identificar perfiles latentes de burnout y síntomas depresivos en médicos residentes peruanos.
Material y métodosanálisis secundario de ENSUSALUD 2016. Se realizó análisis de perfiles latentes con dimensiones del MBI y PHQ-2.
Resultadosse identificaron 4 perfiles: resilientes (36,6%), burnout leve (16,0%), burnout moderado (39,9%) y burnout severo (7,6%). Solo el perfil severo presentó depresión (64%). Los perfiles difirieron en el balance vida-trabajo, soporte familiar y violencia laboral (p < 0,001).
Conclusiónel burnout en residentes peruanos presenta un espectro heterogéneo donde únicamente el perfil severo desarrolla depresión comórbida.
To identify latent profiles of burnout and depressive symptoms in Peruvian medical residents.
Materials and methodsA secondary analysis of the ENSUSALUD 2016 survey. A latent profile analysis was conducted using the dimensions of the MBI and the PHQ-2.
ResultsFour profiles were identified: Resilient (36.6%), Mild Burnout (16.0%), Moderate Burnout (39.9%), and Severe Burnout (7.6%). Only the severe profile presented with depression (64%). The profiles differed in work-life balance, family support, and workplace violence (p < 0.001).
ConclusionBurnout in Peruvian residents presents as a heterogeneous spectrum where only the severe profile develops comorbid depression.
El síndrome de burnout representa una crisis de salud ocupacional de primer orden en la medicina moderna, afectando a cerca del 60% de los médicos residentes a nivel mundial, quienes padecen de burnout1. Este grupo de profesionales en formación constituye una población particularmente vulnerable debido a una confluencia de factores de riesgo, que incluyen jornadas laborales extenuantes, una supervisión en ocasiones limitada y una alta exposición a episodios de violencia en el lugar de trabajo1,2. Esta crisis conlleva errores médicos, abandono de residencias y desenlaces fatales, incluyendo desarrollo de psicopatología y suicidio1,3; por lo que su comprensión es fundamental.
A pesar de su alta prevalencia, la conceptualización del burnout ha sido tradicionalmente simplista, a menudo reduciéndolo a una categoría diagnóstica dicotómica. Sin embargo, esta visión ignora la heterogeneidad del fenómeno, tal como propusieron originalmente Maslach y Leiter, quienes sugirieron que el burnout se manifiesta como un espectro de perfiles con distintos niveles de compromiso y agotamiento4. Aunque existen estudios en el contexto anglosajón, persiste una brecha de conocimiento en la población hispanohablante. La identificación de estos fenotipos es clínicamente relevante, ya que sugiere que las estrategias de prevención e intervención podrían requerir un abordaje diferenciado según el perfil de riesgo del individuo. Por tanto, este estudio busca identificar perfiles latentes de burnout y síntomas depresivos en residentes peruanos.
Material y métodosSe realizó un análisis secundario de los datos de la Encuesta Nacional de Satisfacción de Usuarios en Salud (ENSUSALUD) de 2016. Esta encuesta, conducida por la Superintendencia Nacional de Salud (SUSALUD) de Perú, utilizó un diseño de muestreo probabilístico, estratificado y bietápico para garantizar la representatividad nacional. La muestra fue de residentes médicos (n = 331). Los datos anónimos están disponibles públicamente en el portal de SUSALUD.
Las variables dependientes fueron: 1) dimensiones (agotamiento emocional, despersonalización, y realización personal) del Maslach Burnout Inventory (MBI); y 2) síntomas depresivos medidos con el Patient Health Questionnaire-2 (PHQ-2).
Las variables independientes fueron: 1) sociodemográficas, como sexo, edad, nivel de atención hospitalaria (segundo o tercer nivel de atención), soporte familiar, tipo de especialidad (clínica o quirúrgica) y si era médico joven (<10 años de práctica); 2) laborales, como las horas trabajadas semanalmente, la seguridad laboral percibida, la satisfacción laboral medida con una encuesta de 4 dominios (individual, infraestructura, profesional y administrativa), el balance vida-trabajo (medida con una escala tipo Likert, donde 4–5 era adecuado) y la exposición a cualquier tipo de violencia en el trabajo en los últimos 12 meses; y 3) sueño, medido mediante la Escala de Jenkins como variable continua y las horas de sueño (6 a 9 horas, se consideraron adecuadas).
Análisis estadísticoSe realizó un análisis de perfiles latentes con puntuaciones z de las dimensiones del MBI y del PHQ-2 como indicadores. Se evaluaron modelos de 2 a 6 clases, seleccionando el óptimo según: AIC (Criterio de Información de Akaike), BIC (Criterio de Información Bayesiano), entropía ≥0,80, lo que indica una buena separación de las clases, tamaño de la clase ≥5% e interpretabilidad clínica.
Las diferencias entre los perfiles en variables continuas y categóricas se examinaron utilizando ANOVA para variables continuas y la prueba de chi-cuadrado para variables categóricas. Las comparaciones se consideraron estadísticamente significativas si el valor de p era inferior a 0,05.
ResultadosLa muestra incluyó 331 médicos residentes (71,6% hombres; edad 34,9 ± 7,7 años), con una media de horas trabajadas a la semana de 57,1 ± 20,3 horas, como se presenta en la tabla 1.
Características de los perfiles de burnout
| Características | TotalN = 331 | ResilienteN = 121 | Burnout leveN = 53 | Burnout moderadoN = 132 | Burnout severoN = 25 | p |
|---|---|---|---|---|---|---|
| % | % | % | % | % | % | |
| Características demográficas | ||||||
| Sexo femenino⁎ | 28,4 (23,7; 33,5) | 24,0 (16,8; 32,7) | 22,6 (12,2; 36,8) | 34,1 (26,1; 42,9) | 32,0 (16,5; 51,4) | 0,23 |
| Edad, años, Media (DE) | 34,9 (7,7) | 36,6 (8,3) | 36,3 (8,5) | 32,9 (6,2) | 33,6 (7,7) | <0,001 |
| Nivel de atención, alta complejidad⁎ | 81,0 (76,5; 84,8) | 83,5 (75,6; 89,6) | 73,6 (59,7; 84,7) | 81,8 (74,3; 87,8) | 80,0 (60,6; 91,8) | 0,66 |
| Soporte familiar, no⁎ | 26,3 (21,7; 31,5) | 19,0 (12,4; 27,5) | 20,8 (10,5; 35,3) | 31,8 (24,1; 40,4) | 44,0 (26,7; 62,9) | 0,016 |
| Especialidad médica, Clínica⁎ | 54,4 (49,0; 59,7) | 55,4 (46,1; 64,4) | 54,7 (40,6; 68,2) | 53,0 (44,2; 61,6) | 56,0 (37,1; 73,3) | 0,98 |
| Años de práctica, médico joven (<10 años)⁎ | 94,3 (91,7; 96,2) | 88,4 (81,5; 93,3) | 96,2 (87,0; 99,4) | 98,5 (94,5; 99,8) | 96,0 (79,6; 99,9) | 0,006 |
| Características laborales | ||||||
| Horas trabajadas por semana, Media (DE) | 57,1 (20,3) | 55,4 (21,1) | 58,0 (18,7) | 59,1 (20,2) | 53,2 (19,8) | 0,36 |
| Puntuación seguridad laboral, Media (DE) | 20,9 (4,3) | 22,4 (4,2) | 19,7 (4,5) | 20,3 (3,9) | 18,6 (4,5) | <0,001 |
| Satisfacción laboral individual, Media (DE) | 27,7 (4,1) | 30,0 (2,9) | 28,7 (3,1) | 25,9 (3,9) | 23,4 (3,5) | <0,001 |
| Satisfacción laboral infraestructura, Media (DE) | 8,6 (2,8) | 9,2 (2,3) | 8,9 (2,8) | 8,2 (3,0) | 6,6 (3,0) | <0,001 |
| Satisfacción profesional, Media (DE) | 20,8 (3,0) | 22,7 (2,1) | 21,2 (2,4) | 19,5 (2,7) | 17,5 (2,4) | <0,001 |
| Satisfacción con la administración, Media (DE) | 21,6 (6,1) | 24,1 (5,3) | 22,7 (5,7) | 19,9 (5,9) | 16,6 (5,4) | <0,001 |
| Balance vida-trabajo: Adecuado⁎ % | 37,8 (32,8; 43,1) | 66,1 (57,1; 74,3) | 35,8 (23,0; 50,4) | 15,9 (9,9; 23,8) | 20,0 (8,0; 39,7) | <0,001 |
| Exposición a violencia, al menos una vez⁎ % | 43,5 (38,2; 48,9) | 29,8 (21,9; 38,7) | 56,6 (42,4; 70,1) | 47,7 (38,9; 56,5) | 60,0 (40,6; 77,3) | <0,001 |
| Sueño | ||||||
| Puntuación problemas del sueño, Media (DE) | 6,5 (3,3) | 4,9 (1,4) | 5,3 (1,8) | 8,0 (3,9) | 9,3 (3,6) | <0,001 |
| Horas de sueño, adecuadas (6 a 9 horas)⁎ % | 62,8 (57,4; 67,9) | 75,2 (66,5; 82,5) | 52,8 (38,8; 66,6) | 56,8 (47,9; 65,4) | 56,0 (37,1; 73,3) | 0,005 |
| Burnout y depresión | ||||||
| Síntomas depresivos⁎ % | 5,1 (3,1; 8,1) | 0,8 (0,0; 4,5) | 0,0 (0,0; 6,8) | 0,0% (0,0; 2,8) | 64,0 (45,1; 80,4) | <0,001 |
| Agotamiento emocional (MBI), Media (DE) | 17,2 (8,3) | 8,9 (3,4) | 16,8 (4,3) | 22,9 (5,7) | 28,1 (5,1) | <0,001 |
| Realización personal (MBI), Media (DE) | 43,0 (5,1) | 46,7 (2,5) | 44,2 (3,1) | 39,9 (5,1) | 38,4 (4,1) | <0,001 |
| Despersonalización (MBI), Media (DE) | 11,8 (6,3) | 6,5 (2,3) | 9,3 (2,9) | 15,6 (4,6) | 22,2 (5,9) | <0,001 |
DE: desviación estándar; MBI: Maslach Burnout Inventory; PHQ-2: Patient Health Questionnaire-2.
El soporte familiar se codificó como «no» cuando los participantes reportaron ausencia de apoyo familiar. Alta complejidad corresponde a hospitales de nivel III. Médico joven se definió como <10 años de práctica profesional. El balance vida-trabajo adecuado corresponde a puntajes 4-5 en la escala Likert de 5 puntos. Exposición a violencia incluye cualquier tipo (física, verbal, amenazas o acoso sexual) en los últimos 12 meses. Horas de sueño adecuadas: 6-9 horas. Síntomas depresivos: PHQ-2 ≥3.
El análisis de perfiles latentes identificó un modelo de 4 clases como la solución óptima para representar la heterogeneidad del burnout y los síntomas depresivos en la muestra (entropía = 0,906; BIC = 3.212, AIC = 3.125). Estos perfiles fueron denominados «resiliente» (36,6%), «burnout leve» (16,0%), «burnout moderado» (39,9%) y «burnout severo» (7,6%). Sus características son: a) resilientes: mínimo agotamiento, máxima realización, mejor balance vida-trabajo (66,1%), depresión 0,8%. b) Burnout leve: agotamiento leve, realización preservada, mayor violencia (56,6%), sin depresión. c) Burnout moderado: niveles intermedios, residentes jóvenes, bajo balance (15,9%), sin depresión. d) Burnout severo: único con depresión significativa (64%), máximo agotamiento, peor balance (20%)
DiscusiónSe identificaron 4 perfiles de burnout-depresión en 331 médicos residentes peruanos, siendo solo el perfil severo (7,6%) el que presentó depresión clínica (64%). Los perfiles extremos difirieron en factores modificables, como balance vida-trabajo, soporte familiar y violencia laboral, pero no en sexo o especialidad.
Nuestro estudio muestra que el burnout en médicos residentes peruanos no es una condición monolítica, sino que se manifiesta a través de un espectro de 4 perfiles fenotípicos. Este resultado desafía la visión dicotómica del burnout y respalda empíricamente el modelo de espectro propuesto por Maslach y Leiter4, y Xu et al.5, confirmando el burnout como espectro continuo, donde solo el perfil severo presenta depresión comórbida, sugiriendo un umbral crítico de transición al espectro depresivo3.
La marcada asociación de un pobre balance vida-trabajo, la falta de soporte familiar y la exposición a violencia con el perfil severo no solo replica los hallazgos de un metaanálisis reciente2, sino que también aporta una nueva perspectiva. Estos factores no actuarían simplemente como disparadores del burnout, sino como moduladores que determinan la progresión a lo largo del espectro de severidad. Por ejemplo, la falta de soporte social podría erosionar los recursos de afrontamiento del residente, acelerando su paso de un estado de agotamiento moderado a uno severo y comórbido con depresión.
En nuestro conocimiento, este es el primer estudio latinoamericano sobre perfiles de burnout en residentes. Aporta evidencia única de que solo el extremo severo del espectro desarrolla depresión clínica, posiblemente siendo parte del espectro depresivo mismo. Notablemente, el perfil severo con alta violencia y depresión sugiere similitud con estrés postraumático más que burnout tradicional, requiriendo abordajes diferenciados según severidad.
El estudio tiene limitaciones que deben considerarse al momento de interpretar sus resultados, el estudio es de naturaleza exploratoria, dado que se ha realizado con una base de datos secundaria no planificada para este análisis. El diseño transversal impide establecer causalidad. El PHQ-2 puede subestimar la prevalencia de depresión. El autorreporte introduce sesgo de deseabilidad social dado el estigma en salud mental. Finalmente, desconocemos la estabilidad temporal de los perfiles.
Por lo tanto, futuras investigaciones deberían examinar longitudinalmente las transiciones entre perfiles, desarrollar intervenciones diferenciadas según severidad, explorar la intersección burnout-depresión-trauma en contextos violentos, y validar estos hallazgos en otros países latinoamericanos.
Responsabilidades éticasLa revisión y aprobación por parte de un comité de ética fue eximida para el presente estudio, dado que se basó exclusivamente en el análisis de una base de datos secundaria, de acceso público y completamente anonimizada. La información utilizada no contenía identificadores personales directos o indirectos que permitieran vincular los datos a individuos específicos.
FinanciaciónLa Universidad San Ignacio de Loyola financió el cargo de procesamiento del artículo (APC) (Código: USIL-2025). La obtención de fondos estuvo a cargo del autor Cesar Copaja-Corzo. El financiador no participó en el diseño del estudio, la recopilación y el análisis de datos, la decisión de publicación ni la preparación del manuscrito.
Contribuciones de autoríaJavier A. Flores-Cohaila: conceptualización, metodología, redacción – borrador original, redacción – revisión y edición, aprobación de la versión final. Cielo A. Estela-Fernandez: conceptualización, metodología, redacción – borrador original, aprobación de la versión final. Brayan Miranda-Chavez: metodología, validación, redacción – revisión y edición, aprobación de la versión final. Javier P. Flores-Arocutipa: curación de datos, visualización, metodología, aprobación de la versión final. Julio C. Lujan-Minaya: metodología, redacción – borrador original, aprobación de la versión final. Jeff Huarcaya-Victoria: metodología, redacción – borrador original, aprobación de la versión final. Cesar Copaja-Corzo: supervisión, revisión crítica del contenido intelectual, financiamiento, redacción – revisión y edición.
Conflicto de interesesLos autores declaran no tener ningún conflicto de intereses.
Disponibilidad de datos y materialesLos datos anónimos están disponibles públicamente en el portal de SUSALUD (https://portal.susalud.gob.pe/blog/base-de-datos-2016/).
