Barra lateral de artículos

Enviado
August 24, 2021
Aceptado
March 15, 2022
Publicado
October 3, 2022
Descargar
PDF PDF (English)
Estadística
Leer contador : 1102 Descargar : 1184

Descargas

Los datos de descargas todavía no están disponibles.

Contenido del artículo principal

Resumen

Introducción: La COVID-19 ha generado una serie de problemáticas como la del sector educación que permitió utilizar plataformas digitales para no perder el año escolar, esto ha producido en docentes y estudiantes el desafío de adaptarse a una nueva realidad de enseñanza y aprendizaje, por lo tanto, amerita adaptar instrumentos que evalúen el estrés académico producido. En tal sentido, el objetivo del presente estudio fue evaluar las propiedades psicométricas de la escala estresores académicos (ECEA) en el contexto de la covid-19.  


Método: La muestra estuvo conformada en el primer estudio de 300 participantes y en el segundo estudio se logró evaluar a 566 estudiantes universitarios entre los 18 y 30 años (Medad=21.34; DEedad=2.926). En el primer estudio se verifico la estructura interna del constructo a través del análisis factorial exploratorio, en tanto, en el segundo estudio se verificó mediante el análisis factorial confirmatorio.


Resultados: Los resultados del primer estudio indicaron una estructura factorial similar a la conceptualización teórica, sin embargo, la recomendación empírica consistió en retirar algunos ítems, debido a que su factorización fue compleja. Con respecto al segundo estudio, partiendo de las evidencias del primero, se obtuvieron cuatro modelos, de los cuales el modelo oblicuo de siete factores estaría representado más coherentemente a la teoría (χ2=2393.181; gl=608; χ2/gl=0.121; CFI=.999; TLI=.999; SRMR=.022; RMSEA=.020). Además, la fiabilidad del constructo y de las puntuaciones estuvieron por encima de lo aceptable.


Conclusiones: Se concluye que el ECEA es un instrumento que se puede utilizar para fines de investigación y descripción de grupos.

Palabras clave

validez confiabilidad estresores académicos universitarios

Detalles del artículo

Biografía del autor/a

Pedro Leonardo Tito-Huamaní, Universidad Nacional Mayor de San Marcos

Doctor en Ciencias Administrativas por la Universidad Nacional Mayor de San Marcos (UNMSM), Magister en Gestión Empresarial (UNMSM), Licenciado en Administración (UNMSM). Estudios de posgrado en Investigación Científica, Universidad Rey Juan Carlos- España, Gestión del Conocimiento, Université Mostesquieu Bordeaux IV- Francia, Metodologías para el E- Learning, Universidad Viña del Mar- Chile. Docente investigador (UNMSM), en la especialidad de Gestión Humana y Comportamiento Organizacional. Artículos publicados por la Universidad de Valencia- España y en la Revista especializada de la Facultad de Ciencias Administrativas (FCA) "Gestión en el Tercer Milenio". Director del Instituto de Investigación (Feb 2015 a Mayo 2016). Director Académico de la Unidad de Posgrado- FCA (Marzo 2014 a enero 2015), Director del Instituto de Investigación (Nov 2012 a Feb 2014), Miembro del Comité Directivo de Investigación FCA. Miembro del Comité Asesor de la Escuela de Negocios Internacionales, Miembro del Comité Directivo de la Unidad de Posgrado-FCA. Miembro del equipo de Autoevaluación y Acreditación de UPG-FCA. Coautor del libro "Gestión del Conocimiento y Políticas Públicas". Autor del libro digital Gestión de Recursos Humanos y coautor del Libro Administración de Empresas. Premios al Mérito Científico (2015, 2012, 2009 y 2007) por el Vicerrectorado de Investigación (UNMSM). Experiencia gerencial en el área de Gestión Humana durante los últimos 25 años, tanto en entidades privadas y públicas. Docente permanente de Pre y Posgrado UNMSM, y docente permanente de la Universidad Nacional Tecnológica de Lima Sur (UNTELS). Docente invitado en las Escuelas de Posgrado de Universidades del país y extranjero.

Luis Alberto Geraldo Campos, Universidad Peruana Unión

Licenciado en Administración: Mención en Gestión Empresarial por la Universidad Peruana Unión - UPeU. Máster en Dirección y Administración de Empresas por CEREM International Business School - España, egresado de la Maestría en Dirección de Recursos Humanos por la Universidad Nacional Mayor de San Marcos - UNMSM y cursando la Segunda Especialidad en Estadística Aplicada para Investigación (UPeU). Se ha desempeñado como, Asistente de Investigación (UPeU), Coordinador Administrativo (UPeU), Especialista en Evaluación de Desempeño (UGEL 14), Jefe de Departamento Académico y Docente en la Escuela Profesional de Administración de la UPeU Campus Lima. Es asesor, dictaminador de tesis y Docente Universitario en los cursos, Proceso Administrativo, Herramientas para la Investigación Científica, Metodología para la Investigación, Tesis I y II; además ha publicado 7 artículos científicos en revistas indexadas, lo cual le permitió ser calificado como Investigador CONCYTEC con Código Renacyt: P0028085 en el grupo de Investigadores “María Rostworowski”  Nivel II.

Juan Jesús Soria Quijaite, Universidad Peruana Unión

Doctor en Ingeniería de Sistemas, magíster en Docencia Universitaria y Gestión educativa, magíster en matemática aplicada y especialista en estadística para la investigación. Consultor estadístico en el ministerio de la producción Cite Agroindustrial, Docente investigador de la universidad Peruana Unión, miembro de la red global de investigadores AUTHOR AID, miembro de la Red de Docentes de América Latina y del Caribe, miembro del sistema Nacional de Ciencia, tecnología e Innovación Tecnológica RENACYT (CONCYTEC) calificado en el grupo de Investigadores “María Rostworowski”  Nivel I, asesor de tesis con los enfoques del método científico, las buenas prácticas del PMBOK versión 6 y pensamiento Sistémico en las diferentes especialidades de pregrado y posgrado de universidades.

Cómo citar
Serpa-Barrientos, A., Tito-Huamaní, P. L., Geraldo Campos, L. A., & Soria Quijaite, J. J. (2022). Evidencias psicométricas de la escala de estresores académicos en universitarios peruanos en contexto del COVID-19. PUBLICACIONES, 52(1), 251–299. https://doi.org/10.30827/publicaciones.v52i1.22091
Descargar cita
Endnote/Zotero/Mendeley (RIS)
BibTeX
Crossref
Scopus
Google Scholar
Europe PMC

Referencias

  1. Alania, R. D., Llancari, R. A., Rafaele, M., & Ortega, D. I. D. (2020). Adaptación del cuestionario de estrés académico SISCO SV al contexto de la crisis por COVID-19. Socialium, 4(2), 111–130. https://doi.org/10.26490/uncp.sl.2020.4.2.669
  2. American Educational Research Association, American Psychological Association, & National Council on Measurement in Education. (2018). Estándares para Pruebas Educativas y Psicológicas. En T. M. Lieve (Ed.), American Educational Research Association. https://doi.org/10.2307/j.ctvr43hg2
  3. Ato, M., López-García, J. J., & Benavente, A. (2013). Un sistema de clasificación de los diseños de investigación en psicología. Anales de Psicología, 29(3), 1038–1059. https://doi.org/10.6018/analesps.29.3.178511
  4. Bandalos, D. L., & Finney, S. J. (2010). Factor Analysis: Exploratory and Confirmatory. En G. R. Hancock & R. O. Mueller (Eds.), Reviewer’s guide to quantitative methods. Routledge.
  5. Barraza, A. (2007). Propiedades psicométricas del Inventario SISCO del estrés académico. Revista PsicologiaCientifica.Com, 9(10). https://www.psicologiacientifica.com/sisco-propiedades-psicometricas/
  6. Bentler, P. M. (1977). Factor simplicity index and transformations. Psychometrika, 42, 277–295.
  7. Brítez, M. (2020). La educación ante el avance del COVID-19 en Paraguay. Comparativo con países de la Triple Frontera. Scielo Preprint, 2, 1–14. https://doi.org/10.1590/SciELOPreprints.22
  8. Brown, T. A. (2015). Confirmatory Factor Analysis for Applied Research (2nd ed.). The Guilford Press.
  9. Cabanach, R., Fernández-Cervantes, R., González, L., & Freire, C. (2010). Estresores académicos percibidos por estudiantes universitarios de ciencias de la salud. Fisioterapia, 32(4), 151–158. https://doi.org/10.1016/j.ft.2010.01.005
  10. Cabanach, R., Fernández, R., & González, L. (2014). El estrés académico en estudiantes de ciencias de la salud. Fisioterapia, 36(3), 101–102. https://doi.org/10.1016/j.ft.2014.03.002
  11. Cabanach, R., Franco, V., Souto-Gestal, A., & González, L. (2017). ¿Media la orientación de las metas académicas el estrés en estudiantes universitarios? Revista de Investigación En Educación, 15(2), 109–121. http://reined.webs.uvigo.es/index.php/reined/article/view/192
  12. Cabanach, R., Souto-Gestal, A., & Fernández, R. (2017). Perfiles de regulación emocional y estrés académico en estudiantes de fisioterapia. European Journal of Education and Psychology, 10(2), 57–67. https://doi.org/10.1016/j.ejeps.2017.07.002
  13. Cabanach, R., Souto-Gestal, A., & Franco, V. (2016). Escala de Estresores Académicos para la evaluación de los estresores académicos en estudiantes universitarios. Revista Iberoamericana de Psicología y Salud, 7(2), 41–50. https://doi.org/10.1016/j.rips.2016.05.001
  14. Cabanach, R., Souto-Gestal, A., González-Doniz, L., & Franco, V. (2018). Perfiles de afrontamiento y estrés académico en estudiantes universitarios. Revista de Investigación Educativa, 36(2), 421–433. https://doi.org/10.6018/rie.36.2.290901
  15. Cabanach, R., Souto-Gestal, A., González, L., & Corrás, T. (2018). Afrontamiento y regulación emocional en estudiantes de fisioterapia. Universitas Psychologica, 17(2), 1–13. https://doi.org/10.11144/Javeriana.upsy17-2.aree
  16. Cabanach, R., Souto-Gestal, A., González, L., & Souto, S. (2016). Efectos diferenciales de la atención y la claridad emocional sobre la percepción de estresores académicos y las respuestas de estrés de estudiantes de fisioterapia. Fisioterapia, 38(6), 271–279. https://ruc.udc.es/dspace/bitstream/handle/2183/17975/Cabanach_EfectosDiferenciales.pdf?sequence=3&isAllowed=y
  17. Cabanach, R., Valle, A., Rodríguez, S., & Piñeiro, I. (2008). Variables explicativas del estrés en estudiantes universitarios: Construcción de una escala de medida. Comunicación V Congreso Internacional de Psicología y Educación: Los Retos Del Futuro.
  18. Cabanach, R., Valle, A., Rodríguez, S., Piñeiro, I., & Freire, C. (2010). Escala de afrontamiento del estrés académico. Revista Iberoamericana de Psicología y Salud, 1(1), 51–64.
  19. Castillo, C., Chacón, T., & Díaz-Véliz, G. (2016). Ansiedad y fuentes de estrés académico en estudiantes de carreras de la salud. Investigación En Educación Médica, 5(20), 230–237. https://doi.org/10.1016/j.riem.2016.03.001
  20. Casuso, M. J. (2011). Estudio del estrés, engagement y rendimiento académico en estudiantes universitarios de Ciencias de la Salud. Universidad de Málaga. http://hdl.handle.net/10630/4926
  21. Chavez, T. M., Cuadros, M. M., Lopez, A., Montoya, M. F., Requena, N., & Talavera, Y. (2019). Análisis psicométrico de la escala de estresores académicos (ECEA), en estudiantes de la Universidad Catolica de Santa Maria. Avances En Psicología, 27(1), 73–82. https://doi.org/10.33539/avpsicol.2019v27n1.1467
  22. Cohen, S., Kamarck, T., & Mermelstein, R. (1983). A global measure of perceived stress. Journal of Health and Social Behavior, 24(4), 385–396. https://doi.org/10.2307/2136404
  23. Costello, A. B., & Osborne, J. (2005). Best practices in exploratory factor analysis: four recommendations for getting the most from your analysis. Practical Assessment Research & Evaluation, 10(7). https://doi.org/10.7275/jyj1-4868
  24. Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16(3), 297–334. https://doi.org/10.1007/BF02310555
  25. Dunn, T. J., Baguley, T., & Brunsden, V. (2014). From alpha to omega: A practical solution to the pervasive problem of internal consistency estimation. British Journal of Psychology, 105(3), 399–412. https://doi.org/10.1111/bjop.12046
  26. El Peruano. (2020, Marzo 30). Conozca los criterios que deben cumplir las universidades para la calidad de las clases virtuales. El Peruano. https://www.elperuano.pe/noticia-conozca-criterios-deben-cumplir-universidades-para-calidad-de-clases-virtuales-93673.aspx
  27. Ferrando, P., & Anguiano-Carrasco, C. (2010). El análisis factorial como técnica de investigación en psicología. Papeles Del Psicólogo, 31(1), 18–33. https://www.redalyc.org/pdf/778/77812441003.pdf
  28. Ferrando, P. J., & Lorenzo-Seva, U. (2018). 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
  29. Fleming, J. S., & Merino, C. (2005). Medidas de simplicidad y de ajuste factorial: un enfoque para la evaluación de escalas construidas factorialmente. Revista de Psicología, 23(2), 250–266. https://doi.org/10.18800/psico.200502.002
  30. Flora, D. B., LaBrish, C., & Chalmers, R. P. (2012). Old and New Ideas for Data Screening and Assumption Testing for Exploratory and Confirmatory Factor Analysis. Frontiers in Psychology, 3(55), 1–21. https://doi.org/10.3389/fpsyg.2012.00055
  31. García-Herrero, S., Mariscal, M. A., Gutiérrez, J. M., & Ritzel, D. O. (2013). Using Bayesian networks to analyze occupational stress caused by work demands: Preventing stress through social support. Accident Analysis & Prevention, 57, 114–123. https://doi.org/10.1016/j.aap.2013.04.009
  32. Gravetter, F. J., & Wallnau, L. B. (2013). Introduction to statistics. En J. Hague, T. Matray, T. Williams, & L. Sarkisian (Eds.), Statistics for the behavioral sciences (pp. 3–36). Cengage Learning.
  33. Green, S. B. (2003). A coefficient alpha for test-retest data. Psychological Methods, 8(1), 88–101. https://doi.org/10.1037/1082-989X.8.1.88
  34. Gutiérrez-Rubi, A. (2020). Tendencias que marcan a la sociedad durante el coronavirus. Banco Interamericano de Desarrollo. https://doi.org/10.18235/0002353
  35. Horn, J. L. (1965). A rationale and test for the number of factors in a factor analysis. Psychometrika, 30, 179–185.
  36. Hu, L. T., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling, 6(1), 1–55. https://doi.org/10.1080/10705519909540118
  37. Hunsley, J., & Marsh, E. J. (2008). Developing criteria for evidence-based assessment: An introduction to assessment that work. En J. Hunsley & E. J. Marsh (Eds.), A guide to assessments that work (pp. 3–14). Oxford University Press.
  38. Jöreskog, K. G. (1977). Factor analysis by least-squares and maximumlikelihood methods. En K. Enslein, A. Ralston, & H. S. Wilf (Eds.), Statistical methods for digital computers (3rd ed.). Wiley.
  39. Kaiser, H. F. (1974). An index of factorial simplicity. Psychometrika, 39(1), 31–36. https://doi.org/10.1007/BF02291575
  40. Karnes, L. (2020, March 28). Como Enfrentar el Estrés debido al COVID-19. Boston Public Health Commission, 1. https://www.bphc.org/whatwedo/infectious-diseases/Infectious-Diseases-A-to-Z/Documents/Coping Stress due to COVID19-SPANISH.pdf
  41. Kyriazos, T. A. (2018). Applied Psychometrics: Sample Size and Sample Power Considerations in Factor Analysis (EFA, CFA) and SEM in General. Psychology, 09(08), 2207–2230. https://doi.org/10.4236/psych.2018.98126
  42. Lazarus, R. S., & Folkman, S. (1986). Estrés y procesos cognitivos. Editorial Martínez Roca.
  43. Lei, P. W. (2009). Evaluating estimation methods for ordinal data in structural equation modeling. Quality and Quantity, 43(3), 495–507. https://doi.org/10.1007/s11135-007-9133-z
  44. Levi, L. (1998). Factores psicosociales, estres y salud. En O. I. del Trabajo (Ed.), O. I. Trabajo, Enciclopedia de salud y seguridad en el trabajo (pp. 3–34). Organización Internacional del Trabajo.
  45. Livingston, S. A. (1972). Criterion-referenced applications of classical test theory 1,2. Journal of Educational Measurement, 9(1), 13–26. https://doi.org/10.1111/j.1745-3984.1972.tb00756.x
  46. Lozano-Vargas, A. (2020). Impacto de la epidemia del Coronavirus (COVID-19) en la salud mental del personal de salud y en la población general de China. Revista de Neuro-Psiquiatria, 83(1), 51–56. https://doi.org/10.20453/rnp.v83i1.3687
  47. Lu, D. M., Sun, N., Hong, S., Fan, Y., Kong, F., & Li, Q. (2015). Occupational Stress and Coping Strategies Among Emergency Department Nurses of China. Archives of Psychiatric Nursing, 29(4), 208–212. https://doi.org/10.1016/j.apnu.2014.11.006
  48. Malo, D. A., Cáceres, G. S., & Peña, G. H. (2010). Validación del inventinventario SISCO del estrés académico y análisis comparativo en adultos jóvenes de la Universidad Industrial de Santander y la Universidad Pontificia Bolivariana, Seccional Bucaramanga, Colombia. Revista Electrónica Praxis Investigativa ReDIE, 2(3), 26–42. https://dialnet.unirioja.es/servlet/articulo?codigo=6534519
  49. Marquina, R. J. (2020). Autopercepción del estrés en aislamiento social en tiempos de covid-19. Revista ConCiencia EPG, 5(1), 85–99. https://doi.org/10.32654/CONCIENCIAEPG.5-1.6
  50. Moussavi, S., Chatterji, S., Verdes, E., Tandon, A., Patel, V., & Ustun, B. (2007). Depression, chronic diseases, and decrements in health: results from the World Health Surveys. The Lancet, 370(9590), 851–858. https://doi.org/10.1016/S0140-6736(07)61415-9
  51. Muñiz, J., Elosua, P., & Hambleton, R. K. (2013). Directrices para la traducción y adaptación de los tests: Segunda edición. Psicothema, 25(2), 151–157. https://doi.org/10.7334/psicothema2013.24
  52. Murillo, F. J., & Duk, C. (2020). El Covid-19 y las Brechas Educativas. Revista Latinoamericana de Educación Inclusiva, 14(1), 11–13. https://doi.org/10.4067/s0718-73782020000100011
  53. Muthén, B. (1984). A general structural equation model with dichotomous, ordered categorical, and continuous latent variable indicators. Psychometrika, 49(1), 115–132. https://doi.org/10.1007/BF02294210
  54. Muthén, B. O., du Toit, S. H. C., & Spisic, D. (1997). Robust inference using weighted least squares quadratic estimating equations in latent variable modeling with categorical and continuous outcomes. Unpublished Technical Report. https://www.statmodel.com/bmuthen/articles/Article_075.pdf
  55. Organizaciόn Mundial de la Salud. [OMS]. (2013). Plan de acciόn sobre salud mental 2013-2020. Biblioteca de la OMS. http://apps.who.int/iris/bitstream/10665/97488/1/9789243506029_spa.pdf
  56. Ortega-Marlasca, M. M. (2015). Estrés y otras series de males nos acechan en la docencia. Fisioterapia, 37(3), 140. https://doi.org/10.1016/j.ft.2014.07.004
  57. Ozamiz-Etxebarria, N., Dosil-Santamaria, M., Picaza-Gorrochategui, M., & Idoiaga-Mondragon, N. (2020). Stress, anxiety, and depression levels in the initial stage of the COVID-19 outbreak in a population sample in the northern Spain. Cadernos de Saude Publica, 36(4), 1–9. https://doi.org/10.1590/0102-311X00054020
  58. Pasca, R., & Wagner, S. L. (2012). Occupational Stress, Mental Health and Satisfaction in the Canadian Multicultural Workplace. Social Indicators Research, 109(3), 377–393. https://doi.org/10.1007/s11205-011-9907-5
  59. Pérez, E. R., & Medrano, L. (2010). Análisis factorial exploratorio: bases conceptuales y metodológicas. Revista Argentina de Ciencias Del Comportamiento, 2(1), 58–66.
  60. Ponterotto, J. G., & Ruckdeschel, D. E. (2007). An Overview of Coefficient Alpha and a Reliability Matrix for Estimating Adequacy of Internal Consistency Coefficients with Psychological Research Measures. Perceptual and Motor Skills, 105(3), 997–1014. https://doi.org/10.2466/pms.105.3.997-1014
  61. Pozos-Radillo, B. E., Preciado-Serrano, M. D. L., Acosta-Fernández, M., Aguilera-Velasco, M. D. L. Á., & Delgado-García, D. D. (2014). Academic stress as a predictor of chronic stress in university students. Psicologia Educativa, 20(1), 47–52. https://doi.org/10.1016/j.pse.2014.05.006
  62. Raykov, T. (2012). Scale construction and development using structural equation modeling. En R. H. Hoyle (Ed.), Handbook of Structural Equation Modeling (pp. 472–492). The Guildford Press.
  63. Raykov, T., & Hancock, G. R. (2005). Examining change in maximal reliability for multiple-component measuring instruments. British Journal of Mathematical and Statistical Psychology, 58(1), 65–82. https://doi.org/10.1348/000711005X38753
  64. Reise, S. P., Scheines, R., Widaman, K. F., & Haviland, M. G. (2013). Multidimensionality and Structural Coefficient Bias in Structural Equation Modeling. Educational and Psychological Measurement, 73(1), 5–26. https://doi.org/10.1177/0013164412449831
  65. Rosseel, Y. (2012). lavaan : An R Package for Structural Equation Modeling. Journal of Statistical Software, 48(2), 1–36. https://doi.org/10.18637/jss.v048.i02
  66. Selye, H. (1960). La tensión en la vida (el estrés). Compañia General Fabril Editora.
  67. Sijtsma, K. (2009). On the Use, the Misuse, and the Very Limited Usefulness of Cronbach’s Alpha. Psychometrika, 74(1), 107–120. https://doi.org/10.1007/s11336-008-9101-0
  68. Souto-Gestal, A., Cabanach, R., & Franco, V. (2019). Sintomatología depresiva y percepción de estresores académicos en estudiantes de Fisioterapia. European Journal of Education and Psychology, 12(2), 165–174. https://doi.org/10.30552/ejep.v12i2.281
  69. Souto-Gestal, A. J. (2013). Regulación emocional y estrés académico en estudiantes de fisioterapia. Universidad Da Coruña. https://ruc.udc.es/dspace/handle/2183/11719
  70. Tabachnick, B. G., & Fidell, L. S. (2019). Using Multivariate Statistics (7th ed.). Pearson Education.
  71. Taboada, M. V. (2015). La medición del estrés en contextos académicos en estudiantes universitarios. Universidad Da Coruña. https://core.ac.uk/download/pdf/61916735.pdf
  72. Tanaka, Y., Kanazawa, M., Fukudo, S., & Drossman, D. A. (2011). Biopsychosocial Model of Irritable Bowel Syndrome. Journal of Neurogastroenterology and Motility, 17(2), 131–139. https://doi.org/10.5056/jnm.2011.17.2.131
  73. Ten, J. M. F., & Sočan, G. (2004). The greatest lower bound to the reliability of a test and the hypothesis of unidimensionality. Psychometrika, 69(4), 613–625. https://doi.org/10.1007/BF02289858
  74. Vizoso, C., & Gundín, O. A. (2016). Estresores académicos percibidos por estudiantes universitarios y su relación con el burnout y el rendimiento académicos. Anuario de Psicologia, 46(2), 90–97. https://doi.org/10.1016/j.anpsic.2016.07.006
  75. Zinbarg, R. E., Yovel, I., Revelle, W., & McDonald, R. P. (2006). Estimating Generalizability to a Latent Variable Common to All of a Scale’s Indicators: A Comparison of Estimators for ω h. Applied Psychological Measurement, 30(2), 121–144. https://doi.org/10.1177/0146621605278814