Identifying the heterogeneity of physical resilience in Chinese older adult stroke patients using latent profile analysis and network analysis

Resumen Técnico: Identificación de la Heterogeneidad de la Resiliencia Física en Pacientes de Edad Avanzada con Ictus en China

Planteamiento del Problema
La resiliencia física (RF) en adultos mayores con ictus es un determinante crítico de la recuperación funcional y la calidad de vida; sin embargo, la investigación existente suele tratar la RF como un continuo uniforme. Este enfoque pasa por alto la heterogeneidad significativa en cómo los pacientes se adaptan a los estresores físicos y no logra capturar las interrelaciones complejas y no lineales entre la RF y los factores psicosociales. En consecuencia, los métodos tradicionales centrados en variables identifican factores asociados, pero no elucidan subgrupos de pacientes distintos ni los mecanismos de red específicos que impulsan las diferencias en la resiliencia. Por lo tanto, existe una falta de evidencia para respaldar intervenciones de rehabilitación precisas y estratificadas, adaptadas a los perfiles específicos de los supervivientes de ictus de edad avanzada.

Metodología
Este estudio transversal empleó un enfoque centrado en la persona combinando el Análisis de Perfiles Latentes (LPA) y el Análisis de Redes (NA) para investigar la RF en 346 adultos mayores (edad ≥60 años) con diagnósticos confirmados de ictus reclutados de un hospital de tercer nivel de Grado A en Daqing, China (mayo de 2025 – enero de 2026).

• Recolección de Datos: Los participantes completaron el Instrumento de Resiliencia Física para Adultos Mayores (PRIFOR), que mide tres dimensiones: Pensamiento Positivo, Adaptación y Ajuste del Estilo de Vida, y Creencia y Mentalidad Esperanzadora. Instrumentos adicionales evaluaron el apoyo social percibido (PSSS), la ansiedad (SAS), la depresión (PHQ-9), los comportamientos de salud (HBS-SP) y la autoeficacia de la rehabilitación (SSEQ).
• Análisis de Perfiles Latentes (LPA): Utilizando Mplus 8.3, los investigadores ajustaron modelos con 1 a 4 perfiles para identificar subgrupos no observados basados en las puntuaciones de los ítems del PRIFOR. El ajuste del modelo se evaluó mediante AIC, BIC, BIC ajustado, entropía, la prueba de Lo-Mendell-Rubin (LMR) y la prueba de Relación de Verosimilitud de Bootstrap (BLRT).
• Análisis de Predictores: Se realizó una regresión logística multinomial para identificar factores independientes (sociodemográficos, clínicos y psicosociales) asociados con la pertenencia al perfil.
• Análisis de Redes: Utilizando R (paquetes qgraph, bootnet, NetworkComparisonTest), se construyeron Modelos Gráficos Gaussianos (GGM) para cada subgrupo identificado. Estas redes mapearon las correlaciones parciales entre las tres dimensiones de la RF y las variables psicosociales. Se calcularon los índices de centralidad (Influencia Esperada) y la centralidad de puente para identificar los nodos centrales y de puente. La estabilidad de la red se verificó mediante bootstrapping (1,000 iteraciones), y las diferencias estructurales entre subgrupos se probaron utilizando la Prueba de Comparación de Redes (NCT).

Contribuciones Clave y Resultados

1. Identificación de Tres Perfiles Distintos:
   El LPA reveló que la resiliencia física no es un único continuo, sino que comprende tres subgrupos latentes distintos:

   • Perfil de Baja Resiliencia Física – Dependiente Externo (31.5%): Caracterizado por puntuaciones bajas en todas las dimensiones, particularmente en "Pensamiento Positivo". Estos pacientes carecen de motivación intrínseca pero muestran dependencia del apoyo externo (familia/amigos) y ajustes en el estilo de vida.
   • Perfil de Resiliencia Física Moderada – Perfil Equilibrado (35.0%): Exhibe puntuaciones moderadas y estables en todas las dimensiones, representando un estado de transición entre la dependencia externa y el impulso interno.
   • Perfil de Alta Resiliencia Física – Perfil Proactivo y Optimista (33.5%): Demuestra puntuaciones altas, especialmente en "Pensamiento Positivo" y "Adaptación y Ajuste del Estilo de Vida", lo que indica fuertes creencias intrínsecas y una adaptación conductual proactiva.

2. Predictores de la Pertenencia al Perfil:
   La regresión logística multinomial identificó el nivel educativo, el número de enfermedades crónicas coexistentes, el apoyo social percibido, la ansiedad, la depresión, los comportamientos de salud y la autoeficacia de la rehabilitación como predictores independientes significativos de la pertenencia al perfil. Un menor nivel educativo y una mayor carga de comorbilidad aumentaron la probabilidad de pertenecer al perfil "Dependiente Externo", mientras que un sólido apoyo social y la autoeficacia fueron factores protectores para el perfil "Proactivo y Optimista".

3. Hallazgos de la Estructura de la Red:

   • Similitud Global: La fuerza de la red global y la topología global fueron estadísticamente similares en los tres subgrupos, lo que sugiere que los patrones relacionales fundamentales entre la RF y los factores psicosociales permanecen estables independientemente de los niveles de resiliencia.
   • Heterogeneidad Local: Se encontraron diferencias estructurales significativas específicamente entre los grupos de resiliencia Moderada y Alta.
   • Nodos Centrales y de Puente: "Adaptación y Ajuste del Estilo de Vida" surgió como el nodo puente central en todos los grupos, vinculando las dimensiones de la RF con los factores psicosociales.
   • Mecanismo de Diferenciación: El principal diferenciador entre la baja y la alta resiliencia fue el mecanismo de acoplamiento entre "Adaptación y Ajuste del Estilo de Vida" y "Creencia y Mentalidad Esperanzadora". En el grupo de baja resiliencia, estos estaban estrechamente acoplados pero aislados; en el grupo de alta resiliencia, la "Creencia y Mentalidad Esperanzadora" formó conexiones multidireccionales con el apoyo social y los comportamientos de salud, indicando un cambio de un patrón de dependencia de vía única hacia un patrón regulador integrado de recursos. Además, el efecto inhibitorio de la ansiedad sobre el "Pensamiento Positivo" fue más fuerte en el grupo de baja resiliencia y se debilitó significamente en el grupo de alta resiliencia.

Significancia y Reivindicaciones
Los autores sostienen que este estudio proporciona la primera evidencia empírica de la naturaleza heterogénea de la resiliencia física en pacientes de edad avanzada con ictus en China, categorizándolos en tres perfiles distintos con configuraciones de red únicas. El estudio afirma que la variabilidad en los resultados de la recuperación no es simplemente una función de variables individuales, sino que proviene de distintos patrones de acoplamiento psicocomportamentales.

La significancia de estos hallazgos radica en su potencial para cambiar la práctica clínica de un cuidado basado en la experiencia a una rehabilitación precisa y estratificada:

• Para el Grupo de Baja Resiliencia: Las intervenciones deben priorizar el apoyo psicológico para bloquear la inhibición excesiva del pensamiento positivo por la ansiedad y convertir el apoyo social externo en motivación intrínseca.
• Para el Grupo de Resiliencia Moderada: El enfoque debe centrarse en mejorar la autoeficacia de la rehabilitación y consolidar los comportamientos de salud para facilitar la progresión hacia el estado de alta resiliencia.
• Para el Grupo de Alta Resiliencia: Las estrategias deben enfocarse en mantener las fortalezas y prevenir la regresión, utilizando potencialmente a estos pacientes como modelos de referencia para sus pares.

El artículo concluye que la resiliencia física es un sistema dinámico y en red, moldeado por interacciones psicosociales. Al identificar objetivos de red específicos (por ejemplo, el vínculo ansiedad-pensamiento positivo y el acoplamiento estilo de vida-esperanza), los clínicos pueden desarrollar intervenciones dirigidas para mejorar el cuidado integral de esta población vulnerable. Los autores reconocen las limitaciones respecto al diseño transversal (que impide la inferencia causal), el muestreo por conveniencia (que limita la generalización) y la dependencia de datos de autoinforme, sugiriendo que son necesarios futuros estudios longitudinales y multicéntricos para validar estos mecanismos.