Capítulo 3 – Qualidade de Vida
III. Resultados
O objetivo geral deste estudo consiste em avaliar o nível de Qualidade de Vida dos doentes que constituem esta amostra, pelo que se utilizou a média de cada um dos domínios para posteriormente os poder comparar com os dados oficiais para amostras clínicas. De acordo com os dados oficiais obtidos no estudo de Validação Portuguesa da escala WHOQOL- Bref, que comparou dois grupos, um com uma amostra de população normativa e outro com uma de população clínica, verificamos que, em relação ao domínio Físico, a amostra deste estudo apresenta valores mais elevados, uma média de =59.94, sendo que no estudo original se obteve um valor médio de =54.99. No domínio Psicológico, a nossa amostra alcançou valores mais baixos sendo que a média foi de =62.84, enquanto que no estudo original o valor médio foi de =64.41. No domínio das Relações Sociais também a nossa amostra obteve valores mais baixos com uma média de =62.50 comparativamente ao estudo original, =64.47. No domínio Ambiente a nossa amostra obteve uma média de = 66.66, sendo por isso superior à do estudo de validação ( =58.79). Por fim, em relação ao domínio Geral a nossa amostra também alcançou valores mais superiores, sendo que a média é de =55.20, enquanto que a do estudo original ficou nos =49.09. Assim sendo, considera-se que nesta amostra a perceção de Qualidade de Vida é acima da média obtida no estudo oficial de validação
Passamos agora a analisar as tabelas de Correlação de Spearman. Utilizou-se este coeficiente de correlaçãopara medir a intensidade e a direção de associação entre variáveis, uma vez que estamos perante uma amostra que não segue uma distribuição normal. Assim, inicialmente correlacionou-se a Qualidade de Vida (faceta geral) com todas as variáveis sociodemográficas.
Tabela 7: Correlações entre a Qualidade de Vida (Faceta Geral) e as variáveis sociodemográficas Idade Estado Civil Socioeconómico Estatuto Escolaridade
R Sig. r Sig. r Sig. r Sig.
Qualidade de Vida (Faceta
Geral)
Contudo, após análise dos dados obtidos, verifica-se que não foi identificada nenhuma correlação estatisticamente significativa.
Após isto, correlacionou-se a variável dependente com as variáveis clínicas selecionadas a partir do Questionário Sociodemográfico previamente elaborado.
Tabela 8: Correlações entre a Qualidade de Vida (Faceta Geral) e as variáveis clínicas Tempo de Diagnóstico (classes) Tempo de Institucionalização (classes) Higiene Pessoal
Sozinha Perceção de Felicidade
Perceção do Estado de Saúde Geral
r Sig. r Sig. r Sig. r Sig. r Sig.
Qualidade de Vida (Faceta
Geral)
-
.128 .330 .279* .031 .008 .952 .471** .000 .412** .001
*Correlação Significativa com p < 0.05 (2-estremidades) **Correlação Significativa com p < 0.01 (2-extremidades)
A Qualidade de Vida (faceta geral) correlaciona-se positivamente, de forma moderada e com significância estatística com a variável clínica Tempo de Institucionalização (r= 0.279,
p < 0.05), tem uma relação positiva, estatisticamente significativa e moderada com a
Perceção de Felicidade (r= 0.471, p < 0.01) e tem também uma relação positiva, estatisticamente significativa e moderada com a Perceção do Estado de Saúde Geral (r= 0.412, p < 0.01).
Isto significa que à medida que aumenta o Tempo de Institucionalização aumenta a Qualidade de Vida e que à medida que a Perceção de Felicidade é mais elevada, mais aumenta a Qualidade de Vida. Da mesma forma, à medida que aumenta a Perceção do Estado de Saúde Geral aumenta também a Qualidade de Vida. Em relação às restantes variáveis, não se encontraram relações significativas entre nenhuma.
Por fim, correlacionou-se a variável depende Qualidade de Vida (faceta geral) com as variáveis sociorrelacionais também previamente selecionadas.
Tabela 9: Correlações entre a Qualidade de Vida (Faceta Geral) e as variáveis sociorrelacionais Frequência
de Visitas Participação em Atividades de Convívio Tempo que passa Sozinha Satisfação com a Comunidade Dificuldade de Controlo de Impulsos r Sig. r Sig. r Sig. r Sig. r Sig. Qualidade de
Vida (Faceta
Geral) .069 .600 .182 .164 -.190 .146 .241 .064 -.008 .952
Pela análise da tabela anterior se percebe que, tal como tinha acontecido com todas as variáveis sociodemográficas, também com as variáveis sociorrelacionais não existe qualquer correlação estatisticamente significativa.
A Correlação de Spearman foi ainda utilizada para medir a intensidade e direção das variáveis sociodemográficas, clínicas e sociorrelacionais com cada um dos 4 domínios presentes na escala, mais precisamente, o domínio Físico, o domínio Psicológico, o domínio das Relações Sociais e o domínio do Ambiente. Estas correlações realizaram-se de forma a perceber quais as variáveis que mais influem em cada um dos domínios.
Assim, relativamente ao domínio Físico, verifica-se uma correlação positiva, estatisticamente significativa e moderada apenas com uma variável sociorrelacional, a Satisfação com a Comunidade, ou seja, com o grupo de pares (r= 0.288, p <0.05). Isto significa que à medida que a satisfação com a comunidade é maior, melhor será o valor obtido no domínio Físico da Qualidade de Vida.
No domínio Psicológico encontraram-se 3 correlações estatisticamente significativas e positivas. Assim, verifica-se uma relação estatisticamente significativa, positiva e moderada com o Tempo de Institucionalização (r= 0.280, p < 0.05), com a Satisfação com a Comunidade encontra-se uma relação positiva, estatisticamente significativa e moderada (r=0.351, p < 0.01) e com a Perceção de Felicidade também uma relação positiva, estatisticamente significativa e moderada (r= 0.335, p < 0.01). Isto significa que à medida que aumenta o Tempo de Institucionalização, a Satisfação com a Comunidade e a Perceção de Felicidade aumenta também o valor no domínio Psicológico da Qualidade de Vida.
No domínio das Relações Sociais encontraram-se correlações positivas e estatisticamente significativas com 4 variáveis. Desta forma, este domínio apresenta uma correlação estatisticamente significativa, positiva e moderada com o Tempo de Institucionalização (r= 0.305, p < 0.05), com a Satisfação com a Comunidade (r= 0.295, p < 0.05). Com a variável Perceção de Felicidade apresenta uma correlação estatisticamente significativa, positiva e moderada (r= 0.472, p < 0.01) e com a Perceção do Estado de Saúde Geral, uma relação também positiva, estatisticamente significativa e moderada (r= 0.352, p < 0.01). Assim o aumento do Tempo de Institucionalização, a Satisfação com a Comunidade onde está inserido, bem como um aumento na Perceção da Felicidade e na Perceção do Estado de Saúde Geral levam a um aumento no valor do domínio das Relações Sociais da Qualidade de Vida.
Por fim, relativamente ao domínio do Ambiente, este apresenta uma correlação estatisticamente significativa, positiva e moderada com a variável clínica Tempo de Institucionalização (r= 0.322, p < 0.05) e com a variável sociorrelacional Satisfação com a Comunidade (r= 0.358, p < 0.01). Apresenta ainda uma correlação positiva, moderada e estatisticamente significativa com a variável Perceção de Felicidade (r= 0.378, p < 0.01) e com a variável Perceção do Estado de Saúde Geral demonstra também uma relação estatisticamente significativa, positiva e moderada (r= 0.465, p < 0.01). Isto significa que à medida que aumenta o Tempo de Institucionalização, a Satisfação com a Comunidade, a Perceção de Felicidade e a Perceção do Estado de Saúde Geral aumenta também o valor obtido no domínio do Ambiente da Qualidade de Vida.
Tabela 10: Correlações entre os 4 domínios da Escala WHOQOL-Bref e as variáveis sociodemográficas Idade Estado Civil Socioeconómico Estatuto Escolaridade r (2-tailed) Sig. r (2-tailed) Sig. r (2-tailed) Sig. r (2-tailed) Sig. Domínio Físico -.081 .537 .185 .156 .063 .630 -.067 .611 Domínio Psicológico -.089 .500 .041 .758 .073 .580 -.028 .832 Domínio das Relações Sociais .122 .353 .111 .399 .079 .549 .041 .756 Domínio do Ambiente .099 .453 .177 .176 .189 .149 -.086 .515
Tabela 11: Correlações entre os 4 domínios da Escala WHOQOL-Bref e as variáveis clínicas Tempo de Diagnóstico (classes) Tempo de Institucionalização (classes) Higiene Pessoal Sozinha Perceção de Felicidade Perceção do Estado de Saúde Geral
r Sig. r Sig. r Sig. r Sig. r Sig.
Domínio Físico -.001 .992 .117 .372 -.091 .488 .130 .323 -.011 .935 Domínio Psicológico .044 .740 .280* .030 -.002 .988 .335** .009 .202 .122 Domínio das Relações Sociais -.160 .223 .305* .018 .016 .905 .472** .000 .352** .006 Domínio do Ambiente -.065 .621 .322* .012 .031 .814 .378** .003 .465** .000
**Correlação Significativa com p < 0.01 (2-extremidades) *Correlação Significativa com p < 0.05 (2-extremidades)
Tabela 12: Correlações entre os 4 domínios da Escala WHOQOL-Bref e as variáveis sociorrelacionais Frequência
de Visitas Participação em Atividades de Convívio Tempo que passa Sozinha Satisfação com a Comunidade Dificuldade de Controlo de Impulsos
r Sig. r Sig. r Sig. r Sig. r Sig.
Domínio Físico .164 .212 .205 .116 -.202 .122 .288* .026 -.012 .930 Domínio Psicológico .142 .281 .009 .945 -.227 .081 .351** .006 .000 1.000 Domínio das Relações Sociais -.196 .134 .129 .325 -.055 .678 .295* .022 -.065 .624 Domínio do Ambiente -.135 .302 .033 .812 -.188 .150 .358** .005 -.141 .282
**Correlação Significativa com p < 0.01 (2-extremidades) *Correlação Significativa com p < 0.05 (2-extremidades)
Após termos identificado quais das variáveis independentes apresentam uma relação estatisticamente significativa com cada um dos 4 domínios que compõem a Qualidade de Vida (faceta geral) e também as correlações entre cada uma das variáveis independentes com a variável dependente Qualidade de Vida (faceta geral), por meio da Correlação de Spearman, passamos agora a aplicar os testes não paramétricos de análise de diferenças de médias entre grupos.
Assim, em relação à primeira variável em estudo, a Perceção de Felicidade, esta é uma variável dicotómica, ou seja, cuja escala de resposta varia apenas entre “sim” ou “não”. Desta forma, utilizou-se o teste de Mann-Whitney para averiguar se aceitamos ou rejeitamos H0 = Não existem diferenças estatisticamente significativas entre os dois grupos ou se, pelo
contrário, aceitamos ou rejeitamos H1 = Existem diferenças estatisticamente significativas
entre os dois grupos.
De acordo com os resultados obtidos verifica-se que devemos rejeitar a hipótese nula, ou seja, não existem diferenças estatisticamente significativas entre as médias dos dois grupos, uma vez que p < 0.05, sendo neste caso o p = 0.000 (U = 212.000; p = 0.000). Assim, aceitamos a hipótese alternativa, que nos diz que existem diferenças estatisticamente significativas entre os dois grupos, os que se consideram felizes e os que se acham infelizes, sendo que os que pontuaram mais foram os que responderam afirmativamente à questão sobre a sua Perceção de Felicidade (“No geral, considera-se uma pessoa feliz?”). Analisando o valor das médias podemos indicar que os sujeitos com melhor perceção de Felicidade relatam melhor Qualidade de Vida (faceta geral), em virtude de ser este o grupo com maior média.
Tabela 13: Teste de Mann-Whitney para a variável Qualidade de Vida (faceta geral) e a Perceção da Felicidade Perceção da Felicidade N Média das Categorias U Sig. (2- extremidades) Qualidade de Vida (Faceta Geral) Não 31 22.84 212.000 .000 Sim 29 38.69 Total 60
Posteriormente, para avaliar a possível existência de diferenças entre grupos, utilizou-se o teste de Kruskal-Wallis pois tanto a variável Perceção do Estado de Saúde Geral como a variável Tempo de Institucionalização ofereciam várias opções de resposta (mais de duas).
Em relação à variável Perceção do Estado de Saúde Geral, vamos averiguar se aceitamos ou rejeitamos H0 = Não existem diferenças estatisticamente significativas entre os
diferentes grupos ou se, pelo contrário, aceitamos ou rejeitamos H1 = Existem diferenças
estatisticamente significativas entre os diferentes grupos.
Assim, analisando os dados obtidos, verificamos que devemos rejeitar a hipótese nula e aceitar a hipótese alternativa, uma vez que o p < 0.05, sendo neste caso o p = 0.023
( 11.357; p = 0.023). Assim, encontramos que existem diferenças estatisticamente significativas entre os 5 grupos ao nível da Qualidade de Vida (faceta geral), sendo que os que pontuaram mais foram os que percecionam o seu estado de saúde geral como bom e ótimo, respetivamente.
Tabela 14: Teste de Kruskal-Wallis para a variável Qualidade de Vida (faceta geral) e a Perceção do Estado de Saúde Geral
Perceção do Estado de
Saúde Geral N Categorias Média das 2(df) Sig.
Qualidade de Vida (Faceta Geral) Péssima 4 24.88 11.357(4) .023 Má 12 18.21 Razoável 31 31.84 Boa 9 40.83 Ótima 4 39.38 Total 60
Por fim, em relação à última variável significativa obtida a partir do Coeficiente de Correlação de Spearman, Tempo de Institucionalização, que foi transformado em classes utilizou-se igualmente o teste de Kruskal-Wallis, uma vez que fora criadas 5 classes (como já mencionado anteriormente).
O que pretendemos é então perceber se vamos aceitar ou rejeitar a hipótese nula, H0= Não existem diferenças estatisticamente significativas entre os diferentes grupos
(classes)
ou se, pelo contrário, aceitamos ou rejeitamos a hipótese alternativa H1= Existemdiferenças estatisticamente significativas entre os diferentes grupos (classes).
Neste caso, o p = 0.053, sendo por isso superior a 0.05 ( 9.342;p = 0.053),o que nos diz que devemos aceitar a hipótese nula e rejeitar a hipótese alternativa. Assim, conclui- se que não existem diferenças estatisticamente significativas entre nenhum dos 5 grupos ao nível da Qualidade de Vida (faceta geral) relativas ao Tempo de Institucionalização.
Tabela 15: Teste de Kruskal-Wallis para a variável Qualidade de Vida (faceta geral) e o Tempo de Institucionalização
Tempo de Institucionalização em
Classes
N Categorias Média das 2(df) Sig.
Qualidade de Vida (Faceta Geral) <= 12 5 17.80 9.342(4) .053 13-90 30 30.05 91-168 10 25.25 169-246 12 36.29 247+ 3 50.50 Total 60
Após isto, e de forma a identificar quais os Preditores da Qualidade de Vida neste estudo, realizou-se então uma Análise de Regressão Linear Múltipla, seguindo o método
stepwise7. A regressão é um modelo estatístico, descritivo e inferencial, usado para prever o
comportamento de uma dada variável (dependente) a partir de uma ou mais variáveis relevantes (independentes). Neste caso utilizaremos a Regressão Linear Múltipla uma vez que vamos analisar mais que uma variável independente (Pestana & Gageiro, 2008; Aguiar, 2007). Contudo, antes de se iniciar esta análise, o modelo de Regressão Linear Múltipla exige a averiguação de um conjunto de pressupostos, que obrigatoriamente têm que ser verificados de forma a permitir a sua utilização, nomeadamente: o da normalidade, o da homocedasticidade e o da multicolinearidade (Pestana & Gageiro, 2008; Aguiar, 2007). Desta forma, passaremos agora a avaliar cada um destes pressupostos.
Passamos agora a analisar o teste de normalidade dos resíduos, dado pelo teste de Kolmogorov-Sminorv.
Tabela 16: Teste de Normalidade para os resíduos
Kolmogorov-Smirnova Estatística df Sig. Resíduos Padronizados .073 60 .200* Resíduos Não Padronizados .073 60 .200*
*. Este é um limite inferior de verdadeira significância a. Correção de Significância de Lilliefors
Verifica-se assim a aceitação da hipótese nula que nos diz que os resíduos seguem uma distribuição normal, para um nível de significância de 0.05. Como neste caso o p = 0.200 e, logo, p > 0.05, aceitamos a hipótese nula, os resíduos seguem distribuição normal.
Pela análise dos gráficos de normalidade também se verifica que as observações, tanto dos resíduos padronizados como dos não padronizados, se dispõem à volta desta de forma oblíqua e horizontal, indicando a não violação da normalidade.
7 Que consiste num método de introdução progressiva de variáveis independentes, ou seja, é um método
de interações que constrói uma sequência de regressões por via da adição ou remoção de variáveis. Este processo começa sem variáveis e o modelo vai incorporando uma a uma as variáveis. Este processo repete-se até que as variáveis não introduzidas no modelo não tenham a capacidade de explicação significativa e as que já estão incluídas no modelo tenham (Aguiar, 2007; Pestana & Gageiro, 2008).
Figuras 1 e 2: Gráficos de normalidade dos resíduos padronizados e não padronizados
Após esta análise deve também ser analisado o pressuposto da homocedasticidade. Este pressuposto defende que os resíduos seguem uma variância constante. Para tal, realizámos uma Regressão Linear Múltipla englobando todos as variáveis independentes e os resíduos (como variável dependente neste caso). Assim, para investigar este pressuposto, vamos analisar a tabela da ANOVA onde encontramos uma valor de p = .229. Desta forma, com um F = 1.329 e como p > 0.05, confirmamos a hipótese H0, que nos diz que existe
homocedasticidade nos resíduos, sendo a sua variância constante. Concluímos assim que o modelo de regressão é válido.
Tabela 17: Tabela ANOVA para os resíduos e a regressão para a validação do pressuposto da homocedasticidade Soma dos Quadrados df Quadrado Médio F Sig. Regressão 710490.109 14 50749.294 1.329 .229 Residual 1719014.431 45 38200.321 Total 2429504.540 59
Além disso, verificamos também pela análise do gráfico seguinte que existe uma grande dispersão dos dados, garantido a não relação entre variáveis e, confirmando novamente, a não violação do pressuposto da homocedasticidade, mostrando um padrão aleatório, sem qualquer forma de tendência (Aguiar, 2007).
Além da aproximação à distribuição normal e de seguirem variância constante os resíduos deverão também ser independentes entre si, sendo que para tal se analisa a autocorrelação dos resíduos. Neste caso, o valor de D = 1.823, sendo relativamente próximo de 2 o que nos permite afirmar que os resíduos possuem independência residual. Isto fortalece assim a validação da regressão que pretendemos efetuar.
O modelo de Regressão Linear Múltipla pressupõe que as variáveis explicativas são linearmente independentes, ou seja, que não se verifica multicolinearidade. É então extremamente necessário averiguar se duas (ou mais) variáveis independentes não são muito fortemente correlacionadas entre si, podendo prejudicar a análise de regressão múltipla, a chamada situação de multicolinearidade.
Verifica-se que neste modelo apenas foram encontradas duas variáveis que são preditoras da Qualidade de Vida, sendo que são essas que iremos aqui analisar. No entanto, todas as outras foram também testadas, verificando-se também a não existência de multicolinearidade entre nenhuma delas.
Tabela 18: Estatísticas de Co-linearidade para as variáveis preditoras do modelo
TOL - Tolerância VIF - Fator de Inflação da Variância
Perceção da Felicidade .704 1.420
Perceção do Estado de Saúde Geral .757 1.321
Analisando-se a tolerância de ambas as variáveis independentes presentes no modelo verificamos então que as variáveis independentes são muito pouco determinadas uma pela outra, sendo que acima de 0.1 para o valor da tolerância é considerada não existência de multicolinearidade suficiente. Neste caso obtivemos um valor de 0.704 para a Perceção da Felicidade, bastante acima de 0.1 Além disto, pela análise do valor do valor do fator de variação da inflação (1.420), observa-se uma fraca multicolinearidade uma vez que os valores se encontram próximos de 1, devendo ser menores que 10, o que neste caso é também válido. Para a variável Perceção do Estado de Saúde Geral encontramos igualmente um valor de tolerância de 0.757 e um de fator de inflação da variância de 1.321, o que justifica novamente a não existência de multicolinearidade e a aceitação da validade deste modelo.
Como percebemos então, o modelo é válido e permite-se assim a sua utilização. Para selecionar as variáveis independentes a incluir no modelo consideram-se os seguintes critérios: a) as variáveis terem revelado previamente resultados estatisticamente significativos nas suas relações com a variável dependente (p < 0.05 ou p < 0.01, analisando a tabela de Correlação de Spearman); e o critério b) variáveis que apesar de não terem revelado um resultado estatisticamente significativo nas relações com a variável dependente, mesmo tendo originado valores de p elevados, têm uma especial importância para a
investigação em causa e como tal deverão ser incluídas (Aguiar, 2007). Assim, utilizaram-se como variáveis independentes neste modelo todas as variáveis sociodemográficas, clínicas e sociorrelacionais8 selecionadas a partir do questionário sociodemográfico e que foram
previamente utilizadas para realizar a Correlação de Spearman, sendo que a variável dependente é a Qualidade de Vida (faceta geral). Seguindo o subsequente modelo:
Qualidade de Vida (faceta geral) = 0.380 Perceção de Felicidade + 0.271 Perceção do Estado de Saúde Geral + 37.537
Os resultados demonstraram que a Perceção de Felicidade ( = 0.380) com um p-value correspondente de 0.02 e, por conseguinte, inferior ao nível de significância de 0.05, e a Perceção do Estado de Saúde Geral ( = 0.271), com um p-value de 0.028, também inferior ao nível de significância de 0.05, são os dois preditores da Qualidade de Vida neste estudo. Todas as outras variáveis também inseridas neste modelo não contribuem de forma significativa para o modelo de regressão.
Passamos agora à análise do valor do coeficiente de determinação, R2, que nos
permite perceber quanto é que este modelo explica a variabilidade dos dados (Marôco, 2011; Aguiar, 2007). Podemos então ver que as duas variáveis (Perceção de Felicidade e Perceção do Estado de Saúde Geral) explicam, em conjunto, 29.4% da variabilidade da Qualidade de Vida. Além disto, de acordo com o valor de Beta de cada uma das variáveis, 1 = 0.380
(Perceção da Felicidade) e 2 = 0.271 (Perceção do Estado de Saúde Geral), podemos ainda
concluir que a Perceção da Felicidade exerce uma influência maior que a variável Perceção do Estado de Saúde Geral. Contudo, ambas exercem uma influência significativa (1 = 0.380 e
2 = 0.271, respetivamente), não existindo neste modelo mais nenhuma variável significativa.
Este resultado é também confirmado pela análise da tabela da ANOVA que nos aponta um p-value de 0.000, o que significa que este é inferior a 0.05, indicando-nos por isso que, pelo menos uma das variáveis selecionadas pelo modelo como preditoras de Qualidade de Vida (faceta geral), está a influenciar a variável dependente. Neste caso, com um valor de F = 11.894, para 2 e 57 graus de liberdade, e que se traduz num valor de p < 0.001, conclui-se que este modelo é estatisticamente significativo.
Após esta análise da Regressão Linear Múltipla, os valores obtidos permitem-nos também rejeitar a hipótese H0, que define que as variáveis são independentes. Assim, aceita-
se a H1 que nos refere que existe uma relação de dependência entre a Perceção de
Felicidade, a Perceção do Estado de Saúde Geral e a variável dependente, Qualidade de Vida (faceta geral). Em resumo, podemos concluir que uma melhor Perceção de Felicidade
8 Idade, Estado Civil, Estatuto socioeconómico, Escolaridade, Tempo de Diagnóstico, Tempo de
Institucionalização, Frequência de Visitas, Participação em Atividades de Convívio, Satisfação com a