PIR 2024 · Pregunta 168
Intervención en infancia y adolescenciaLa terapia de enfoque modular para niños con ansiedad, depresión, trauma o problemas de conducta (Chorpita y Weisz, 2009):
Ver respuesta sin contestar
Respuesta correcta: D (plantilla definitiva)
Explicación
MATCH-ADTC (Chorpita & Weisz, 2009) es un protocolo modular de orientación cognitivo-conductual para niños y adolescentes (6-15 años) con ansiedad, depresión, trauma o problemas de conducta. Se basa en la selección individualizada de módulos (33 en total) según la evaluación inicial, la gravedad y los problemas específicos, guiada por diagramas de decisión flexibles que permiten reordenar, omitir o repetir intervenciones. No es un programa grupal ni sigue secuencias fijas, y su marco teórico es de 'elementos comunes' (procesos transdiagnósticos), no sistémico.
D. Refleja el principio central del diseño modular: la selección y secuenciación de módulos se ajusta a la evaluación previa, la gravedad y los problemas identificados en el menor y sus cuidadores, permitiendo flexibilidad clínica.
- A. El rango de edad es correcto, pero MATCH-ADTC se aplica en formato individual (con sesiones específicas para padres/cuidadores), no grupal.
- B. Los diagramas de flujo son guías de decisión flexibles, no protocolos rígidos. El terapeuta puede variar el orden, saltar o repetir módulos según la respuesta del caso, a diferencia del diseño 'estándar' de secuencia fija.
- C. Aunque existen 33 módulos y el enfoque aborda procesos transdiagnósticos (elementos comunes), la terapia se enmarca en la CBT, no en un enfoque sistémico. La etiqueta 'sistémico' invalida la opción.
Fuentes
- Chorpita, B. F., & Weisz, J. R. (2009). MATCH-ADTC: Modular Approach to Therapy for Children with Anxiety, Depression, Trauma, or Conduct Problems. PracticeWise.
- Weisz, J. R., et al. (2012). Testing standard and modular designs for psychotherapy treating depression, anxiety, and conduct problems in youth: A randomized effectiveness trial. Archives of General Psychiatry, 69(3), 274-282.
Explicación generada con IA y verificada por consenso entre modelos de distintas familias.