, la adopción
de acciones basadas en la evidencia y la detección y difusión de buenas
prácticas (Ayabakan, Bardhan, Zheng, y
Kirksey, 2017). Por su parte Robinson,
Gorman, Slimmer y Yudkowsky (2010) encontraron que la claridad del mensaje
que conduce a verificar la información del usuario, las estrategias
colaborativas aplicadas a la resolución de problemas, y el mantener una actitud
tranquila y de apoyo mutuo bajo situaciones de estrés, son factores que afectan
positivamente la comunicación en equipos interprofesionales.
La evaluación estructural de los equipos
interprofesionales
La literatura destaca ciertos factores que predicen la
efectividad de los equipos interprofesionales. La configuración estructural se
sitúa entre los aspectos que producen un mayor impacto en el desempeño de este
tipo de equipos (Xyrichis, y Lowton, 2008).
La estructura de un equipo hace referencia al patrón de conexiones que dan
forma a la red interna del equipo interprofesional. En los últimos años, se han
expandido los métodos de Análisis de Redes Sociales (ARS) para evaluar, de
forma sistemática, la estructura de equipos que implementan programas de
intervención y prestan servicios de salud (Lurie,
Fogg, y Dozier, 2009; Meltzer, Chung,
Khalili, Marlow, Arora, Schumock, y Burt, 2010).
La estructura interna de un equipo se deriva de los vínculos que
mantienen los miembros entre sí, y aluden, entre otros factores, a la cantidad
de contactos que se dan dentro de una red social (por ejemplo, cohesión), al
número de subgrupos en los que puede fragmentarse una red (i. e., subgrafos y componentes), a la tendencia a
establecer relaciones de manera preferente con determinados profesionales en
detrimento de otros (i. e., homofilia versus
heterofilia), al grado en que las relaciones son correspondidas (i. e., reciprocidad) o a la medida en que, en las interacciones
que se dan dentro de un equipo participan activamente la mayor parte de
integrantes del grupo o solo unos pocos (i. e.,
centralización). Las redes sociales pueden descomponerse en unidades menores,
ya que la estructura de las redes adquiere un carácter multinivel. Por tanto,
el ARS conecta los niveles micro (individuo), meso (subgrupo) y macro (red
completa) de manera comprehensiva (Granovetter,
1973; Sampson, 1991; Snijders, y Steglich, 2015; Tasselli, 2015).
Las relaciones que un individuo establece con otro miembro del
equipo dan forma a una diada (la unidad o subgrafo más elemental en ARS). A su
vez, una diada puede formar una triada si a este subgrafo se adhiere otro
miembro, y así sucesivamente se forman agrupaciones de mayor tamaño (por
ejemplo, cliques, conglomerados, componentes y facciones) hasta dar forma a la
estructura de la red completa. Esta premisa implica que las estructuras
microlocales (diadas y las múltiples configuraciones triádicas), que de manera
agregada dan forma a una red completa, son las que determinan la estructura y
la evolución de las redes sociales (Faust,
2007; Holland, y Leinhardt, 1976; Snijders, 2017; Snijders, y Steglich, 2015). Por lo
tanto, para comprender cómo se configuran y transforman las redes sociales es
preciso examinar las propiedades microlocales que modelan su configuración. Si
bien el análisis diádico ha sido el más utilizado para examinar relaciones de
intercambio en contextos intra e interorganizativos (e. g.,
Rivera, Soderstrom, y Uzzi, 2010), en
la actualidad el análisis triádico experimenta un notable desarrollo. Esto se
debe, por un lado, a que ofrece explicaciones precisas en torno a cómo se
genera el consenso dentro de estructuras locales (Gamson, 1961) y, por otro, a que el
análisis de las configuraciones triádicas ilustra cómo coevolucionan las redes
sociales y permiten adquirir una visión más precisa de los patrones de cambio (Laumann, y Marsden, 1982; Moody, 1998; Vedel, Holma, y Havila, 2016).
El ARS se ha empleado para evaluar las dinámicas a nivel micro o
individual para: (a) detectar actores clave con capacidad para introducir
cambios en los equipos y en las organizaciones; (b) difundir buenas prácticas
de intervención, y (c) adaptar el diseño estructural del equipo a las
características de la demanda (Ramos-Vidal,
2017, Ramos Vidal 2018; Ramos-Vidal, Caballero, Colorado, Villamil,
y Uribe, 2020). A nivel mesosocial la investigación se centra en
identificar los componentes en los que se puede descomponer una red y en
examinar los vínculos entre las diferentes agrupaciones detectadas. A nivel
macro, si se considera la estructura de la red completa, las técnicas de ARS
tienen el objetivo de: (a) identificar los patrones de cambio en la morfología
y la composición de las redes; (b) mostrar los antecedentes que hacen emerger
otros tipos de relaciones sociales entre los miembros de un equipo, y (c)
establecer predicciones en torno a cómo evolucionará la red bajo determinados
condicionantes endógenos, exógenos y aleatorios (Snijders, 2017, p.344).
Los métodos de análisis estructural realizan contribuciones
destacadas en el diseño, la implementación y la evaluación de programas de
intervención (Gest, Osgood, Feinberg,
Bierman, y Moody, 2011; Ramos-Vidal,
et al., 2020; Valente, Palinkas,
Czaja, Chu, y Brown, 2015). El ARS se emplea para examinar la estructura y
el modelo de gobernanza de sistemas responsables de prestar servicios sociales
como es el caso de las coaliciones comunitarias, las redes inter-organizativas
y las alianzas estratégicas que soportan la implementación de políticas
públicas (Milward, Provan, Fish, Isett, y
Huang, 2009).
Diferentes estudios indican que los incrementos de cohesión en
redes interorganizativas e intraorganizativas y de equipos interprofesionales
se relacionan con mayores niveles de capacidad adaptativa, innovación y
desempeño efectivo (Montes, Moreno, y
Morales, 2005). En otra propuesta Luque,
Tyson, Bynum, Noel‐Thomas, Wells, Vadaparampil et al. (2011) muestran que
los aumentos en la densidad producen mejoras en la coordinación, mientras que
la reducción en el nivel de centralización, la integración de actores aislados
e incrementos en el número de subgrupos detectados implican un mejor
funcionamiento de los equipos. Estos hallazgos reflejan que los cambios en la
estructura producen correlatos con los resultados de los equipos y con la calidad
de la atención que reciben los usuarios (Shearer,
Dion, y Lavis, 2014).
Contexto y objetivos del estudio
El Programa de Atención Psicosocial y Salud Integral a
Víctimas (PAPSIVI)
El programa PAPSIVI se puso en funcionamiento en el año 2013. El
programa se desarrolló en el marco de la Ley 1448 promulgada en el año 2011 por
el gobierno colombiano para mejorar la calidad de vida y reparar el daño
sufrido por las víctimas de la guerra. En el Registro Único de Víctimas (RUV)
desde el año 1985 hay censadas 9.423.138 víctimas a nivel nacional
[https://www.unidadvictimas.gov.co/es/registro-unico-de-victimas-ruv/37394
(fecha de última consulta: 14 de febrero de 2023)]. Todas estas víctimas
inscriptas en el RUV son consecuencia del conflicto armado. El número total de
personas sujetos de atención asciende a 7 482 409, que se corresponde con la
población diana del PAPSIVI.
El PAPSIVI adopta un enfoque integral y reparador que concibe a
las víctimas como agentes protagonistas de su propio proceso de empoderamiento
y cambio positivo (Laplante y Holguin,
2006; Thompson, 1996). Una de las
características del programa es que la intervención es de carácter multinivel,
y se prestó atención al plano individual, familiar y comunitario. La
implementación del programa se lleva a cabo en los municipios por equipos de
atención interprofesional compuestos por psicólogos, trabajadores sociales y
facilitadores comunitarios. El tamaño y la composición de los equipos dependen
del número de víctimas censadas en los municipios, de la prevalencia de hechos
victimizantes en las comunidades y del nivel de intervención predominante en
los municipios. El carácter multinivel y sistémico de la intervención se
observa, por un lado, en que los psicólogos proporcionan atención psicológica a
nivel individual y, en menor medida, también se ofrece terapia familiar con
sesiones que buscan reparar el daño psicosocial experimentado por la exposición
directa o indirecta a situaciones de violencia (Oficina de Promoción Social, 2017). Por
otro lado, los trabajadores sociales realizan intervenciones a nivel
comunitario centradas en promover el tejido asociativo y el capital social
presente en cada contexto de intervención. Los promotores comunitarios, sin
efectuar intervenciones en sentido estricto, actúan como facilitadores y como
nexo entre los profesionales que implementan el programa y los potenciales
beneficiarios de la intervención. La importancia de los promotores es crucial
dado que, al tener ellos mismos la condición de víctimas, incrementan la
validez ecológica de la intervención. Por las características en la ejecución
de esta iniciativa es válido preguntarse en esta investigación cuáles son los
cambios estructurales que experimentan los equipos de profesionales que
implementan el PAPSIVI.
El reto es grande si se tiene en cuenta que Colombia está
dividida administrativamente en 32 Departamentos y un distrito administrativo
central. Cada Departamento cuenta con una Secretaría de Salud que es el ente
encargado de gestionar las acciones en materia sociosanitaria. La gestión del
PAPSIVI oscila entre un modelo de gestión centralizada en el que el Ministerio
de Salud y Protección Social es la entidad responsable, y un modelo de gestión
descentralizada en el que las Secretarías de Salud de cada Departamento (o las
agencias públicas y privadas en la que estas deleguen) son las encargadas de la
implementación del programa. En el Departamento de Córdoba, contexto en el que
se ha desarrollado el estudio, la gestión del programa está descentralizada. En
el Departamento de Córdoba hay censadas en el RUV 290.730 víctimas censadas
susceptibles de recibir atención. En el año 2016 el PAPSIVI atendió a cerca de
9000 personas, a las que se les ofreció una cobertura similar a la del año
anterior.
Objetivos
1. Evaluar los cambios en la densidad de los equipos interprofesionales que implementan el PAPSIVI en el Departamento de Córdoba, Colombia, en las redes de reconocimiento, preferencia para colaborar e intercambio de información.
Examinar la evolución dinámica de las principales medidas de
cohesión, de las propiedades microlocales y de los parámetros de agrupamiento
en las diferentes relaciones evaluadas entre los miembros de los equipos
interprofesionales.
Identificar el grado en que los antecedentes relacionales
evaluados previamente –Tiempo 1- (T1) determinan la estructura de las redes de
los equipos interprofesionales en un intervalo temporal de tres meses después
de la evaluación inicial –Tiempo 2- (T2).
Método
Diseño de investigación
Se desarrolló un estudio longitudinal exploratorio en el que se
recabó la información de los profesionales en dos momentos diferentes,
espaciados por un intervalo de tres meses (a principios de septiembre y de
diciembre de 2016).
Participantes
En total, entre las dos series temporales en el estudio
participaron 59 profesionales de los 90 adscriptos al PAPSIVI en el
Departamento de Córdoba, Colombia, que implica una cobertura del 65.56 % del
total de profesionales. La mayoría de los profesionales que participaron en el
estudio son mujeres (91.5 %). En relación con el perfil profesional de los
participantes, se observa el mismo número de psicólogos y trabajadores sociales
(n = 24; 40.7 %), 10 facilitadores comunitarios (16.9 %) y una enfermera de
enlace (1.7 %). En cuanto al tiempo que los profesionales llevan trabajando en
el programa, de media los implementadores lo hicieron 10.2 meses (DT = 12.01).
Los facilitadores comunitarios son los profesionales que cuentan con una
trayectoria más dilatada (dos años de media), seguido de los trabajadores
sociales (M = 6.65; DT = 9.05) y de los psicólogos (M = 5.86; DT = 6.02).
Mediante la prueba de Kruskal-Wallis, se comprobó que las diferencias en la
antigüedad, en función del perfil profesional, son estadísticamente significativas
(X² = 14,321; . < .001).
Instrumentos
Se utilizó un cuadernillo que contenía cuatro secciones con los
instrumentos utilizados. La primera sección contenía nueve preguntas sobre los
datos sociodemográficos de los participantes. La segunda era sobre el grado de
satisfacción con respecto al desempeño de la tarea en el proyecto, en la cual
se realizaban cincuenta preguntas que se respondía en una escala de Likert de
cuatro puntos (1 = Nada de acuerdo; 2 = Algo de acuerdo; 3 = De acuerdo;
4 = Muy de acuerdo). La tercera indagaba sobre las
barreras percibidas en el proceso de implementación del PAPSIVI, que tenían
diez ítems que se respondían de 1 a 10 en función de la importancia del
enunciado (1 = Nada importante –es decir, no
produce efectos en los resultados del programa–; 5 = Algo
importante –puede tener algún efecto en los resultados del programa–, y
10 = Totalmente importante). La cuarta permitía
identificar la red de relaciones y el apoyo de cada uno de los participantes en
la investigación, mediante la evaluación de siete tipos de relaciones que los
participantes podrían tejer con sus colegas de trabajo. El cuadernillo se puede
consultar en su versión extensa en Ramos-Vidal
et al. (2020, pp. 184-185).
Procedimiento
Se estableció un contacto preliminar con el equipo de
coordinación del programa que depende de la Secretaría de Salud del
Departamento de Córdoba. Los coordinadores del programa facilitaron los datos de
contacto de los profesionales y las fechas en las que se celebran los
encuentros periódicos de coordinación a los que están convocados todos los
implementadores del programa a nivel departamental. Se diseñó un instrumento
para obtener la red sociocéntrica del equipo interprofesional. Este tipo de
instrumento se construye al indicar, en las filas, el nombre de los
profesionales y, en las columnas, los diferentes tipos de relaciones (por
ejemplo, intercambio de información). Cada participante debe señalar a los
profesionales con los que mantiene algunas de las relaciones evaluadas, por lo
tanto, es posible nominar a un actor en más de una relación. Posteriormente,
esta información se trasladó a una matriz de adyacencia que fue analizada con
el programa UCINET 6.5.3 (Borgatti,
Everett, y Freeman, 2002). El análisis de cada tipo de relación da como
resultado una red, de modo que el objeto de análisis de este estudio son cuatro
redes sociocéntricas correspondientes a la red de reconocimiento, de
preferencia para colaborar, de solicitudes de información y de recepción de
peticiones de información por parte de otros profesionales.
La recogida de información correspondiente al primer momento
(T1) tuvo lugar en un encuentro de coordinación en la ciudad de Montería a
principios de agosto. En esta primera aplicación participaron 50
implementadores y la enfermera de enlace. La segunda aplicación,
correspondiente al segundo momento (T2), se llevó a cabo en otro encuentro de coordinación
celebrado a principios del mes de diciembre. En esta segunda aplicación
participaron 29 profesionales y la enfermera de enlace. De los 29 profesionales
que participaron en el estudio en T2, 21 habían participado previamente en la
primera aplicación.
Medidas
El ARS proporciona múltiples indicadores para evaluar la
estructura de equipos que prestan servicios de salud. Las medidas de cohesión
son indicadores que describen la estructura de las redes completas. En esta
investigación se examinaron las principales medidas de cohesión que inciden en
la efectividad de equipos interprofesionales y se relacionan con el diseño, la
implementación y la evaluación de programas (Gest
et al., 2011; Valente et al., 2015). A continuación, se describen las
medidas examinadas.
• Número de lazos: señala
el número total de relaciones presentes en una red.
• Transitividad: es
indicador expresado a modo de porcentaje y al mismo tiempo es una propiedad
microlocal que se analiza en base a subgrupos de tres actores (triadas). Las
triadas transitivas son aquellas en las que los tres actores están conectados a
través de relaciones dirigidas y no dirigidas (por ejemplo, “A” conoce a “B”, a
su vez “B” conoce a “C”, y “C” conoce a “A”).,mientras que las triadas
intransitivas son aquellas en las que no todos los actores que integran la triada
están conectados (por ejemplo, “A” conoce a “B” y a su vez “B” conoce a “C”,
pero “C” y “A” no se conocen entre sí).
• Triadas intransitivas con
al menos dos vínculos y triadas transitivas: a través del censo de triadas es
posible identificar las 16 modalidades de triadas que pueden darse en
relaciones dirigidas (Moody, 1998; Wasserman, y Faust, 1994, pp. 564-573).
Se examinaron los seis tipos de triadas intransitivas con, al menos, dos
vínculos porque son el estadio previo para que una triada se convierta en
transitiva. También se optó por examinar las siete modalidades de triadas
transitivas, dado que describen subgrupos máximamente conectados mediante relaciones
unidireccionales y bidireccionales. El censo de triadas indica el número de
triadas de cada tipo presentes en cada red sociocéntrica. A partir de esta
información se crearon dos variables: una variable es el resultado de sumar los
seis tipos de triadas intransitivas con, al menos, dos vínculos, mientras que
la otra variable se compone a través de la suma de las siete modalidades de
triadas transitivas presentes en la red. Cada triada aparece acompañada de una
nomenclatura que contiene tres números y una letra (C, D, T, U). El primer
número de la nomenclatura indica el número de vínculos recíprocos que hay en la
triada; el segundo número señala el número de lazos no recíprocos, mientras que
el tercer número refleja el número de lazos nulos (ausencia de lazos). Las
cuatro letras sirven para diferenciar las triadas en las que los tres números
de la nomenclatura son idénticos. En la Figura 1 se
representan las triadas intransitivas y transitivas consideradas para analizar
las propiedades microlocales.
Figura 1
Elaboración
propia
• Reciprocidad: propiedad
que examina en qué medida los vínculos entre dos actores son bidireccionales.
Cuando la propiedad se examina a nivel de la red completa se expresa
porcentualmente.
• Homofilia: indica la
tendencia de los actores a establecer relaciones de forma preferente con otros
actores con los que tienen características en común, mientras que su proceso
antagónico, la heterofilia, muestra el grado en que los actores de una red
eligen mantener vínculos con actores que presentan características
diferenciales (McPherson, Smith-Lovin, y Cook, 2001). El indicador de
referencia para evaluar la homofilia es el índice E-i propuesto originalmente
por Agresti y Agresti (1970). El índice
E-i oscila entre -1 (homofilia pura) y 1 (heterofilia pura). En este estudio la
variable atributiva, en base a la que se analiza la homofilia, es el perfil
profesional. El objetivo es identificar cambios en la tendencia de los
profesionales a mantener contacto con implementadores del mismo –o de distinto–
perfil.
• Número de conglomerados:
el análisis de clúster aplicado al análisis de datos relacionales permite
identificar subconjuntos cohesivos que emplean un procedimiento de optimización
(Glover, 1989).
Análisis de datos
Cada objetivo exige una estrategia de análisis diferencial.
Previamente es preciso explicar cómo se construyeron las matrices analizadas en
T1 y T2. En ARS el efecto de los datos perdidos se multiplica exponencialmente
con cada caso perdido (Kossinets, 2006).
Dado que los datos recabados incluyen la información de 51 profesionales en T1
y de 30 en T2, se puede observar que hay 21 casos perdidos entre los dos
momentos examinados. En este sentido Huisman
(2009) propone algunos procedimientos para imputar datos perdidos. La
primera alternativa consiste en asignar a los actores que no respondieron, las
mismas nominaciones que recibieron por parte de los actores que completaron la
matriz. Sin embargo, se desechó esta alternativa debido a los moderados niveles
de reciprocidad reportados en tres de las cuatro redes evaluadas en T1. En este
caso, la aplicación del citado método de imputación supondría una alteración de
la red que introduciría notables sesgos. Al tener en cuenta este factor, se
decidió focalizar los análisis en los profesionales que cumplimentaron la
información en ambas series temporales. Esta decisión obligó a eliminar a 30
actores de la red en T1 y a nueve de la red en T2. A pesar de la limitación señalada,
el análisis de la variación de ambas redes permite tener una visión rigurosa de
la estructura del equipo interprofesional, al tiempo que constituye el método
más exacto para el tratamiento de relaciones perdidas (Borgatti, Everett, y Johnson, 2018, p.
76-77; Kossinets, 2006; Schoen, Moreland-Russell, Prewitt, y
Carothers, 2014, p. 92).
Para dar respuesta al primer objetivo se utilizaron
procedimientos estadísticos, en concreto la prueba t y el análisis de errores
estándar, específicamente diseñados para analizar datos relacionales (Snijders y Borgatti, 1999). Para el
segundo objetivo se examinó la variación porcentual experimentada por los
diferentes parámetros en T1 y T2. Finalmente, para responder al tercer objetivo
se diseñaron dos modelos de regresión múltiple a nivel diádico basados en una
prueba de permutaciones no paramétrica (Dekker,
Krackhardt, y Snijders, 2007; Krackhardt,
1988; Ramos-Vidal, 2017, Ramos Vidal, 2018). En el primer modelo,
la variable (matriz) dependiente es la red de solicitudes de información en T2,
y las variables independientes son las redes de reconocimiento, de preferencia
para trabajar y recepcionar las peticiones de información correspondientes a
T1. En el segundo modelo, la matriz dependiente es la de recepción de
peticiones de información en T2 y las matrices independientes son las redes de
reconocimiento, de preferencia para trabajar y de recepción de las peticiones
de información relativas al T1. Se emplea la representación de grafos para
mostrar visualmente las distintas redes evaluadas en T1 y T2.
Resultados
Objetivo 1
El primer objetivo fue diseñado para conocer los cambios en la
densidad de las redes de reconocimiento, la preferencia para colaborar, y en
las dos redes de intercambio de información (peticiones de información emitidas
y recibidas). La pertinencia de este objetivo se debe a que literatura muestra
que los incrementos en la cohesión de los equipos interprofesionales producen
mejoras en la coordinación, en la difusión de un nuevo conocimiento y en el
incremento de la reciprocidad y de la confianza en los miembros del equipo (Luque et al., 2011; Tortoriello, Reagans, y McEvily, 2012).
Para cumplir este objetivo se desarrolló la prueba . y el análisis de errores
estándar en datos relacionales (Snijders y
Borgatti, 1999).
Tabla 1
Prueba T (bootstrap)
para los mismos nodos |
||||||
Redes en T1 y T2 |
Densidad % |
t |
IC 95 % (Inf.) |
IC95% (Sup.) |
PÄ |
|
Reconocimiento (T1) |
47.49 |
.0494 |
1.7105 |
-.0123 |
.1815 |
.0444 |
Reconocimiento (T2) |
55.95 |
|||||
Preferencia para
colaborar (T1) |
9.52 |
.0375 |
2.0942 |
.005 |
.1521 |
.0218 |
Preferencia para
colaborar (T2) |
17.38 |
|||||
Solicitud de
información (T1) |
10.24 |
.0273 |
.9689 |
-.0271 |
.0801 |
.1594 |
Solicitud de
información (T2) |
12.89 |
|||||
Recepción de
solicitud de información (T1) |
9.05 |
.0299 |
.0796 |
-.0562 |
.061 |
.4677 |
Recepción de
solicitud de información (T2) |
9.29 |
Nota: EE = Error Estándar. Número de muestreos (n = 5 000). Ä
Proporción de las diferencias (bootstrap) mayor a la observada.
Como se puede apreciar en la Tabla 1, todas
las redes han experimentado un incremento en la densidad de intensidad variable
entre las dos series temporales. Sin embargo, solo en las redes de
reconocimiento e intercambio de información, la prueba . arroja valores
estadísticamente significativos. La red de preferencia para colaborar es la que
exhibe un mayor incremento en la cohesión de más del 80 % en T2 respecto a T1,
mientras que la red de reconocimiento presenta un incremento notable de cerca
del 20 %. Sendos repuntes facilitan la coordinación de los equipos y
constituyen un indicador de la adecuada adaptación e integración de los
profesionales a la dinámica grupal. En sentido inverso, se observan aumentos
moderados tanto en la emisión como en la recepción de peticiones de
información, si bien estos incrementos no son estadísticamente significativos.
Objetivo 2
En respuesta al segundo objetivo se examina la variación
porcentual en los principales parámetros de cohesión entre las dos series
temporales, que ilustran las variaciones con la representación visual de las
cuatro relaciones exploradas en T1 y T2. La red de reconocimiento muestra
incrementos variables (entre el 12 % y el 30 %) en la densidad, la
transitividad, el número de lazos y la reciprocidad. Estos aumentos muestran un
mayor nivel de cohesión e integración en el equipo interprofesional (Tabla 2).
Tabla 2.
Cambios en los
parámetros de cohesión en la red de reconocimiento entre profesionales |
|||
Indicador |
T1 |
T2 |
Variación porcentual |
Densidad |
47.49 % |
55.95 % |
17.81 % |
Número de lazos |
199 |
235 |
18.09 % |
Transitividad |
31.81 % |
41.31 % |
29.86 % |
∑ de las seis
triadas intransitivas con al menos dos lazos |
536 |
445 |
-16.97 % |
∑ de las siete
triadas transitivas |
380 |
570 |
50 % |
Centralización
(grados de salida) |
34.25 % |
46.25 % |
35.03 % |
Centralización
(grados de entrada) |
34.25 % |
30.5 % |
-10.94 % |
Reciprocidad |
49.62 % |
55.63 % |
12.11 % |
Homofilia basada en
el puesto de trabajo |
-.0151 |
-.0043 |
-9.99% |
Número de
conglomerados† |
5 |
5 |
-- |
† El valor de R² del modelo optimización para detectar
conglomerados ha sido de .235 en T1 y .247 en T2. Mientras que el valor del
Índice de ajuste es .515 en T1 y .503 en T2.
Figura 2
El color del nodo representa el perfil profesional (negro = psicólogos/as; gris = trabajador/a social; blanco = promotor/a comunitario)
Elaboración propia
Si se atiende a la configuración triádica, se observa un descenso
en el número de triadas intransitivas con al menos dos vínculos y un incremento
del 50 % en el número de triadas transitivas. Esto implica que una proporción
considerable de los subgrupos de tres actores que eran intransitivos en T1, se
han cerrado en un período de tres meses, es decir, se han generado nuevas
relaciones que hacen posible generar micro-unidades más cohesivas, que inciden
positivamente en la articulación y el desempeño del equipo en su conjunto (Lee, Bachrach, y Lewis, 2014; Schoen et al., 2014).
Los parámetros de centralización muestran un comportamiento
variable. La centralización de salida experimenta incrementos que reflejan una
acumulación relacional de las nominaciones a otros profesionales. Esto
significa que en T2 respecto a T1, hay menos profesionales que reconocen a
miembros del equipo, lo que podría reflejar una suerte de concentración en las
relaciones de salida, mientras que la centralización de grados de entrada
presenta decrementos moderados. Este dato muestra que hay más profesionales que
reciben nominaciones de reconocimiento lo que implica que más profesionales son
reconocidos por el resto del equipo. Al mismo tiempo se puede observar una
reducción moderada en el nivel homofilia en la red de reconocimiento. Esta
oscilación indica que los profesionales reconocen a más profesionales de otros
perfiles, algo que resulta altamente positivo si se tiene en cuenta que se
trata de equipos interprofesionales que trabajan coordinadamente en la
implementación del programa. Finalmente, no se observan alteraciones en el
número clústeres identificados en las dos series temporales. Esto refleja
cierta estabilidad en la estructura interna, dado que los incrementos en la
densidad no reducen el número de subgrupos como cabe esperar. En su lugar
existe una configuración estática, en este caso formada por cinco conglomerados
que modelan la estructura de la red. Si se comparan las dos redes de la Figura 2, se observa que la estructura es prácticamente
idéntica en T1 y T2, pero se puede apreciar que el núcleo de la red en T2 es
más denso en comparación con el grafo en T1, al tiempo que se identifica una
estructura centro-periferia con nitidez.
El análisis de la red de preferencia para colaborar muestra un
pronunciado incremento en la cohesión y evidencia un aumento de la densidad y
del número de lazos de más del 80 %. También se observan aumentos considerables
en el número de triadas transitivas e intransitivas. El incremento en la
cohesión trae consigo la emergencia de diferentes estructuras microlocales que
hacen posible afianzar la estructura de la red y aumentar el grado de cohesión
interno (Faust, 2007; Holland y Leinhardt, 1976; Laumann, y Marsden, 1982). Esto supone
que una amplia proporción de los profesionales que en T1 estaban aislados o se
integraban en la red a través de relaciones diádicas, en T2 forman parte de
triadas en las que entran en juego otros profesionales, muchos de ellos de
diferente perfil. Se observan aumentos sensibles en la centralización de grados
de salida y una reducción de la centralización de grados de entrada. Estos
datos indican, nuevamente, que hay una cierta tendencia a la concentración de
relaciones de salida, mientras que la reducción de la centralización de grados
de entrada muestra que en T2, en comparación a T1, hay profesionales que
reciben nominaciones de otros compañeros que manifiestan interés en colaborar (Tabla 3).
Tabla 3
Cambios en los
parámetros de cohesión en la red de preferencia para trabajar |
|||
Indicador |
T1 |
T2 |
Variación porcentual |
Densidad |
9.52 % |
17.38 % |
82.56 % |
Número de lazos |
40 |
73 |
82.5 % |
Transitividad |
12.54 % |
13.32 % |
6.22 % |
∑ de las seis
triadas intransitivas con al menos dos lazos |
75 |
121 |
61.34 % |
∑ de las siete
triadas transitivas |
17 |
30 |
76.47 % |
Centralización
(grados de salida) |
21.5 % |
30.74 % |
42.97 % |
Centralización
(grados de entrada) |
21.5 % |
19.66 % |
-8.55 % |
Reciprocidad |
21.21 % |
19.51 % |
-8.01 % |
Homofilia basada en
el puesto de trabajo |
-.2001 |
-.2055 |
2.6 % |
Número de
conglomerados† |
6 |
6 |
-- |
Para calcular los indicadores de cohesión de esta red se eliminó
un actor que nominó a todos los actores. Esta decisión metodológica se adoptó
para no sesgar el cálculo de las medidas.
† El valor de R² del modelo optimización para detectar
conglomerados ha sido de .237 en T1 y .165 en T2. Mientras que el valor del
Índice de ajuste es .516 en T1 y .594 en T2.
Figura 3.
El color del nodo representa el perfil profesional (negro = psicólogos/as; gris = trabajador/a social; blanco = promotor/a comunitario)
Elaboración propia
La figura 3 ilustra el dinamismo de la red de
preferencia para colaborar. La red en T1 presenta una estructura fragmentada en
tres componentes (un componente formado por 15 profesionales, dos diadas y dos
actores aislados). Si se observa la red en T2, se aprecia que los dos nodos
aislados se integran dentro de la red y que los subconjuntos desaparecen para
integrarse en el componente principal y dar paso a una estructura cohesionada.
Sin embargo, se identifica un descenso en el nivel de reciprocidad y un ligero
incremento en el nivel de homofilia. El descenso de la reciprocidad suele
interpretarse como un indicador de falta de confianza y de consenso entre los
profesionales (Wu y Chiclana, 2014).
Las diferentes teorías relativas al intercambio social sugieren que los
descensos en la reciprocidad pueden inhibir los comportamientos cooperativos y
prosociales (Buchan, Croson, y Dawes, 2002).
Por su parte, el incremento del nivel de homofilia muestra un aumento de la
cohesión interna dentro de cada grupo profesional. Si esta tendencia se
mantiene ascendente es posible que se convierta en una barrera para la
cooperación al tratarse de equipos interprofesionales. Por último, al igual que
en la red anterior no se observan variaciones en el número de clústeres
identificados lo que refleja la estabilidad de la mesoestructura que configura
la red de preferencia para colaborar.
Las redes de emisión y recepción de peticiones de información
son las que menos variaciones experimentan en ambas series temporales (Tabla 4 y 5). En ambos casos se observan
incrementos que oscilan entre el 2 % de la red de recepción de solicitudes de
información y el 25 % de la red de solicitud de información. Sin embargo, la dinámica
de ambas redes presenta una tendencia marcadamente distinta a las anteriormente
expuestas. Las dos redes que describen el intercambio de información presentan
descensos acusados en el nivel de transitividad entre el 30 % y el 40 %, algo
inusual si se considera que se han producido incrementos modestos en la
densidad. Este resultado implica que se han generado nuevas relaciones
relativas al intercambio de información en T2 respecto a T1, y que se trata de
“nuevas relaciones”, es decir, que actores que en T1 mantenían bajos niveles de
actividad intercambiando información, en T2 comienzan a participar más en este
tipo de interacción con otros profesionales del equipo. Los incrementos en la
densidad y en el número de lazos, así como los descensos en la transitividad y
en la reciprocidad indican que hay más profesionales que intercambian
información. Sin embargo, algunos de los profesionales que intercambiaron
información en T1 no continuaron en T2 como suele ser habitual en el contexto
de los equipos interprofesionales (Walker
et al., 2005).
Tabla 4
Cambios en los
parámetros de cohesión en la red de Solicitud de Información |
|||
Indicador |
T1 |
T2 |
Variación porcentual |
Densidad |
10.24 % |
12.89 % |
25.87 |
Número de lazos |
43 |
54 |
25.58 |
Transitividad |
14.52 % |
8.54 % |
-41.18 |
∑ de las seis
triadas intransitivas con al menos dos lazos |
70 |
131 |
87.14 |
∑ de las siete
triadas transitivas |
16 |
19 |
18.75 |
Centralización
(grados de salida) |
16.5 % |
23.25 % |
40.9 |
Centralización
(grados de entrada) |
26 % |
23.25 % |
-10.57 |
Reciprocidad |
30.3 % |
20 % |
-33.99 |
Homofilia basada en
el puesto de trabajo |
-.3953 |
-.0741 |
-81.25 |
Número de
conglomerados† |
7 |
7 |
-- |
† El valor de R² del modelo optimización para detectar
conglomerados ha sido de .289 en T1 y .189 en T2. Mientras que el valor del
Índice de ajuste es .462 en T1 y .565 en T2.
Tabla 5
Cambios en los
parámetros de cohesión en la red de recepción de peticiones de Información |
|||
Indicador |
T1 |
T2 |
Variación porcentual |
Densidad |
9.05 % |
9.29 % |
2.65 |
Número de lazos |
38 |
39 |
2.6 |
Transitividad |
7.22 % |
5.18 % |
-28.25 |
∑ de las seis
triadas intransitivas con al menos dos lazos |
67 |
79 |
17.91 |
∑ de las siete
triadas transitivas |
7 |
6 |
-14.28 |
Centralización
(grados de salida) |
22 % |
16.5 % |
-25 |
Centralización
(grados de entrada) |
11.5 % |
16.5 % |
43.47 |
Reciprocidad |
22.58 % |
21.88 % |
-3.1 |
Homofilia basada en
el puesto de trabajo |
-.3684 |
-.0256 |
|
Número de
conglomerados† |
7 |
8 |
14.28 |
† El valor de R² del modelo optimización para detectar
conglomerados ha sido de .262 en T1 y .211 en T2. Mientras que el valor del
Índice de ajuste es .489 en T1 y .541 en T2.
Figura 4
El color del nodo representa el perfil profesional (negro = psicólogos/as; gris = trabajador/a social; blanco = promotor/a comunitario)
Elaboración propia
Figura 5
El color del nodo representa el perfil profesional (negro = psicólogos/as; gris = trabajador/a social; blanco = promotor/a comunitario)
Elaboración propia
Las figuras 4 y figura 5 presentan
una imagen muy similar en ambas series temporales. En la centralización de
grados de salida en la red de solicitud de información puede observarse que se
produce un incremento pronunciado del 40 %, mientras que el valor de este mismo
indicador en la red de recepción de solicitudes de información se produce un
descenso considerable. Este dato indica que las peticiones de información
experimentan una mayor concentración en T2 respecto a T1, algo que puede
resultar negativo porque denota que una menor proporción de profesionales son
los que efectúan la mayor parte de solicitudes de información. Por su parte, el
descenso de la centralización de entrada en la red de recepción de solicitudes
de información indica que estas se concentran en menos profesionales en T2
respecto a T1. Este resultado es positivo porque refleja que se ha producido un
aumento del número de profesionales que actúan como informantes de otros
profesionales.
Finalmente, en ambas redes se aprecia una reducción
significativa del nivel de homofilia basada en el perfil profesional. Este
hallazgo es especialmente prometedor, pues lo habitual es que el intercambio de
información se produzca de manera preferente entre profesionales del mismo
perfil (Heijmans, van Lieshout, y Wensing,
2017; McPherson et al., 2001; Tasselli, 2015). Estos resultados indican
que la actividad de los equipos interprofesionales exige que se dé un alto
grado de colaboración entre los miembros del equipo con independencia del
perfil profesional, que superan las barreras asociadas a la divergencia de
conocimiento, a la cultura profesional y a los modelos de intervención asumidos
desde las distintas profesiones que concurren en los equipos.
Objetivo 3
El último objetivo se propuso para conocer en qué medida las
relaciones establecidas en T1 tienen potencial para predecir el intercambio de
información (solicitudes de información y recepción de peticiones) en T2. Para
tal fin, fueron diseñados dos modelos de regresión múltiple a nivel diádico (Tabla 6).
Tabla 6
Modelo 1 |
Modelo 2 |
||||||
Matrices
independientes |
Matriz dependiente |
Matrices
Independientes |
Matriz dependiente |
||||
Petición de
información (T2) |
Recepción de
peticiones de información (T2) |
||||||
EE |
Β |
p |
β |
p |
|||
Reconocimiento (T1) |
.033 |
.1121 |
.0115 |
Reconocimiento (T1) |
030 |
.0001 |
.5107 |
Preferencia para
trabajar (T1) |
.058 |
.2183 |
.0010 |
Preferencia para
trabajar (T1) |
.050 |
.0931 |
.0430 |
Recepción de
información (T1) |
.058 |
.1982 |
.0005 |
Petición de
información (T1) |
.052 |
.3197 |
.0005 |
R² |
.153 |
R² |
.132 |
||||
ΔR² |
.147 |
ΔR² |
.125 |
La estimación de los dos modelos se realiza en base a 2000
permutaciones.
EE Error Estándar
Ambos modelos indican que haber intercambiado información
previamente con otros miembros del equipo es el principal predictor de las
solicitudes de información (β = .1982; p < .0005) y de la recepción de
peticiones de información en T2 (β = .3197; p < .0005). La preferencia para
trabajar también contribuye, aunque de forma moderada, a explicar la varianza
de la matriz dependiente, mientras que la red de reconocimiento parece no
condicionar el intercambio de información entre profesionales. En cómputo, las
matrices independientes explican entre un 12 % y un 14 % de la variabilidad
experimentada por las redes de intercambio de información en T2. El principal
antecedente del intercambio de información es haber interactuado previamente
con otros profesionales. No obstante, la preferencia para trabajar también
determina la decisión de a qué profesional solicitar información. Esta
tendencia refleja el rol que desempeña la afinidad, la similitud de intereses
profesionales y la homofilia como desencadenantes del intercambio de
información entre los profesionales.
Discusión
Este trabajo describe los cambios que experimenta un equipo
interprofesional que implementa un programa de intervención psicosocial a
víctimas de la guerra en Colombia. Como sugieren estudios previos, se decidió
examinar diferentes tipos de relaciones para adquirir una visión, lo más exacta
posible, del contexto relacional que caracteriza al equipo de implementadores (Barringer y Harrison, 2000). Una de las
contribuciones de este trabajo es explorar de forma sistemática los cambios
experimentados en las redes a nivel microlocal, a través del análisis de
distintas configuraciones triádicas. Las investigaciones que aplican ARS suelen
centrarse en la estructura de la red completa o bien en el posicionamiento
individual de los actores, por lo que resulta infrecuente analizar la evolución
de las estructuras microlocales que, de manera agregada, dan forma a las redes
completas (Tasseli, 2015, p. 844).
Este enfoque hace posible mirar a través de una lente aumentada los procesos
que condicionan la evolución de los equipos. El análisis dinámico de los
cambios a nivel triádico aconseja poner en práctica acciones tendientes a
mejorar la colaboración, pero que no se centren exclusivamente en el plano
individual o en el equipo completo. El diagnóstico basado en el análisis de
datos relacionales debe guiar el diseño de los equipos. Es necesario que: (a)
los equipos incluyan a profesionales de distinto perfil; (b) los equipos tengan
profesionales noveles y sénior, y (c) se habiliten espacios para fortalecer las
relaciones dentro y entre los equipos. El diseño de equipos basados en análisis
estructurales y compositivos permite aprovechar los beneficios de las
relaciones cohesivas y de aquellas que proporcionan acceso a fuentes de
información diversa (Meltzer et al., 2010; Meng, Clausen, y Borg, 2018).
Los cambios detectados en el patrón de interacción en las
distintas relaciones evaluadas muestran (a) el dinamismo que caracteriza a los
equipos interprofesionales, (b) la conexión que las estructuras micro-locales
mantienen con los cambios que experimenta el equipo completo y (c) el grado en
que las diferentes relaciones establecidas previamente predicen el intercambio
de información.
El aumento del nivel de cohesión en las redes de reconocimiento
y de preferencia para colaborar es un indicador positivo de integración y
adaptación de los profesionales que llevan menos tiempo trabajando en el
PAPSIVI. Sin embargo, ambas relaciones reportan contactos intencionales, pero
no fácticos, es decir, aunque resulta positivo que los profesionales se
reconozcan y tengan voluntad de cooperar, en la práctica ni el mero
reconocimiento, ni la afinidad constituyen interacciones reales capaces de
contribuir a mejorar la calidad de la atención prestada por los
implementadores. Las sesiones periódicas de capacitación y coordinación son el
contexto adecuado para que los profesionales reconozcan a quienes trabajan en
el programa. Al mismo tiempo es previsible que los contactos informales
permitan a los implementadores formarse opiniones en torno a con qué
profesionales les gustaría colaborar. Pero más allá de estos vínculos
intencionales, es necesario generar contextos de interacción para que los
profesionales intercambien información, conocimientos y experiencias relativas
al proceso de intervención. Habilitar la figura del “mentor profesional” puede
ser una estrategia efectiva para facilitar la integración y la asimilación
normativa de los profesionales noveles; y al mismo tiempo contribuir a
establecer contactos informales entre los profesionales, dado que este tipo de
contactos son la antesala para que se produzcan interacciones de mayor impacto
para la efectividad del programa como el intercambio de información clínica o
la derivación de usuarios (Arenson,
Umland, Collins, Kern, Hewston, Jerpbak, Lyons et al., 2015; Lurie et al., 2009).
Se han producido cambios de magnitud variable en las diferentes
redes examinadas. Sin embargo, la partición de las redes en agrupaciones ha
mantenido una estructura estable en todas las redes, y se detectó únicamente un
aumento moderado en el número de conglomerados en la red de recepción de
peticiones de información. Este resultado indica que los incrementos en la
cohesión no inciden necesariamente en el solapamiento de clústeres o en la
reducción del número de subgrupos, algo que suele darse cuando aumenta de forma
sensible la cohesión de una red (Wasserman
y Faust, 1994). Esta situación muestra que el fortalecimiento de la
cohesión dentro de cada subgrupo, no necesariamente se acompaña de un
incremento de relaciones entre los distintos subgrupos. Este resultado
evidencia incrementos en la coordinación interna de los subgrupos; sin embargo,
en paralelo, a este aumento de la cohesión es necesario que se generen procesos
de colaboración entre los diferentes subgrupos. Esta modalidad de conectividad
híbrida permitiría, de manera simultánea, aprovechar los dos tipos de capital
relacional que se asocian a la efectividad de los equipos: (a) relaciones
fuertes dentro de subgrupos cohesivos relativamente homogéneos, y (b)
relaciones débiles que conectan subgrupos heterogéneos (Meng et al., 2018).
El análisis de las estructuras microlocales ofrece información
relevante para comprender cómo evolucionan las redes sociales a través del
estudio de los cambios que se producen a pequeña escala, pero que condicionan
el dinamismo de la red completa (Faust,
2007; Holland y Leinhardt, 1976; Laumann y Marsden, 1982). En las redes de
reconocimiento entre profesionales y de preferencia para colaborar puede
apreciarse un incremento en el número de lazos. En el caso de estas redes se
puede observar el proceso de generación de relaciones que dotan de un alto
grado de cohesión a la red en el plano microlocal, lo que a su vez indica un
mayor grado de integración de los profesionales dentro de los equipos. Por el
contrario, en el que caso de las redes de intercambio de información (solicitud
de información y recepción de solicitud de información) se vislumbra el proceso
inverso. En la red de solicitudes de información, se aprecia un aumento notable
del número de triadas intransitivas con al menos dos vínculos, mientras que la
red de recepción de peticiones de información presenta un incremento moderado.
Estos aumentos indican que en el intercambio de información priman las
relaciones diádicas que progresivamente evolucionan hacia relaciones triádicas
en las que participan otros actores que, o bien, se encontraban aislados, o
estaban conectados a la red a través de un único vínculo. Al considerar la
relevancia del intercambio de información en el desempeño de los equipos, es
necesario establecer mecanismos para facilitar el intercambio de información
entre los profesionales y diseñar protocolos específicos que permitan aprovechar
la experiencia acumulada por aquellos que llevan más tiempo implementando el
programa (Ayabakan et al., 2017;Walker et al., 2005).
Los resultados de esta investigación pueden servir para: (a)
optimizar el diseño de los equipos de intervención psicosocial; (b) mejorar el
funcionamiento de estos, al introducir herramientas de comunicación
organizacional horizontal (entre los integrantes de cada equipo), transversal
(entre los miembros de los equipos que implementan el programa en diferentes
municipios), y vertical (al promover la comunicación entre los profesionales y
los gestores/responsables del programa), y (c) lograr que los cambios en la
estructura de los equipos a lo largo del tiempo se empleen por los gestores del
programa como una herramienta para diagnosticar problemas funcionales asociados
al intercambio de información profesional y a la derivación de usuarios. De
esta manera, la mejor integración de los equipos conlleva a establecer mejores
perfiles psicosociales de los usuarios de programas como el PAPSIVI y permite
adaptar sus actividades a las necesidades de los usuarios, que inciden, de este
modo, en la efectividad de la intervención (Virto,
2021).
Limitaciones
Los datos reportados en este trabajo se centran en las
interacciones entre 21 profesionales que participaron en la recogida de
información en dos momentos distintos con un intervalo de tres meses. Sin
embargo, en el Departamento de Córdoba, Colombia, el programa PAPSIVI es
implementado por 90 profesionales. Para adquirir una visión precisa del proceso
de cambio estructural que experimentan los equipos, es necesario ampliar el
número de profesionales que participen en los dos momentos evaluados y aumentar
el número de observaciones para tener una visión más exacta del patrón de
cambio estructural. Se optó por aplicar el criterio más restrictivo para el
tratamiento de datos perdidos, y se asumió que los métodos convencionales de
imputación no son operativos debido a los bajos niveles de reciprocidad que
caracterizan a las redes evaluadas (Kossinets,
2006; Huisman, 2009). Conviene
señalar que muchas redes sociales presentan propiedades comunes con
independencia de su tamaño y composición (a esta propiedad se la denomina redes
libres de escala o scale-free networks). Por lo
tanto, aun considerando la modesta proporción de profesionales que participan
en ambas series temporales, la evidencia empírica sugiere que el patrón de
cambio que se ha reportado en un subconjunto de actores puede ser extrapolable
a la misma red compuesta por un mayor número de profesionales (Barabási, 2009). Para validar este
extremo se realizaron varios análisis exploratorios con las diferentes redes en
T1 y T2 que incluyeron a los profesionales eliminados en las redes en T1 y T2
por no haber participado en ambos momentos.
Es necesario complementar la recogida de información mediante el
uso de cuestionarios autorreportados, con información relacional basada en la
observación y en datos documentales como un mecanismo efectivo para conocer la
complejidad que caracteriza el contexto relacional de los equipos
interprofesionales. Adicionalmente, es recomendable ampliar el número de
observaciones para adquirir una imagen más precisa de la evolución de los
equipos que implementan el programa.
Referencias
Agresti, A. y
Agresti, B. F. (1970). Statistical Methods for the Social
Sciences. CA: Dellen Publishers.Arenson, C., Umland, E., Collins, L.,
Kern, S. B., Hewston, L. A., Jerpbak, C., Lyons, K. et al. (2015). The health
mentors program: three years experience with longitudinal, patient-centered
interprofessional education. Journal of Interprofessional
Care, 29(2), 138-143. https://doi.org/10.3109/13561820.2014.944257
Ayabakan, S.,
Bardhan, I., Zheng, Z. E. y Kirksey, K. (2017). The impact of health
information sharing on duplicate testing. MIS Quarterly,
41(4), 1083-1103. https://doi.org/10.25300/MISQ/2017/41.4.04
Barabási, A. L.
(2009). Scale-free networks: a decade and beyond. Science,
325(5939), 412-413. https://doi.org/10.1126/science.1173299
Barringer, B. R. y
Harrison, J. S. (2000). Walking a tightrope: Creating value through
interorganizational relationships. Journal of Management,
2(3), 367-403. https://doi.org/10.1177/014920630002600302
Borgatti, S. P.,
Everett, M. G. y Freeman, L. C. (2002). UCINET VI Version
1.0. Natick, MA: Analytic Technologies.
Borgatti, S. P.,
Everett, M. G. y Johnson, J. C. (2018). Analyzing social
networks. Sage. https://doi.org/10.1080/10705422.2016.1209400
Borrill, C., West,
M., Shapiro, D. y Rees, A. (2000). Team working and effectiveness in health
care. British Journal of Healthcare Management, 6(8),
364-371. https://doi.org/10.12968/bjhc.2000.6.8.19300
Buchan, N. R.,
Croson, R. T. y Dawes, R. M. (2002). Swift neighbors and persistent strangers:
A cross-cultural investigation of trust and reciprocity in social exchange. American Journal of Sociology, 108(1), 168-206. https://doi.org/10.1086/344546
Dekker, D.,
Krackhardt, D. y Snijders, T. A. B. (2007). Sensitivity of MRQAP tests to
collinearity and autocorrelation conditions. Psychometrika,
72(4), 563-581. https://doi.org/10.1007/s11336-007-9016-1
Faust, K. (2007).
Very local structure in social networks. Sociological
Methodology, 37(1), 209-256. https://doi.org/10.1111/j.1467-9531.2007.00179.x
Gamson, W. A.
(1961). A theory of coalition formation. American
Sociological Review, 26(3), 373-382. https://doi.org/10.2307/2090664
Gest, S. D., Osgood,
D. W., Feinberg, M. E., Bierman, K. L. y Moody, J. (2011). Strengthening
prevention program theories and evaluations: Contributions from social network
analysis. Prevention Science, 12(4), 349-360. https://doi.org/10.1007/s11121-011-0229-2
Glover, F. (1989).
Tabu search—part I. ORSA Journal on Computing, 1(3),
190-206. https://doi.org/10.1287/ijoc.1.3.190
Granovetter, M.
(1973). The strength of weak ties. The American Journal of
Sociology, 78(6), 1360-1380. http://www.jstor.org/stable/2776392.
Accessed 8 Feb. 2023
Hall, P. (2005).
Interprofessional teamwork: Professional cultures as barriers. Journal of Interprofessional Care, 19(1), 188-196. https://doi.org/10.1080/13561820500081745
Heijmans, N., van
Lieshout, J. y Wensing, M. (2017). Information exchange networks of health care
providers and evidence-based cardiovascular risk management: an observational
study. Implementation Science, 12(1), 7. https://doi.org/10.1186/s13012-016-0532-1
Heinemann, G. D. y
Zeiss, A. M. (Eds.). (2002). Team performance in health
care: assessment and development. Springer Science y Business Media. https://doi.org/10.1007/978-1-4615-0581-5
Holland, P. W. y
Leinhardt, S. (1976). Local structure in social networks. Sociological
Methodology, 7, 1-45. https://www.jstor.org/stable/270703
Huisman, M. (2009).
Imputation of missing network data: Some simple procedures. Journal of Social Structure, 10(1). https://doi.org/10.1007/978-1-4614-6170-8_394
Kossinets, G.
(2006). Effects of missing data in social networks. Social
Networks, 28(3), 247-268. https://doi.org/10.1016/j.socnet.2005.07.002
Krackhardt, D.
(1988). Predicting with networks: Nonparametric multiple regression analysis of
dyadic data. Social Networks, 10(4), 359-381. https://doi.org/10.1016/0378-8733(88)90004-4
Laumann, E. O. y
Marsden, P. V. (1982). Microstructural analysis in interorganizational systems.
Social Networks, 4(4), 329-348. https://doi.org/10.1016/0378-8733(82)90017-X
Laplante, L. J. y
Holguin, M. R. (2006). The Peruvian Truth Commission's mental health
reparations: empowering survivors of political violence to impact public health
policy. Health and Human Rights, 9(2), 136-163. https://pubmed.ncbi.nlm.nih.gov/17265758/
Leathard, A. (Ed.).
(2004). Interprofessional collaboration: from policy to
practice in health and social care. Routledge. https://doi.org/10.4324/9780203420690
Lee, J. Y.,
Bachrach, D. G. y Lewis, K. (2014). Social network ties, transactive memory,
and performance in groups. Organization Science, 25(3),
951-967. https://doi.org/10.1287/orsc.2013.0884
Luque, J. S., Tyson,
D. M., Bynum, S. A., Noel‐Thomas, S., Wells, K. J., Vadaparampil, S. T. y
Meade, C. D. (2011). A social network analysis approach to understand changes
in a cancer disparities community partnership network. Annals
of Anthropological Practice, 35(2), 112-135. https://doi.org/10.1111/j.2153-9588.2011.01085.x
Lurie, S., Fogg, T.
y Dozier, A. (2009). Social network analysis as a method of assessing
medical-center culture; three case studies. Academic
Medicine: Journal of the Association of American Medical Colleges, 84(8),
1029-1035. https://doi.org/10.1097/acm.0b013e3181ad16d3
McPherson, M.,
Smith-Lovin, L. y Cook, J. M. (2001). Birds of a Feather: Homophily in Social
Networks. Annual Review of Sociology, 27, 415-444. https://doi.org/10.1146/annurev.soc.27.1.415
Meltzer, D., Chung,
J., Khalili, P., Marlow, E., Arora, V., Schumock, G. y Burt, R. (2010).
Exploring the use of social network methods in designing healthcare quality
improvement teams. Social Science y Medicine, 71(6),
1119-1130. https://doi.org/10.1016/j.socscimed.2010.05.012
Meng, A., Clausen,
T. y Borg, V. (2018). The association between team‐level social capital and
individual‐level work engagement: Differences between subtypes of social
capital and the impact of intra‐team agreement. Scandinavian
Journal of Psychology, 59(2), 198-205. https://doi.org/10.1111/sjop.12435
Milward, H. B.,
Provan, K. G., Fish, A., Isett, K. R. y Huang, K. (2009). Governance and
collaboration: An evolutionary study of two mental health networks. Journal of Public Administration Research and Theory, 20(1),
125-141. https://doi.org/10.1093/jopart/mup038
Moody, J. (1998).
Matrix methods for calculating the triad census. Social
Networks, 20(4), 291-299. https://doi.org/10.1016/S0378-8733(98)00006-9
Montes, F. J. L.,
Moreno, A. R. y Morales, V. G. (2005). Influence of support leadership and
teamwork cohesion on organizational learning, innovation and performance: an
empirical examination. Technovation, 25(10),
1159-1172. https://doi.org/10.1016/j.technovation.2004.05.002
Oficina de Promoción
Social (2017). Documento Marco del Programa de atención
psicosocial y salud integral a víctimas del conflicto armado - PAPSIVI.
Ministerio de Salud y Protección Social: República de Colombia. https://www.minsalud.gov.co/sites/rid/Lists/BibliotecaDigital/RIDE/DE/PS/Documento-Marco-papsivi-2017.pdf
Ramos-Vidal, I.
(2017). Detecting key actors in interorganizational networks. Cuadernos de Gestión, 17(2), 63-86. https://doi.org/10.5295/cdg.140512ir
Ramos-Vidal, I.
(2018). Determinants of inter-organizational network formation in the cultural
sector. RAE: Revista de Administración de Empresas, 58(1),
16-29. https://doi.org/10.1590/S0034-759020180103
Ramos-Vidal, I.,
Caballero, C., Colorado, Y., Villamil, I. y Uribe, A. (2020). La evaluación
estructural de programas de intervención psicosocial: la experiencia del
Programa PAPSIVI en Colombia. Editorial de la Universidad Pontificia
Bolivariana (ISBN: 978-958-764-680-1). http://doi.org/10.18566/978-958-764-680-1
Reeves, S., Lewin,
S., Espin, S. y Zwarenstein, M. (2011). Interprofessional
teamwork for health and social care (Vol. 8). John Wiley y Sons.
Rivera, M. T.,
Soderstrom, S. B. y Uzzi, B. (2010). Dynamics of dyads in social networks:
Assortative, relational, and proximity mechanisms. Annual
Review of Sociology, 36, 91-115. https://doi.org/10.1146/annurev.soc.34.040507.134743
Robinson, F. P.,
Gorman, G., Slimmer, L. W. y Yudkowsky, R. (2010). Perceptions of effective and
ineffective nurse–physician communication in hospitals. Nursing
Forum, 45(3), 206-216. https://doi.org/10.1111/j.1744-6198.2010.00182.x
Sampson, R. J.
(1991). Linking the micro and macro level dimensions of community social
organization. Social Forces, 70(1), 43-64. https://doi.org/10.2307/2580061
Schoen, M. W.,
Moreland-Russell, S., Prewitt, K. y Carothers, B. J. (2014). Social network
analysis of public health programs to measure partnership. Social Science & Medicine, 123, 90-95. https://doi.org/10.1016/j.socscimed.2014.10.057
Shearer, J. C.,
Dion, M. y Lavis, J. N. (2014). Exchanging and using research evidence in
health policy networks: a statistical network analysis. Implementation
Science, 9(1), 126. https://doi.org/10.1186/s13012-014-0126-8
Snijders, T. A.
(2017). Stochastic actor-oriented models for network dynamics. Annual Review of Statistics and Its Application, 4,
343-363. https://doi.org/10.1146/annurev-statistics-060116-054035
Snijders, T. A. B. y
Borgatti, S. P. (1999). Non-parametric standard errors and tests for network
statistics. Connections 22(2), 1-11. https://www.stats.ox.ac.uk/~snijders/Snijders_Borgatti.pdf
Snijders, T. A. y
Steglich, C. E. (2015). Representing micro–macro linkages by actor-based
dynamic network models. Sociological Methods y Research,
44(2), 222-271. https://doi.org/10.1177/0049124113494573
Tasselli, S. (2015).
Social networks and inter-professional knowledge transfer: the case of
healthcare professionals. Organization Studies, 36(7),
841-872. https://doi.org/10.1177/01708406145569
Thompson, M. (1996).
Empowerment and survival. Development in Practice, 6(4),
324-333. https://doi.org/10.1080/0961452961000157934
Tortoriello, M.,
Reagans, R. y McEvily, B. (2012). Bridging the knowledge gap: The influence of
strong ties, network cohesion, and network range on the transfer of knowledge
between organizational units. Organization Science, 23(4),
1024-1039. https://doi.org/10.1287/orsc.1110.0688
Valente, T. W.,
Palinkas, L. A., Czaja, S., Chu, K. H. y Brown, C. H. (2015). Social network
analysis for program implementation. PloS one, 10(6),
e0131712. https://doi.org/10.1371/journal.pone.0131712
Vedel, M., Holma, A.
M., y Havila, V. (2016). Conceptualizing inter-organizational triads. Industrial Marketing Management, 57, 139-147. https://doi.org/10.1016/j.indmarman.2016.01.005
Virto, L. M. (2021).
Perfilado psicosocial para la intervención socioeducativa en los servicios
sociales. Interdisciplinaria, 38(2), 117-133. https://doi.org/10.16888/interd.2021.38.2.8
Walker, J., Pan, E.,
Johnston, D. y Adler-Milstein, J. (2005). The value of health care information
exchange and interoperability. Health Affairs, 24,
W5-10-W5-18. https://doi.org/10.1377/hlthaff.w5.10
Wasserman, S. y
Faust, K. (1994). Social network analysis: Methods and
applications.New York. Cambridge University Press. https://doi.org/10.1017/CBO9780511815478
Wu, J. y Chiclana,
F. (2014). A social network analysis trust–consensus based approach to group
decision-making problems with interval-valued fuzzy reciprocal preference
relations. Knowledge-Based Systems, 59, 97-107. https://doi.org/10.1016/j.knosys.2014.01.017
Xyrichis, A. y
Lowton, K. (2008). What fosters or prevents interprofessional teamworking in
primary and community care? A literature review. International
Journal of Nursing Studies, 45(1), 140-153. https://doi.org/10.1016/j.ijnurstu.2007.01.015
Arenson, C., Umland,
E., Collins, L., Kern, S. B., Hewston, L. A., Jerpbak, C., Lyons, K. et al.
(2015). The health mentors program: three years experience with longitudinal,
patient-centered interprofessional education. Journal of Interprofessional
Care, 29(2), 138-143. https://doi.org/10.3109/13561820.2014.944257
HTML generado a partir
de XML-JATS4R por
Refbacks
- No hay Refbacks actualmente.
Añadir comentario