6. MÉTODOS
6.1. Parte 1: Validade da escala abreviada de demanda-controle
6.1.3. Instrumentos e variáveis
6.1.3.1. A escala abreviada de demanda controle de Theorell
“controle no processo de trabalho”: quatro itens sobre “uso de habilidades” e dois sobre
“autonomia para decisão”; e c) “apoio social no trabalho” - seis itens.
Os itens da dimensão “demandas psicológicas” são:
a) ‘Rapidez para a realização de tarefas’ ("Com que frequência tem que fazer suas tarefas de trabalho com muita rapidez?");
b) ‘Intensidade do trabalho’ ("Com que frequência tem que trabalhar intensamente?");
c) ‘Exigência no trabalho’ ("Seu trabalho exige demais de você?");
d) ‘Tempo para a realização de tarefas’ ("Tem tempo suficiente para cumprir todas as tarefas de seu trabalho?");
e) ‘Demandas contraditórias’ ("O seu trabalho costuma lhe apresentar exigências contraditórias ou discordantes?").
As opções de resposta para esta dimensão são ordinais e a pontuação varia de 1 a 4, distribuídas da seguinte forma: “frequentemente” (4 pontos), “às vezes” (3 pontos), “raramente”
(2 pontos), “nunca ou quase nunca” (1 ponto). A questão d – ‘tempo para a realização de tarefas’
- tem a pontuação invertida, ou seja: “frequentemente” (1 ponto), “às vezes” (2 pontos),
“raramente” (3 pontos), “nunca ou quase nunca” (4 pontos). O escore da dimensão é formado pelo simples somatório do número de pontos obtidos em cada um dos cinco itens e varia de 5 a 20 pontos.
A dimensão “controle no processo de trabalho” consiste dos seguintes itens, distribuídos nas seguintes subdimensões:
i. “Uso de habilidades”:
f) ‘Aprendizado’ ("Tem possibilidade de aprender coisas novas através do seu trabalho?");
g) ‘Uso de habilidades’ ("Seu trabalho exige muita habilidade ou conhecimento especializado?");
h) ‘Iniciativa’ ("Seu trabalho exige que você tome iniciativas?");
i) ‘Trabalho repetitivo’ ("Tem que repetir muitas vezes as mesmas tarefas?”).
ii. “Autonomia para a tomada de decisão”:
j) ‘COMO fazer’ ("Pode escolher COMO fazer seu trabalho?");
k) ‘O QUE fazer’ ("Pode escolher O QUE fazer no seu trabalho?").
As opções de resposta, a pontuação e o cálculo do escore para esta dimensão são os mesmos da dimensão “demandas psicológicas”. À exceção da questão i – ‘trabalho repetitivo’, com a
pontuação invertida, ou seja, varia de 1 (“frequentemente”) a 4 pontos (“nunca ou quase nunca”).
Esta dimensão assume escores que vão de 6 a 24 pontos.
A terceira e última dimensão, “apoio social no trabalho”, é formada pelos seguintes itens:
l) ‘Ambiente calmo’ ("Existe ambiente calmo e agradável onde trabalha");
m) ‘Relacionamento com os colegas de trabalho’ ("No trabalho, nos relacionamos bem uns com os outros");
n) ‘Apoio dos colegas’ ("Posso contar com o apoio dos meus colegas de trabalho");
o) ‘Compreensão dos colegas’ ("Se não estiver num bom dia, meus colegas compreendem");
p) ‘Relacionamento com os chefes’ ("No trabalho, eu me relaciono bem com meus chefes");
q) ‘Satisfação ao trabalhar com os colegas’ ("Gosto de trabalhar com meus colegas").
As opções de resposta para esta dimensão e a pontuação das questões são: “concordo totalmente” (4 pontos), “concordo mais do que discordo” (3 pontos), “discordo mais do que concordo” (2 pontos) e “discordo totalmente” (1 ponto). Nenhum item desta dimensão tem a pontuação invertida. O cálculo do escore é obtido da mesma forma que nas outras dimensões, ou seja, pelo somatório de pontos obtidos em cada um dos itens constituintes. O escore da dimensão
“apoio social no trabalho” varia de 6 a 24 pontos.
A correspondência entre as perguntas em sueco, a tradução em inglês e a versão brasileira estão descritas nos quadros 1 e 2.
Itens /Dimensões Versão sueca Versão em inglês Versão brasileira Demandas
Rapidez para a realização de tarefas
“Kräver ditt arbete att du arbetar fort?”
“Do you have to work very fast?” "Com que frequência tem que fazer suas tarefas de trabalho com muita rapidez?"
Intensidade do trabalho
“Kräver ditt arbete att du arbetar mycket hårt?”
“Do you have to work very intensively?”
"Com que frequência tem que trabalhar intensamente?"
Exigência no trabalho “Kräver ditt arbete en för stor
arbetsinsats?” “Does your work demand too much
effort?” "Seu trabalho exige demais de você?"
Tempo para a realização de tarefas
“Har du tillräckligt med tid för att hinna med arbetsuppgifterna?”
“Do you have enough time to do
everything?” "Tem tempo suficiente para cumprir todas as tarefas de seu trabalho?"
Demandas
contraditórias “Förekommer det ofta motstridiga
krav i ditt arbete?” “Does your work often involve
conflicting demands?” “O seu trabalho costuma lhe apresentar tarefas contraditórias?”
Controle
Aprendizado “Får du lära dig nya saker i ditt arbete?”
“Do you have the possibility of learning new things through your work?”
“Tem possibilidade de aprender coisas novas através do seu trabalho?”
Uso de habilidades “Kräver ditt arbete skicklighet?” “Does your work demand a high level of skill or expertise?”
“Seu trabalho exige muita habilidade ou conhecimento especializado?”
Iniciativa 1 “Kräver ditt arbete påhittighet?” “Does your job require you to take the initiative?”
"Seu trabalho exige que você tome iniciativas?"
Trabalho Repetitivo “Innebär ditt arbete att man gör samma sak om och om igen?”
“Do you have to do the same thing over and over again?”
"Tem que repetir muitas vezes as mesmas tarefas?”
COMO fazer “Har du frihet att bestämma hur ditt arbete ska utföras?”
“Do you have a choice in deciding HOW you do your work?”
“Pode escolher COMO fazer seu trabalho?”
O QUE fazer “Har du frihet att bestämma vad som ska utföras i ditt arbete?”
“Do you have a choice in deciding WHAT you do at work?”
“Pode escolher O QUE fazer no seu trabalho?”
1 a versão em inglês apresentada na tabela corresponde a adotada no processo de adaptação transcultural da versão brasileira. A tradução da versão em sueco corresponde a “Does your work require creativity ?”
Itens Versão sueca Versão em inglês Versão brasileira Ambiente calmo “Det är en lugn och behaglig
stämning på min arbetsplats”
“There is a calm and pleasant
atmosphere where I work” “Existe ambiente calmo e agradável onde trabalha”
Relacionamento com os colegas de trabalho
“Det är god sammanhållning” “We get on well with each other where I work”
“No trabalho, nos relacionamos bem uns com os outros.”
Apoio dos colegas “Mina arbetskamrater ställer upp för mig”
“My co-workers support me” “Posso contar com o apoio dos meus colegas de trabalho”
Compreensão dos colegas “Man har förståelse för att jag kan ha en dålig dag”
“The others understand if I have a bad day”
“Se não estiver num bom dia, meus colegas compreendem”
Relacionamento com os chefes
“Jag kommer bra överens med mina överordnade”
“I get on well with my supervisors”
“No trabalho, eu me relaciono bem com meus chefes”
Satisfação ao trabalhar com os colegas
“Jag trivs med mina arbetskamrater” “I enjoy working with my co- workers”
“Gosto de trabalhar com meus colegas”
6.1.3.2 Variáveis sociodemográficas
O perfil demográfio foi descrito pelas variáveis idade e sexo que estavam disponíveis nos três bancos de dados utilizados para esta tese. Uma variável setor de trabalho foi criada para identificar os diferentes bancos nas análises de dados e classificada como restaurante e hospital, para o artigo 1 e Brasil e Suécia, para o artigo 2.
As variáveis nível de escolaridade e ocupação foram utilizadas como marcadores de posição socioeconômica.
a) Escolaridade:
No estudo PROSEC, a escolaridade foi informada utilizando-se sete opções de resposta:
primeiro grau completo, segundo grau incompleto, segundo grau completo, universitário incompleto, universitário completo e pós-graduação.
No estudo de Aguiar (2009) a informação foi obtida em anos de estudo e a correspondência para os níveis de escolaridade foi feita conforme orientações do Instituto Brasileiro de Geografia e Estatística (IBGE): alfabetização (0 anos de estudo), primeiro grau (1 a 8 anos), segundo grau (9 a 11 anos), superior incompleto (12 anos) e superior completo (13 anos de estudo).
No estudo SLOSH (KINSTEN et al., 2007) o nível de escolaridade foi classificado de acordo com o sistema de classificação SUN 2000 - Svensk Utbildningsnomenklatur (STATISTICS SWEDEN, 2000), convertido para o sistema internacional de classificação de educação ISCED 97 - International Standard Classification of Education (UNESCO, 1997), para posterior correspondência com a classificação utilizada no banco PROSEC. A equivalência do nível de escolaridade entre as três fontes de dados está apresentada no quadro 3.
Estudo PROSEC
Estudo de Aguiar (2009)
Estudo SLOSH ISCED 1997 Códigos integrados Variável
escolaridade 1. 1º grau
incompleto 1 a 7 anos de
estudo 10. förgymnasial
(< 9 anos) 0. pre-primary education
1. first stage of basic education 1.ensino fundamental incompleto
2. 1º grau completo
8 anos de estudo 20. förgymnasial (9/10 anos)
2. lower secondary education (second stage of basic education)
2.ensino fundamental complete
3. 2º grau incompleto
9 a 10 anos de estudo
31. gymnasial (< 2 anos) 32. gymnasial (2 anos)
- 3. ensino médio
incompleto
1. < ensino médio
4. 2º grau
completo 11 anos de estudo 33. gymnasial (3 anos) 3. (upper) secondary education 4. ensino médio completo 5. superior
incompleto 12 anos de estudo 41. eftergymnasial (< 2 anos)
52. eftergymnasial (2-3 anos)
4. post-secondary non tertiary
education 5. ensino superior
incompleto
2. ensino médio completo
6. superior completo
13 anos de estudo 53. eftergymnasial (3-4 anos)
54. eftergymnasial (4-5 anos)
5. first stage of tertiary education 6. ensino superior completo
7. pós- graduação
- 55. eftergymnasial
(5 ou + anos) 62. forskar, licentiat 64. forskar, doktors
6. second stage of tertiary education
7. > ensino superior completo
3. universitário completo ou mais
b) Ocupação:
No estudo PROSEC, o questionário incluiu perguntas sobre a ocupação atual, profissão e atividades realizadas (ver anexo A). Estas variáveis foram utilizadas para classificar a ocupação de acordo com o sistema de classificação de 4 dígitos da Classificação Brasileira de Ocupações – CBO-2002 (BRASIL, 2002), que foi convertida para a Classificação Internacional de Ocupações ISCO-1988 (INTERNATIONAL LABOUR ORGANIZATION, 1988).
No estudo de Aguiar (2009), a entrevista incluiu uma pergunta sobre ocupação atual,
“Você atualmente ocupa qual cargo?” e ofereceu 8 opções de resposta: auxiliar de serviços gerais, copeiro, auxiliar de cozinha, cozinheiro, magarefe, estoquista, chefe de cozinhas e outras ocupações. Da mesma forma que no PROSEC, as ocupações foram codificadas segundo a CBO- 2002 (BRASIL, 2002), posteriormente convertida para a ISCO-88 (INTERNATIONAL LABOUR ORGANIZATION, 1988).
Finalmente, no estudo SLOSH, a variável ocupação foi coletada em 2003 utilizando-se o sistema sueco de classificação de ocupações – SSYK96 (STATISTICS SWEDEN). Estes códigos foram convertidos para a variante europeia da ISCO-88, denominada ISCO-88(COM) (ELIAS;BIRCH, 1994), e posteriormente para a ISCO-88 (INTERNATIONAL LABOUR ORGANIZATION, 1988).
A variável ocupação foi classificada em duas categorias nos dois primeiros artigos desta tese (apêndice A). A primeira categoria foi representada pelos grandes grupos 1 a 4 da ISCO-88, que incluiu legisladores, gerentes, profissionais, técnicos e administrativos. A segunda categoria incluiu os grandes grupos 5 a 9 da ISCO-88, a saber, trabalhadores do comércio, da agricultura, artesãos, operadores de máquinas e ocupações elementares.
6.1.4 Análise estatística
As amostras foram descritas segundo idade, sexo, escolaridade e ocupação. Média e desvio-padrão foram usados para a descrição da idade, enquanto a proporção foi utilizada para as demais variáveis. A análise foi realizada no programa STATA SE, versão 10.0.
6.1.4.1 Validade dimensional
A avaliação da estrutura dimensional da escala abreviada de demanda controle (DCSQ) foi feita por meio de análise fatorial, classe de métodos estatísticos multivariados com o objetivo de identificar a estrutura subjacente de inter-relações de uma matriz de dados, as variáveis originais ou os itens de um questionário multidimensional, que definem um conjunto de dimensões latentes, denominada de fatores (HAIR et al., 2006a). O uso de análise fatorial no estudo de escalas data do início do século 20, quando Spearman (1904) desenvolveu um método para a criação de um índice geral de inteligência (fator) baseado na aplicação de testes (escalas).
Desde então, este método tem sido um dos procedimentos estatísticos mais utilizados na avaliação psicométrica de escalas multidimensionais.
A análise fatorial é classicamente denominada “exploratória” quando as técnicas analíticas se baseiam nos dados da amostra analisada e não estabelecem restrição a priori sobre o conjunto de itens que define cada fator e o número de fatores a serem extraídos. Porém, quando se deseja confirmar hipóteses baseadas em um modelo teórico preconcebido, ou seja, avaliar em que medida os dados satisfazem uma estrutura dimensional predefinida, a análise fatorial é denominada confirmatória (HAIR et al., 2006a). Na análise fatorial dita “exploratória”, as cargas fatoriais são livremente estimadas para todos os itens em todos os fatores (ou dimensões) extraídos; na “confirmatória”, as cargas fatoriais são estimadas exclusivamente para as relações item-fator teoricamente definidas e fixadas no valor zero para as demais. Ambas as estratégias são geralmente adotadas para confirmar hipóteses sobre estruturas dimensionais de construtos teoricamente definidos e, portanto, podem em princípio ser consideradas como confirmatórias.
O método de fatores comuns foi escolhido para a extração dos fatores para identificar as dimensões latentes que refletem o que as variáveis têm em comum. No contexto da análise fatorial “exploratória”, o modelo de fatores comuns postula que cada variável observada é expressa como uma combinação linear dos fatores comuns e por um componente único aleatório dessa variável, conforme fórmula abaixo (KLEINBAUM; KUPPER et al., 1988):
X1= j1F1 +j2F2 …………. +jcFc + Uj = Cj+Uj
Onde X representa cada variável, as cargas fatoriais (coeficientes), F1 a Fc os fatores, C a combinação linear dos fatores (j1F1 + ... + n mFm ) e U a variância única.
A variância comum representa a quantidade total de variância que uma variável original compartilha com todas as demais incluídas na análise. Para a utilização deste modelo, dois pressupostos básicos devem ser respeitados. Os componentes únicos (U) não devem estar correlacionados entre si e, também, não devem estar correlacionados com os fatores comuns (HAIR; BLACK et al., 2006a).
A análise fatorial denominada “exploratória” é uma técnica de interdependência que considera todas as variáveis simultaneamente e que são exploradas quanto ao inter- relacionamento linear, para identificar a estrutura subjacente de fatores da forma mais parcimoniosa possível (KLEINBAUM et al., 1988; HAIR et al., 2006a).
Pelo fato dos itens do DCSQ serem ordinais, assumindo valores que variam de um a quatro, uma matriz de correlação policórica foi empregada em substituição a matriz de correlação de Pearson, adequada para variáveis contínuas de distribuição normal (JÖRESKOG, 1994;
FINNEY; DI STEFANO, 2006).
O critério para extração de fatores foi baseado nos autovalores (eigenvalues ≥ 1) , no gráfico dos auto-valores (scree plot) e na capacidade teórica de interpretação dos fatores. A extração de fatores (sem rotação) ocorre na ordem de sua importância, ou seja, o primeiro fator explica a maior parcela da variância e os demais, parcelas sucessivamente menores da variância (KLEINBAUM et al., 1988; HAIR et al., 2006a).
A rotação de fatores é uma ferramenta usada para alterar os fatores iniciais com o objetivo de simplificar a estrutura dimensional, que é alcançada quando cada uma das variáveis originais está altamente correlacionada com apenas um fator, e quando cada fator possa ser identificado como representante do que é comum a um conjunto pequeno de variáveis. Ou seja, trata-se da rotação dos eixos das coordenadas de referência dos fatores em torno da origem até outra posição que permita melhor interpretação teórica. A rotação ortogonal é a solução mais simples e adequada para situações em que os fatores não estão correlacionados entre si, pois restringe o ângulo entre os eixos dos fatores em 90 graus (KLEINBAUM et al., 1988; HAIR et al., 2006a).
Entretanto, para esta análise foram aplicadas as rotações oblíquas, ou seja, quando não há a restrição ortogonal, porque não pareceu razoável supor a inexistência de correlação entre as
dimensões (fatores) para o modelo demanda controle (KARASEK; THEORELL, 1990; HAIR et al., 2006a).
A análise fatorial dita “confirmatória” utiliza modelagem de equações estruturais para avaliar simultaneamente o sistema completo de variáveis para determinar em que extensão a estrutura dimensional proposta pelo modelo teórico (KARASEK; THEORELL, 1990) é consistente com o conjunto de dados (BYRNE, 2001). A modelagem de equações estruturais é uma extensão de diversas técnicas multivariadas, tais como regressão e análise fatorial, que permite examinar uma série de relações de dependência simultaneamente (BROWN, 2006; HAIR et al., 2006b).
As hipóteses testadas foram orientadas pelo modelo teórico proposto por Karasek e Theorell (1990), pela revisão dos estudos publicados sobre validade dos instrumentos JCQ e DCSQ e pela solução encontrada na análise fatorial tipo “exploratória” (HAIR et al, 2006b).
Inicialmente, três modelos foram avaliados:
a) O primeiro modelo foi expresso em três dimensões (variáveis latentes): “demandas psicológicas”, “controle” e “apoio social no trabalho”;
b) O segundo, considerou quatro dimensões, valendo-se da subdivisão da dimensão controle em “uso de habilidades” e “autonomia para decisão”; e
c) O terceiro modelo excluiu a dimensão “apoio social no trabalho” da análise, uma vez que o pressuposto teórico original não considera esta dimensão, posteriormente definida como potencial modificadora de efeito (Karasek & Theorell, 1990; Johnson
& Hall, 1988).
A matriz de correlação policórica e o estimador robusto de mínimos quadrados ponderados WLMV (robust weighted least squares) foram utilizados por serem mais adequados às variáveis categóricas, caso do DCSQ (MUTHÉN, 1993). Os parâmetros estimados pelo modelo incluíram as cargas padronizadas, com os respectivos intervalos de 95% de confiança, as correlações entre os fatores e as variâncias únicas dos itens (uniqueness) (BROWN, 2006).
A avaliação do modelo incluiu três aspectos: a) avaliação dos parâmetros estimados quanto a magnitude, significância estatística e capacidade de interpretação teórica; b) presença ou ausência de estimativas transgressoras, como por exemplo, cargas padronizadas que excedem o valor 1 ou variância negativa de erros para qualquer dimensão; e c) avaliação da qualidade do ajuste (BROWN, 2006; HAIR et al., 2006b).
As regras de decisão adotadas para aceitação ou rejeição dos modelos foram definidas pelas estatísticas de qualidade do ajuste (HAIR et al., 2006b). Entretanto, estas regras podem ter sido flexibilizadas em favor da teoria sobre a construção do construto. Sendo assim, o modelo foi considerado com bom ajuste quando as cargas padronizadas assumiram valores absolutos maiores ou igual a 0,40 e variâncias únicas dos itens e correlações entre fatores com valores menores do que 0,50. Além disto, a presença de estimativas transgressoras, cargas padronizadas maiores do que 1 e variâncias negativas, indicaram possível má especificação do modelo ou do estimador (HAIR et al., 2006b).
Os critérios de avaliação da qualidade do ajuste estão baseados na comparação das diferenças entre as correlações observadas e as preditas pelo modelo. Os indicadores de ajuste são classificados em três categorias: ajuste absoluto, parcimonioso e incremental. As medidas de ajuste absoluto avaliam apenas o ajuste geral do modelo, ou seja, a correspondência entre a matriz de entrada de dados com a prevista pelo modelo proposto. A estatística qui-quadrado é a mais comumente avaliada para modelos que utilizaram estimadores de máxima verossimilhança.
As medidas de ajuste icremental comparam o modelo proposto pelo pesquisador com um modelo aninhado mais restrito, denominado modelo vazio, no qual as correlações entre todos os itens são fixadas em zero. As medidas de ajuste parcimonioso penalizam o modelo com maior número de parâmetros estimados livremente (BROWN, 2006).
Para esta análise utilizamos os seguintes indicadores de ajuste: a) o ajuste absoluto foi avaliado pelo indicador Weighted Root Mean square Residual (WRMR), recomendado para o estimador WLSMV (robust weighted least squares) (MUTHÉN, 1993); b) O ajuste incremental foi avaliado pelos indicadores Tucker-Lewis index (TLI) e Comparative fit index (CFI); e c) o ajuste parcimonioso foi avaliado pelo indicador Root Mean Square Error of Aproximation (RMSEA) (BROWN, 2006; HAIR et al., 2006b).
Os índices de modificação, obtidos na modelagem de equações estruturais, são calculados para cada parametro não estimado pelo modelo. Este índice representa a redução na estatística qui-quadrado que aconteceria se aquele parâmetro não especificado pelo modelo passasse a ser livremente estimado e pode orientar o pesquisador na re-especificação do modelo (BROWN, 2006).
As diferenças entre as análises de fatores “exploratória” (AFE) e “confirmatória” (AFC) estão relacionadas à solução apresentada pelo modelo quanto à especificação do modelo, à
padronização das cargas fatoriais, quanto à rotação dos fatores e a possibilidade de avaliar correlação entre erros de medida, denominadas variâncias únicas (BROWN, 2006). Ambos os procedimentos utilizam o modelo de fatores comuns para a extração dos fatores, porém a AFE fornece soluções completamente padronizadas para os parâmetros estimados, ou seja, as variâncias dos fatores são fixadas no valor 1,0 e as cargas fatoriais são interpretadas como correlações ou coeficientes de regressão padronizados. A AFC disponibiliza soluções padronizadas, ou seja, as relações entre itens não padronizados e variáveis latentes padronizadas, e soluções não padronizadas, cuja estimativa do parâmetro é apresentada na escala original de medida dos itens, o que possibilita estimar erros-padrão e avaliar a significância estatística dos parâmetros estimados. O terceiro aspecto se refere ao fato de que na AFE as cargas fatoriais são livremente estimadas e a rotação dos fatores é empregada para forçar que cada item tenha carga em apenas um fator, minimizando a magnitude de cargas cruzadas. Na AFC, a rotação de fatores não é empregada porque o modelo a ser testado é mais parcimonioso, pois pressupõe que cada item tenha carga em apenas em um fator. O terceiro aspecto se refere ao fato de que só é possível avaliar a correlação entre erros de medida (variâncias únicas ou uniqueness) com modelo de equações estruturais, tipicamente empregado em AFC e mais recentemente em AFE (MARSH et al., 2009).
Os procedimentos de análise fatorial exploratória e confirmatória foram realizados no pacote estatístico Mplus, versões 5.1 (artigo 1) e 5.2 (artigo 2), que disponibiliza o estimador robusto de mínimos quadrados ponderados WLSMV, apropriado para variáveis (itens) categóricas ou ordinais (MUTHÉN, 1993; MUTHÉN 1998-2007).
No artigo 1, a análise fatorial tipo “exploratória” foi aplicada para inspecionar semelhanças na estrutura dimensional de cada amostra (Estudo PROSEC e de Aguiar, 2009).
Posteriormente, a análise fatorial tipo “confirmatória” foi empregada para a amostra total e estratificada pelos setores de trabalho (hospital e restaurantes) (ver apêndice A).
No artigo 2, AFE e AFC foram empregadas para cada amostra para comparar a estrutura dimensional do DCSQ entre trabalhadores de hospital da Suécia e do Brasil.