Latent Factors Shaping Early Childhood Development: Insights from a Longitudinal Study in Gauteng, South Africa

Resumen Técnico: Factores Latentes que Moldean el Desarrollo en la Primera Infancia

Planteamiento del Problema y Brecha de Investigación
A pesar de la extensa investigación académica sobre el desarrollo infantil, persiste una brecha de conocimiento crítica respecto a la interacción dinámica entre los factores latentes y los programas de intervención dentro de un marco de sistemas ecológicos. La literatura existente a menudo realiza investigaciones "aisladas", centrándose en dimensiones aisladas como las habilidades cognitivas o la regulación emocional sin considerar adecuadamente su influencia colectiva en la trayectoria holística del niño. Además, existen contradicciones en la literatura con respecto a la eficacia de las intervenciones tempranas; mientras que algunos estudios reportan ganancias sustanciales, otros sugieren resultados más matizados. Este estudio aborda la necesidad de una comprensión integral de cómo las intervenciones de los trabajadores sociales en coyunturas clave del desarrollo interactúan con los factores latentes para moldear los resultados de por vida de los niños, particularmente en el contexto de Gauteng, Sudáfrica.

Metodología
El estudio emplea un diseño de investigación longitudinal que realiza un seguimiento de alumnos de Grado R y 1 en cinco escuelas primarias de Gauteng. La muestra consta de 138 participantes (específicamente la cohorte infantil con una distribución de género equilibrada y una edad media de 7 años), junto con datos recopilados de educadores, tutores y profesionales de la salud. Los datos se recolectaron en tres puntos temporales utilizando la "Aplicación de Seguimiento del Desarrollo del Bienestar Infantil" (CWTT, por sus siglas en inglés), un formulario de informe de casos electrónico (eCRF) desarrollado por el equipo de investigación para capturar dimensiones de educación, nutrición, salud, bienestar material y protección.

El análisis utiliza una tríada de técnicas estadísticas avanzadas:

1. Análisis Factorial Exploratorio (EFA): Utilizado para identificar y extraer factores latentes a partir de una amplia gama de variables. El estudio empleó la extracción de máxima verosimilitud con rotación oblimin directa para contabilizar las correlaciones entre los factores.
2. Modelado de Ecuaciones Estructurales (SEM): Implementado mediante el paquete "lavaan" de R para probar las relaciones hipotetizadas entre los factores latentes identificados vía EFA. El modelo evaluó vías directas e indirectas entre los programas de intervención, los factores latentes y el bienestar infantil.
3. Modelado de Crecimiento Latente (LGM): También realizado a través de "lavaan", esta técnica modeló las trayectorias de desarrollo. Crucialmente, los autores señalan explícitamente que el análisis LGM incluyó solo dos de los seis factores considerados inicialmente —Regulación Emocional y Seguridad y Bienestar— para demostrar la aplicación de estas técnicas estadísticas, en lugar de proporcionar un análisis exhaustivo de la estructura completa de seis factores.

Resultados Clave

• Identificación de Factores: El EFA reveló una estructura estable de seis factores que captura la naturaleza multidimensional del bienestar infantil: (1) Regulación Emocional y Bienestar, (2) Problemas de Comportamiento y Dificultades de Atención, (3) Factores del Hogar y Económicos, (4) Apoyo Social y Sentido de Pertenencia, (5) Seguridad y Bienestar, y (6) Factores de Salud y Médicos.
• Hallazgos del SEM sobre Predictores de Bienestar: Los resultados del SEM desafiaron las suposiciones de que los determinantes estructurales (ingresos, acceso a la salud) son los principales impulsores del bienestar. En su lugar, la Regulación Emocional emergió como el predictor más fuerte ($\beta = 0.61, p < .001$), seguida de la Seguridad ($\beta = 0.35, p < .01$). Por el contrario, los Factores de Salud y Médicos mostraron una asociación débil y no significativa ($\beta = 0.12, p = .21$).
• Interacciones de Factores: Si bien los efectos directos sobre el bienestar fueron fuertes, las estimaciones de regresión para las interacciones entre los factores latentes fueron mayoritariamente pequeñas y estadísticamente no significativas. Esto sugiere que, aunque cada dominio contribuye al bienestar de forma independiente, las relaciones cruzadas entre dominios (por ejemplo, entre la regulación emocional y las condiciones económicas) pueden ser más débiles o más específicas del contexto de lo que los marcos teóricos anticipaban.
• Ajuste del Modelo y Varianza: El modelo SEM demostró índices de ajuste global fuertes (CFI = 1.000, RMSEA = 0.000). Sin embargo, el análisis de la varianza a nivel de constructo reveló "casos de Heywood" (estimaciones de varianza insignificantes o negativas) para los factores de Comportamiento, Seguridad y Salud, lo que indica posibles limitaciones de medición o homogeneidad en la muestra para estos dominios específicos.
• Modelado de Crecimiento Latente: En el análisis LGM, la Regulación Emocional exhibió interceptos basales consistentes con una pendiente reportada de 0.85. Las mediciones de las variables observadas para este factor fluctuaron a través de los puntos temporales (1.87 en el Tiempo 1, 1.43 en el Tiempo 2 y 1.77 en el Tiempo 3). Para Seguridad y Bienestar, el Modelo 4 mostró el mejor ajuste basado en los valores de Chi-cuadrado, mientras que el Modelo 5 tuvo el SRMR más bajo (0.254). El análisis para Seguridad y Bienestar reveló una covarianza significativa entre el intercepto y la pendiente en el Modelo 4. El artículo reporta que los valores observados para Seguridad y Bienestar se registraron como 2.1, 1.68 y 0.00 en el Tiempo 1, Tiempo 2 y Tiempo 3, respectivamente, indicando una tendencia decreciente en estas puntuaciones observadas específicas. Sin embargo, el intercepto latente para este factor osciló entre 3.674 y 4.650 a través de los modelos, y el análisis involucró varianzas restringidas, distinguiendo la trayectoria latente de la disminución del puntaje observado bruto.

Contribuciones Clave
El estudio contribuye al campo al:

• Proporcionar un marco holístico que integra las dimensiones cognitiva, emocional y ambiental del desarrollo infantil mediante el modelado estadístico avanzado.
• Demostrar la utilidad de combinar EFA, SEM y LGM para descubrir estructuras latentes y trayectorias de desarrollo.
• Resaltar que la seguridad psicológica y relacional (regulación emocional y seguridad) puede ser un predictor más potente del bienestar que los recursos materiales en el contexto estudiado.
• Ofrecer una demostración metodológica de cómo las intervenciones de los trabajadores sociales pueden analizarse dentro de un marco de sistemas ecológicos.

Significancia y Reivindicaciones
Los autores afirman que sus hallazgos subrayan la importancia de cambiar el enfoque de las intervenciones, pasando de las provisiones puramente estructurales (acceso económico y médico) al fortalecimiento de las bases psicológicas y relacionales de la vida de los niños. El estudio postula que la capacidad de un niño para regular sus emociones y sentirse seguro constituye la base del bienestar, superando potencialmente el impacto de las provisiones materiales externas.

No obstante, el documento mantiene un tono modesto respecto a su generalización. Los autores señalan explícitamente que los resultados del LGM son específicos para los dos factores incluidos en ese análisis y no deben generalizarse a todos los factores investigados inicialmente. Además, reconocen que las estimaciones de varianza negativa en ciertos factores sugieren la necesidad de enfoques de medición más refinados en investigaciones futuras. El estudio concluye que, si bien ilumina las complejas dinámicas del desarrollo infantil, es necesaria una mayor exploración de los datos longitudinales y la evaluación de las intervenciones para comprender plenamente estos constructos e informar las políticas basadas en evidencia.