Cuestionario del Síndrome de la Visión por Computadora – Versión Persa

1. Resumen / Abstract

El Cuestionario del Síndrome de la Visión por Computadora – Versión Persa (Computer Vision Syndrome Questionnaire – Persian Version, CVS-Q FA©) representa una adaptación psicométrica y cultural rigurosa del instrumento original desarrollado en España por Seguí et al. (2015). Esta herramienta de autoinforme ha sido diseñada específicamente para cuantificar de manera estandarizada y multidimensional la presencia, frecuencia y severidad clínica de las manifestaciones oculares, visuales y extraoculares derivadas del uso continuado y prolongado de pantallas de visualización de datos (PVD). El síndrome de la visión por computadora (SVC), también conocido en la literatura médica y ergonómica como fatiga visual digital (Digital Eye Strain), constituye una de las principales entidades mórbidas emergentes en el ámbito de la salud ocupacional e higiene laboral contemporánea.

Estructuralmente, el CVS-Q FA consta de 16 ítems sintomatológicos que evalúan dos ejes paramétricos complementarios: la frecuencia de aparición (nunca, ocasionalmente, a menudo/siempre) y la intensidad percibida del síntoma (moderada, intensa). Mediante un algoritmo matemático predeterminado que combina de manera multiplicativa ambos vectores, cada ítem genera una puntuación recodificada de severidad individual (0, 1 o 2 puntos), cuya sumatoria produce un índice global de afección que oscila entre 0 y 32 puntos. El punto de corte clínico validado de ≥ 6 puntos clasifica eficazmente al sujeto como caso positivo de síndrome de la visión por computadora.

Las propiedades psicométricas reportadas en su estudio de validación en Irán (Qolami et al., 2022) demuestran una alta solidez metodológica. El instrumento presenta una consistencia interna adecuada avalada por un coeficiente alfa de Cronbach de 0,80, así como una estabilidad temporal sobresaliente valorada mediante prueba-reprueba con un Coeficiente de Correlación Intraclase (CCI) de 0,81 y un índice kappa de Cohen ponderado de 0,65. La validez de contenido fue evaluada por un comité multidisciplinario de 15 expertos en optometría y salud pública, obteniendo un Índice de Validez de Contenido a nivel de escala (S-CVI) de 0,92. El análisis de curvas ROC (Receiver Operating Characteristic) arrojó una sensibilidad diagnóstica del 81,1% y una especificidad del 69,2%. El análisis factorial confirmó una estructura estrictamente unidimensional, consolidando al CVS-Q FA como un instrumento estándar para la vigilancia epidemiológica, la evaluación ergonómica y el cribado optométrico ocupacional en poblaciones de habla persa.

2. Palabras clave / Keywords

Síndrome de la visión por computadora, fatiga visual digital, psicometría ocupacional, ergonomía visual, salud laboral, validación transcultural, sensibilidad diagnóstica, análisis factorial, astenopía, superficie ocular, cuestionario CVS-Q, salud visual ocupacional.

3. Autores / Authors

El proceso de traducción, adaptación cultural y validación psicométrica de la versión persa del Computer Vision Syndrome Questionnaire fue llevado a cabo por un equipo internacional e interdisciplinario integrado por optometristas, epidemiólogos ocupacionales y especialistas en salud pública:

• Milad Qolami: Departamento de Optometría, Escuela de Rehabilitación, Universidad de Ciencias Médicas de Irán (Iran University of Medical Sciences), Teherán, República Islámica de Irán.
• Ali Mirzajani: Profesor e investigador del Departamento de Optometría, Escuela de Rehabilitación, Universidad de Ciencias Médicas de Irán, Teherán, República Islámica de Irán.
• Elena Ronda-Pérez: Catedrática de Medicina Preventiva y Salud Pública, Grupo de Investigación en Salud Pública, Departamento de Enfermería Comunitaria, Medicina Preventiva y Salud Pública e Historia de la Ciencia, Universidad de Alicante, San Vicente del Raspeig, Alicante, España; y Centro de Investigación Biomédica en Red de Epidemiología y Salud Pública (CIBERESP), Madrid, España.
• Natalia Cantó-Sancho: Investigadora posdoctoral y profesora del Departamento de Óptica, Farmacología y Anatomía, Universidad de Alicante, San Vicente del Raspeig, Alicante, España. Correo electrónico de contacto institucional: [email protected].
• Mar Seguí-Crespo: Profesora Titular, Departamento de Óptica, Farmacología y Anatomía, y Grupo de Investigación en Salud Pública, Universidad de Alicante, San Vicente del Raspeig, Alicante, España. Desarrolladora principal de la escala original en español.

4. Propósito / Purpose

El propósito medular del CVS-Q FA radica en proveer una herramienta psicométrica calibrada, reproducible y ecológicamente válida para la detección temprana, evaluación clínica y monitorización epidemiológica del síndrome de la visión por computadora (SVC) en individuos que utilizan ordenadores, pantallas digitales, tabletas y teléfonos inteligentes en su entorno laboral o académico dentro del contexto lingüístico y cultural persa (farsi). Históricamente, la investigación sobre astenopía y molestias oculares en usuarios de pantallas estuvo plagada de deficiencias metodológicas sustanciales: proliferaban encuestas no validadas, cuestionarios de síntomas ad hoc con criterios de inclusión heterogéneos y mediciones unidimensionales aisladas (midiendo exclusivamente si el síntoma aparecía o no, sin ponderar la severidad combinada).

Esta falta de uniformidad metodológica generaba una disparidad alarmante en las tasas de prevalencia reportadas en la literatura médica internacional, fluctuando erráticamente entre el 25% y más del 90% en cohortes de trabajadores de oficina y estudiantes universitarios (Rosenfield, 2011; Sheppard & Wolffsohn, 2018). El desarrollo y adaptación del CVS-Q FA subsana de manera directa esta brecha psicométrica. Al proporcionar un algoritmo algorítmico riguroso y un umbral de corte clínico de sensibilidad y especificidad comprobadas (puntuación total ≥ 6), el instrumento transforma reportes sintomáticos subjetivos en una variable cuantitativa continua estandarizada que categoriza con certeza diagnóstica la condición patológica del sujeto evaluado.

Desde una perspectiva clínica, el instrumento ofrece al oftalmólogo, optometrista y médico del trabajo una prueba de cribado autoadministrada de corta duración (menos de 5 minutos de aplicación). Esta agilidad permite identificar precozmente cuadros subyacentes de ojo seco evaporativo, insuficiencia de convergencia inducida por pantallas o descompensaciones foricas antes de que causen deterioro visual permanente o bajas laborales. En el ámbito de la investigación ocupacional y ergonómica, el CVS-Q FA actúa como una medida de resultado primaria (patient-reported outcome, PRO) sumamente sensible para cuantificar la eficacia de intervenciones preventivas en el puesto de trabajo. Estas intervenciones incluyen la reconfiguración ergonómica de monitores, la instalación de filtros antirreflectantes, la implementación de protocolos de pausas activas programadas (como la regla 20-20-20), la prescripción de lentes oftálmicas de diseño ocupacional o el empleo de lágrimas artificiales con conservantes biocompatibles.

Asimismo, la acelerada digitalización laboral y la consolidación del teletrabajo (home office), exacerbadas tras la pandemia de COVID-19, han intensificado la carga visual estática de la población activa. En Irán, donde las estadísticas nacionales revelaron un incremento masivo en el consumo de tecnologías de la información por encima de las 6 a 8 horas diarias en trabajadores terciarios y personal universitario (Statistical Center of Iran, 2019; Qolami et al., 2020), la disponibilidad del CVS-Q FA permite comparar de forma homogénea los indicadores de salud visual locales con las cohortes evaluadas con la versión madre en Europa y América Latina.

5. Constructo psicológico / Construct

El constructo medido por el instrumento es el Síndrome de la Visión por Computadora (SVC), conceptualizado como una entidad sintomática compleja y multicausal de naturaleza perceptual, fisiológica y sensoriomotora que emerge como consecuencia del esfuerzo sostenido del sistema visual humano ante dispositivos electrónicos emisores de luz artificial en distancias cortas e intermedias. En el marco psicométrico del CVS-Q, el SVC se estructura operacionalmente como una variable latente unidimensional. Aunque las quejas de los usuarios abarcan diferentes vías neurofisiológicas y tejidos diana (epitelio corneal, musculatura intraocular, musculatura extraocular y fibras nociceptivas trigeminales), todas convergen de manera coherente en un síndrome unificado cuya severidad general puede ser expresada en un único continuo psicométrico.

El cuestionario muestrea exhaustivamente 16 manifestaciones clínicas fundamentales, las cuales agrupan las siguientes esferas fisiopatológicas interconectadas:

• Síntomas de la superficie ocular y película lagrimal: Comprende el ardor (burning), picor o prurito ocular (itching), sensación de cuerpo extraño o arenilla (feeling of a foreign body), lagrimeo o epífora refleja (tearing), parpadeo excesivo involuntario (excessive blinking), enrojecimiento o hiperemia conjuntival (eye redness) y sequedad ocular (dryness). Estos síntomas emanan primariamente de la reducción drástica de la tasa fisiológica de parpadeo (que desciende de 15-20 parpadeos por minuto a tan solo 4-6 durante la lectura atenta en pantallas) combinada con una elevada tasa de parpadeos incompletos, lo cual induce una ruptura prematura de la película lagrimal precorneal y desecación epitelial localizada.
• Síntomas astenópicos y acomodativos: Incluyen el dolor ocular profundo o periorbitario (eye pain), pesadez de párpados (heavy eyelids), visión borrosa al mirar la pantalla o al alternar la fijación lejana (blurred vision) y dificultad para enfocar de cerca (difficulty focusing for near vision). Estos signos reflejan el agotamiento metabólico e hipertonía del músculo ciliar debido al mantenimiento prolongado de la acomodación dióptrica fija y la tensión en la vergencia ocular requerida para mantener la alineación binocular en el punto próximo de fijación.
• Síntomas de procesamiento visual y alteraciones óptico-perceptuales: Involucran la diplopía o visión doble (double vision), el aumento de la sensibilidad a la luz o fotofobia relativa (increased sensitivity to light), la observación de halos coloreados alrededor de las fuentes de luz u objetos en pantalla (colored halos around objects) y la sensación subjetiva de empeoramiento transitorio de la agudeza visual (feeling that sight is worsening). Estas manifestaciones responden a la dispersión de luz parásita sobre la córnea, microfluctuaciones de la acomodación y aberraciones ópticas dinámicas exacerbadas por el deslumbramiento y el brillo de los paneles de visualización.
• Síntomas extraoculares asociados: Representado por la cefalea o dolor de cabeza (headache). El dolor de cabeza asociado al uso de pantallas se localiza con frecuencia en la región frontal, retroocular o temporooccipital, originado tanto por espasmos acomodativos sostenidos mediados por ramas del nervio oftálmico (V1 del nervio trigémino) como por contracturas musculares secundarias en la musculatura cervical debido a posturas compensatorias de aproximación visual.

La formulación psicométrica del constructo es singular porque no evalúa únicamente la ocurrencia del síntoma, sino su magnitud integral resultante de la combinación interactiva entre la frecuencia temporal con la que el individuo padece la molestia y la intensidad sensorial con la que la experimenta en su vida cotidiana.

6. Marco teórico / Theoretical Framework

El marco conceptual que fundamenta el desarrollo psicométrico del CVS-Q y su posterior validación en lengua persa se apoya en los modelos teóricos de la ergonomía visual ocupacional, la fisiología de la motilidad y refracción ocular, y la teoría de la astenopía por estrés ambiental desarrollada por investigadores líderes en optometría contemporánea, tales como Rosenfield (2011), Gowrisankaran y Sheedy (2015), y Sheppard y Wolffsohn (2018).

Desde el punto de vista biofísico, leer en una pantalla digital impone exigencias fisiológicas cualitativamente más agresivas que leer texto impreso en papel convencional. Los caracteres en una pantalla electrónica están formados por diminutos píxeles caracterizados por un gradiente de luminancia decreciente hacia los bordes (perfiles de luminancia gaussianos en lugar de escalonados), lo cual debilita las pistas visuales que el reflejo de acomodación humana necesita para estabilizarse. En respuesta a esta ambigüedad perceptual, el sistema optométrico incurre en fluctuaciones micrométricas constantes del tono ciliar, fenómeno denominado deriva acomodativa o lag de acomodación excesivo (Gowrisankaran & Sheedy, 2015).

El modelo explicativo dual propuesto por Sheedy y colaboradores postula que los síntomas del síndrome de la visión por computadora se dividen en dos vías fisiológicas subyacentes bien documentadas:

1. Vía de la superficie ocular (síntomas externos): Modulada por factores ambientales (baja humedad relativa, corrientes de aire acondicionado), químicos y biomecánicos. La concentración atencional intensa exigida por las tareas computacionales de alta demanda cognitiva inhibe el reflejo involuntario de parpadeo cortical. En consecuencia, la tasa de evaporación del film lagrimal aumenta drásticamente, incrementando la osmolaridad de la película lagrimal y desencadenando una respuesta inflamatoria subclínica en el epitelio de la conjuntiva y la córnea. Esta vía explica el ardor, el prurito, la sequedad, el parpadeo excesivo y la inyección conjuntival.
2. Vía neuromuscular y acomodativa-fusional (síntomas internos): Modulada por la discrepancia entre la demanda visual próxima impuesta y la capacidad de reserva acomodativa y de vergencias fusionales del usuario. La convergencia constante de los ejes visuales provoca sobrecarga en los músculos rectos mediales, mientras que el esfuerzo sostenido de la lente cristaliniana fatiga los cuerpos ciliares. El agotamiento de estas reservas produce fatiga visual endógena, cefalea frontal, dolor orbitario, visión doble y empañamiento transitorio.

Adicionalmente, el marco psicométrico de Seguí et al. (2015), asumido en la adaptación persa, se nutre de la Teoría Clásica de los Tests (TCT) y de las recomendaciones del consorcio internacional COSMIN (Consensus-based Standards for the selection of health Measurement Instruments; Mokkink et al., 2010) para el desarrollo de medidas de salud autoreportadas. La premisa psicométrica sostiene que el síndrome, a pesar de sus manifestaciones fisiológicas heterogéneas, se comporta funcionalmente como un continuo latente global: a mayor tiempo de exposición desprotegida y mayor susceptibilidad individual, mayor es la probabilidad de que emerjan síntomas de ambas vías en forma concurrente. Por consiguiente, una escala unidimensional sumatoria es conceptualmente válida y predictiva para el cribado clínico ocupacional.

7. Validez / Validity

El programa de validación psicométrica del CVS-Q FA llevado a cabo por Qolami et al. (2022) cubrió minuciosamente las dimensiones de validez de contenido, validez de constructo y validez de criterio, siguiendo las guías internacionales para la adaptación transcultural de instrumentos de salud reportados por el paciente recomendadas por la International Society for Pharmacoeconomics and Outcomes Research (ISPOR; Wild et al., 2005):

Validez de contenido y adaptación transcultural

El proceso comenzó con una doble traducción directa (del original en español e inglés al persa) realizada de forma independiente por dos traductores bilingües nativos. Tras sintetizar una versión preliminar de consenso, dos traductores independientes realizaron la retrotraducción ciega (backward translation). Posteriormente, un comité de expertos multidisciplinario evaluó cada ítem. La validez de contenido fue valorada empíricamente por un panel de 15 expertos en optometría y ciencias de la visión, quienes cuantificaron la relevancia, claridad y representatividad de cada reactivo. El Índice de Validez de Contenido a nivel de ítem (I-CVI) superó en todos los casos el umbral estándar de 0,80, mientras que el Índice de Validez de Contenido a nivel de escala global (S-CVI/Ave) alcanzó un sobresaliente 0,92, demostrando una excelente equivalencia conceptual, lingüística y de contenido en la lengua meta (Polit, Beck & Owen, 2007).

Validez de criterio y curvas ROC

La validez de criterio se evaluó frente a un diagnóstico clínico de referencia exhaustivo que comprendía un examen oftalmológico/optométrico estandarizado y una entrevista clínica semiestructurada sobre astenopía en una muestra de 102 usuarios habituales de pantallas en la Universidad de Ciencias Médicas de Irán. Mediante el análisis de la curva de Rendimiento Diagnóstico del Operador (curva ROC), se determinó la capacidad discriminativa del instrumento para diferenciar a sujetos afectados por el síndrome de aquellos sanos:

• Sensibilidad diagnóstica: 81,1%. El cuestionario identifica correctamente a más de 8 de cada 10 sujetos que presentan clínicamente la patología.
• Especificidad diagnóstica: 69,2%. El instrumento mantiene un poder de descarte adecuado frente a falsos positivos en sujetos con fatiga visual trivial o ausente.
• Punto de corte óptimo: Una puntuación total de ≥ 6 puntos maximizó el índice de Youden, coincidiendo exactamente con el umbral psicométrico validado para la versión original en español (Seguí et al., 2015), lo que evidencia la sólida estabilidad transcultural de la métrica diagnóstica.

Validez concurrente y discriminante

Las puntuaciones totales del CVS-Q FA mostraron correlaciones directas y estadísticamente significativas con el número de horas diarias continuas frente a pantallas (r = 0,42, p < 0,001), la ausencia de pausas ergonómicas sistemáticas y el uso continuado de lentes de contacto durante la jornada laboral. Asimismo, la escala discriminó con significación estadística entre los usuarios que cumplían criterios ergonómicos y aquellos que laboraban bajo condiciones deficientes de iluminación ambiental y distancia visual insuficiente.

8. Confiabilidad / Reliability

La confiabilidad del CVS-Q FA fue evaluada a través de dos dimensiones fundamentales: la consistencia interna entre sus ítems constitutivos y la estabilidad temporal o repetibilidad prueba-reprueba (test-retest reliability).

Consistencia interna

En la muestra de validación compuesta por 102 operadores de ordenador, el coeficiente de consistencia interna alfa de Cronbach obtenido fue de 0,80. De acuerdo con los criterios psicométricos estandarizados (Terwee et al., 2007; Bujang, Omar & Baharum, 2018), un valor de alfa situado exactamente entre 0,70 y 0,90 es considerado óptimo para instrumentos diagnósticos clínicos de autoinforme, ya que atestigua una elevada cohesión entre las preguntas sin caer en la redundancia semántica ni en la inflación artificial generada por ítems cuasi-idénticos.

Estabilidad temporal (Test-Retest)

Para determinar la invariabilidad temporal de las puntuaciones frente a fluctuaciones diarias espurias, un subgrupo de 46 participantes completó el cuestionario en dos ocasiones separadas por un intervalo temporal de 10 a 14 días bajo condiciones ambientales y laborales comparables. Los resultados psicométricos revelaron:

• Coeficiente de Correlación Intraclase (CCI): Se obtuvo un CCI de 0,81 (intervalo de confianza del 95%: 0,71 – 0,88) para la puntuación total continua de la escala. Según las directrices de Koo y Li (2016), valores de CCI superiores a 0,75 evidencian una reproducibilidad temporal ‘buena’ a ‘excelente’.
• Índice Kappa de Cohen ponderado: Al evaluar la concordancia diagnóstica categorial (clasificación del individuo como afectado [≥ 6] o no afectado [< 6]), el estadístico kappa arrojó un valor de 0,65, lo que representa una fuerza de concordancia sustancial según la escala convencional de Landis y Koch (McHugh, 2012).

Estos coeficientes garantizan que el instrumento no es excesivamente vulnerable al ruido ambiental o variaciones circadianas menores, confirmando su idoneidad para monitorizar longitudinalmente la efectividad de tratamientos optométricos o rediseños ergonómicos a lo largo del tiempo.

9. Análisis factorial / Factor Analysis

El estudio de la dimensionalidad de la versión persa se estructuró a través de un riguroso análisis factorial exploratorio (AFE) y confirmatorio de ítems politómicos ordenados, tomando en cuenta la naturaleza ordinal discreta de las respuestas recodificadas (Seguí et al., 2015; Timmerman & Lorenzo-Seva, 2011; Ferrando & Lorenzo-Seva, 2017).

Análisis de supuestos previos y dimensionalidad

La evaluación inicial de la distribución multivariada mediante el test de asimetría y curtosis multivariada de Mardia (1970) evidenció una desviación sustancial de la normalidad multivariada, justificando la extracción factorial basada en matrices de correlaciones policóricas en lugar de correlaciones de Pearson convencionales (Lloret-Segura et al., 2014). El test de esfericidad de Bartlett resultó altamente significativo (p < 0,001) y la medida de adecuación muestral de Kaiser-Meyer-Olkin (KMO) superó el valor de 0,78, lo que confirmó que la matriz de correlaciones era susceptible de factorización.

Para identificar el número de factores subyacentes, se implementó el método de Análisis Paralelo (AP) de Horn basado en la reducción de rango óptimo con remuestreo de permutación (Timmerman & Lorenzo-Seva, 2011). Los autovalores empíricos del primer factor explicaron una proporción dominante de la varianza común (más del 42%), mientras que los autovalores generados a partir de matrices aleatorias permutadas superaron al segundo autovalor empírico. Este resultado corroboró inequívocamente la unidimensionalidad del CVS-Q FA.

Cargas factoriales e índices de ajuste

Al estimar el modelo unifactorial mediante mínimos cuadrados no ponderados (ULS) o información completa con datos categoriales, todos los 16 ítems manifestaron cargas factoriales estandarizadas (λ) robustas y estadísticamente significativas, oscilando en su gran mayoría entre 0,45 y 0,79, superando holgadamente el punto de corte psicométrico convencional de 0,30 o 0,40. Ningún ítem presentó cargas cruzadas anómalas ni comunalidades espurias que ameritaran su exclusión.

Los índices de bondad de ajuste del modelo estructural unifactorial confirmaron la adecuación del constructo (Xia & Yang, 2019):

• Índice de Ajuste Comparativo (CFI): > 0,95
• Índice de Tucker-Lewis (TLI): > 0,93
• Error Cuadrático Medio de Aproximación (RMSEA): < 0,06 (IC 90%: 0,03 – 0,08)

La retención de los 16 reactivos originales ratifica que la versión adaptada al persa preserva en su totalidad la estructura factorial unitaria descrita en la versión madre española, validando la legitimidad psicométrica de computar un único puntaje sumatorio total de severidad.

10. Instrumento de medición / Instrument

El CVS-Q FA presenta las siguientes especificaciones operativas y de administración:

• Nombre formal del instrumento: Computer Vision Syndrome Questionnaire – Persian Version (CVS-Q FA©) / Cuestionario del Síndrome de la Visión por Computadora – Versión Persa.
• Tipo de prueba: Cuestionario de salud ocupacional y visión reportado por el paciente (PRO), basado en autoinforme.
• Población diana: Adultos, trabajadores de oficinas, operadores de centros de llamadas, programadores, docentes, estudiantes universitarios y cualquier usuario que opere ordenadores u otros dispositivos de pantalla durante un mínimo de 2 a 3 horas diarias.
• Modo de administración: Autoadministrado (formato papel y lápiz o formulario electrónico/digital).
• Tiempo de cumplimentación: Aproximadamente entre 3 y 5 minutos.
• Número total de reactivos: 16 síntomas oculares, visuales y extraoculares.
• Estructura de respuesta: Cada uno de los 16 síntomas es evaluado de manera consecutiva a través de dos dimensiones:
  • Frecuencia de presentación: Categorizada en 3 niveles de frecuencia cualitativa:
    • Nunca (no ocurre el síntoma durante el uso de pantallas). Asignación numérica: 0.
    • Ocasionalmente (ocurre esporádicamente o 1 vez a la semana). Asignación numérica: 1.
    • A menudo / Siempre (ocurre 2 o más veces por semana o diariamente). Asignación numérica: 2.
  • Intensidad del síntoma (evaluada únicamente si el síntoma está presente, es decir, si frecuencia > 0):
    • Moderada. Asignación numérica: 1.
    • Intensa. Asignación numérica: 2.
• Algoritmo matemático de puntuación y recodificación:

  Para cada síntoma, se multiplica el valor asignado a la Frecuencia (0, 1 o 2) por el valor asignado a la Intensidad (1 o 2). Si la frecuencia fue ‘Nunca’ (0), el producto es automáticamente 0.

  El producto matemático obtenido para cada ítem (Frecuencia × Intensidad) se recodifica en un valor de severidad sintomática de acuerdo con la siguiente regla estricta:

  • Producto resultante = 0 → Puntuación de severidad = 0
  • Producto resultante = 1 o 2 → Puntuación de severidad = 1
  • Producto resultante = 4 → Puntuación de severidad = 2
• Puntuación global: La puntuación total del cuestionario se calcula mediante la sumatoria directa de las puntuaciones de severidad recodificadas de los 16 ítems:

  Puntuación Total CVS-Q = ∑ (Severidad ítem 1 a 16)

  El rango posible de la puntuación total oscila entre 0 y 32 puntos.

• Criterio diagnóstico y punto de corte (cut-off score):
  • Puntuación total < 6 puntos: Ausencia de Síndrome de la Visión por Computadora (caso negativo).
  • Puntuación total ≥ 6 puntos: Presencia clínica de Síndrome de la Visión por Computadora (caso positivo / requiere atención o intervención ergonómica).

11. Permisos, Tarifas y Año del test / Permissions & Fee and Test Year

Año de desarrollo y publicación: El instrumento original en español (CVS-Q©) fue diseñado y validado clínicamente en 2015 por la Dra. Mar Seguí-Crespo y su equipo en la Universidad de Alicante, España (Seguí et al., 2015). El proceso de adaptación transcultural y validación de la versión persa (CVS-Q FA) culminó formalmente con su publicación en la revista internacional arbitrada International Ophthalmology en el año 2022 (Qolami et al., 2022).

Propiedad intelectual y derechos de autor: El cuestionario se encuentra registrado y protegido bajo los derechos de autor de sus desarrolladores originales en la Universidad de Alicante (CVS-Q©) y de los autores que integraron la investigación de adaptación cultural en la Universidad de Ciencias Médicas de Irán. La titularidad moral y de propiedad intelectual pertenece a los investigadores firmantes.

Permisos y tarifas para investigación y docencia: El uso del CVS-Q FA con fines exclusivos de investigación científica, tesis académicas, proyectos universitarios sin fines de lucro y evaluación de riesgos en medicina del trabajo dentro del ámbito docente es de acceso abierto y no lucrativo (sin tarifas de licencia), bajo la condición estricta de remitir la solicitud correspondiente a los autores o citar formalmente los manuscritos primarios metodológicos en cualquier divulgación científica. Para implementar el instrumento en ensayos clínicos patrocinados por la industria farmacéutica o incorporarlo en softwares comerciales y plataformas diagnósticas con ánimo de lucro, se debe contactar formalmente a la investigadora de enlace, Dra. Natalia Cantó-Sancho ([email protected]) o al Departamento de Transferencia de Tecnología de la Universidad de Alicante.

12. Referencias / References

A continuación se detallan las fuentes bibliográficas de la literatura biomédica y psicométrica citadas, estructuradas de acuerdo con el formato estandarizado APA 7ma edición:

• Aaronson, N., Alonso, J., Burnam, A., Lohr, K. N., Patrick, D. L., Perrin, E., & Stein, R. E. (2002). Assessing health status and quality-of-life instruments: Attributes and review criteria. Quality of Life Research, 11(3), 193–205. https://doi.org/10.1023/a:1015291021312
• Bahkir, F. A., & Grandee, S. S. (2020). Impact of the COVID-19 lockdown on digital device-related ocular health. Indian Journal of Ophthalmology, 68(11), 2378–2383. https://doi.org/10.4103/ijo.IJO_2306_20
• Bandalos, D. L., & Finney, S. J. (2018). Factor analysis: Exploratory and confirmatory. In G. R. Hancock, L. M. Stapleton, & R. O. Mueller (Eds.), The reviewer’s guide to quantitative methods in the social sciences (2nd ed., pp. 98–122). Routledge. https://doi.org/10.4324/9781315755649-8
• Beaton, D. E., Bombardier, C., Guillemin, F., & Ferraz, M. B. (2000). Guidelines for the process of cross-cultural adaptation of self-report measures. Spine, 25(24), 3186–3191. https://doi.org/10.1097/00007632-200012150-00014
• Bhanderi, D. J., Choudhary, S., & Doshi, V. G. (2008). A community-based study of asthenopia in computer operators. Indian Journal of Ophthalmology, 56(1), 51–55. https://doi.org/10.4103/0301-4738.37596
• Blehm, C., Vishnu, S., Khattak, A., Mitra, S., & Yee, R. W. (2005). Computer vision syndrome: A review. Survey of Ophthalmology, 50(3), 253–262. https://doi.org/10.1016/j.survophthal.2005.02.008
• Bujang, M. A., Omar, E. D., & Baharum, N. A. (2018). A review on sample size determination for Cronbach’s alpha test: A simple guide for researchers. Malaysian Journal of Medical Sciences, 25(6), 85–99. https://doi.org/10.21315/mjms2018.25.6.9
• Coles-Brennan, C., Sulley, A., & Young, G. (2019). Management of digital eye strain. Clinical and Experimental Optometry, 102(1), 18–29. https://doi.org/10.1111/cxo.12798
• Ferrando, P. J., & Lorenzo-Seva, U. (2017). Assessing the quality and appropriateness of factor solutions and factor score estimates in exploratory item factor analysis. Educational and Psychological Measurement, 78(5), 762–780. https://doi.org/10.1177/0013164417719308
• Gowrisankaran, S., & Sheedy, J. E. (2015). Computer vision syndrome: A review. Work, 52(2), 303–314. https://doi.org/10.3233/WOR-152162
• Guillemin, F., Bombardier, C., & Beaton, D. (1993). Cross-cultural adaptation of health-related quality of life measures: Literature review and proposed guidelines. Journal of Clinical Epidemiology, 46(12), 1417–1432. https://doi.org/10.1016/0895-4356(93)90142-n
• Jaiswal, S., Asper, L., Long, J., Lee, A., Harrison, K., & Golebiowski, B. (2019). Ocular and visual discomfort associated with smartphones, tablets and computers: What we do and do not know. Clinical and Experimental Optometry, 102(5), 463–477. https://doi.org/10.1111/cxo.12851
• Koo, T. K., & Li, M. Y. (2016). A guideline of selecting and reporting intraclass correlation coefficients for reliability research. Journal of Chiropractic Medicine, 15(2), 155–163. https://doi.org/10.1016/j.jcm.2016.02.012
• Lloret-Segura, S., Ferreres-Traver, A., Hernández-Baeza, A., & Tomás-Marco, I. (2014). El análisis factorial exploratorio de los ítems: Una guía práctica, revisada y actualizada. Anales de Psicología, 30(3), 1151–1169. https://doi.org/10.6018/analesps.30.3.199361
• Mardia, K. V. (1970). Measures of multivariate skewness and kurtosis with applications. Biometrika, 57(3), 519–530. https://doi.org/10.1093/biomet/57.3.519
• McHugh, M. L. (2012). Interrater reliability: The kappa statistic. Biochemia Medica, 22(3), 276–282. https://doi.org/10.11613/BM.2012.031
• Mikulášová, E., Cantó-Sancho, N., Caballero Pérez, P., Ronda-Pérez, E., & Seguí-Crespo, M. (2020). Translation and cultural adaptation of the Computer Vision Syndrome Questionnaire (CVS-Q©) into Slovak. Hygiena, 65(3), 84–92. https://doi.org/10.21101/hygiena.a1746
• Mokkink, L. B., Terwee, C. B., Patrick, D. L., Alonso, J., Stratford, P. W., Knol, D. L., Bouter, L. M., & de Vet, H. C. (2010). The COSMIN study reached international consensus on taxonomy, terminology, and definitions of measurement properties for health-related patient-reported outcomes. Journal of Clinical Epidemiology, 63(7), 737–745. https://doi.org/10.1016/j.jclinepi.2010.02.006
• Polit, D. F., Beck, C. T., & Owen, S. V. (2007). Is the CVI an acceptable indicator of content validity? Appraisal and recommendations. Research in Nursing & Health, 30(4), 459–467. https://doi.org/10.1002/nur.20199
• Qolami, M., Cantó-Sancho, N., Seguí-Crespo, M., Mirzajani, A., & Taghizadeh, G. (2020). Prevalence of computer vision syndrome among Iranian medical university employees and graduate students in their occupational environment. Function and Disability Journal, 3(1), 151–160. https://doi.org/10.32598/fdj.4.17
• Qolami, M., Mirzajani, A., Ronda-Pérez, E., Cantó-Sancho, N., & Seguí-Crespo, M. (2022). Computer Vision Syndrome Questionnaire – Persian Version. International Ophthalmology, 42(10), 3073–3082. https://doi.org/10.1007/s10792-022-02340-3
• Ramada-Rodilla, J. M., Serra-Pujadas, C., & Delclós-Clanchet, G. L. (2013). Adaptación cultural y validación de cuestionarios de salud: Revisión y recomendaciones metodológicas. Salud Pública de México, 55(1), 57–66. https://doi.org/10.1590/s0036-36342013000100009
• Ranasinghe, P., Wathurapatha, W. S., Perera, Y. S., Lamabadusuriya, D. A., Kulatunga, S., Jayawardana, N., & Katulanda, P. (2016). Computer vision syndrome among computer office workers in a developing country: An evaluation of prevalence and risk factors. BMC Research Notes, 9, Article 150. https://doi.org/10.1186/s13104-016-1962-1
• Rosenfield, M. (2011). Computer vision syndrome: A review of ocular causes and potential treatments. Ophthalmic and Physiological Optics, 31(5), 502–515. https://doi.org/10.1111/j.1475-1313.2011.00834.x
• Seguí, M., Cabrero-García, J., Crespo, A., Verdú, J., & Ronda, E. (2015). A reliable and valid questionnaire was developed to measure computer vision syndrome at the workplace. Journal of Clinical Epidemiology, 68(6), 662–673. https://doi.org/10.1016/j.jclinepi.2015.01.015
• Seguí-Crespo, M., Cantó-Sancho, N., Ronda, E., Colombo, R., Porru, S., & Carta, A. (2019). Translation and cultural adaptation of the Computer Vision Syndrome Questionnaire (CVS-Q) into Italian. La Medicina del Lavoro, 110(1), 37–45. https://doi.org/10.23749/mdl.v110i1.7499
• Sheppard, A. L., & Wolffsohn, J. S. (2018). Digital eye strain: Prevalence, measurement and amelioration. BMJ Open Ophthalmology, 3(1), Article e000146. https://doi.org/10.1136/bmjophth-2018-000146
• Terwee, C. B., Bot, S. D., de Boer, M. R., van der Windt, D. A., Knol, D. L., Dekker, J., Bouter, L. M., & de Vet, H. C. (2007). Quality criteria were proposed for measurement properties of health status questionnaires. Journal of Clinical Epidemiology, 60(1), 34–42. https://doi.org/10.1016/j.jclinepi.2006.03.012
• Timmerman, M. E., & Lorenzo-Seva, U. (2011). Dimensionality assessment of ordered polytomous items with parallel analysis. Psychological Methods, 16(2), 209–220. https://doi.org/10.1037/a0023353
• Wild, D., Grove, A., Martin, M., Eremenco, S., McElroy, S., Verjee-Lorenz, A., & Erikson, P. (2005). Principles of good practice for the translation and cultural adaptation process for patient-reported outcomes (PRO) measures: Report of the ISPOR task force for translation and cultural adaptation. Value in Health, 8(2), 94–104. https://doi.org/10.1111/j.1524-4733.2005.04054.x
• Xia, Y., & Yang, Y. (2019). RMSEA, CFI, and TLI in structural equation modeling with ordered categorical data: The story they tell depends on the estimation methods. Behavior Research Methods, 51(1), 409–428. https://doi.org/10.3758/s13428-018-1055-2

13. Ítems de la escala (Scale Items)