PSICOLOGÍA Y NEUROCIENCIA

  • Instagram
  • Facebook
  • Twitter
  • LinkedIn
  • YouTube
  • TikTok

CONTENIDO DE LA UNIDAD

SIMULACIÓN PSICOLÓGICA

OBJETIVO GENERAL DE LA UNIDAD:

En esta unidad se presentan estrategias de detección y se provee un marco conceptual para entender su desarrollo y validación. Bajo este contexto, cinco criterios esenciales de detección serán examinados.

INTRODUCCIÓN

La edad moderna de la evaluación sistemática de los estilos de respuesta fue anunciada por el desarrollo empírico del Inventario Multifásico de Personalidad de Minnesota 1111/IMPI; Hathaway y McKinley, 1940). Los esfuerzos originarios del MMPI confiaban en discriminar reactivos que no eran característicos de poblaciones normativas. La construcción más simple fue la escala F que, sólo, depende de los reactivos MMPI ratificados como poco frecuentes por las pruebas normativas del Minnesota. A diferencia de su uso actual para determinar trastornos mentales fingidos, la intención original de la escala F era medir "descuido y confusión" (Meehl, 1946, p. 517). Sin tener fundamentos conceptuales, las interpretaciones de las elevaciones de la escala F cubren el espectro desde dificultades con la atención, nivel bajo de comprensión lectora hasta interferencia psicótica, incumplimiento hostil y fingimiento deliberado (Dalstrom, et al., 1972).

Las primeras versiones del MMPI fueron más allá de los descuidos a evaluar aspectos principales de adaptación simulada, incluyendo deseabilidad social. La intención original de la escala L, o escala de mentira, era "identificar esfuerzos intencionados o premeditados para evitar contestar de manera franca y honesta la prueba" (Dalstrom et al., 1972, p. 108). Sin embargo, una inspección más profunda del contenido de los reactivos revela en especial una medida de deseabilidad social. Basados en Hartshorne y May (1928), Hathaway y McKinley (1940) diseñaron 15 reactivos que abarcaban la negación de fallas personales y manías. Como evidencia de que estas fallas son ampliamente observadas, por lo regular las pruebas normativas tienen dos terceras partes "verdaderas". La escala K, en comparación con la escala L, evalúa respuestas defensivas (p. ej., negar deterioros psicológicos). Cuando McKinley et al., (1948, p. 20) observaron "perfiles normales" en diagnósticos de pruebas clínicas, supusieron que esto era "sugerente de una actitud defensiva en las respuestas de los pacientes". ¿Qué lecciones se pueden aprender de las escalas de validez del MMPI?

 

Primero, la conceptualización inicial de la detección de estrategias es fundamental para su subsecuente interpretación. La claridad del desarrollo e interpretación de la escala K se puede contrastar fácilmente con las dificultades de interpretación que afronta la escala F, a la cual le faltan fundamentos conceptuales. Segundo, la selección de grupos criterio determina la fidelidad en las/ interpretaciones posteriores. La escala F puede servir de ejemplo de que las escalas desarrolladas sólo a partir de muestras normativas son esencialmente confusas como medidas para detectar simulación. Sin pruebas clínicas, los especialistas no saben si las elevaciones en los puntajes son resultado de psicopatologías falsas o genuinas. A pesar de sus limitaciones, el MMPI representa la primera etapa crítica en el desarrollo de estrategias de detección empíricas de los estilos de respuesta (Rogers y Gillard, 2011).

Antes del MMPI, la mayoría de las valoraciones de simulación y otros estilos de respuesta dependían de métodos no probados basados en estudios de caso. Dos escollos principales pueden surgir fácilmente de apoyarse sólo en estudios de caso. Primero, sin investigaciones sistemáticas, los clínicos, de manera inadvertida, se pueden engranar en un ejercicio tautológico: características "sobresalientes" de simulación son identificadas con simuladores sospechosos que, a su vez, son identificados con base en estas características "sobresalientes" (un ejemplo clásico del sesgo de confirmación; Borum, et al., 1991). Segundo, las características comunes de simulación se pueden confundir con características discriminantes. A pesar del desarrollo de estrategias de detección empíricas validadas, las cuales se describen más adelante, los rasgos comunes versus las características discriminantes siguen siendo un problema fundamental, especialmente para la valoración de la simulación. Los indicadores filtro de simulación en el DSM,1 creados hace más de 25 años (American Psychiatric Association, 1980), continúan usando mal las características comunes de simulación, como si fueran características discriminantes (American Psychiatric Association, 2013). Aunque se encuentra por lo común a los simuladores en las evaluaciones forenses y éstos tienen antecedentes antisociales, el uso superficial de estos indicadores comunes puede producir errores infortunados. En las evaluaciones clínicas forenses, todos los involucrados presentan evaluaciones forenses, muchos de éstos también requieren diagnóstico de trastorno de personalidad antisocial (TPA).

Para fines de estudio, se harán dos simples conjeturas: (1) La frecuencia de simulación es casi de 20% basada en extensas evaluaciones, y (2) la frecuencia del TPA es de 50%. Al llevar a cabo 1000 evaluaciones forenses, 100 de 200 simuladores serían evaluados de forma correcta. Sin embargo, 400 de 800 respondedores auténticos serían clasificados de manera errónea. Errar cuatro veces de cinco es catastrófico. Este ejemplo hipotético se asemeja a los resultados empíricos (Rogers, 1990). Este análisis sencillo demuestra las devastadoras consecuencias de confundir características comunes con características discriminantes.

ABORDAJE

La distinción clave entre características comunes y discriminantes se muestra en las siguientes descripciones: Las características comunes, a veces descritas como "correlaciones clínicas", son observadas en las respuestas únicas de los evaluados. Hasta cuando la frecuencia excede a 50%, las correlaciones clínicas comunes no facilitan la clasificación precisa. Las características discriminantes se remiten a características clínicas específicas que diferencian de forma fiable entre grupos relevantes. Pueden propiciar una clasificación precisa.

El ejemplo anterior sobre TPA y simulación en la evaluación clínica forense demuestra con claridad por qué las características comunes no deberían ser usadas en clasificaciones precisas. Además, la mayoría de las correlaciones clínicas son relativamente modestas (p. ej., rs < .40), lo cual disminuye marcadamente su uso práctico. Aun cuando las correlaciones son altas (p. ej., rs > .70), no ayudan a clasificar de manera precisa, ya que otros trastornos clínicos u otros estilos de respuesta pueden tener correlación con una magnitud similar. El Inventario Clínico Multiaxial de Millon—III, MCMI-III, por sus siglas en inglés; Millon, 1994) es un ejemplo de cómo la escala Z (Debasement lndex or faking bad; índice de devaluación o simulación errónea) tiene correspondencia a .60 o más con seis escalas clínicas; estas escalas también corresponden con otras escalas clínicas y con la escala X (Dis-closure Index or willingness to disclose problems; índice de sinceridad o disposición para revelar problemas) en la misma magnitud.

Una consecuencia importante del enfoque de características discriminantes dio como resultado la cuidadosa elaboración de estrategias de detección.

Las características discriminantes son específicas para una escala en particular y no pueden —sin una investigación sistemática— generalizarse a otros métodos de evaluación. Por ejemplo, las primeras investigaciones de la escala L del MMP1 proponían que la negación de defectos personales y manías pueden ser útiles en la valoración de la defensividad. ¿Este descubrimiento es apto como estrategia de detección? Como respuesta condicionada, este acercamiento sólo se convierte en una estrategia de detección cuando ha sido conceptualizado con claridad, puesto en práctica con reactivos específicos y probado de manera rigurosa con múltiples medidas a través de varios escenarios. Con base en conceptualizaciones anteriores (p. ej., Rogers, et al., 1993; Rogers y Bender, 2013), la definición general de estrategias de detección se presenta en el recuadro 1. Esta definición incluye cinco criterios imprescindibles, en específico (1) método estandarizado, (2) base conceptual, (3) validación empírica, (4) diferenciación sistemática y (5) un estilo de respuesta especifico.

A continuación, cada componente se examina brevemente:

'1. Los métodos estandarizados son esenciales en todas las iniciativas científicas. Las estrategias de detección deben ser operacionalizadas para proporcionar reactivos personalizados, deben tener puntajes y formas de aplicación metódicos, para que los resultados puedan ser examinados de forma rigurosa y sometidos a validación cruzada.

2. Se debe describir una base conceptual con el objetivo de comprobar el fundamento subyacente de una estrategia de detección especifica y de evaluación para distintas hipótesis. Sin un marco bien definido, la investigación se puede desaprovechar con un enfoque ateórico y con resultados difíciles de interpretar.

3. La validación empírica se enfoca en el uso de metodología probada para validar una estrategia de detección especifica. La validación empírica de las estrategias de detección incluye, de manera óptima, diseños de simulacro para detectar la simulación y comparación de grupos conocidos. Evita metodología deficiente (p. ej., tasas de prevalencia diferencial y contrastes inadecuados (p. ej., contraste de protocolos fingidos versus intactos).

Recuadro 1

4. La diferenciación sistemática se centra en estimaciones de fiabilidad. Por si sola, la relevancia estadística representa un indicador inadecuado de precisión. Muchos estudios de estilos de respuesta generan resultados con esta probabilidad de relevancia estadística; sin embargo, tienen poca utilidad práctica profesional. En cambio, la magnitud de la diferencia es la cuestión fundamental. (Wilkinson and the Task Force on Statistical Inference, 1999). A causa de su claridad, este capítulo utiliza “Cohen d ce” como la medida estándar para el tamaño del efecto.

Más allá de los tamaños del efecto, la condición sine qua non de la precisión clínica es el nivel de la clasificación individual. Herramientas de cálculo son utilizadas para determinar las probabilidades de que las puntuaciones de corte puedan identificar de forma correcta un estilo de respuesta especifico (Streiner, 2003).

5. La delimitación de un estilo de respuesta específico (SRS, por sus siglas en inglés) es esencial para la interpretación exacta de los resultados. Por ejemplo, algunas investigaciones sobre simulación de deterioro cognitivo intentan sustituir el esfuerzo subóptimo con la simulación.

Esta derivación de significado (p. ej., expansión de la conceptualización de simulación para que acepte cualquier manifestación de motivación inadecuada) produce resultados imprecisos y quizás engañosos. Investigadores, psicólogos y médicos deben verificar que los grupos criterio y conjuntos de instrucciones correspondan con los estilos de respuesta específicos en cuestión.

Definición de estrategias de detección

Una estrategia de detección es un método estandarizado con un marco conceptual validado de forma empírica para diferenciar de manera sistemática un estilo de respuesta especifica (p. ej., simulación y defensividad) de otros estilos de respuesta (p. ej., respuestas honestas o respuestas irrelevante

¿CUÁL ES UNA BUENA ESTRATEGIA DE DETECCIÓN? 

Al juntar los cinco criterios antes mencionados, la estrategia de detección debería someterse a validación cruzada con diferentes medidas y debería producir de manera consistente el tamaño del efecto y clasificaciones certeras (Rogers y Bender, 2013). Si no es efectiva de manera transversal en distintas acciones, entonces la estrategia de detección no es está lo suficiente establecida y podría estarse beneficiando por características idiosincráticas de una escala en específico. Si el tamaño del efecto es moderado, entonces la estrategia de detección es relativamente ineficaz y debería evitarse, a menos que pueda implementarse con exactitud a un objetivo delimitado, coma descartar un estilo de respuesta. Las estrategias de detección para los estilos de respuesta deben ser concretes, enfocarse en un estilo de respuesta especifico dentro de un dominio determinado. De hecho, los investigadores han intentado enfocarse en el fingimiento de diagnósticos específicos. Por ejemplo, desarrollaron una escala en el MMPI-2 para evaluar de manera concreta los trastornos por estrés postraumático fingidos (escala TEPT; p. ej., FTEPT; Elhai, et al., 2002).

NATURALEZA ENFOCADA DE LAS ESTRATEGIAS DE DETECCIÓN  

Un fundamento principal es que las estrategias de detección no son universales, se deben plantear según cada estilo de respuesta especifico y para dominios bien definidos. Sin duda alguna, se necesitan diferentes habilidades de detección para evaluar distintos estilos de respuesta. Por ejemplo, la evaluación de simulación del MMPI-2 (Rogers, et al., 2003) utiliza estrategias de detección muy diferentes a las utilizadas para evaluar defensividad (Baer y Miller, 2002). Aunque pueda ocurrir una relación inversa entre simulación y defensividad (p. ej., la hipótesis de bipolaridad; Greene, 2011), se ha comprobado que las estrategias de detección enfocadas en un estilo de respuesta especifico son más efectivas.

Para ejemplificar este punto con el MMPI-2, Rogers et al. (2003) hallaron temarios del efecto grandes a muy grandes para las escalas de validez basadas en estrategias de detección del fingimiento. En contraste, la ausencia de defensividad (p. ej., puntuación baja en las escalas que utilizaban sus estrategias de detección) por lo general producía solo un tamaño del efecto pequeño o moderado para las respuestas fingidas.

Las estrategias de detección deben tomar en consideración los amplios dominios en los cuales los estilos de respuesta específicos ocurren por lo común. Tres de estos amplios dominios son: trastornos mentales, habilidades cognitivas y alteradores médicos (Rogers y Bender, 2013).

Considere la simulación; las personas que fingen trastornos esquizofrénicos se enfrentaran a una tarea muy diferente a la de aquellos que simulan una deficiencia intelectual. En lo que respecta a la esquizofrenia fingida, los simuladores tienen que crear un conjunto de síntomas verosímiles y rasgos relacionados. Para lograr ser complejos, los simuladores deberán también decidir la orientación del episodio en turno, el impedimento asociado y su insight sobre su trastorno (p. ej., conciencia de que el comportamiento psicótico es sintomático). En cambio, los individuos que finjan discapacidad intelectual deben mostrar un esfuerzo convincente mientras intentan fallar indicadores intelectuales y cognitivos. Para lograr ser complejos, los individuos fingidores deben decidir no solo qué tan mal reprobaran, si no también en que pruebas, y, además, deben decidir como esos fracasos afectaran su funcionamiento diario. Ya que las labores de los simuladores son dispares se necesitan diferentes estrategias de detección.

El dominio médico es mucho más complejo que cualquier trastorno mental o habilidad cognitiva. A través de la simulación medica los pacientes se pueden especializar en retratar un síntoma debilitante ej., dolor), retratar una constelación de padecimientos comunes, pero dolorosos (p. ej., jaquecas, fatiga, y problemas gastrointestinales), o se especializan en síndromes complejos (p.ej., fibromialgia). A veces, los investigadores intentan adoptar medidas ante la discapacidad médico genuina y ante los deterioros cognitivos fingidos. Por ejemplo, las señales físicas de Waddell (indicadores neurológicos no-orgánicos) han sido utilizadas de manera errónea como evidencia de simulación; un uso no respaldado por la literatura empírica (Fishbain, et al., 2004). En vista de las complejidades de las presentaciones médicas, las estrategias de detección en el dominio médico se enfrentan a formidables desafíos en cuanto a su desarrollo y validación. Se necesitan dos parámetros para evaluar la utilidad de las estrategias de detección: tamaño del efecto y estimados de utilidad. El tamaño del efecto facilita un método estándar para evaluar el valor comparativo de las diferentes estrategias de detección al distinguir entre los grupos criterios relevantes. Los cálculos de utilidad comprueban la efectividad de determinadas puntuaciones de corte en la clasificación de estilos de respuesta individuales y grupales. Estos parámetros se examinarán en las siguientes dos secciones.

TAMAÑO DEL EFECTO Y ESTRATEGIAS DE DETECCIÓN

La obra seminal de Cohen (1988) sobre tamaños del efecto fue diseñada para contemplar diferencias pequeñas como relevantes para las investigaciones psicológicas; por ejemplo, recomienda que a un tamaño del efecto de .80 se le considere "grande", aunque las diferencias hayan sido sustancialmente menores que en la desviación estándar de un grupo.

Se necesitan estándares más rigurosos en la práctica profesional, en especial cuando la presencia de un estilo de respuesta puede servir para invalidar la presentación clínica de un individuo (Ferguson, 2009). Para la evaluación de la simulación, Rogers et al. (2003) propusieron estándares más rigurosos para Cohen d: "moderado" >75; "grande" >1.25; y "muy grande" 1.75. Con base en el metaanálisis de defensividad de Baer y Miller (2002), el estándar recomendado para un tamaño del efecto "muy grande" (>1.50) es ligeramente más bajo que para la simulación. Como referencia rápida se presentan las categorías para el tamaño del efecto (Cohen d) en el recuadro 2.

Categorización del tamaño del efecto basada en Cohen d para la clasificación y estilos de respuesta

Moderado: >75

Grande: >25

Muy grande. >1.50

Recuadro 2

PUNTUACIONES DE CORTE PARA LA EVALUACIÓN CORRECTA DE LOS ESTILOS DE RESPUESTA

 

Esta relevante sección incluye temas clave que deberían tomar en cuenta los clínicos e investigadores. Cada párrafo está brevemente titulado para facilitar su uso accesible.

Imprecisión en la evaluación psicológica. Los profesionales de la salud mental necesitan saber la precisión de las puntuaciones de corte y también necesitan conocer las reglas más complejas de toma de decisión utilizadas en determinaciones clínicas, tales como un estilo de respuesta específico. Hasta nuestros mejores instrumentos psicométricos a menudo son imprecisos y, a veces son solo inexactos.

Como evidencia de imprecisión, valore usted la Escala Wechsler de Inteligencia para Adultos -IV (WAIS-IV, Wechsler, 2008), un excelente indicador psicométrico. Cuando se toma en cuenta su estimación de error estándar (SEM = 2.16), podemos decir con el 95% por ciento de seguridad que una escala completa de cociente intelectual de 100 (el 50avo percentil) reside en algún lugar entre el 89avo y 61avo percentil. En tal consideración, la inexactitud también se hace evidente en instrumentos de valoración en psicopatologías como el MMPI-2.

EVALUACIÓN CLÍNICA DE LA SIMULACIÓN Y EL ENGAÑO.

Sensibilidad es la proporción de individuos con el SRS debidamente identificado por la puntuación de corte. Si 18 de 20 simuladores son identificados por la puntuación de corte en específico (p. ej., 65T en la es-cala F del MMPI-2), entonces la sensibilidad es de .90. El poder predictivo positivo es la probabilidad de que las personas que alcancen una puntuación de corte determinada serán identificadas de manera correcta con los SRS. Si la puntuación de corte identifica de manera correcta a 18 de 20 simuladores pero clasifica mal a 60 pacientes genuinos entonces el PPP (18/78) es de sólo .23.

Este ejemplo demuestra con claridad la importancia de tomar en cuenta a ambas, sensibilidad y PPP, cuando se esté evaluando la precisión de determinadas puntuaciones de corte. Sensibilidad muy elevada puede lograrse a costa de PPP. Sin embargo, las tasas de error (p. ej., falsos positivos) son muy importantes y han sido reconocidas por la Suprema Corte como un componente crítico en la admisibilidad jurídica de testimonios expertos (Daubert versus Merrell Dow Pharmaceuticals, Inc., 1993).

Los estimados de utilidad han pasado por alto respuestas genuinas como el SRS clínico relevante. En cambio, los fingimientos intencionales han representado el punto focal. Esta negligencia respecto a las respuestas genuinas desfavorece a muchos examinados forenses ya que, potencialmente pasa por alto "buenas" noticias sobre sus esfuerzos de autorrepresentación precisa (respuesta genuina). Como un enfoque más equilibrado, al evaluar los estilos de respuesta los especialistas deberían sopesar —con base en evidencia empírica— las distorsiones intencionales, distorsiones no intencionales y las respuestas genuinas. - La utilización del estimado de utilidad se tratará en extenso en los capítulos subsecuentes (Streiner, 2003). Es de suma importancia que las puntuaciones de corte contemplen la meta profesional de la clasificación clínica. Una distinción crítica debe ser articulada entre filtros y decisiones clínicas. Los filtros a menudo son eficaces cuando se utilizan para "descartar" a los respondedores auténticos. Con la simulación como un ejemplo destacado, se ha detallado el trabajo de Rogers et al., (2014):

  1. Los filtros de eliminación intentan excluir a la mayoría de los respondedores auténticos de consideraciones posteriores. Para asegurar que sólo éstos sean removidos de estudios sucesivos, la especificidad (probabilidad de respuesta genuina) se maximiza de forma intencional a costa de la sensibilidad (probabilidad de respuestas fingidas). Por lo tanto, el diseño hace que los que no fueron filtrados incluya también un número considerable de respondedores auténticos. 2. Las decisiones clínicas están basadas en evaluaciones detalladas de estilos de respuesta. Para minimizar los falsos positivos, se resalta el PPP a costa del poder predictivo negativo (NPP, por sus siglas en inglés). Las decisiones clínicas efectivas establecen puntuaciones de corte estrictas para evitar clasificar mal a los responde-dores auténticos. ¿Cuáles son los riesgos profesionales? Al desear mayor eficacia, algunos especialistas continúan utilizando filtros breves en vez de extensas determinaciones clínicas.

  2. Además de rechazar un enfoque multimétodo más integral, estos profesionales están incrementando la posibilidad de falsos positivos, con consecuencias potencialmente devastadoras.

ESTRATEGIAS PARA LA DETECCIÓN DE LA SIMULACIÓN Y LA DEFENSIVIDAD

FINGIMIENTO Y TRASTORNOS MENTALES

Rogers (1984) aportó el análisis original de las estrategias de detección, el cual combinaba modelos de simulación empíricos y heurísticos. A partir de este primer análisis, las estrategias de detección para la simulación han evolucionado gradualmente y continúan siendo sujeto de rigurosas examinaciones (Rogers, 2008; Rogers y Bender, 2013). Como se resume en la tabla 1, 10 estrategias de detección para trastornos mentales simulados han sido validadas. Se empezará examinando la estrategia de detección de una "alteración improbable"; para simplificar, a esto se le llamará estrategia improbable de detección.

ESTRATEGIAS IMPROBABLES DE DETECCIÓN

Como fue señalado, las estrategias improbables de detección se enfocan en características clínicas inusuales o atípicas que rara vez se observan en poblaciones clínicas genuinas (tabla 1). Los síntomas inusuales ejemplifican mejor la categoría de estrategias improbables de detección. La estrategia es más efectiva cuando se utiliza un riguroso criterio para identificar síntomas inusuales (p. ej., < 5% de los pacientes con respuestas genuinas) derivados de muestras clínicas complejas (p. ej., de pacientes diagnosticados con trastornos mentales más trastornos de personalidad). Esta estrategia tiende a producir tamaños del efecto grandes a muy grandes para medidas especializadas en simulación, como la escala de Rare Symptoms (síntomas inusuales, RS) del SIRS-2 (Rogers et al., 2010), e inventarios multiescala (p. ej., la escala F-psiquiátrica del MMPI-2, Fp; Rogers et al., 2003).

Los síntomas cuasiinusuales constituyen una estrategia de detección más débil que la de síntomas inusuales. Como un ejercicio de pensamiento, imaginemos que un investigador ingenuo podría idear un subconjunto de síntomas cuasiinusuales provenientes del Beck Depression Inventory (inventario Beck de la depresión; BDI, por sus si-glas en inglés), con base en una muestra comunitaria bien adaptada; sólo conseguiría que su subconjunto de síntomas cuasiinusuales fallase completamente para los pacientes hospitalizados deprimidos. Como se mencionó con el BDI, este método para el desarrollo de escalas es defectuoso porque los reactivos seleccionados pueden reflejar trastornos genuinos o fingidos. Como un caso concreto, sólo 25.0% de los reactivos en la escala F (una estrategia cuasiinfrecuente) fueron poco comunes también en las poblaciones clínicas.' Los síntomas cuasiinusuales, aunque producen tamaños de efecto grandes a muy grandes, son difíciles de interpretar. También pueden producir niveles inaceptables de falsos positivos (p. ej., la clasificación errónea de un paciente genuino como simulador). La tercera estrategia de detección, destinada a síntomas individuales y características, es la de síntomas improbables.

Por definición, la adopción de síntomas improbables no puede ser verídica. Sin embargo, los síntomas improbables representan una solución intermedia. Por un lado, su cualidad fantástica aumenta la probabilidad de que las adjudicaciones sean fingidas. Por otro lado, el aspecto de alta validez de estos reactivos (p. ej., síntomas ficticios reconocibles) puede disminuir su efectividad, especialmente entre simuladores complejos. Como se puede observar en la tabla 1, dos estrategias contrarias van más allá de los reactivos individuales al exa-minar pares infrecuentes (combinación de síntomas) y configuración de escalas (patrones espurios de psicopatología). Por las complejidades que representa establecer "patrones espurios", esta estrategia sólo ha sido empleada con éxito con el PAI. Sin embargo, la estrategia de "combinación de síntomas" es muy versátil y, comparativamente, más fácil de realizarse. Representa una estrategia de detección primaria en el SIRS-2 y, recién, fue ejecutada con el Structured Inventory of Malingered Symtomatology (SIMS, inventario estructurado para simulación de sintomatología; Widows y Smith, 2005). Para el SIMS, Rogers, et al. (2014) crearon una escala de Symptoms Combinations (combinación de síntomas; SC, por sus siglas en inglés) basada en pares de reactivos no-correspondientes o negativamente correspondientes en pacientes genuinos que a menudo eran designados como fingidores.

ESTRATEGIAS DE DETECCIÓN AMPLIFICADAS

A diferencia de las estrategias improbables, las estrategias de detección amplificadas se enfocan en el grado excesivo (p. ej., frecuencia e intensidad) de supuestos síntomas. Los dos ejemplos más claros son ratificación indiscriminada de síntomas y gravedad de los síntomas. En la primera instancia, a los simuladores se les puede identificar a través de la gran cantidad de síntomas reportados. En la segunda instancia, los simuladores reportan una proporción alta de síntomas de extrema gravedad. En ambas instancias, la evidente amplificación de la presentación clínica se convierte en el factor decisivo, sin consideración alguna por el contenido específico del reactivo. Las siguientes tres estrategias se enfocan en el contenido que pueda parecer plausible a los simuladores. Ya que los síntomas obvios son fáciles de reconocer y parecen tener relevancia clínica, los simuladores los pueden