A análise exploratória dos dados foi efetuada com o objetivo de verificar a precisão da entrada de dados, respostas omissas, casos extremos, normalidade das variáveis e a verificação dos pressupostos necessários à aplicação das técnicas multivariadas. A confiabilidade de cada uma das escalas foi calculada por meio do Alfa de Cronbach. Segundo Hair e colaboradores (1998), este coeficiente é um indicador consistente para análise da confiabilidade de uma escala e, mesmo não havendo um padrão absoluto, valores de alpha iguais ou superiores a 0,70 refletem uma fidedignidade aceitável para pesquisas de natureza exploratória.
Em seguida, foram feitas estatísticas descritivas para as respostas da amostra (frequência, porcentagem, média e desvio-padrão), a fim de caracterizar os participantes do estudo. Também foi realizado o teste 2para verificar se a amostra representa bem a população do estudo. Para todos os testes o nível de significância adotado foi de 5%, sendo considerados significativos valores de p < 0,05.
Para interpretar as respostas do OLBI seguiu a proposta de Peterson e colaboradores (2008b), no qual
Distanciamento/ Retirada do trabalho serão considerados altos e os indivíduos serão classificados conforme apresentado no Quadro 5.
Quadro 5 - Classificação dos indivíduos quanto ao estado de burnout Dimensão
Com distanciamento Com esgotamento
Com burnout
Fonte: Adaptado de Peterson e colaboradores (2008b)
As respostas do WHOQOL-Bref também foram analisadas utilizando as recomendações dos autores. O mesmo não prevê conceitualmente que se possa utilizar do escore global de qualidade de vida, então por isso é calculado o escore de cada domínio, que é a média da somatória dos escores de cada faceta relacionada ao domínio (WHO, 1998). Os escores de cada domínio resultam em escores de 4 a 20, que para permitir comparações com os escores obtidos com o WHOQOL-100, são multiplicados por quatro em uma sintaxe e transformados em escala de zero (pior qualidade de vida) a 100 (melhor qualidade de vida) (FLECK et al., 2000; THE WHOQOL GROUP, 1998b; WHO, 1998). As duas questões gerais não estão incluídas nas equações estabelecidas para análise dos resultados, por isso foram analisadas separadamente.
Em seguida, o teste de diferença de médias dos grupos, formados de acordo com as variáveis sociodemográficas, foi realizado por meio do teste t student e análise de variância (ANOVA). De acordo com Dancey e Reidy (2006) o teste t de student avalia as diferenças significativas entre valores (médias) em duas condições ou grupos e a ANOVA, que é semelhante ao teste t, compara duas ou mais condições. Calculou-se a magnitude das diferenças estatisticamente significativas (tamanho do efeito) a partir da determinação do d de Cohen (razão entre a diferença das médias e o desvio padrão combinado para as comparações entre dois grupos independentes) (COHEN, 1988; CUMMING, 2012). Interpretou-se como efeito pequeno, médio ou grande os seguintes valores para o d de Cohen: 0,2; 0,5 e 0,8; respectivamente (COHEN, 1988). Tamanhos de efeito médios geralmente são considerados clinicamente importantes (SLOAN; DUECK, 2004). Para uma compreensão dos cálculos e interpretação do tamanho do efeito, ver Apêndice C.
Também foram calculados os coeficientes de correlação de Pearson entre as dimensões do esgotamento profissional (retirada do trabalho e exaustão), variáveis sociodemográficas (idade, tempo de trabalho) e os quatro domínios de qualidade de vida (físico, psicológico, relações sociais e meio-ambiente). Conforme Dancey e Reidy (2006), a correlação avalia a existência de relacionamento entre as variáveis e, por meio do coeficiente de correlação, representado por r, informa a direção (se positiva ou negativa) e a força (ou magnitude) desse relacionamento. Para análise da força das correlações foram adotados os critérios propostos por
Dancey e Reidy (2006), cujas correlações até 0,39 são consideradas fracas, de 0,40 a 0,69 são moderadas e acima de 0,70 são consideradas fortes. Embora a correlação não implique em causalidade, os resultados foram descritos considerando o sentido da correlação assim como os indicadores extraídos da literatura referentes às variáveis de interesse deste estudo.
Em seguida, foi realizada a análise de regressão logística binária, para verificar quais itens da escala OLBI tem maior probabilidade de afetar a percepção geral de qualidade de vida e de satisfação com a saúde. Neste caso, as escalas de respostas da OLBI e das duas questões gerais de qualidade de vida passaram a ser dicotômicas (0=discordo, 1=concordo para OLBI; 0=ruim, 1=boa para qualidade de vida e 0=insatisfeito, 1=satisfeito com saúde).
Por fim, foram realizadas as equações estruturais para confirmar o modelo teórico proposto neste estudo: o impacto da síndrome do esgotamento profissional sobre a qualidade de vida dos professores universitários. O Modelo de Equações Estruturais (MEE) adotado foi o de Máxima Verossimilhança (Maximum likehood), sendo considerados os seguintes
indicadores: a razão do qui- Root Mean Square
Residual (RMR), o Goodness-of-Fit Index (GFI), o Adjusted Goodness-of-Fit Index (AGFI), o Comparative Fit Index (CFI) e o Root-Mean- Square Error of Approximation (RMSEA). O resultado do cálculo da razão do qui-quadrado em relação aos graus de
o ajustamento do modelo. Quanto menor o índice obtido, melhor o ajustamento, sendo um valor até 5 considerado satisfatório. O RMR indica o grau de ajustamento do modelo teórico aos dados, sendo desejável que a diferença entre os dois se aproxime de zero. Para o modelo ser considerado bem ajustado, o valor deve ser menor que 0,05. O GFI e o AGFI indicam a proporção de variância covariância nos dados que é explicada pelo modelo. Estes variam de 0 a 1, com valores superiores a 0,90 indicando um bom ajustamento. O CFI permite a comparação entre o modelo estimado e o modelo nulo, sendo que os valores superiores ou iguais a 0,95 indicam um ajustamento muito bom. Finalmente, o RMSEA mostra a quantidade de resíduos no modelo, sendo aceitável que o RMSEA se situe entre 0,05 e 0,10. Tais indicadores têm sido apontados por diversos autores como parâmetros adequados para avaliação de modelo de equações estruturais (HAIR et al., 1998; MAROCO, 2014).