Análise dos dados

Os seguintes programas estatísticos foram usados para realizar as análises estatísticas dos dados: AMOS e PASW (ambos em suas versões 21). Com o AMOS foram realizadas as análises fatoriais confirmatórias (AFCs), procurando checando a validade de construto (validades convergente e discriminante, e confiabilidade composta) e invariância fatorial (Byrne, 2001, 2004). Em se tratando do teste desta hipótese, os seguintes indicadores de ajuste foram tidos em conta (Browne & Cudeck, 1993; Hu & Bentler, 1999; Pilati & Laros, 2007; Tabachnick & Fidell, 2007):

χ² (qui-quadrado). Testa a probabilidade de o modelo teórico se ajustar aos dados; quanto maior este valor, pior o ajustamento. Este, por ser sensível ao tamanho da amostra (amostras grandes, isto é, n > 200 podem favorecer descartar um modelo adequado), deve ser interpretado com alguma reserva, valendo-se de sua razão em relação aos graus de liberdade (χ²/g.l.). Este valor precisará ser entre 2 e 3, preferencialmente, admitindo-se até 5. Contudo, a prática sugere que poderá padecer de viés quando a amostra for superior a 1.000 participantes. Em todo caso, esta estatística pode ser útil para comparar modelos rivais, tomando em conta a mesma amostra.

Goodness-of-Fit Index (GFI). Este indicador, como sua versão ponderada (Adjusted Goodness-of-Fit Index, AGFI), funciona como a estatística R² na análise de regressão, representando o quanto da matriz de variância-covariância dos dados pode ser explicada pelo modelo teórico testado. Seus valores oscilam entre 0 (zero; ajuste nulo) e

1 (um; ajuste perfeito), admitindo-se como aceitáveis aqueles próximos ou superiores a 0,90.

Comparative Fit Index (CFI). Compreende um indicador comparativo, adicional, de ajuste do modelo. Seus valores variam de 0 (zero; ajuste nulo) a 1 (um; ajuste perfeito), sendo admitidos os que são próximos ou superiores a 0,90 como indicativo de ajuste aceitável.

Root-Mean-Square Error of Approximation (RMSEA). Este tem em conta intervalo de confiança de 90% (IC90%), referindo-se aos residuais entre o modelo teórico estimado e os dados empíricos obtidos. Valores altos são indicativos de um modelo não ajustado, recomendando-se valores próximos ou inferiores a 0,05; 0,08 é um valor comumente aceito, admitindo-se até 0,10 como referência de um modelo aceitável.

Com o fim de comparar os modelos alternativos foram considerados os seguintes indicadores: Δχ², CAIC (Consistent Akaike information Criterion) e ECVI (Expected Cross Validation Index). Diferença estatisticamente significativa do Δχ², penalizando o

modelo com maior χ², e valores menores de CAIC e ECVI sugerem um modelo mais adequado. No caso da invariância fatorial, considerou-se, além do Δχ², o ΔRMSEA, admitindo-se diferença igual ou inferior a 0,001 como indicativo de invariância.

Finalmente, tomando como referência os valores das estimativas (valores não padronizados) e os pesos de regressão (valores padronizados) dos valores específicos que representam cada subfunção, reuniram-se evidências de sua validade de construto e precisão (validade convergente, validade discriminante e confiabilidade composta). No caso, obtiveram-se a variância média extraída (VME) e a confiabilidade composta (CC) (Fornell & Larcker, 1981; Hair, Anderson, Tatham & Black, 1998). Valores iguais ou superiores a 0,50 e 0,70, respectivamente, asseguram a adequação da medida. A VME

quanto ela serve para explicar o conjunto de valores específicos; no caso da validade discriminante, esta é assegurada quando a raiz quadrada da VME é superior ao coeficiente de correlação (Ф) entre as duas subfunções em consideração. A confiabilidade composta, comparada, por exemplo, com o Alfa de Cronbach, tem a vantagem de não pressupor que os itens sejam tau equivalentes, isto é, tenham iguais pesos fatoriais, nem que os erros de medida sejam independentes. Portanto, é um indicador adicional de consistência interna do fator (subfunção) avaliado.

O PASW permitiu calcular estatísticas descritivas (distribuição de frequência, médias, desvios padrões), consistência interna (homogeneidade e Alfa de Cronbach) da EAFDM.

6.2. Resultados

De início, a estrutura bifatorial identificada no estudo anterior foi testada, tendo obtido indicadores de ajuste [χ²/gl = 3,71, GFI = 0,72, AGFI = 0,68, CFI = 0,48 e RMSEA

(IC90% = 0,101 – 0,115) = 0,108]. Nesse sentido, testou-se a viabilidade de testar um modelo alternativo com um único fator na busca por dirimir as dúvidas [χ²/gl = 4,09, GFI

= 0,68, AGFI = 0,63, CFI = 0,40 e RMSEA (IC90% = 0,109 – 0,122) = 0,116]. Comparando-se os índices de ajuste dos modelos com um e dois fatores, além dos indicadores complementares de ajuste (ECVI e CAIC) verifica-se que o modelo com dois fatores é superior ao com um fator. Um resumo do modelo resultante é apresentado na Tabela 6.

Tabela 6. Indicadores de ajuste ao modelo da EADM

Modelos χ²/

(gl) χ²/gl GFI AGFI CFI

RMSEA

(IC 95%) ECVI CAIC

Um Fator 1225,63 (299) 4,30 0,72 0,65 0,43 0,128 (0,117-0,139) 5,731 (4,355-5,255) 1561,09 Dois Fatores 1107,94 (298) 3,71 0,73 0,68 0,48 0,108 (0,101-0,115) 5,233 (4,810-5,688) 1449,85

Nota: N=203; χ²/=chi-quadrado; gl=graus de liberdade; GFI=goodness-of-fi índex; AGFI=adjusted goodness-of-fit; CFI=comparative fit índex; RMSEA=root-mean-square error of aproximation; CI 95%; ECVI=expected croos-valid índex;* p<0,001.

Todavia, muito embora tenha sido constatada que a estrutura com dois fatores e 26 itens se demonstrou mais apropriada, optou-se por verificar os itens com menor índice de saturação, removendo-os, na busca por identificar uma estrutura mais parcimoniosa e objetiva, a partir da ferramenta Estimates of standardized regression weights, foi possível verificar os índices de menor peso lambida em cada item tendo como base suas estimativas. Assim, foram retirados do fator I (autoritarismo) o item 07 (λ = 0,05), e do fator II os seguintes itens: 25 (λ = 0,23), 36 (λ = 0,25), 29 (λ = 0,22), 37 (λ = 0,14), 02 (λ = 0,29), 10 (λ = 0,26) e 38 (λ = 0,34).

Assim, se propõe-se uma estrutura alternativa, com dois fatores que apresentam nove itens cada. Tendo sido verificado indicadores de bondade de ajuste [χ²/gl = 3,72,

GFI = 0,80, AGFI = 0,74, CFI = 0,62 e RMSEA (IC90% = 0,0,98 – 0,119) = 0,108], portanto se demonstram marginalmente aceitáveis (Hair, et. al., 2009; Marsh, et. al., 2004) uma vez que apresenta também índices de CAIC = 738,354 e ECVI = 2,473 (2,194 – 2,784) menores, o que sugere um modelo mais adequado. Todas as saturações foram estatisticamente diferentes de zero (z > 1,96, p < 0,05), e variaram de 0,32 à 0,68, com uma saturação média de 0,49. Buscou-se ainda, conhecer indicadores da consistência interna e homogeneidade da medida ora apresentada. O Alfa de Cronbach para o conjunto de 18 itens da medida foi de 0,77, assim como o fator autoritarismo (α = 0,70) e benevolência(α = 0,73). Essa estrutura pode ser observada na Figura 5.

Figura 5. Estrutura Fatorial Adotada para a EADM

Buscando fornecer mais precisão nos resultados, calculou-se a confiabilidade composta (CC) e a Variância Média Explicada (VME) (Gouveia & Gabriel, 2013), obtendo os seguintes valores para cada fator: autoritarismo (VME = 0,69 e CC = 0,70),

benevolência (VME = 0,70 e CC = 0,72). Diante dos resultados apresentados, verifica-se a adequabilidade do modelo proposto, que apresenta indicadores satisfatórios de validade de construto e consistência interna.

6.3. Discussão Parcial

O objetivo principal deste segundo Estudo foi verificar a validade e confiabilidade da EADM do Estudo 1. Conforme já foi descrito, sua estrutura se adequou de forma mais parcimoniosa por meio de dois fatores distintos: o autoritarismo e o benevolência.

Estudos de Avanci et al (2002) já assinalavam a presença de ambos os fatores, dentre outros como restrição social, ideologia da comunidade, etc. No entanto, considerando os achados da literatura os fatores aqui representados além de representarem atitudes sejam negativas ou positivas frente ao doente mental, estes representam em si, uma nova concepção de saúde, saindo de um contexto meramente clínico à uma perspectiva de medicina comunitária.

Diante disso, o fator autoritarismo ficaria mais próximo do modelo de saúde biomédico, enquanto o fator benevolência estaria mais próximo do modelo de saúde biopsicossocial. Sendo assim distintos em sua forma de cuidar. Os itens denotam conteúdos restritivos característica do modelo biomédico, assim como conteúdo mais integrador e humanitário específico do modelo biopsicossocial.

No início da análise, embora aparecendo quatros fatores, percebeu-se que os demais fatores denotavam conteúdos de autoritarismo e benevolência, onde optou-se por um modelo mais parcimonioso que corrobora-se os dados da literatura atual. A desconstrução da mais dura segregação manicomial, que conduziu a Reforma Psiquiátrica enfatizando o cuidado de forma mais participativo, dialógico e subjetivista do sujeito (Trajano & Silva, 2012).

Nesse sentido, pode-se verificar somados ao modo de entendimento do comportamento do doente mental, pelos estudantes da área de saúde (medicina, enfermagem e psicologia) também considerar, que estes cursaram alguma disciplina da área de saúde mental o que explica o protecionismo bondoso e paternalista, caracterizado por atitudes benevolentes frente ao doente mental, sendo apresentado de forma adequada pelos alunos estudados, estando de acordo com resultados do estudo de Avanci, et al. (2002).

Nos estudos de Pasquali, et al. (1987) relata que o contato com doente mental parece estar associado com uma menor aceitação do modelo biomédico, ou seja, tal aceitação pode indicar a visão de enfermidade mental como doença, não modifica o estigma desta condição. Dito de outro modo, parece que o contato de um profissional de saúde mental com um paciente doente mental leva o mesmo, gradativamente, a ver no doente algo mais do que um portador de disfunções intrapsíquicas, a ver seus conflitos familiares e pessoais, suas perspectivas de vida, sua inserção ou marginalização na sociedade, enfim um ser humano com certas dificuldades existenciais aproximando-se de uma concepção de saúde voltada ao modelo biopsicossocial.