Aplicação de metodologias de análise estaística na isentificação da fatores psicossociais preditivos de bom ajustamento à vida de pessoas com doenças crónicas
Full text
Estela Maria dos Santos Ramos Vilhena APLICAÇÃO DE METODOLOGIAS DE ANÁLISE ESTATÍSTICA NA IDENTIFICAÇÃO DE FATORES PSICOSSOCIAIS PREDITIVOS DE BOM AJUSTAMENTO À VIDA DE PESSOAS COM DOENÇAS CRÓNICAS Tese de Candidatura ao grau de Doutor em Ciências Biomédicas submetida ao Instituto de Ciências Biomédicas Abel Salazar da Universidade do Porto. Orientador - Doutora Denisa Maria de Melo Vasques Mendonça Categoria – Professora Associada Afiliação – Instituto de Ciências Biomédicas Abel Salazar da Universidade do Porto. Coorientador – Doutor José Luís Pais Ribeiro Categoria – Professor Associado com Agregação Afiliação – Faculdade de Psicologia e Ciências da Educação da Universidade do Porto
- iii - Para ti, Bruna
- v - “Aprender é única coisa que a mente nunca se cansa, nunca tem medo e nunca se arrepende.” Leonardo da Vinci "Mas deixarei o pouco que aprendi ser divulgado para que alguém possa melhor do que eu adivinhar a verdade, e com o seu trabalho provar e rebater o meu erro. Então sentirei a satisfação de saber que foi também através de mim que essa verdade chegou à luz do dia. " Albrecht Durer, in Popper, K.R., Um Mundo de Propensões
- vi -
- vii - Agradecimentos “Cada um que passa em nossa vida, passa sozinho… Porque cada pessoa é única para nós, e nenhuma substitui a outra. Cada um que passa em nossa vida passa sozinho, mas não vai só… Levam um pouco de nós mesmos E nos deixam um pouco de si mesmos. Há os que levam muito, mas não há os que não levam nada. Há os que deixam muito, mas não há os que não deixam nada. Esta é a mais bela realidade da vida… A prova tremenda de que cada um é importante.” Antoine de Saint-Exupéry A todos os doentes crónicos… À Professora Doutora Denisa Mendonça, pela disponibilidade para orientação científica deste trabalho, pela confiança e amizade demonstradas há mais de uma década; pela partilha e companhia nos encontros científicos; por todo o seu apoio e pela maneira incansável como acompanhou esta pesquisa ajudando-me a encontrar soluções nos momentos menos fáceis; Ao Professor Doutor José Luís Pais Ribeiro, por me aceitar na sua equipa de investigação, no seu projeto, possibilitando desta forma a realização deste trabalho; pela sua orientação, pelo seu conhecimento, pela paciência nas questões mais básicas; pela sua persistência em me tornar uma ‘investigadora’ mais atrevida; pelo seu otimismo e pelas suas palavras de conforto e apoio nos momentos certos; pela simpatia e amizade construída ao longo deste tempo; Ao Professor Doutor António Martins da Silva, por quem tenho muita estima e consideração; por ser o pioneiro das ‘minhas aventuras’ na área da saúde; pela simpatia e amizade criada ao longo destes anos; porque é para mim uma referência, pelo seu
- viii - modelo de ensino, paciência, disponibilidade, orientação e comentários sempre oportunos; pela sua recetibilidade e cooperação sempre que necessário; Ao Professor Doutor José Maia, pelas suas orientações e disponibilidade sempre que necessárias; À Professora Doutora Alda Sousa pela sua contribuição neste trabalho; Ao IPCA, pela atribuição da bolsa PROTEC concedida ao longo de dois anos, que contribui para o avanço deste trabalho; Aos colegas desta ‘batalha’, principalmente à Laetitia, à Carla e ao Luís, pela partilha dos bons e maus momentos percorridos ao longo deste percurso, pelos nossos passeios Cientifico Culturais, pelos sorrisos partilhados… pela Amizade construída! Ao Diretor da Escola Superior de Tecnologia do Instituto Politécnico do Cávado e do Ave, Professor Doutor Nuno Rodrigues, por acreditar em mim; Aos colegas do Departamento de Ciências da EST, IPCA, por todo o carinho e amizade e, especialmente pelo incentivo e solidariedade permanente, demonstradas ao longo da elaboração deste trabalho; À minha Família e Amigos, por todo o apoio, afeto e compreensão, por nunca deixarem de acreditar em mim, animando-me e incentivando-me nas horas menos fáceis; Ao meu irmão Rui porque é e sempre será um dos grandes Homens da minha Vida; Aos meus pais, pelo seu exemplo de vida, por nunca desistirem de mim, pelo seu incentivo e apoio constantes, pelo seu Amor e Carinho; a eles, que mais do que ninguém, mereceram que eu chegasse até aqui; Ao meu marido Jorge, por tudo …, pela enorme paciência, sentido de humor, crítico e perspicaz, mas essencialmente pelo amor e carinho ao longo deste percurso… À Bruna, pela sua existência …
- ix - Índice de Figuras, Quadros e Tabelas (Capítulo 1. Introdução) Quadro 1 – Estudos realizados (título, objetivo e metodologia de análise estatística aplicada) ..…………………………………………………………………………..11 (Capítulo 2. Estado da Arte) Figura 1 – Representação esquemática dos modelos SEM (Modelo de Medida e Modelo Estrutural) (Adaptado57) ………………………..………………………….28 Figura 2 – Exemplos de Modelos Recursivos e Não Recursivos (Fonte54) ….……………29 Tabela 1 – Valores de referências para as estatísticas e índices de ajustamento, na avaliação da qualidade do ajustamento do modelo .……………………….40 Figura 3 – Modelo de Mediação (Fonte95) ………………………………………….…………46 Figura 4 – Diagrama de caminhos em Modelos de Moderação ……………………………48 (Capítulo 4. Resultados) Estudo 1 - O otimismo como mediador entre a personalidade e qualidade de vida de pessoas com doenças crónicas Quadro 1 – Características sociodemográficas e clínicas da amostra (n=542) …………66 Quadro 2 – Coeficientes de Correlação de Pearson ………………………………………..69 Figura 1 – Coeficientes beta estandardizados do modelo de mediação do otimismo entre a personalidade (extroversão, conscienciosidade, amabilidade) e a saúde física ………………………………………………………………………..…70 Figura 2 – Coeficientes beta estandardizados do modelo de mediação do otimismo entre a personalidade (conscienciosidade e amabilidade) e o bem-estar geral …………………………………………………………………………………..68 Figura 3 – Coeficientes beta estandardizados do modelo de mediação do otimismo entre a personalidade (abertura à experiência e conscienciosidade) e a saúde mental ………………….………………………………………………….…69
- xvi - De forma a dar resposta aos objetivos integrantes desta tese e ainda em fase de recolha de dados, foram elaborados alguns estudos iniciais. Gradualmente foram testados vários modelos, cuja complexidade foi aumentando, suportados com uma base teórica fundamentada e englobando diversas metodologias de análise estatística. Nesta investigação, verificou-se, que o otimismo disposicional, afeto positivo, afeto negativo, suporte social, estigma, espiritualidade e adesão aos tratamentos, são fatores preditores de bom ajustamento à vida de pessoas com doenças crónicas. Os resultados mostraram também que o otimismo disposicional é um preditor importante de bom ajustamento à vida de pessoas com doenças crónicas, evidenciando-se como exercendo um efeito mediador, estatisticamente significativo, entre fatores de personalidade/psicossociais e a qualidade de vida/bem-estar subjetivo. Para os três subgrupos de doentes estudados (pessoas com doenças metabólicas, pessoas com doenças neurológicas e pessoas com cancro) foram encontrados como preditores da qualidade de vida e do bem-estar subjetivo, o afeto positivo, a adesão aos tratamentos e a espiritualidade. Este estudo contribuiu para a compreensão dos processos associados à qualidade de vida e ao bem-estar subjetivo de pessoas com doenças crónicas. A identificação de fatores psicossociais preditivos de bom ajustamento à vida de pessoas com doenças crónicas, é mais um contributo para os profissionais de saúde poderem atuar de forma assertiva e eficaz, contribuindo desta forma para uma melhor QdV e BES de doentes crónicos.
- xvii - Abstract With the increase of life expectancy over time, the prevalence of chronic disease increased. Psychological and social consequences of such diseases require a significant adjustment in the daily lives of persons with chronic diseases. This adjustment is multidimensional and may be influenced by several factors, including socio-demographic, clinical and psychosocial factors and personality. The identification of these factors can be translated to more effective clinical management and to an improved functioning in several areas of life. Several studies have been performed in order to identify factors associated with better adjustment to life of people with chronic diseases. Although these factors identified as predictors that contribute to a better quality of life and a better subjective well-being are naturally associated with each other and not easily separable, they are often analyzed separately and considering a specific chronic disease. Thus, there is a lack of studies that examine simultaneously the associations between psychosocial factors, quality of life and subjective well-being. The present study has as main objective to evaluate simultaneously the impact of psychosocial factors identified as predictive factors of quality of life and subjective well-being in people with chronic diseases. The discussion and application of methodologies of statistical analysis allow to answer the following specific objectives: 1) To identify predictive psychosocial factor of good adjustment to life of people with chronic diseases; 2) To identify moderating/mediating variables between personality and psychosocial factors and quality of life and subjective well-being; 3) To compare the quality of life, subjective well-being and associated factors among people with different chronic diseases. The complexity of the issue requires the application of appropriate statistical methodologies to obtain a better comprehension of the effect of psychosocial factors on quality of life and subjective well-being in this population. The study comprises a sample of 774 patients with chronic diseases, including cancer diabetes, multiple sclerosis, epilepsy, myasthenia gravis and obesity. These patients were recruited in the main Portuguese hospitals directly by their physicians in outpatient departments. Patients completed structured and standardized questionnaires, performed by psychologists.
- xviii - The identification of psychosocial predictive and mediators factors of good adjustment of life was performed using Multivariate Linear Regression Models, Multivariate Analysis of Covariance and Structural Equation Modeling. Several models were tested, considering various statistical methodologies, increasing gradually their complexity supported by theoretical issues. In present research, it was found that dispositional optimism, positive affect, negative affect, social support, stigma, spirituality and adherence to treatment are predictors of good adjustment to life of people with chronic diseases. The results also showed that dispositional optimism present a statistical significant mediator effect between personality/psychosocial factors and quality of life/subjective wellbeing. For the three subgroups of patients considered (people with metabolic diseases, neurological diseases and cancer) positive affect, treatment adherence and spirituality were found to be significant predictors of quality of life and subjective well-being. This study contributes to the understanding of processes associated with quality of life and subjective well-being of Portuguese people with chronic disease.
- xix - Índice Agradecimentos ............................................................................................................. vii Índice de Figuras, Quadros e Tabelas ............................................................................ix Acrónimos ..................................................................................................................... xiii Resumo .........................................................................................................................xv Abstract ........................................................................................................................ xvii Índice ............................................................................................................................ xix 1.Introdução.............................................................................................................................1 1.1EnquadramentoeFundamentaçãodoEstudo.........................................................3 1.2ObjetivosdoEstudo..................................................................................................7 1.3.EstruturadaTese......................................................................................................9 2.EstadodaArte.....................................................................................................................13 2.1QualidadedeVida...................................................................................................15 2.2MetodologiasdeAnáliseEstatísticausadasnaAvaliaçãodaQualidadedeVidade PessoascomDoençasCrónicas...........................................................................................21 2.2.1VariáveisLatentes...........................................................................................21 2.2.2ModelodeEquaçõesEstruturais....................................................................23 2.2.2.1Introdução...................................................................................................23 2.2.2.2HistóriadosSEM.........................................................................................23 2.2.2.3DefiniçãodeModelosdeEquaçõesEstruturais–ConceitosBásicos.........24 2.2.2.4EstratégiadeAnálisedosModelosSEM.....................................................30 2.2.2.5PressupostosdosModelosSEM..................................................................43 2.2.2.6LimitaçõesdaAplicaçãodosModelosSEM................................................45 2.2.3MediaçãovsModeração.................................................................................45 2.2.3.1Mediação.....................................................................................................45 2.2.3.2Moderação..................................................................................................48 3.MateriaiseMétodos...........................................................................................................53 3.1Delineamento..........................................................................................................55
- xx - 3.2Participantes............................................................................................................55 3.3InstrumentosdeAvaliação......................................................................................55 3.3.1VariáveisSociodemográficaseClínicas...........................................................56 3.3.2VariáveisdePersonalidade.............................................................................56 3.3.3VariáveisPsicossociais.....................................................................................56 3.3.4VariáveisResultado.........................................................................................58 3.4AnáliseEstatística....................................................................................................59 4.Resultados...........................................................................................................................61 Estudo1‐Ootimismocomomediadorentreapersonalidadeequalidadedevidade pessoascomdoençascrónicas............................................................................................63 Estudo2‐OptimismonqualityoflifeinPortugueseChronicPatients: moderator/mediator?.........................................................................................................75 Estudo3‐AnapplicationofStructuralEquationModelingtotest,inpersonswithchronic disease,theeffectmediatorofOptimismbetweenPersonalityandQualityofLife ..........95 Estudo4‐AnapplicationofStructuralEquationModelingtotestdispositionaloptimism asmediatorormoderatorinQualityofLifeinpatientswithchronicdisease...................99 Estudo5‐AdjustmenttoaChronicDisease:StructuralModelingApplication................111 Estudo6‐QualityoflifeinPortugueseObesePatients.TheRoleofDispositional OptimismandSocialSupport............................................................................................117 Estudo7‐AplicaçãodeModelosdeEquaçõesEstruturaisnaAvaliaçãodaQualidadede VidaemPessoascomDoençasMetabólicas.....................................................................121 Estudo8‐PsychosocialfactorsaspredictorsofQualityofLifeinChronicPortuguese Patients..............................................................................................................................127 Estudo9‐OImpactodoEstigmaedoBem‐estarSubjetivoemPessoascomDoenças Crónicas.............................................................................................................................155 Estudo10‐PredictorsofQualityofLifeinPortugueseObesePatients‐AStructural EquationModelingApplication.........................................................................................165 Estudo11‐PsychosocialFactorsasPredictorsofGoodAdjustmenttoLifeinChronic PortuguesePatients..........................................................................................................189 AStructuralEquationModelingApplication.....................................................................189
- xxi - Estudo12‐Preditoresdaqualidadedevidaempessoascomdoençascrónicas............205 5.Discussão/Conclusão.........................................................................................................217 5.1Discussão...............................................................................................................219 6–ReferênciasBibliográficas................................................................................................229 7.Anexos...............................................................................................................................243
- 1 - 1. Introdução
Capítulo 1 - Introdução - 3 - 1.1 Enquadramento e Fundamentação do Estudo Atualmente, nos seus estudos, os investigadores vêem-se confrontados com um grande número de medidas para poderem captar, de forma adequada, a complexidade dos fenómenos observados. A quantificação destas medidas, e dos dados por elas gerados, apenas pode ser feita através da aplicação de metodologias de análise estatística específicas que permitam analisar simultaneamente vastos conjuntos de variáveis. O desenvolvimento tecnológico que se tem verificado no decorrer dos anos, tem permitido a evolução e aplicação de diversos programas informáticos (software). Nestes, encontram-se já implementadas técnicas de análise multivariada, que permitem aos investigadores tratar e analisar, simultaneamente, uma grande quantidade de informação, de forma a responder aos objetivos das suas investigações. O número de métodos e técnicas de análise estatística multivariada utilizadas nas diversas investigações, das mais diversificadas áreas, é bastante amplo. Entre eles podemos destacar, entre outros, os mais comuns, como o Modelo de Regressão Linear Múltipla (MRLM), Análise Multivariada de Variância (MANOVA), Análise Fatorial (AF). Todas estas técnicas são consideradas uma ferramenta útil na avaliação de questões práticas e teóricas, envolvendo um conjunto amplo de dados. A revisão dos pressupostos associados a cada uma delas é considerada base na definição de regras bem claras e bem fundamentadas em evidência. Torna-se assim fundamental a avaliação da coerência entre pressupostos e técnicas na elaboração de investigações, sendo este um fator imprescindível para a sua adequação e validação científica. Na área da Psicologia, a história de métodos de investigação também tem sido marcada pelo tempo e pelas inovações tecnológicas. A Psicologia com quase dois mil anos de existência e com origem no Ocidente, está associada às exigências do conhecimento da humanidade em cada momento histórico, de acordo com a realidade socioeconómica e pela necessidade do homem se conhecer a si mesmo. Desde sempre, a sua preocupação centralizou-se no conhecimento da mente, preocupação essa que foi sendo construída através de formas de compreender o homem e estudá-lo1. A Psicologia estuda o comportamento e os processos mentais: atenção, memórias, emoções (afetividade, sofrimento), como reage o ser humano, como se comporta e vive situações da vida. É definida como uma ciência, pois analisa os processos psíquicos e comportamentais através de um método científico e não através de suposições do senso comum. “… a ciência é ciência de um mundo real e que este, por sua natureza, é mudança, movimento e variação constantes. As proposições científicas, portanto, só têm
Aplicação de Metodologias de Análise Estatística na Identificação de Fatores Psicossociais Preditivos de Bom Ajustamento à Vida de Pessoas com Doenças Crónicas qualidade de vida (bem-estar geral, saúde física e saúde mental), utilizando MRLM. Posteriormente, considerou-se um outro estudo (estudo 2), com uma amostra de maior dimensão, com o mesmo objetivo e incluindo também a componente do bem-estar subjetivo. Nos estudos subsequentes (estudo 3 e 4), com dimensões amostrais diferentes, pretendeu-se explorar, aplicando modelos SEM, o efeito mediador do otimismo disposicional entre o neuroticismo/extroversão (variáveis observadas) e as componentes da QdV (variáveis latentes), sendo que num estudo o otimismo disposicional foi tratado como variável observada (estudo 3) e noutro como variável latente (estudo 4). Em diferentes grupos de doentes (grupo de doentes crónicos – Estudo 5 e grupo de doentes obesos – Estudo 6), foi explorado o impacto simultâneo do otimismo disposicional e do suporte social nas componentes da QdV, considerando estas variáveis como latentes e tendo-se utilizado modelos SEM. Aumentando a complexidade do estudo em termos de construção do modelo com a inserção de mais variáveis psicossociais – otimismo disposicional, perceção de estigma e afeto positivo, avaliadas como latentes e tendo em consideração um grupo específico de doentes (pessoas com doenças metabólicas), analisou-se o impacto simultâneo destas variáveis, nas três componentes da QdV, assim como o efeito mediador do otimismo disposicional entre as variáveis psicossociais e a QdV (estudo 7). Para o grupo de pessoas com doenças crónicas e para subgrupos destes doentes (pessoas com doenças metabólicas, pessoas com doenças neurológicas e pessoas com cancro) (estudo 8), identificaram-se fatores psicossociais (otimismo disposicional, afeto positivo, afeto negativo, espiritualidade, suporte social e adesão ao tratamento) associados às componentes da QdV e ao BES, usando MANCOVA. No grupo de doentes obesos (estudo 10) o objetivo foi o de identificar um conjunto simultâneo de preditores (otimismo disposicional, afeto positivo, afeto negativo, perceção de estigma e suporte social) de bom ajustamento à vida. Foram usados modelos SEM e todas as varáveis psicossociais e de QdV, foram consideras como variáveis latentes. Com objetivo semelhante (estudo 11), no grupo de doentes crónicos, identificou-se um conjunto de fatores psicossociais, otimismo disposicional, afeto positivo, afeto negativo, espiritualidade, suporte social e adesão aos tratamentos, preditivos da QdV e do BES, usando modelos SEM. Em consonância com os objetivos estabelecidos pelos elementos do grupo de investigação, elaborou-se um estudo no qual se pretendeu avaliar o impacto do estigma e do bem-estar subjetivo em pessoas com doenças crónicas (estudo 9). Um outro estudo (estudo 12) foi elaborado com o objetivo de identificar (usando MANCOVA) preditores psicossociais a longo prazo da qualidade de vida e do bem estar-subjetivo.
Capítulo 1 - Introdução - 11 - Finalmente, o Capitulo 5 apresenta as principais conclusões sintetizando a essência dos resultados; também neste são mencionadas novas propostas para trabalhos futuros, orientadas para novas pesquisa que podam dar continuidade aos resultados obtidos nesta tese. Quadro 1 – Estudos realizados (título, objetivo e metodologia de análise estatística aplicada) Estudo 1 Artigo Publicado Revista Nacional O otimismo como mediador entre a personalidade e a qualidade de vida de pessoas com doenças crónicas Avaliar o efeito mediador do otimismo entre os traços de personalidade e a qualidade de vida e o bem-estar subjetivo. Metodologia: MRLM Estudo 2 Arigo Aceite RAMB Optimism on quality of life in Portuguese Chronic Patients: moderator/mediator? Avaliar a relação entra os traços de personalidade com a qualidade de vida e o bem-estar subjetivo, e analisar se o otimismo exerce um efeito mediador entre estes. Metodologia: MRLM Estudo 3 Trabalho Apresentado Congresso Internacional An application of Structural Equation Modeling to test, in persons with chronic disease, the effect mediator of Optimism between Personality and Quality of Life Estimar o impacto simultâneo do neuroticismo e da extroversão no bem-estar geral e na saúde mental e avaliar simultaneamente se o otimismo exerce um efeito mediador entre eles. Metodologia: Modelos SEM Estudo 4 Artigo Publicado Revista Nacional An application of Structural Equation Modeling to test dispositional optimism as mediator or moderator in Quality of Life in patients with chronic disease Avaliar o efeito moderador e mediador do otimismo entre o neuroticismo/extroversão e o bem-estar geral/saúde mental. Metodologia: Modelos SEM Estudo 5 Trabalho Apresentado Congresso Internacional Adjustment to a Chronic Disease: Structural Modeling Application Avaliar o impacto simultâneo da perceção da severidade da doença, do suporte social e do otimismo no bem-estar geral e na saúde mental. Metodologia: Modelos SEM
Aplicação de Metodologias de Análise Estatística na Identificação de Fatores Psicossociais Preditivos de Bom Ajustamento à Vida de Pessoas com Doenças Crónicas Estudo 6 Trabalho Apresentado Congresso Internacional Quality of life in Portuguese Obese Patients. The Role of Dispositional Optimism and Social Support Avaliar o impacto simultâneo do otimismo e do suporte social na qualidade de vida. Avaliar o efeito mediador entre o suporte social e a qualidade de vida. Metodologia: Modelos SEM Estudo 7 Trabalho Apresentado Congresso Internacional Aplicação de Modelos de Equações Estruturais na Avaliação da Qualidade de Vida em Pessoas com Doenças Metabólicas A perceção do estigma, o otimismo e o afeto positivo são preditores da qualidade de vida; O otimismo exerce um efeito medidor entre a perceção do estigma/afeto positivo e a qualidade de vida. Metodologia: Modelos SEM Estudo 8 Artigo Aceite HQLO Psychosocial factors as predictors of Quality of Life in Chronic Portuguese Patients Identificar preditores da qualidade de vida e do bem-estar subjetivo. Metodologia: MANCOVA Estudo 9 Artigo Publicado Revista Nacional O Impacto do Estigma e do Bem-estar Subjetivo em Pessoas com Doenças Crónicas Avaliar e comparar o impacto da perceção de estigma e do bem-estar subjetivo em pessoas com diferentes tipos de doenças crónicas Metodologia: ANOVA, MANCOVA Estudo 10 Artigo Aceite Journal of Obesity Predictors of Quality of Life in Portuguese Obese Patients A Structural Equation Modeling Application Avaliar o impacto das variáveis psicossociais na qualidade de vida e o efeito mediador do estigma entre o afeto positivo/negativo e a qualidade de vida. Metodologia: Modelos SEM Estudo 11 Artigo a submeter Psychosocial Factors as Predictors of Good Adjustment to Life in Chronic Portuguese Patients Avaliar o impacto simultâneo das variáveis psicossociais na qualidade de vida e no bem-estar subjetivo. Metodologia: Modelos SEM Estudo 12 Artigo Publicado Revista Nacional Preditores da qualidade de vida em pessoas com doenças crónicas Identificar preditores a longo prazo das componentes da Qualidade de Vida e do Bem-Estar Subjetivo. Metodologia: MANCOVA
- 13 - 2. Estado da Arte
Capítulo 2 – Estado da Arte - 15 - 2.1 Qualidade de Vida “O que importa é que haja Saúde!” – Frase popular do povo com a sua sabedoria milenar7. No entanto, hoje em dia as pessoas só pensam na saúde quando adoecem, centralizando-se a sua preocupação nas doenças. Por este motivo, tendem a usar o termo Saúde para se referirem quer à Saúde quer às Doenças7. Em 1948, pela World Health Organization (WHO), a saúde era definida como estado de bem-estar físico, mental e social e não apenas pela ausência de doenças ou de incapacidade. Era centrada no indivíduo isolado e separada quer pelos outros indivíduos, quer pelo meio ambiente. Mais tarde, acrescenta a Saúde é um recurso para a vida do dia-a-dia, uma dimensão da nossa qualidade de vida (QdV), e já não é uma questão que dependa apenas do próprio indivíduo. O QdV é um constructo importante, transversal que pode ser aplicado desde a Psicologia até outros níveis do conhecimento8. É multidimensional, com aplicação e relevância para as pessoas, de todas as faixas etárias, de todas as culturas, estatuto socioeconómico e mesmo localização geográfica. A QdV está relacionada com todos os aspetos do bem-estar da pessoa (físico, psicológico e social) e inclui o seu ambiente; é um conceito mais abrangente do que a saúde, incluindo-a na sua complexidade9. O interesse por este conceito tem influenciado, ao longo das últimas décadas, práticas e políticas do sector da saúde. As decisões e os condicionantes associados ao processo saúde-doença são multifatoriais e complexos. A saúde e as doenças são processos que estão relacionados com aspetos económicos, sociais e culturais. Ano após ano, a esperança de vida tem vindo a aumentar e, com o envelhecimento da população, a prevalência de doenças crónicas aumenta10, 11. As novas tecnologias, que facilitam diagnósticos e tratamentos, permitem às pessoas viver melhor e durante mais tempo com este tipo de doenças. Pessoas com uma doença, ou após uma doença grave, poderão acabar por se adaptar e ter uma vida que não as distingue de pessoas saudáveis. Uma doença crónica é definida como uma doença prolongada, não se resolve espontaneamente e raramente tem cura12, 13, sendo responsável por alterações na vida das pessoas. Pessoas a quem lhes é diagnosticada uma doença crónica são confrontadas com um conjunto de fatores que resultam em efeitos negativos nas suas atividades quotidianas, funcionamento social, psicológico e atividades recreativas. Após o diagnóstico de uma doença crónica, muitas pessoas, confrontadas com as alterações e as consequências negativas no seu dia-a-dia, esforçam-se por encontrar novas formas
Aplicação de Metodologias de Análise Estatística na Identificação de Fatores Psicossociais Preditivos de Bom Ajustamento à Vida de Pessoas com Doenças Crónicas - 16 - de lidar com o binómio doença-vida-diária de modo a reconstruir um ‘novo estilo de vida’. Estas necessitam de ajustamento em vários domínios da vida: o ajustamento é definido como uma resposta a uma mudança no ambiente que permite a que um organismo se adapte adequadamente à mudança. Este, também tem sido classificado como satisfação com a vida, boa autoestima, afeto positivo, uma boa QdV e um bem-estar subjetivo (BES)4, 5. A maioria das doenças físicas está associada a um aumento na prevalência de sintomas psicológicos6. As conceptualizações diferenciadas do ajuste à doença foram avançando na literatura, indicando que esta necessita do ajuste em múltiplos domínios da vida através do curso da trajetória da doença4. Este é um processo que ocorre ao longo do tempo, tem um forte componente psicológico e o seu resultado tem sido operacionalizado como qualidade de vida, bem-estar ou satisfação. Considerando a influência de vários fatores sobre a QdV, vários estudos têm analisado a associação entre estas medidas com a QdV e com o BES. O BES é definido como avaliação global de todos os aspetos da vida de uma pessoa, incluindo a componente afetiva e cognitiva14, e inclui o que as pessoas costumam chamar de felicidade, paz, realização e satisfação com a vida15. A identificação dos indicadores de QdV podem ajudar a determinar a eficácia comparativa dos diferentes tratamentos e avaliar o impacto do tratamento sobre a vida quotidiana dos doentes. Na presente investigação, a avaliação do impacto destes indicadores de QdV e BES recai nas variáveis sociodemográficas e clínicas, na personalidade (neuroticismo, extroversão, amabilidade, conscienciosidade e abertura à experiência), e num conjunto de variáveis psicossociais tais como o otimismo disposicional, o afeto negativo e o afeto positivo, o suporte social, a percepção do estigma, a espiritualidade e a adesão aos tratamentos. A personalidade é considerada um sistema dinâmico que vive no interior da pessoa, responsável pelos padrões característicos do seu comportamento, dos seus pensamentos e dos seus sentimentos17. Os fatores de personalidade podem ter impacto sobre a forma como as pessoas se aproximam das circunstâncias, o que, por sua vez, pode ter um impacto favorável ou desfavorável sobre a QdV. O otimismo é definido como "expectativas gerais de que as coisas boas vão acontecer"18 pg.171. Os otimistas são pessoas que esperam que lhes aconteçam sempre coisas boas. Estes preveem atitudes positivas e tendências para planear a recuperação, buscar
Capítulo 2 – Estado da Arte - 17 - informações e reformular situações ruins17. Scheier e Carver18 explicam que os julgamentos de expectativa, em muitos encontros de stress, podem variar de uma forma geral ou de uma forma muito específica - o otimismo disposicional e otimismo situacional. No trabalho aqui apresentado, o interesse recai sobre o otimismo disposicional19. Caracteriza-se através de preferências estáveis que podem derivar da personalidade ou podem desenvolver-se por outra razão20. As circunstâncias emocionais dos indivíduos têm sido relacionadas com o funcionamento mental e físico. A experiência emocional é composta por dois fatores: o afeto positivo e o afeto negativo. O afeto positivo refere-se a estados emocionais positivos do indivíduo, tais como alegria, interesse, confiança e agilidade. O afeto negativo refere-se a estados emocionais negativos, como medo, tristeza, raiva, culpa, desprezo e repugnância21. O suporte social é outro fator que pode contribuir, ou não, para uma melhor QdV. Este é definido como "um processo de vocação interpessoal que é centrado no intercâmbio recíproco de informações e num contexto específico; consiste no apoio emocional e instrumental e pode melhorar a saúde mental"22, pg.5. A percepção de estigma é definida como “a situação do indivíduo que estiver impedido de plena aceitação social”23, pg. 7. Estigma deriva de uma palavra grega e descreve sinais que indicam algo fora do comum ou de mau relativamente a uma pessoa. É um processo social caracterizado por exclusão, rejeição ou desvalorização de uma pessoa, baseado numa característica permanente de identidade conferida por um problema de saúde ou condição relacionada à saúde24, 25. Já a espiritualidade26 é definida de várias maneiras e pode variar de acordo com os diferentes tipos de religiões. Esta reflete uma dimensão psicológica única, em torno do qual as pessoas organizam as suas vidas, objetivos, valores e intenções; oferece esperança e oportunidades de crescimento pessoal e aumenta o apoio social, conferindo benefícios importantes para as pessoas com doenças crônicas. A orientação espiritual pode aliviar problemas de saúde. Um dos problemas enfrentados pelo sistema de saúde é muitas vezes o incorreto ou o não cumprimento dos tratamentos prescritos pelos profissionais de saúde. A adesão aos tratamentos é definida como a medida em que o comportamento de uma pessoa é consistente com as recomendações de saúde27. A não adesão aos tratamentos constitui provavelmente a mais importante causa de insucesso das terapêuticas, introduzindo disfunções no sistema de saúde através do aumento da morbilidade e da mortalidade28
Aplicação de Metodologias de Análise Estatística na Identificação de Fatores Psicossociais Preditivos de Bom Ajustamento à Vida de Pessoas com Doenças Crónicas - 18 - A identificação de fatores preditivos de bom ajustamento à vida, de pessoas com diversas doenças, é um dos principais objetivos de muitas investigações. A abordagem feita em termos de revisão bibliográfica concentrar-se-á em doenças crónicas e na identificação de fatores associados à qualidade de vida destes indivíduos. Dada a extensa leitura efetuada ao longo desta investigação, e que muita dessa informação se encontra referida nos estudos apresentados no Capítulo 4 mais detalhada, no presente capítulo apenas serão referenciados alguns estudos. Em pessoas com cancro, o otimismo é um dos fatores29 muitas vezes estudados para avaliar o seu impacto na QdV29-32. Os resultados não são consistentes em alguns estudos. Tsakogia e colegas30 verificaram que, em pessoas músculo-esqueléticas, o otimismo disposicional tem uma influência positiva, estatisticamente significativa, nas componentes físicas e mental da QdV. Por outro lado, no estudo de Mazanec33 os resultados sugerem que o otimismo não é um preditor significativo da QdV, em doentes com cancro, mas diagnosticados recentemente. Estes resultados são contraditórios com a literatura, já que esta refere que o otimismo disposicional pode promover um melhor ajustamento emocional e uma melhor saúde física34. Wong29 tinha como objetivo na sua investigação avaliar o otimismo como mediador ou moderador, em pessoas com cancro. O estudo revelou que o otimismo exerce um efeito mediador entre a dor e a QdV. Com o objetivo de identificar variáveis relacionadas com a QdV, em doentes com epilepsia, Pais Ribeiro e colegas35 verificaram que o otimismo está relacionado com uma melhor perceção física e mental da saúde, contribuindo desta forma para uma melhor QdV. Também Gustavsson-Liius36, juntamente como os seus colegas, tinham como objetivo, em pessoas com cancro, estudar o papel do otimismo na QdV. Os resultados mostraram que o otimismo é determinante na mesma. Já Shelby32, em mulheres com cancro da mama, verificou que o otimismo está associado a um melhor bem-estar e a menos preocupações psicossociais. Pode ainda reportar-se alguns resultados aquando a avaliação de alguns fatores associados à QdV. O estudo de Manning-Walsh37 e colegas suportaram a hipótese de que, em mulheres portadoras de cancro da mama, o suporte social é um bom preditor da QdV. Por outro lado, em doentes obesos38, o suporte social exerce um impacto positivo e relevante para o bem-estar subjetivo. Em doentes com a mesma patologia, os resultados de Wiczinski39 e colegas indicaram que o suporte social está significativamente associado a uma melhor saúde física e saúde mental. Os resultados encontrados no estudo de Parker40, em doentes com cancro, revelaram que doentes com melhor suporte social apresentam uma melhor QdV.
Capítulo 2 – Estado da Arte - 19 - O papel do afeto positivo e negativo em doentes crónicos41 e em doentes obesos42 também é determinante na sua QdV. Hu e Gruber41 encontraram no seu estudo que, mais afeto positivo e menos afeto negativo, estão associados a uma melhor saúde física e mental (componentes da QdV). O impacto da obesidade nos sentimentos e nas emoções encontra-se associado ao afeto negativo42. Em pessoas com doença intestinal inflamatória43, fatores como o neuroticismo, a autoestima e a dificuldade de expressar emoções, também desempenham um papel importante na previsão da QdV. No que respeita à espiritualidade, verifica-se que em termos gerais que esta contribui para uma melhor QdV. Em pessoas com artrite reumatoide26 a espiritualidade facilita o ajustamento emocional, em pessoas com cancro44 e em pessoas com leucemia45, esta encontra-se fortemente correlacionada com a QdV. Uma melhor adesão aos tratamentos46 é um fator estatisticamente significativo para uma melhor QdV.
Aplicação de Metodologias de Análise Estatística na Identificação de Fatores Psicossociais Preditivos de Bom Ajustamento à Vida de Pessoas com Doenças Crónicas - 26 - especificação das relações de dependência, modificação das relações propostas e outros aspetos da estimação do modelo47, 65, 66. A aplicação destes modelos permite obter uma estimativa da magnitude dos efeitos entre variáveis, estimativas da força de todas as relações hipotéticas de um esquema teórico e, permite também, testar se o modelo é consistente com os dados observados ou não. Se assim for, tal como já foi mencionado, pode dizer-se que o modelo é plausível, embora não se possa afirmar que seja o correto. Outra característica destes modelos, baseia-se no facto destes estabelecerem relações causais57, 64, 69. Aqui a noção de causa está apenas relacionada com a lógica de imposição ou restrição de relações entre variáveis, algo realizado com suporte teórico e empírico precedente. No entanto, isto não significa que a adequação das relações impostas seja causal, mas sim uma relação preditiva ou de determinação. Uma questão essencial em SEM é a especificação do modelo, nomeadamente a definição dos tipos de variáveis, o estabelecimento de relações entre elas e a caracterização do modelo. Tudo isto, combinado com elementos teóricos e evidências empíricas de investigações anteriores. Outro aspeto deste modelo refere-se ao tipo de variáveis: variáveis exógenas (preditoras ou independentes) são aquelas que causam flutuações noutras variáveis do modelo. Mudanças nos valores destas variáveis não são explicadas pelo modelo, no entanto, podem ser influenciadas por fatores externos ao mesmo (por exemplo, idade, sexo, classe social); variáveis endógenas, também conhecidas por variáveis critério ou dependentes, são variáveis que são influenciadas, direta ou indiretamente, pelas variáveis exógenas. Flutuações nos valores das variáveis dependentes são explicadas parcialmente pelo modelo. Em SEM podemos encontrar casos em que uma variável pode ser dependente e independente, simultaneamente57, 69. A identificação das variáveis é um passo importante para se poder identificar e estruturar o modelo em estudo. Relativamente à especificação de modelos estruturais é ainda necessária a definição de dois sub-modelos existentes: o modelo de mensuração/medida e o modelo estrutural47, 54, 65, 66. O modelo de equações estruturais global é definido pelas três equações seguintes: Λ Λ ΒΓ
Capítulo 2 – Estado da Arte - 27 - As duas primeiras constituem o modelo de medida e a última constitui a componente estrutural do modelo. Onde, é um vetor de variáveis independentes observáveis; é um vetor de variáveis dependentes observáveis; é um vetor de variáveis latentes independentes; é um vetor de variáveis latentes dependentes; é um vetor de erros de medida de ; é um vetor de erros de medida de ; Λ é uma matriz de coeficientes de regressão que relaciona os factores independentes com cada uma variáveis; Λ é uma matriz de coeficientes de regressão que relaciona os factores dependentes com cada uma variáveis. Γ é a matriz dos coeficientes que relaciona os fatores independentes com os factores dependentes; Β é a matriz dos coeficientes que relaciona os fatores dependentes um com outro; é o vetor de resíduos (também designado por distúrbios), representa os erros na equação que relaciona e . Assume-se que não está correlacionado com . O modelo assume que a matriz ΙΒ é não singular. O modelo de medida68 define as relações entre variáveis observadas e as variáveis latentes, onde através da Análise Fatorial Confirmatória (AFC) testa a qualidade dessas mesmas relações. A adequação e o ajuste deste modelo são decisivos para que o modelo estrutural possa ser testado. Este modelo pode ser especificado em termos de variáveis independentes (variáveis ) ou em termos das variáveis dependentes (variáveis )68. O modelo estrutural define, através de equações de regressão, as relações entre variáveis latentes e as relações entre variáveis latentes e variáveis observadas (que não são indicadores de variáveis latentes68: Uma forma de especificar o modelo é através da representação gráfica ou pictórica. As relações estruturais entre as variáveis são representadas por diagramas. Por convenção,
Aplicação de Metodologias de Análise Estatística na Identificação de Fatores Psicossociais Preditivos de Bom Ajustamento à Vida de Pessoas com Doenças Crónicas - 28 - as variáveis observadas são representadas por quadrados ou retângulos; as variáveis latentes representadas por círculos ou elipses. As relações explicativas entre as variáveis são descritas por setas unidirecionais. A covariância ou a correlação entre as variáveis são descritas através de setas bidirecionais 64, 66. Na Figura 1 encontra-se uma representação esquemática dos modelos SEM para uma melhor compreensão. Figura 1 – Representação esquemática dos modelos SEM (Modelo de Medida e Modelo Estrutural) (Adaptado57) Análise de Caminhos A análise de caminhos é uma técnica de análise estatística usada para analisar relações entre duas ou mais variáveis54, 66. Usando a matriz de covariância ou de correlação como entrada, este tipo de análise permite calcular a intensidade das relações entre as variáveis47. Esta técnica é uma extensão da análise de regressão linear múltipla55, distinguindo-se desta pelo facto de permitir a análise de modelos mais complexos, por exemplo, modelos onde existem múltiplas variáveis dependentes. É capaz de analisar um conjunto de relações de forma simultânea47. A análise de caminhos é utilizada apenas relacionar variáveis observadas54. O ponto de partida é a especificação de um modelo estrutural, onde se encontram representadas as hipóteses causais, definidas à priori, pelo investigador. Existem dois tipos de modelos de caminhos: recursivos e não-recursivos (Figura 2) Modelos recursivos, são aqueles no qual os erros residuais não estão correlacionados e todos os efeitos causais são unidirecionais (isto é, não existem setas unidirecionais de
Capítulo 2 – Estado da Arte - 29 - retorno entre variáveis dependentes e independentes). Estes modelos nunca são subidentificados, são modelos sempre solúveis, pois têm mais parâmetros do que observações54, 66. Os modelos não-recursivos possuem uma relação de dupla determinação entre variáveis (isto é, duas setas unidirecionais entre duas variáveis do modelo) e podem ter erros residuais correlacionados54, 66. Existem outros tipos de modelos de análise de caminhos: o modelo c), considerado recursivo, no qual os distúrbios ocorrem com efeitos diretos entre as variáveis dependentes; o modelo d) que apresenta efeitos unidirecionais e distúrbios correlacionados, considerado por uns autores de modelos não recursivo e por outros, modelo parcialmente recursivo54. Esta técnica de análise tem por base a matriz de correlação ou covariância para calcular a intensidade das relações entre as variáveis47. Figura 2 – Exemplos de Modelos Recursivos e Não Recursivos (Fonte54) Análise Fatorial O processo estatístico mais conhecido para analisar relações entre conjuntos de variáveis observadas e variáveis latentes é a análise fatorial70. O principal objetivo de uma análise fatorial é explicar a covariância ou a correlação entre muitas variáveis observadas através do relacionamento de poucas variáveis latentes subjacentes. Existem dois tipos de análise fatorial71: análise fatorial exploratória (EFA – do inglês, Exploratory
Aplicação de Metodologias de Análise Estatística na Identificação de Fatores Psicossociais Preditivos de Bom Ajustamento à Vida de Pessoas com Doenças Crónicas - 30 - Factor Analysis) e a análise fatorial confirmatória (CFA – do inglês, Confirmatory Factor Analysis). A análise fatorial exploratória (AFE) é usada quando não se conhece à priori uma ligação entre as variáveis observadas e as variáveis latentes. Esta, tem como objetivo identificar variáveis ou fatores que explicam correlações entre um conjunto de variáveis. É um processo que reduz a dimensão dos dados originais e pretende identificar um pequeno número de fatores que explique a maior parte da variação observada de um grande número de variáveis. A aplicação da análise fatorial confirmatória54, 70 (AFC) é feita quando existe conhecimento da estrutura da variável latente subjacente. Baseado no conhecimento teórico, na pesquisa empírica, ou em ambos, pode postular-se à priori relações entre variáveis observadas e fatores e depois estuda-se estatisticamente esta estrutura hipotética71. Assim, o modelo é previamente construído, o número de variáveis latentes é fixado antes da análise, alguns efeitos diretos de variáveis latentes em variáveis observadas são fixados em zero ou numa constante, os erros de medida podem ou não ser correlacionados, a covariância das variáveis pode ser estimada ou fixada em qualquer valor, é necessária a identificação dos parâmetros; isto significa que este tipo de análise requer um modelo inicial já detalhado e identificado. Tendo em conta que a aplicação da AFC é apropriada quando existe uma discussão relativa à dimensionalidade ou estrutura fatorial de uma escala ou medida, esta permite a operacionalização de um modelo de medida. Além disso permite um teste estatístico de aderência (goodness of fit) para a solução fatorial confirmatória (não é possível com AFE ou com análise de componentes principais). A AFC é especificamente útil na validação de escalas de medida e variáveis latentes específicas47. 2.2.2.4 Estratégia de Análise dos Modelos SEM A análise de modelos SEM baseia-se num conjunto de etapas sucessivas de complexidade crescente. 1. Desenvolvimento de um Modelo Teórico Como os SEM possuem um carácter confirmatório e esta técnica não é adequada para explorar relações entre variáveis, é necessário que estas relações sejam especificadas com base em pressupostos teóricos e evidências empíricas anteriores. Um erro crítico no
Capítulo 2 – Estado da Arte - 31 - desenvolvimento de modelos teóricos é a omissão de uma ou mais variáveis preditoras fundamentais (problema conhecido como erro de especificação – misspecification). 2. Recolha de Dados O segundo passo consiste na recolha de dados, no tipo de instrumentos de medida a utilizar, que tipo de variáveis a medir, o número de participantes. Uma das questões que muitas vezes se coloca, aquando a aplicação dos modelos SEM, é qual a dimensão da amostra? Regra geral esta dimensão é superior à dimensão necessária quando se usa outro tipo de metodologias de análise estatística. Há quem defenda47 que, para garantir a variabilidade suficiente para estimar os parâmetros do modelo, são necessárias 10 a 15 observações por cada variável observável. No entanto, existem autores que recomendam que a amostra tenha pelo menos 100 a 150 observações, outros 400 e até mesmo ainda entre 250 a 50072. Independentemente das considerações recomendadas, é necessário ter em consideração que o número, o tipo de variáveis, as relações estruturais consideradas no modelo, assim como os parâmetros associados a estimar, são decisivos na dimensão da amostra mínima necessária. Os dados utilizados nos modelos SEM não são as observações individuais de cada sujeito, mas sim as variâncias e covariâncias (ou correlações) entre as variáveis observadas. O objetivo da análise consiste em estimar os parâmetros do modelo que minimizem as diferenças entre as variâncias e as covariâncias observadas nas variáveis observáveis e as variâncias e as covariâncias geradas pelo modelo teórico. A dimensão da matriz dos dados é dada pelo número de elementos da matriz de covariância e não pelo número de sujeitos na amostra. Esta característica é determinante nas etapas seguintes e na interpretação das estatísticas associadas ao modelo. 3. Especificação do Modelo A especificação do modelo47, 54 consiste na transformação da ‘linguagem teórica’ para a construção de um diagrama de caminhos no qual são descritas as relações postuladas à priori. Torna-se necessário decidir que tipo de variáveis se vai usar (latentes/observadas); que relações entre variáveis devem ser incluídas e que erros devem ser correlacionados. Os tipos de modelos condicionam as regras de especificação. Nos modelos de medida, assume-se que as variáveis latentes causam as variáveis observadas. A variância das variáveis observadas que não é explicada pelas variáveis latentes é explicada por outros fatores (erros de media ou resíduos). Os erros podem estar correlacionados, indicando assim uma fonte de variação comum dos itens não explicada pelas variáveis latentes.
Aplicação de Metodologias de Análise Estatística na Identificação de Fatores Psicossociais Preditivos de Bom Ajustamento à Vida de Pessoas com Doenças Crónicas - 32 - Nos modelos estruturais considera-se que as relações são delineadas de ‘causa para efeito’ e que a variância das variáveis independentes que não é explicada pelas variáveis dependentes, é então explicada por erros ou disturbances (erros associados às variáveis latentes). 4. Identificação do Modelo O processo de identificação do modelo leva à necessidade de conhecimento prévio sobre o número de parâmetros para que o modelo possa ser ajustável, isto é, para que exista uma estimativa única para cada parâmetro. A identificação de um modelo estrutural ocorre quando o número total de parâmetros a serem estimados pode apenas ser representado pelo conjunto de dados da matriz de covariâncias amostrais57, 65. Uma regra simples para se estabelecer o índice de identificação do modelo SEM é a regra da contagem57, 65. Num modelo com variáveis observadas dependentes e variáveis observadas independentes, o número de elementos não redundantes da matriz de covariância é dado por . Se o número de parâmetros a estimar for dado por , então o número de graus de liberdade do modelo é dado por: . Existem três tipos de identificação de modelos65: se o número total de parâmetros for igual ao número de elementos não redundantes, o modelo é identificado, com zero graus de liberdade; se for menor ou maior ao número, os modelos são sub identificado e sobre identificados, respetivamente. Para que a estimação dos parâmetros seja possível é necessário que o modelo a testar seja pelo menos sobre identificado, com graus de liberdade superiores a zero. 5. Estimação do Modelo Depois do modelo ser especificado os parâmetros da população são estimados com o objetivo de minimizar a diferença entre a matriz de covariância observada e a matriz de covariância populacional estimada70. Esta estimação é feita por métodos iterativos, no qual procuram maximizar a verosimilhança das covariâncias entre as variáveis observadas, ou minimizar uma função de erros de ajustamento estimados pela diferença entre os valores observados das covariâncias e os valores estimados pelo modelo57. É utilizado um algoritmo iterativo57, 68 que minimiza uma função da diferença da matriz de covariâncias observadas na amostra S e da matriz de covariância gerada pelo modelo teórico com parâmetro ∑, designada por ‘função de discrepância’68:
Capítulo 2 – Estado da Arte - 33 - S∑. Quanto menor for o valor da função de discrepância, , melhor será o ajustamento do modelo teórico aos dados observados na amostra; se 0, então o ajustamento é perfeito. Em função do método de estimação utilizado, o vetor é estimado por um algoritmo iterativo que minimiza . Este algoritmo pára quando é atingido um critério de convergência, quando a variação das estimativas dos parâmetros ou da função é inferior a um valor pré-estabelecido (geralmente 0.00001). Diferentes softwares usam diferentes métodos de ajustamento e a respetiva função de discrepância, assim como o tipo de pressupostos subjacente à natureza das medidas e das distribuições das variáveis. Descreve-se a seguir os métodos de estimação mais utilizados: Método da Máxima Verosimilhança O método da Máxima Verosimilhança (ML – do inglês Maximum Likelihood) é considerado o método mais tradicional e o mais usado nos modelos SEM. O método consiste na estimação dos parâmetros que maximizam a verosimilhança da matriz S. O algoritmo iterativo minimiza a seguinte função de discrepância de máxima verosimilhança73, 74: logtrS log|S| onde |…| representa a função determinante de uma matriz e tr… representa a função traço de uma matriz. A aplicação do método ML54 exige que as variáveis observadas apresentem distribuição normal multivariada: a) os dados tenham todos distribuição normal univariada; b) a distribuição conjunta de qualquer combinação de variáveis deve ser normal e c) todos os gráficos de dispersão bivariados devem ser lineares e homocedásticos.
Aplicação de Metodologias de Análise Estatística na Identificação de Fatores Psicossociais Preditivos de Bom Ajustamento à Vida de Pessoas com Doenças Crónicas - 34 - Mínimos Quadrados Não-Ponderados Este método ULS (do inglês Unweighted Least Squares), iterativo estima os parâmetros do modelo que minimizam a soma dos quadrados dos erros, elementos da matriz residual Ε dada por: ΕS∑. A função de discrepância68, 73, 74 a minimizar é S∑. Este método não tem pressupostos, é consistente mas não é assimptoticamente eficiente. Mínimos Quadrados Generalizados O método dos mínimos quadradros genelarizado (GLS – do inglês Generalized Least Squares) é um método (iterativo) que estima os parâmetros do modelo, ponderando os erros de estimação da matriz residual Ε. Os elementos da matriz Ε que têm maior variabilidade amostral, têm menor peso no modelo, obtendo-se assim estimativas mais eficientes (isto é, com menor variância). A função de discrepância73, 74 a minimizar é trS∑ trIS∑. Este método tem as mesmas propriedades de consistência e eficiência, que o método ML68; de igual forma permite obter estatísticas de teste para o ajustamento global. É um método com pressupostos menos restritivos relativamente à normalidade, contudo tem associadas maiores probabilidades de erro tipo I no teste de à qualidade global do ajustamento e produz estimativas dos parâmetros menos aceitáveis do que o ML75.
Capítulo 2 – Estado da Arte - 35 - Distribuição Assimptótica Livre (ou Mínimos Quadrados Ponderados) O método de distribuição assimptótica livre (ADF – do inglês Asymptotic Distribution Free), não pressupõe o pressuposto da normalidade multivariada das variáveis observadas. A função de discrepância a minimizar73, 74 W onde é o vetor dos elementos da matriz triangular inferior S incluindo a diagonal; é o vetor dos elementos da matriz triangular inferior ∑ incluindo a diagonal; W é a matriz das distâncias de todas as observações às médias de todas as variáveis. Se não for possível utilizar a ADF ou o método ML, devido à reduzida dimensão amostral e à violação do pressuposto de normalidade, respetivamente, existem, métodos de Bootstrap nos quais as distribuições empíricas são reduzidas por reamostragem da amostra original. 6. Avaliação da Qualidade do Ajustamento do Modelo Uma componente de um bom modelo é o ajustamento entre a matriz de covariância amostral e a matriz de covariância populacional estimada70. Esta avaliação pode ser feita com base em: i) testes de ajustamento; ii) índices de qualidade de ajustamento e iii) análise de resíduos, significância dos parâmetros e fiabilidade individual. i) Teste de Ajustamento57, 66, O teste é um teste à função de discrepância S∑. As hipóteses do teste são:
Aplicação de Metodologias de Análise Estatística na Identificação de Fatores Psicossociais Preditivos de Bom Ajustamento à Vida de Pessoas com Doenças Crónicas - 42 - 3. Avaliação da fiabilidade individual das variáveis observadas A fiabilidade de uma variável observada estima-se através da fração da variância dessa variável que é explicada pela variável latente. Este conceito é idêntico ao conceito do coeficiente de determinação ≅ na regressão linear. Geralmente, valores de 0.25 (0.5), o fator explica menos de 25% da variância da variável observada, são indicadores da existência de possíveis problemas de ajustamento local com esta variável. Refira-se que, as estatísticas e os índices de avaliação da qualidade de ajustamento, aqui referidas, são muitas vezes alvo de críticas78, 87, 88. Foram, por um lado, descritos os problemas associados ao teste do , e por outro lado os índices que avaliam problemas de ajustamento global, não podendo refletir problemas com o ajustamento local do modelo. Como tal, a estratégia passa de avaliação passa pelo uso de várias medidas de ajustamento local e global. 7. Respecificação do Modelo A questão da respecificação do modelo prende-se com o facto do mesmo apresentar ou não um ‘bom’ ajustamento aos dados. ‘E se o modelo não apresentar um bom ajustamento aos dados?’ Isto apenas significa que o modelo ajustado não é apropriado para explicar a estrutura correlacional das variáveis observadas naquela amostra. No entanto, não é reflexo de que o modelo esteja errado. É possível respeficicar o modelo, com alterações no mesmo, de tal forma a obter um melhor ajustamento. Uma forma de o fazer, consiste na eliminação de critérios não significativos, como por exemplo, libertar parâmetros fixos ou fixar parâmetros livres, ou ainda correlacionar erros de medida. Outra maneira de respecificar o modelo é com base nos chamados Índices de Modificação. Estes índices são indicadores de possíveis alterações nas relações entre as variáveis, que permitem viabilizar a melhoria do ajuste do modelo aos dados. Existem três tipos básicos de índices de modificação: a comparação do de modelos alterados, o Lagrange Multiplier (LM) e o Wald Test. A comparação do de modelos alterados é considerada uma estratégia interessante e funcional quando se está perante modelos aninhados; o LM permite o teste e comparação do incremento de ajuste a partir da inserção de parâmetros específicos no modelo, exigindo a comparação desses elementos a partir do teste de modelos específicos. Por outro lado, o Wald Test65 estima a alteração do ajustamento tendo em consideração a eliminação de parâmetros do modelo.
Capítulo 2 – Estado da Arte - 43 - De referir que o processo de alteração do modelo estrutural não pode apenas basear-se em indicações estatísticas mas também numa forte fundamentação teórica para o fazer54, 57, 65, 66, 86. 2.2.2.5 Pressupostos dos Modelos SEM Como qualquer outra técnica de modelos lineares generalizados, também os modelos SEM exigem, para a validação de um modelo teórico, a validação de um conjunto de pressupostos. Esta validação exprime-se nos seus resultados e conclusões encontrados, sendo estes seriamente comprometidos se a mesma não for efetuada. Independência das Observações O pressuposto mais básico da aplicação dos modelos SEM é a independência das observações54, isto é, observações de sujeitos diferentes devem ser independentes entre si. Esta conjetura pode-se assegurar através da prática de amostragem aleatória. Normalidade Multivariada Um dos pressupostos mais importantes na aplicação de modelos SEM é a normalidade das distribuições das variáveis. É necessário que os dados em análise respeitem o pressuposto da normalidade univariada e multivariada. A normalidade multivariada significa que, todos os dados tenham distribuição univariada normal, a distribuição conjunta de qualquer combinação de variáveis deve ser normal e todos os gráficos de dispersão bivariados sevem ser lineares e homocedásticos54. A análise conjunta da normalidade é avaliada através dos índices54 de simetria e achatamento multivariados, através do coeficiente de Mardia89, 90 Refira-se que se o pressuposto da multinormalidade for violado, pode recorrer-se a transformações matemáticas de forma a normalizar as variáveis. Outra alternativa, é o uso de métodos de estimação bootstrap ou métodos robustos com a correção de SatorraBentler para as estatísticas de ajustamento e os erros-padrão dos modelos ou ainda o método de estimação ADF.
Aplicação de Metodologias de Análise Estatística na Identificação de Fatores Psicossociais Preditivos de Bom Ajustamento à Vida de Pessoas com Doenças Crónicas - 44 - Linearidade O modelo assume que as relações entre as variáveis têm de ser lineares54, 65. Covariâncias Amostrais não Nulas A existência de variáveis latentes operacionalizadas por um conjunto de variáveis observadas leva a que entre estas exista algum tipo de associação, ou seja, que a sua covariação não seja nula54. Ausência de Multicolinearidade A multicolineariedade65 é definida como uma associação forte existente entre duas variáveis. Na presença desta forte associação, uma variável dependente pode escreverse como combinação linear quase perfeita das restantes variáveis latentes ou observadas. Esta característica inflaciona a estimação das variâncias dos parâmetros; produz coeficientes estandardizados muito superiores a 1 ou inferiores a -1. Pode também ser causa de estimativas negativas das variâncias o que pode implicar a interrupção do processo de estimação dos parâmetros do modelo. Existência de Outliers A qualidade de ajustamento de um modelo pode ser influenciada pela presença de outliers. Estes podem inflacionar ou reduzir as covariâncias entre variáveis, traduzindo-se na estimativa das médias, desvio-padrão e covariâncias. O diagnóstico de possíveis outliers é necessário para a validação de um modelo estrutural. Este pode ser feito recorrendo a medidas univariadas e diagnóstico visual com diagrama de extremos e quartis ou através de medidas multivariadas (distância de Mahalanobis) 54, 65. Existência de dados omissos Outro pressuposto importante nos modelos SEM é relativo à existência de dados omissos65. A falta de dados brutos causa problemas na estimação dos parâmetros do modelo estrutural, isto porque, os coeficientes da matriz de covariância são obtidos com
Capítulo 2 – Estado da Arte - 45 - números não homogéneos de dados brutos. Este tipo de situação deve ser ultrapassado através do uso de técnicas de estudo do caráter de sistematicidade de dados omissos e posterior estimação dos valores omissos através de procedimentos adequados de estimação91-93. A estimação ou imputação dos dados é importante para que as covariâncias ou as correlações da matriz sejam calculadas com um número homogéneo de informações. 2.2.2.6 Limitações da Aplicação dos Modelos SEM Já foi referido que os modelos SEM são uma técnica útil para o desenvolvimento teórico e metodológico em diversas áreas, tal como a Psicologia. No entanto, esta técnica não é útil para abordar todo e qualquer tipo de fenómeno, daí apresentar algumas limitações na sua aplicação. Os modelos SEM fazem parte de uma família de técnicas de análise multivariada, onde se estudam relações lineares entre as variáveis. Quando as mesmas não possuem um padrão linear de relacionamento entre elas, a aplicação dos modelos SEM não é possível, devendo o investigador procurar alternativas para lidar com este tipo de situação. Outra limitação destes modelos, prende-se com a necessidade de se utilizarem amostras de dimensão elevada, isto porque os estimadores dos modelos SEM exigem variabilidade acentuada para realizar o processo de estimação. No caso em que o pressuposto da multinormalidade não é violado, o tamanho amostral é menor quando comparado com aqueles livres de distribuição, no entanto, as amostras ainda são grandes. Esta é uma das características que pode colocar de lado aqueles investigadores que trabalham com estudos de baixa dimensão. No entanto, ressalva-se que existe possibilidade de aplicação de procedimentos de equações múltiplas e análises de caminhos que podem ser úteis nestes casos. Torna-se é essencial uma pesquisa mais exaustiva para estes casos, de forma a encontrar soluções para este tipo de limitação, para que esta técnica possa ser utilizada, contribuindo assim para o seu desenvolvimento. 2.2.3 Mediação vs Moderação 2.2.3.1 Mediação Em determinadas áreas de investigação e quando se justifica, quando existe uma relação entre duas variáveis, os investigadores considerarem uma terceira variável nessa mesma
Aplicação de Metodologias de Análise Estatística na Identificação de Fatores Psicossociais Preditivos de Bom Ajustamento à Vida de Pessoas com Doenças Crónicas - 46 - relação94, 95. Este ponto teórico tem como objetivo avaliar o efeito desta terceira variável (Z) e estudar o efeito da mesma na relação entre uma variável independente (X) e uma variável dependente (Y). Estamos perante um sistema de três variáveis no qual a variável Z pode assumir um papel mediador ou moderador A mediação é descrita por alguns autores como a uma forma do investigador explicar o processo ou o mecanismo através da qual uma variável afeta a outra94-96. É fundamental perceber que existem dois modelos, quando se pensa em mediação: um é teórico, que corresponde às relações não observáveis entre variáveis e o outro é empírico correspondendo à análise estatística dos dados94. Na Figura 3 encontra-se representado um modelo de mediação simples. O método mais comum para testar a mediação foi desenvolvido por Kenny e os seus colaboradores96, 97. De acordo com este método94, 95, existem quatro passos para estabelecer que uma variável media a relação entre uma variável independente X e uma variável dependente, Y. No primeiro passo estima-se o efeito β da variável independente na variável independente . No segundo passo, estima-se o efeito β de na variável mediadora . No terceiro passo, estima-se o efeito β de em , controlando o efeito de β de . No quarto passo, sendo β e β significativos, a mediação ocorre quando β é significativamente menor do que β. 2 3 Efeito Directo=β Efeito Indirecto= ββ Efeito Total=β + ββ Figura 3 – Modelo de Mediação (Fonte94)
Capítulo 2 – Estado da Arte - 47 - β Mβ ββ No sistema de equações, é a variável dependente, é a variável independente, é a variável mediadora, os βs são os parâmetros a estimar e , e são erros de estimação. O objetivo da análise de mediação é verificar porque existe uma associação significativa entre estas variáveis. De referir, que há situações em que ao investigador lhe interessa analisar a procura ou a evidência de mediação sem que exista esta relação96. A análise de mediação pode ser feita usando regressão múltipla ou modelos de equações estruturais. A lógica da análise é a mesma em ambos os casos. No entanto, os modelos SEM têm algumas vantagens: podem controlar erros de medida, fornecem informação nos graus de ajustamento para todo o modelo, e são modelos mais flexíveis do que a regressão. Por exemplo, podemos incluir múltiplas variáveis preditoras, múltiplas variáveis resultado e múltiplos mediadores, assim como outras potenciais causas de mediação e resultado, incluindo dados longitudinais96. No entanto, quando a dimensão da amostra não é suficiente para aplicar os modelos SEM é necessário aplicar regressão múltipla. O método descrito por Kenny e os seus colaboradores 98 para testar a significância do efeito de mediação consiste no seguinte: como a diferença entre o efeito total da variável preditora na variável resultado (β) e o efeito directo da variável preditora na variável resultado (β) é igual ao produto dos caminhos da variável preditora à variável mediadora (β) e da variável mediadora à variável resultado (β), a significância da diferença dos caminhos β e β pode ser avaliada testando a significância dos produtos β e β. Desta forma, o efeito de mediação pode calculado ou através do produto β β ou da diferença β β Em ambos os casos, o produto ou a diferença, são divididos por um erro padrão e comparado com a distribuição normal padrão.
Aplicação de Metodologias de Análise Estatística na Identificação de Fatores Psicossociais Preditivos de Bom Ajustamento à Vida de Pessoas com Doenças Crónicas - 48 - 2.2.3.2 Moderação 2.2.3.2 Moderação Uma variável moderadora é uma variável que, pode ser quantitativa ou qualitativa e que, altera o sentido e/ou a força da relação entre a variável independente () e a variável dependente (). Um efeito moderador reflete uma interação entre duas variáveis, onde o efeito de uma variável depende do nível da outra96, 97. Uma variável moderadora indica ‘quando’ e de que ‘forma’ uma variável independente está fortemente relacionada com uma variável dependente (Figura 4). Variável Independente X Variável Dependente Y Moderador M Figura 4 – Diagrama de caminhos em Modelos de Moderação Como base de um estudo de um modelo de moderação temos uma fundamentação teórica definida à priori, com uma consistência bem definida96. Podem ser definidos três padrões de interação entre duas variáveis contínuas: “enhancing interactions” onde a variável independente e a variável moderadora afetam a variável dependente no mesmo sentido; “buffering interactions” a variável moderadora enfraquece o efeito da variável independente na variável dependente; e “antagonistic interactions” onde a variável moderadora e a variável independente têm o mesmo efeito na variável dependente mas na interação está no sentido oposto. Da mesma forma, no caso de uma variável categórica e de uma variável contínua, a teoria na qual as hipóteses são baseadas pode explicar que uma variável independente está relacionada positivamente a um resultado para um grupo e não relacionado para outro. Pode acontecer que a interação não seja linear e não ser capturada por um produto simples. Os passos envolvidos na análise dos dados incluem a criação ou transformação das variáveis independentes e moderadoras, criando termos do produto e estruturação da equação.
Capítulo 2 – Estado da Arte - 49 - A formalização das equações de regressão envolve a centralização ou a estandardização das variáveis independentes e moderadoras. A centralização é justificada pelo facto de reduzir o problema associado à multicolineariedade (elevadas correlações) entre as variáveis.A estandardização também facilita a interpretação dos efeitos do moderador e do preditor. 2.3.2 Vantagens/desvantagens da Aplicação dos Modelos de Equações Estruturais – Comparação com outras Metodologias de Análise Estatística A aplicação do modelo SEM é importante para o desenvolvimento teórico da Psicologia e de outras áreas do conhecimento. Existem vantagens na aplicação dos modelos SEM99 relativamente a outras metodologias de análise estatística, nomeadamente quando se está perante um problema de investigação complexo, no qual existe a necessidade de avaliar o impacto direto e indireto de múltiplas variáveis independentes sobre uma ou mais variáveis dependentes, e/ou por outro lado, a questão de investigação envolve múltiplas relações entre estas variáveis. Uma das vantagens deve-se à existência de muitos problemas de investigação nos quais é necessário estimar relações entre variáveis latentes. Seja na Psicologia, ou noutras áreas de investigação, existem variáveis latentes, medidas por variáveis observadas. No entanto, uma menor confiança nessas medidas, acresce uma maior dificuldade na observação das relações entre as variáveis latentes e as demais variáveis. Por outro lado, os modelos SEM permitem: a) estimação de relações de independência múltiplas e inter-correlacionadas; b) possibilidade de representar variáveis latentes nestas relações de dependência e explicar o erro de medida no processo de estimação, ou seja, admite-se que o erro de medida existe. Noutras técnicas de análise multivariada assumese que não existe nenhum erro de medida nas variáveis observadas, embora se saiba que na prática e na teoria não se pode ‘medir perfeitamente um conceito, sem que a este esteja associado algum grau de erro’47. Segundo Goldeberg a Duncan100, existem situações nas quais os parâmetros de regressão falham no provimento de informações e nas quais se devem usar os modelos SEM: 1) quando existem variáveis latentes; 2) quando as variáveis observadas contêm
Aplicação de Metodologias de Análise Estatística na Identificação de Fatores Psicossociais Preditivos de Bom Ajustamento à Vida de Pessoas com Doenças Crónicas - 50 - erros de medida e a relação que se pretende estimar é entre estas; 3) quando existe interdependência entre as variáveis observadas. Refira-se também que na análise de caminhos as variáveis usadas são observadas. Esta metodologia não permite o uso de variáveis latentes nos seus caminhos99. Os MRLM e os modelos SEM permitem investigar o quão bem as variáveis independentes explicam a variável dependente e também identificar qual a mais importante. No entanto, nos modelos SEM, além do que já foi referido, também se pode ter num único modelo com mais do que uma variável dependente. Esta metodologia permite também a análise de um modelo no qual podem ser identificadas simultâneas variáveis mediadoras/moderadoras. O que não é possível nos MRLM. Nestes modelos (MRLM), a relação entre duas ou mais variáveis pode ser de dependência funcional (a magnitude da variável dependente é dependente da magnitude da variável(s) independente(s), mas o contrário não se aplica), ou de mera associação (nenhuma das variáveis pode ser tida como dependente da outra, elas apenas variam em conjunto). Contudo, os modelos SEM são uma técnica de análise que não se limita apenas à análise de dependência simultânea dos dados; estes proporcionam uma transição de análise exploratória para uma perspetiva confirmatória, exigindo ao investigador uma ideia à priori (com justificação teórica) da estrutura das relações entre as variáveis. Ao contrário dos MRLM e dos modelos de análise de caminhos, os modelos SEM permitem avaliar o modelo de medida, aquele que define as relações entre variáveis observadas e as variáveis latentes, onde, através da AFC, a qualidade dessas mesmas relações é testada. Os modelos SEM são vistos como um procedimento confirmatório no qual se pode salientar três situações: a) Uma, no qual o interesse é estritamente confirmatório: um modelo é testado quanto à sua aderência (goodness of fit) para determinar se os padrões de variação e covariação nos dados são consistentes com um modelo estrutural especificado pelo investigador; b) Interesse de modelos alternativos: pode-se testar dois ou mais modelos causais para determinar qual se ajusta melhor; c) Interesse no desenvolvimento do modelo: um modelo é testado usando procedimentos de SEM e se for considerado deficiente, pode ser testado um
Capítulo 2 – Estado da Arte - 51 - modelo alternativo baseado em mudanças sugeridas pelos índices de modificação dos modelos SEM. À parte do já mencionado, pode acrescentar-se que tanto os modelos SEM como o MRLM podem ser utilizados para testar modelos estruturais semelhantes, no entanto, os modelos SEM usam o modelo de medida para identificar os erros de medição. Em ambos, se a amostra é de tamanho suficiente, pode ser dividida aleatoriamente antes da análise, e os modelos hipotéticos podem ser executados em ambas as amostras para determinar se há equivalência no ajuste de cada amostra dos dados para a hipótese do modelo. Fundamental para a utilização de qualquer procedimento de modelação estatística é a necessidade de uma análise teórica para o modelo. Uma vez que os resultados obtidos a partir de qualquer procedimento estatístico, são influenciados tanto pelos dados como pelas escolhas que os investigadores fazem na especificação de um modelo, é importante ter em mente a possibilidade de um modelo alternativo não ser consistente com a própria teoria. A representação adequada de um fenômeno em estudo requer um modelo teórico e uma ligação entre o procedimento estatístico e o objetivo da análise. Dependendo da natureza do modelo hipotético, a análise de regressão, os modelos SEM, ou outra técnica estatística pode ser o processo de escolha99.
Aplicação de Metodologias de Análise Estatística na Identificação de Fatores Psicossociais Preditivos de Bom Ajustamento à Vida de Pessoas com Doenças Crónicas acima do ponto médio, pode afirmar-se que a dimensão da espiritualidade é identificada como relevante. Para a escala global, os autores encontraram uma consistência interna de 0,74. Adesão aos Tratamentos Para avaliar a adesão aos tratamentos, e com base em estudos anteriores111, foi desenvolvida por Delgado e Lima28 uma versão Portuguesa do questionário (Medida de Adesão aos Tratamentos), constituída por sete itens. A pontuação para avaliar a adesão ao tratamento é obtida através da média dos itens, em que valores mais altos significam melhor adesão ao tratamento. A medida mostrou boa consistência interna, 0,74. 3.3.4 Variáveis Resultado Qualidade de Vida A perceção do estado de saúde foi avaliada através do Medical Outcomes Study - MOS 36-item Short-Form Health Survey (SF-36)112, um questionário de 36 itens divididos em oito dimensões, que representam duas componentes principais da saúde: a física e a componente mental. Neste estudo, foi utilizada a dimensão do bem-estar geral resultante do projeto IQOLA113, no qual foi encontrado um fator de segunda ordem, com três componentes do SF-36 (bem-estar geral - BEG, saúde física - SF e saúde mental - SM). Cada componente é convertida diretamente numa escala de 0100, considerando que cada pergunta carrega igual peso, em que 100 representa o nível mais alto. A versão Portuguesa do MOS SF-36114, 115, apresenta um bom nível de consistência interna (α de Cronbach de 0,70). Bem-estar Subjetivo O bem-estar subjectivo (BES) foi avaliado usando a versão Portuguesa do Personal Well-being Scale, que inclui sete áreas (satisfação com o nível de vida, saúde, realização pessoal, relações pessoais, sensação de segurança, ligação com a comunidade e segurança futura). A pontuação para avaliar o BES resulta da média dos itens, variando de 0 a 100, em que os valores mais elevados representam um melhor bem-estar subjetivo. A versão Portuguesa apresenta um α de Cronbach de 0,81116.
Capítulo 3 – Materiais e Métodos - 59 - 3.4 Análise Estatística Para armazenar os dados recolhidos, provenientes da aplicação de questionários referidos anteriormente, foi necessário desenhar e implementar uma base de dados. A base de dados foi informatizada de forma a permitir um melhor acompanhamento e atualização contínua dos dados dos indivíduos em estudo. Foi feita a gestão e preparação dos mesmos onde o primeiro passo consistiu na validação dos dados em análise. Foi criado um dicionário de dados onde está definida toda a informação sobre as diferentes variáveis (nome, formatos e descrição das variáveis) e estabelecido um código para cada indivíduo. Tornou-se necessário combinar múltiplas variáveis numa só, definindo-se índices de múltipla resposta e escalas. Foram usadas ferramentas específicas, nomeadamente o software Statistical Package for the Social Sciences – SPSS, versão 20.0 e o EQS versão 6.1, que permitiu preparar os diversos dados e efetuar as subsequentes análises estatísticas. De forma a dar resposta aos objetivos propostos, foram aplicados, nos estudos apresentados no Capítulo 4: As correlações de Pearson e Spearman para avaliar as associações entre as variáveis psicossociais com a qualidade de vida e o bem-estar subjectivo; Os modelos MANOVA/MANCOVA e SEM com o objetivo de identificar fatores associados ao bom ajustamento à vida de pessoas com doenças crónicas; Os modelos MRLM e SEM na identificação de variáveis moderadoras/mediadoras entre fatores psicossociais e qualidade de vida e bem-estar subjectivo; Os modelos MANOVA/MANCOVA com o objetivo de comparar a qualidade de vida e o bem-estar subjetivo entre grupos de pessoas com doenças crónicas;
- 61 - 4. Resultados
- 63 - Estudo 1 - O otimismo como mediador entre a personalidade e qualidade de vida de pessoas com doenças crónicas Artigo publicado Vilhena, E., Pais Ribeiro, J., Silva, I., Pedro, L., Meneses, R., Abreu, M., Cardoso, H., Martins, A., Martins da Silva, A., & Mendonça, D. (2010). O optimismo como mediador entre a personalidade e a qualidade de vida de pessoas com doenças crónicas. In: I. Leal, & J. Pais-Ribeiro (Edts.). Psicologia da saúde: sexualidade género e saúde (pp.101-110). Lisboa: Edições ISPA.ISBN:978-972-8400-98-9
- 64 - O Estudo 1 teve como objetivo avaliar, em pesssoas com doenças crónicas, o efeito mediador do otimismo disposicional entre os traços de personalidade (neuroticismo, extroversão, conscienciosidade, amabilidade e abertura à experiência) e a qualidade de vida e o bem-estar subjetivo (controlando para a idade, escolaridade e classificação da doença). Usando modelos de regressão linear múltipla, verificou-se que o otimismo disposicional exerce um papel mediador entre: a extroversão e a saúde física; entre a conscienciosidade e a saúde física, a saúde mental e o bem-estar geral; entre a amabilidade e a saúde física e o bem-estar geral e entre a abertura à experiência e a saúde mental. Os resultados encontrados neste estudo procuram contribuir para dar resposta ao objetivo 2 desta investigação, no qual se pretende identificar variáveis mediadoras entre os fatores psicossociais e a qualidade de vida.
Capítulo 4 - Resultados - 65 - O Otimismo como Mediador entre a Personalidade e a Qualidade de Vida de Pessoas com Doenças Crónicas Estela Vilhena(1), J. Pais Ribeiro(2,7), I. Silva(3), L. Pedro(4,7), R. Meneses(3), M. Abreu(2), H. Cardoso(5,6), A. Martins(6), A. Martins da Silva(5,6) , D. Mendonça(5) 1-IPCA - Barcelos; 2-FPCE-UP; 3-U.Fernando Pessoa-Porto; 4-ESTES-IP Lisboa; 5-ICBAS-U.Porto; 6-H.Geral de Sto. António, Porto; 7–UIPES (apoiado pelas bolsas PTDC/PSI/71635/2006, PTDC/PSI/73175/2006, SFRH/PROTEC/49284/2008) Introdução Pessoas que sofrem de doença crónica são confrontadas com um conjunto de fatores que têm o potencial de induzir alterações profundas nas suas vidas. Existe uma longa história de interesse em fatores psicológicos que afetam estas doenças. Lidar com uma doença deste tipo, requer um ajustamento em múltiplos domínios da vida, ao longo do tempo e, além disso, existe uma grande heterogeneidade entre os indivíduos em como ajustar-se a uma doença crónica (Stanton, Revenson, & Tennen, 2007). Este ajustamento pode ser definido como uma resposta a uma mudança no ambiente, que permite o organismo adaptar-se adequadamente a essa mudança. O que por sua vez significa presença ou ausência de diagnóstico de transtorno psicológico, sintomas psicológicos ou humores negativos (Sharpe & Curran, 2006; Stanton, Revenson, & Tennen, 2007). No entanto, o ajustamento a uma doença tem também sido operacionalizado como uma boa qualidade de vida, bem-estar, vitalidade, afeto positivo e autoestima global (Sharpe & Curran, 2006). O ajustamento pode não ser apenas explicado por características biológicas, as variáveis psicológicas podem também ter um papel importante nesse ajustamento (Pais Ribeiro & Pedro, 2006). O otimismo, por exemplo, é uma variável importante no que respeita a resultados de saúde comportamental. Este, é definido por Scheier e Carver (1987) como sendo a “expectativa geral que coisas boas irão acontecer” (pg. 171). É um comportamento que beneficia não só as atitudes das pessoas como também o que estas podem alcançar em momentos de contrariedades (Pais Ribeiro & Pedro, 2006). Um comportamento otimista, em doentes crónicos, afeta o ajustamento a uma melhor qualidade de vida. A expectativa de que coisas boas vão acontecer está associada a um maior nível físico e a um melhor bem-estar psicológico. No entanto,
Aplicação de Metodologias de Análise Estatística na Identificação de Fatores Psicossociais Preditivos de Bom Ajustamento à Vida de Pessoas com Doenças Crónicas - 66 - embora sejam encontradas associações diretas e indiretas entre otimismo e qualidade de vida, refira-se que o otimismo não é um fator de recuperação da doença, mas sim um fator que influencia o stress e os processos de ajustamento de forma a selecionar as estratégias de coping (Pais Ribeiro, Martins da Silva, Meneses, & Falco, 2007; Wong & Fielding, 2007). De que forma o otimismo exerce estes efeitos? Será este um fator mediador ou moderador por natureza? O objetivo do presente estudo é testar um modelo de mediação, no qual supomos que o otimismo pode mediar a relação entre os fatores de personalidade (neuroticismo, extroversão, abertura à experiência, conscienciosidade e amabilidade) e qualidade de vida (bem-estar geral, saúde física, saúde mental) e bem-estar subjetivo, controlando para a idade, escolaridade e classificação da doença. Método Participantes Foi recolhida uma amostra de 542 doentes crónicos, dos quais 104 apresentam Diabetes, 101 Esclerose Múltipla, 57 Epilepsia, 195 Obesidade, 66 Cancro e 19 Miastenia Gravis. As características sociodemográficas e clínicas desta amostra encontram-se apresentadas no quadro 1. Quadro 1 - Características sociodemográficas e clínicas da amostra (n=542) Sexo: M/F 151/391 Idade (M/DP) 40,96 (11,39) Escolaridade (M/DP) 9,90 (4,71) Anos Diagnóstico (M/DP) 11,79 (9,34) Classificação Doença (M/DP) 6,66 (2,76) A amostra sequencial, em termos de consulta marcada, foi recrutada em hospitais de diversas zonas do país. Os critérios de inclusão dos doentes no estudo foram os seguintes: 1) ter o diagnóstico de epilepsia, diabetes, esclerose múltipla, obesidade mórbida, miastenia ou cancro; 2) ter idade superior a 18 anos; 3) ter nível de escolaridade de 6 anos ou mais; 4) tempo desde o diagnóstico de doença de 3 anos ou mais; 5) ter vida estável com doença controlada; 6) não apresentar alterações do foro neurológico ou psiquiátrico. Os pedidos de autorização de recolha de dados seguiram os padrões
Capítulo 4 - Resultados - 67 - estabelecidos na Declaração de Helsínquia, mais os procedimentos exigidos pela lei Portuguesa e por cada uma das instituições. Todos os participantes deram o seu consentimento informado para participarem no estudo. Foi aplicado, após cada consulta, um questionário estruturado e padronizado, cujos dados foram recolhidos por psicólogos. Material Variáveis Sociodemográficas e Clínicas Foram registados dados sobre a idade do doente, sexo, escolaridade, profissão, estado civil, com quem vive e se vem acompanhado à consulta e porquê. Dados clínicos: registados anos de diagnóstico da doença, número de internamentos no último ano, medicação e classificação da doença. Foram feitos outros registos clínicos específicos de acordo com o tipo de doença. Variáveis de Personalidade Neste estudo foi utilizado o Inventário de Personalidade dos Cinco Factores NEO-PI-R (Costa & McCrae, 1992): Neuroticismo (N), Extroversão (E), Abertura à Experiência (O), Amabilidade (A) e Conscienciosidade (C), com 12 itens cada, num total de 60 itens. Otimismo Foi utilizado um questionário de auto resposta designado por LOT-R (uma revisão do Life Orientation Test – LOT) feita por Scheier, Carver e Bridges (1994). Inclui 6 itens num bloco de 10 em que quatro são distratores, com vista a avaliar o otimismo disposicional. O otimismo disposicional refere-se à expectativa generalizada de que coisas boas, em vez de más, irão acontecer (Scheier & Carver, 1987). Qualidade de Vida Foi usado o SF-36 (Ware, Snow, Kosinski, & Gandek, 1993), um questionário que inclui 36 itens divididos pelas seguintes dimensões: funcionamento físico, exercício do papel social, dor, saúde geral, vitalidade, funcionamento social, emocional, saúde mental, alterações do estado da saúde. Estas dimensões associam-se por sua vez em dois grandes componentes: Componente físico e componente mental. No entanto, neste estudo, usamos a dimensão bem-estar geral SF-36 que resulta do estudo IQOLA (Keller, et al., 1998) onde encontraram um fator de segunda ordem com três componentes em
- 75 - Estudo 2 - Optimism on quality of life in Portuguese Chronic Patients: moderator/mediator? Artigo aceite para Publicação Estela Vilhena, José Pais-Ribeiro, Isabel Silva, Luísa Pedro, Rute F Meneses, Helena Cardoso, António Martins da Silva, Denisa Mendonça. Revista da Associação Médica Brasileira
- 76 - Usando modelos de regressão linear múltipla, o estudo teve como objetivo verificar se o otimismo disposicional exerce um efeito mediador ou moderador entre os traços de personalidade (neuroticismo, extroversão, conscienciosidade, amabilidade e abertura à experiência) e a qualidade de vida/bem-estar subjetivo, controlando para a idade, sexo, escolaridade e perceção da severidade da doença, em doentes crónicos. Verificou-se que o otimismo exerce um efeito mediador e não moderador entre os traços de personalidade e qualidade de vida/bem-estar subjetivo, exceto para as associações neuroticismo/abertura à experiência com saúde física. Os resultados encontrados neste estudo contribuem para dar resposta ao objetivo 2 desta investigação, no qual se pretende identificar variáveis moderadoras e mediadoras entre os fatores psicossociais e a qualidade de vida.
Capítulo 4 - Resultados - 77 - Optimism on quality of life in Portuguese Chronic Patients: moderator/mediator? Estela Vilhena1,5,8, José Pais-Ribeiro2,7, Isabel Silva3, Luísa Pedro4,7, Rute F. Meneses3, Helena Cardoso,6, António Martins da Silva6, Denisa Mendonça5,8 1-Polytechnic Institute of Cavado and Ave, Portugal 2-Faculty of Psychology and Educational Sciences, University of Porto, Portugal 3University of Fernando Pessoa, Portugal 4-ESTeSL Polytechnic Institute of Lisbon, Portugal 5-ICBAS, University of Porto, Portugal 6-UMIB/ICBAS and Hospital Santo António/CHP, Portugal 7-UIPES, Portugal 8-ISPUP, Institute of Public Health, University of Porto, Portugal Corresponding author: Estela Maria dos Santos Ramos Vilhena Escola Superior de Tecnologia Instituto Politécnico do Cávado e do Ave Campus do IPCA Lugar do Aldão 4750-810 Vila Frescainha S. Martinho Barcelos - Portugal Tel: + 351 253 80 22 60 Fax: + 351 253 82 31 27 Email: [email protected]
Aplicação de Metodologias de Análise Estatística na Identificação de Fatores Psicossociais Preditivos de Bom Ajustamento à Vida de Pessoas com Doenças Crónicas - 78 - Abstract Objective: Optimism is an important variable that has consistently been shown to affect adjustment to quality of life in chronic diseases. This study aims to clarify if dispositional optimism exerts a moderating or a mediating influence on the personality traits–quality of life association, in Portuguese chronic patients. Methods: Multiple regressions models were used to test the moderation and mediation effects of dispositional optimism in quality of life. A sample of 729 patients was recruited in Portuguese main Hospitals and completed self-reported questionnaires assessing sociodemographic and clinical variables, personality, dispositional optimism, quality of life (QoL) and subjective well-being (SWB). Results: The results of the regression models showed that dispositional optimism did not moderate the relationships between personality traits and quality of life. After controlling for gender, age, education level and severity of disease perception, the effects of personality traits on QoL and in SWB were mediated by dispositional optimism (partially and completely), except for the links between neuroticism/openness to experience and physical health. Conclusions: Dispositional optimism is more likely to play a mediating, rather than a moderating, role in personality traitsquality of life pathway in Portuguese chronic patients, suggesting that "the expectation that good things will happen" contributes to a better quality of life and subjective well-being.
Capítulo 4 - Resultados - 79 - Introduction Optimism is a variable that has been shown to affect quality of life of people with chronic disease. The Center for Diseases Control and Prevention1 define chronic diseases as no communicable illnesses that are prolonged in duration, do not resolve spontaneously, and are rarely cured completely; induce profound changes in a person’s life, resulting in negative effects on the quality of life (QoL). QoL is characterized like a subjective and a multidimensional concept that depends on the theoretical perspective and the context in which is used2. Adjustment to illness has also been categorized as good QoL, subjective well-being (SWB), vitality, positive affect, life satisfaction, and global self-esteem3, 4. SWB refers to people emotional and cognitive evaluations of their lives, and includes what people usually call happiness, peace, fulfilment, and life satisfaction5. Optimism is associated with better physical and mental well-being, decreased perceived disease severity, better functional ability and better emotional well-being6, 7. It is defined as “general expectations that good things will happen”8, pg 171; and optimists are people who expect good things to happen to them9. Predicts positive attitudes and tendencies to plan for recovery, seek information, and reframe bad situations10. Scheier and Carver8 explain that expectation judgments, in many stressful encounters, can range from very general to very specific – dispositional optimism and situational optimism. In this study we are interested in dispositional optimism9. It is characterized as stable preferences that may derive from personality or may develop for other reasons11. In this study we assess the association between personality and QoL. Personality is considered a dynamic system living inside the person, responsible for the people characteristic patterns of behavior, thoughts, and feelings10. Personality factors can impact on the way in which people approach life circumstances or on the kind of outcomes people achieve, which, in turn, can impact favorably or unfavorably on the QoL. However, there is not an exact definition about personality10 and we opted to use the consensus that the basic structure of personality may consist of five superordinate factors (dimensions), which are referred as the five-factor model or big-five: extraversion, agreeableness, conscientiousness, neuroticism and openness to experience. Because SWB is considered a stable trait, certain personality dimensions are related with happiness12, and some people tend to be happier than others because of their personality13. Costa and McCrae14 refer that satisfaction with life is related to a high level of extraversion and a low level of neuroticism and these two personality traits can account for a significant amount of the variance of SWB. Various studies have demonstrated that optimism plays a significant role in adaptation to a chronic disease. According with some researchers15, 16 it was believed that optimism would serve as protective factor when facing difficulties in life such as illness.
Aplicação de Metodologias de Análise Estatística na Identificação de Fatores Psicossociais Preditivos de Bom Ajustamento à Vida de Pessoas com Doenças Crónicas - 80 - Dispositional optimism contributes to better indices of psychological health17 and it is a significant predictor of positive physical health outcomes 6. Schou, Ekeberg, and Ruland18 found that in women with breast cancer, optimism was associated with better global health, QoL and functioning. Studies on optimism show its role as either as a moderator or mediator variable. Chang19 found that optimism partially moderated the relations between stress and measures of psychological adjustment. Others researchers did not found, in cancer patients20, a statistically significant interaction (moderator) between optimism and partner support in predicting QoL. Eisenberg and colleagues21, in heart failure patients, found a significant interaction between avoidant coping and anxiety, indicating that coping play like a moderate factor. The dispositional optimism completely mediated the effects of coping responses on presurgical distress levels in breast cancer patients22. Dispositional optimism is not the only and primary factor that contributes to a better QoL and SWB. The question of how optimism affects adaptation to a chronic disease is still a matter of debate, and it is necessary a further exploration to determine how it exerts a greater influence on QoL, especially if exerts an overlap between the dimensions of personality and QoL. Because a mediator variable accounts for the relation between the predictor (personality and demographic variables) and the criterion (outcome variables), it is important to identify these variables to optimize the comprehension about the relationships between variables, and to design better intervention programs23. The objective of this study is to examine the relationship between personality traits and both, QoL and SWB, and to analyze whether dispositional optimism is a moderator or a mediator of this relationship, in a group of different chronic diseases, having in common that they have returned to everyday life. Methods Participants Cross-sectional study used a sequential sample of 729 volunteer chronic patients24, recruited from Portuguese main Hospitals. These patients were approached by their physicians in outpatient departments, following the inclusion criteria: 1) diagnosis of epilepsy, diabetes, multiple sclerosis, obesity, myasthenia gravis or cancer disease diagnosed at least 3 years prior the study; 2) age ≥17 years at the time of the interview; 3) educational level higher than 6 years; 4) return to usual daily life with disease under control; 5) no cognitive disturbances. The approval by the institution ethical committees was obtained in all participating hospitals, and all participants provided informed consent.
Capítulo 4 - Resultados - 81 - A self-report questionnaire was used to evaluate socio-demographic, clinical, personality, dispositional optimism and outcome (QoL and SWB) variables. The data were collected by psychologists, after each medical appointment consultation. Measures Socio-demographic and clinical variables Data regarding age, sex, education and severity of disease perception (“generally, how do you classifies your illness?” with an increasing scale 1-nothing serious to 11-very serious) were used to describe the sample and as control variable. Personality A short version of the Revised NEO Personality Inventory (NEO-PI-R)25, the NEO FiveFactor Inventory (NEO-FFI), was used. Composed of 60 items (12 items per domain), that assess the five domains of personality (Neuroticism, Extraversion, Openness to Experience, Conscientiousness and Agreeableness), allows to obtain a quick assessment of general personality in adults and adolescents, using 5-point ratings (1=strongly disagree to 5=strongly agree). Administration takes as little as 10-15 minutes; Scores for each dimension results from summation of individual items of the dimension designed to take 10-15 minutes to administer. The internal consistency of the all dimensions with a Cronbach α ranging between 0.79 and 0.8626. Dispositional Optimism Dispositional optimism was evaluated with the Life Orientation Test-Revised (LOT-R)27. The LOT-R developed to assess individual differences in generalized optimism (e.g. “In uncertain times, I usually expect the best”) versus pessimism (e.g. “If something can go wrong for me, it will”). It consists of ten statements, were three items reflect expectations for positive outcomes, three items reflect expectations for negative outcomes and four are filter items. Each rated on a 5-point scale ranging from 0 (strongly disagree) to 4 (strongly agree). To calculate dispositional optimism scores, the 3 negatively worded items were reversed scored and averaged together with the 3 positively worded items to create a summary optimism score. Substantial research supports the reliability and validity of the LOT-R instrument27, and the internal consistency of the LOT-R in study was good (α=0.80). Higher scores indicate greater optimism, means an optimistic disposition, and the lower scores mean a pessimistic disposition.
Aplicação de Metodologias de Análise Estatística na Identificação de Fatores Psicossociais Preditivos de Bom Ajustamento à Vida de Pessoas com Doenças Crónicas - 82 - Quality of Life The MOS 36-item Short-Form Health Survey (SF-36) was used28; a 36-item questionnaire, divided into eight dimensions grouped in the components identified in the IQOLA project29, in which a second-order factor was found, with three components of SF36 (general well-being - GWB, physical health - PH and mental health - MH). Survey response codes are re-coded according to standardized procedures. Generally, scores for each scale are calculated for respondents completing 50% or more of the items within a scale. Among these respondents, the value for any missing item is imputed as the mean value for non-missing items. Raw scores are calculated as the sum of (re-coded) scale items and transformed to a 0 to 100. All scales and the component scores are positively scored so that higher scores represent better health-related QoL. Subjective Well-being SWB was measured used the Portuguese version of the Personal Well-being scale, which includes 7 items/areas (satisfaction with level of life, health, personal achievement, personal relationships, sense of safety, community connection and future security), that seek to represent a first level of "satisfaction with life in general”. The score is the average of items, varying from 0 to 100, where higher values represent better subjective wellbeing. Cronbach α was 0.8130. Data Analysis Standard descriptive analyses were used to assess the sample characteristics. Linear associations between dispositional optimism, personality traits, QoL components and SWB, were examined using Pearson correlation. The socio-demographic and clinical variables, that showed significant associations with outcome variables (p<0.1), were included in the multivariate analysis. Regression models were used to conduct moderator and mediator analysis, to predict outcomes (QoL components and SWB) according to the most widely used method outlined in the classic work of Baron and Kenny31. Moderator and mediator relations were tested separately for the QoL components and for SWB. Multiple linear regression analyses were conducted, to test if dispositional optimism moderated the relationships between personality traits and QoL components and SWB, expressed by a statistically significant interaction term between personality traits and dispositional optimism. In the moderator models, each regression model included: 1) socio-demographic and clinical control variables, 2) personality traits, 3) dispositional optimism and 4) the personality traits×dispositional optimism interaction terms, which were centered for this analysis.
Capítulo 4 - Resultados - 83 - Multiple linear regressions were also conducted to explore the mediating role of dispositional optimism on the relationships between personality traits and QoL components and SWB. A variable was considered a mediator if: the independent variable (personality traits) and the mediator (dispositional optimism) are related to the outcome (QoL components and SWB); the independent variable is related to mediator; and the relation between the independent variable and the outcome is significantly reduced when the mediator is included in the model31. There are four steps, performed with three regression models to test mediation for each measure of QoL components and SWB: 1) personality traits should significantly predict QoL components and SWB; 2) dispositional optimism should significantly predict QoL components and SWB, controlling for personality traits; 3) personality traits should significantly predict dispositional optimism and 4) controlling for dispositional optimism, the relationship between personality traits, QoL components and SWB should be reduced, or no longer significant. If dispositional optimism is a complete mediator, the relation between personality traits and QoL is reduced to zero, when controlling for dispositional optimism. Sobel test was used to test the mediating effect23, 32, 33. In the case of partial mediation, the Sobel test is conducted, by comparing the strength of the indirect effect of predictor on the outcome after controlling for dispositional optimism. Another way to describe the amount of mediation is in terms of the proportion of the total effect that is mediated, defined as ab/c where “a” and “b” are unstandardized regression coefficients, between the independent and the mediator variables and, between the mediator and the outcome variables, respectively. The coefficient “c” is the total effect of independent variable on the outcome, not controlling for the mediator. Also, it is important to note that this is just a way of describing the amount of mediation, rather than a test of the significance of the mediated effect23. Regression assumptions were evaluated and results were considered statistically significant when p<0.05. All analysis was carried out using the SPSS statistical package, version 19.0. Results Participants A total of 729 chronic patients participated in the study: 179 with cancer, 126 with diabetes, 89 with epilepsy, 20 with myasthenia gravis, 100 with multiple sclerosis and 215 with obesity. Of this group, 28.8% were male; 54.3% had an education level ≥9 years. Their mean age was 42.13 years (SD=11.65), mean time since the diagnosis was 11.74 years (SD=9.51) and mean severity of disease perception was 6.58 (SD=2.77).
Aplicação de Metodologias de Análise Estatística na Identificação de Fatores Psicossociais Preditivos de Bom Ajustamento à Vida de Pessoas com Doenças Crónicas - 90 - Discussion The purpose of this study was to examine, in Portuguese chronic patients, if dispositional optimism exerts a moderating or a mediating influence between personality traits and both, QoL components and SWB. Optimism has consistently been shown to affect adjustment to QoL in chronic diseases. In recent years, dispositional optimism has been the most frequently examined personality attributes in relation to disease-related adjustment4, given that dispositional optimism is a very general tendency, a disposition that reflects expectations across a variety of life domains. However, it is important to note that, optimism does not help people to overcome the disease per se, but influences several factors that, probably, help in the selection of coping strategies for adjustment to life. In a series of regression models our study found that the effect of personality traits on QoL is not moderated but rather mediated (partially and totally) by dispositional optimism. Patients’ personality traits influence dispositional optimism and, in doing so, affect indirectly their QoL. These findings are consistent with those from other studies10. We found that dispositional optimism did not exert a significant mediating effect between neuroticism/openness to experience and PH. According to several authors6-8, 17, 18, 34-36, these data generally suggests direct and indirect associations between dispositional optimism and better QoL. The present findings offer a useful contribution to the growing literature identifying the role of optimistic beliefs to adaptation beyond specific chronic disease. Expecting positive outcomes in one’s life seems to be an important aspect of human nature. The findings have important implications in light of the positive effects of optimism on health outcomes. By conducting studies that examine the links between optimism, and psychological adjustment in persons with chronic diseases we may get closer to understanding their interrelations. We conclude that dispositional optimism is more likely to play a mediating, rather a moderating, role in personality traits-outcomes (QoL components and SWB) association. Interventions in patients should be in order to achieve and maintain a level of optimism that helps to facilitate and improve the QoL. Dispositional optimism is mediator between personality traits and QoL and SWB in Portuguese patients with chronic disease. Although additional research is clearly needed for better understanding the functional relationship between dispositional optimism and adjustment, the present study provides a step in that direction.
Capítulo 4 - Resultados - 91 - Conflict of interest All authors declare to have no conflict of interest. References 1. CDC. What Are Chronic Diseases? [cited 2013 May 4]. Available from: http://www.cdc.gov/chronicdisease/resources/publications/aag/chronic.htm. 2. Gill TM, Feinstein AR. A Critical-Appraisal of the Quality of Quality-of-Life Measurements. Jama-J Am Med Assoc. 1994;272(8):619-626. 3. de Ridder D, Geenen R, Kuijer R, et al. Psychological adjustment to chronic disease. Lancet. 2008;372(9634):246-255. 4. Stanton AL, Revenson TA, Tennen H. Health psychology: Psychological adjustment to chronic disease. Annu Rev Psychol. 2007;58:565-592. 5. Diener E, Oishi S, Lucas R. Personality, Culture, and Subjective Well-Being: Emotional and Cognitive Evaluations of Life. Annu Rev Psychol. 2003;54:403–425. 6. Rasmussen HN, Scheier MF, Greenhouse JB. Optimism and Physical Health: A Meta-analytic Review. Ann Behav Med. 2009;37(3):239-256. 7. Shelby RA, Crespin TR, Gregorio SMWD, et al. Optimism, social support, and adjustment in African American women with breast cancer. J Behav Med. 2008;31(5):433-444. 8. Scheier MF, Carver CS. Dispositional Optimism and Physical Well-Being - the Influence of Generalized Outcome Expectancies on Health. J Pers. 1987;55(2):169210. 9. Carver CS, Scheier MF, Segerstrom SC. Optimism. Clin Psychol Rev. 2010;30(7):879-889. 10.Wrosch C, Scheier MF. Personality and quality of life: The importance of optimism and goal adjustment. Qual Life Res. 2003;12:59-72. 11.Carver CS, Scheier MF, Weintraub JK. Assessing Coping Strategies - a Theoretically Based Approach. J Pers Soc Psychol. 1989;56(2):267-283. 12.Libran EC. Personality dimensions and subjective well-being. Span J Psychol. 2006;9(1):38-44. 13.Hayes N, Joseph S. Big 5 correlates of three measures of subjective well-being. Personality and Individual Differences. 2003;34(4):723-727. 14.Costa PT, Mccrae RR. Influence of Extraversion and Neuroticism on Subjective WellBeing - Happy and Unhappy People. J Pers Soc Psychol. 1980;38(4):668-678. 15. Fournier M, de Ridder D, Bensing J. Optimism and adaptation to chronic disease: The role of optimism in relation to self-care options of type I diabetes mellitus, rheumatoid arthritis and multiple sclerosis. Brit J Health Psych. 2002;7:409-432.
Aplicação de Metodologias de Análise Estatística na Identificação de Fatores Psicossociais Preditivos de Bom Ajustamento à Vida de Pessoas com Doenças Crónicas - 92 - 16. Giltay EJ, Kamphuis MH, Kalmijn S, et al. Dispositional optimism and the risk of cardiovascular death - The Zutphen Elderly Study. Arch Intern Med. 2006;166(4):431436. 17. Segerstrom SC, Nes LS. When goals conflict but people prosper: The case of dispositional optimism. J Res Pers. 2006;40(5):675-693. 18. Schou I, Ekeberg O, Ruland CM. The mediating role of appraisal and coping in the relationship between optimism-pessimism and quality of life. Psycho-Oncol. 2005;14(9):718-727. 19. Chang EC. Does dispositional optimism moderate the relation between perceived stress and psychological well-being?: a preliminary investigation. Personality and Individual Differences. 1998;25(2):233-240. 20. Gustavsson-Lilius M, Julkunen J, Hietanen P. Quality of life in cancer patients: The role of optimism, hopelessness, and partner support. Qual Life Res. 2007;16(1):7587. 21. Eisenberg SA, Shen BJ, Schwarz ER, et al. Avoidant coping moderates the association between anxiety and patient-rated physical functioning in heart failure patients. J Behav Med. 2012;35(3):253-261. 22. Ho MY, Cheung FM, Cheung SF. The role of meaning in life and optimism in promoting well-being. Personality and Individual Differences. 2010;48(5):658-663. 23. Frazier PA, Tix AP, Barron KE. Testing moderator and mediator effects in counseling psychology research. J Couns Psychol. 2004;51(1):115-134. 24. Rogers W, McGlynn E, Berry S, et al. Measuring functioning and well-being; the medical outcomes study approach. In:A. Stewart JW, Jr, editors. Methods of sampling: .Dirham and London: Duke University Press 1992:27-47. 25. Costa PT, McCrae RR. NEO-PI-R Professional Manual. Revised NEO Personality Inventory (NEO-PI-R) and NEO Five Factor Inventory (NEO-FFI). Psychological Assessment Resources. 1992. 26. Lima M, Simões A. NEO-PI-R manual profissional. Lisboa: CEGOC 2000. 27. Scheier MF, Carver CS, Bridges MW. Distinguishing Optimism from Neuroticism (and Trait Anxiety, Self-Mastery, and Self-Esteem) - a Reevaluation of the Life Orientation Test. J Pers Soc Psychol. 1994;67(6):1063-1078. 28. Ware JE, Snow KK, Kosinski M, et al. SF-36 Health Survey: Manual and Interpretation Guide. Boston: The Health Institute. New England Medical Center 1993. 29. Keller SD, Ware Jr JE, Bentler PM, et al. Use of Structural Equation Modeling to Test the Construct Validity of the SF-36 Health Survey in Ten Countries: Results from the IQOLA Project. J Clin Epidemiol. 1998;51(11):1179-1188. 30. Pais Ribeiro J, Cummins R. O bem-estar pessoal: estudo de validação da versão portuguesa da escala. In I.Leal, J.Pais-Ribeiro, editors. Actas do 7º congresso nacional de psicologia da saúde. Lisboa: ISPA 2008:505-508.
Capítulo 4 - Resultados - 93 - 31. Baron RM, Kenny DA. The Moderator Mediator Variable Distinction in Social Psychological-Research - Conceptual, Strategic, and Statistical Considerations. J Pers Soc Psychol. 1986;51(6):1173-1182. 32. MacKinnon DP, Fairchild AJ, Fritz MS. Mediation analysis. Annu Rev Psychol. 2007;58:593-614. 33. Preacher KJ. Calculation for the Sobel Test: An interactive calculation tool for mediation tests. [cited 2012 December 1]. Available from: http://quantpsy.org/sobel/sobel.htm. 34. Scheier MF, Carver CS. Optimism, coping, and health: assessment and implications of generalized outcome expectancies. Health Psychology. 1985;4:219-247. 35. Scheier MF, Carver CS. Effects of Optimism on Psychological and Physical WellBeing - Theoretical Overview and Empirical Update. Cognitive Ther Res. 1992;16(2):201-228. 36. Pais-Ribeiro J, da Silva AM, Meneses RF, et al. Relationship between optimism, disease variables, and health perception and quality of life in individuals with epilepsy. Epilepsy Behav. 2007;11(1):33-38.
- 95 - Estudo 3 - An application of Structural Equation Modeling to test, in persons with chronic disease, the effect mediator of Optimism between Personality and Quality of Life Trabalho apresentado at the Young Statisticians Meeting Satellite Event of the 58th ISI World Congress, Trinity College Dublin, Irland, 19 to 21 August de 2011
- 96 - Este estudo pretendeu clarificar se o otimismo disposicional exerce um efeito mediador entre o neuroticismo e o bem-estar geral e a saúde mental e simultaneamente entre a extroversão e o bem-estar geral e a saúde mental, em pessoas com doenças crónicas. Usando modelos de equações estruturais, os resultados indicaram um efeito mediador do otimismo disposicional entre o neuroticismo e o bem-estar geral e a saúde mental e entre a extroversão e o bem-estar geral. Verificou-se, ainda, que o neuroticismo exerce um impacto negativo no bem-estar geral e na saúde mental, contrariamente à extroversão que contribui para um melhor bem-estar geral. Estes resultados contribuem para dar resposta simultânea ao objetivo 1 e 2; no qual se pretende identificar fatores associados ao bom ajustamento à vida e dentificar variáveis mediadoras entre os fatores psicossociais e a qualidade de vida.
Capítulo 4 - Resultados - 97 - An application of Structural Equation Modeling to test, in persons with chronic disease, the effect mediator of Optimism between Personality and Quality of Life Estela Vilhena, IPCA, Barcelos; ICBAS, University of Porto, Porto, Portugal José Pais-Ribeiro, FPCE, University of Porto; UIPES, Lisbon, Portugal Isabel Silva, University of Fernando Pessoa, Porto, Portugal Luísa Pedro, UIPES; ESTeSL IP, Lisbon, Portugal Rute Meneses, University of Fernando Pessoa, Porto, Portugal Helena Cardoso, ICBAS, University of Porto; HGSA Hospital Center of Porto, Portugal Madalena Abreu, FPCE, University of Porto, Porto, Portugal Vera Melo, FPCE, University of Porto, Porto, Portugal Ana Silva, HGSA Hospital Center of Porto, Portugal António Martins da Silva, ICBAS, University of Porto, HGSA Hospital Center of Porto, Portugal Denisa Mendonça, ICBAS, ISPUP University of Porto, Porto, Portugal, Optimism is an important variable that has consistently been shown to affect adjustment to quality of life in chronic disease. The aim of present study was to clarify if dispositional optimism exerts a mediating influence on the personality traits (neuroticism and extraversion) – quality of life association (QoL - measured by the general well-being and mental health) in Portuguese patients with chronic diseases. Structural Equation Models (SEM) were used to test the quality of the hypothesized model, estimating the simultaneous effects of personality traits on QoL, and evaluated the mediator effect of dispositional optimism. A sample of 729 patients was recruited from central hospitals in various districts of Portugal. All completes self-reported questionnaires assessing personality, optimism and QoL. The hypothesized model fitted the data reasonably well. It was found that dispositional optimism exerts a simultaneous mediating effect between neuroticism – general well-being and neuroticism – mental health association and, between extraversion and general wellbeing. The results suggest "the expectation that good things will happen" contributes to a better quality of life. Interventions in patients should be in order to achieve and maintain a level of optimism that helps to facilitate and improve the quality of life. Key Words: Chronic disease, Mediator, Optimism, SEM
- 98 - Results Structural Equation Models (SEM), using Maximum Likelihood (ML) estimation, were used to test the quality of the hypothesized model. The Satorra-Bentler Scaled correction to test statistic were used. Standard errors were corrected to adjust for the extent of no normality. SEM results revealed a reasonable adjustment of the model. Global fit measures were within recommended limits CFI=0.945, RMSEA=0.066 and =228.9, p<0.0001 (sensible to sample size). Patients with higher level of neuroticism and less optimistic, felt less satisfied with general well-being and mental health; extravert patients tend to be more optimistic and have a better general well-being. After controlling for neuroticism/extraversion, optimist patients tended to be more pleased with general well-being and had a positive impact on mental health. The strength of the relation between personality traits and QoL, after controlling for dispositional optimism, was significantly reduced, revealing only a partial mediation effect of dispositional optimism between neuroticism-general well-being, neuroticism-mental health association and, between extraversion and general wellbeing association (Figure 1). Figure 1 - Hypothesized SEM and standardized ML parameter estimates
- 99 - Estudo 4 - An application of Structural Equation Modeling to test dispositional optimism as mediator or moderator in Quality of Life in patients with chronic disease Artigo publicado Estela Vilhena, José Pais-Ribeiro, Isabel Silva, Luísa Pedro, Rute Meneses, Helena Cardoso, António Martins da Silva, & Denisa Mendonça (2013). An Application of Structural Equation Modeling of Test Dispositional Optimism as Mediator or Moderator in Quality of Life in Patients with Chronic DiseaseIn: Paulo Oliveira, Maria da Graça Temido, Carla Henriques, & Maurizio Vichi (Edts). Recent Developments in Modeling and Applications in Statistics (pp. 31-38). Heidelberg: Springer-Verlag
Aplicação de Metodologias de Análise Estatística na Identificação de Fatores Psicossociais Preditivos de Bom Ajustamento à Vida de Pessoas com Doenças Crónicas - 106 - These results reveal that the effect of neuroticism and extraversion on psychological components of quality of life is not moderated by dispositional optimism. Mediation Model The hypothesis that dispositional optimism mediates the relation between neuroticism/ extraversion and QoL, was evaluated by two models. According to Baron and Kenny criteria mediation [1], one model tests the significant effect of personality traits on QoL and the other model, tests the role of dispositional optimism as a mediator between these variables. It means that the relationship between personality traits and quality of life is reduced, or is no longer significant after controlling for dispositional optimism. Both models are controlled for socio-demographic and clinical variables. The results of first model showed a statistically significant direct effect between personality traits (neuroticism and extraversion) and QoL (general well-being and mental health), X2(25)=53:847, p<0.01, CFI=0.98, RMSEA=0.048, X2/df=2:2. The second (overall) model fits reasonably (X2(33)=76. 645, p<0.01, CFI=0.98, RMSEA=0.051, X2/df=2:3) (Fig. 1). We found that patients with higher levels of neuroticism felt less satisfied with general well-being, mental health and they are less optimistic; extraverted patients tend to have a better general well-being, better mental health and tend to be more optimistic. After controlling for neuroticism/extraversion, we found that optimistic patients tended to be more pleased with general well-being and had a positive impact on mental health. After controlling for dispositional optimism, it was revealed that the strength of the relation between personality traits and QoL, was significantly reduced (evaluated by Sobel test [6, 15, 17]), demonstrating a partial mediation effect of dispositional optimism between neuroticism/extraversion and general well-being/mental health. Results also reveal a statistically significant impact of perception of severity of disease (b=-0.615), showing that high levels imply poor general well-being. 3 Conclusions Using Structural Equation Modeling, the purpose of this study was to evaluate, in Portuguese patients with chronic diseases, the moderator or mediator effect of dispositional optimism between personality traits (neuroticism and extraversion) and psychological components of quality of life (general well-being and mental health). Extensive research has documented links between personality traits and quality of life [10]. In chronic diseases, optimism has been shown to predict diverse and important benefits for individuals, affecting the adjustment of the quality of life [7, 10,19,25]. In recent years, this personality attribute has been the one most examined in the disease
Capítulo 4 - Resultados - 107 - adjustment relationship [21]. It influences several factors which help in the selection of coping strategies for adjustment to life. The study results are consistent with those of other authors [25]. We found that neuroticism and extraversion influence dispositional optimism and, indirectly, affect the psychological components of quality of life. Dispositional optimism is more likely to play a mediating, rather a moderating, role in the association between personality traits and quality of life. An optimistic attitude, in other words, the expectation that good things will happen seems to promote a higher level of psychological well-being. This being so, interventions in patients should aim to achieve and maintain a level of optimism that would help to facilitate and improve the quality of life. The present study is accordance with the theory and research, and makes it possible to clarify the relationship between optimism and quality of life, concluding that dispositional optimism is a mediator between neuroticism/extraversion and general well-being/mental health in Portuguese patients with chronic disease. Statistically significant V GH 0.611 0.810GWB e1 e2 D1 0.723 MF SF RE 0.662 0.730 0.864 MH e3 e4 e5 D2 0.692 -0.328*/ -0.414 -0.519* / -0.609 0.241* / 0.312 0.110* / 0.183 0.213 0.218 0.914 -0.413 Disp. Optimism Neuro Extra 0.322 - 0.305 * Indirect Effect (α =5%) e6 Bentler‐WeeksModel 1 Β 1 1 1 q is the number of DVs (dependent variables=8) r is the number of IVs (independent variables=15) is a vector of DVs Β is a matrix of regression coefficients among DVs is a matrix of regression coefficients among DVs and IVs is a vector of IVs In the Bentler-Weeks model the parameters to be estimated are 1) the regression coefficients and 2) the variances and covariances of IVs in the model. Measurement Equations GH=1.GWB+e1 V=*GWB+e2 RE=1.MH+e3 SF=*MH+e4 MF=*MH+e5 Disp. Optimism=*Neuro+*Extra+e6 Construct Equations GWB=*Disp.Optimism+*A+*G+*E+*TSD+*PSD+*Neuro+*Extra+d1 MH=*Disp. Optimism+*A+*G+*E+*TSD+*PSD+*Neuro+*Extra+d2 e - errors of measured variables d - errors of latent variables * - parameters to estimate Figure 1 - SEM with standardized factor loadings and Bentler-Weeks Model [22]
Aplicação de Metodologias de Análise Estatística na Identificação de Fatores Psicossociais Preditivos de Bom Ajustamento à Vida de Pessoas com Doenças Crónicas - 108 - References 1. Baron, R. M. & Kenny, D. A. The Moderator Mediator Variable Distinction in Social Psychological-Research-Conceptual, Strategic, and Statistical Considerations. Journal of Personality and Social Psychology, 51(6), 1173-1182 (1986). 2. Byrne, B. M. Structural Equation Modeling With EQS: Basic Concepts, Applications and Programming (Second Edition ed.).Lawrence Erlbaum Associates, Publishers (2006). 3. Chang, E. Does dispositional optimism moderate the relation between perceived stress and psychological well-being?: a preliminary investigation. Personality and Individual Differences, 25, 233-240 (1990). 4. Costa, P. T. & McCrae, R. R. NEO-PI-R Professional Manual. Revised NEO Personality Inventory (NEO-PI-R) and NEO Five Factor Inventory (NEO-FFI). Psychological Assessment Resources (1992). 5. Dubayova, T., Nagyova, I., Havlikova, E., Rosenberger, J., Gdovinova, Z., Middel, B., et al. Neuroticism and extraversion in association with quality of life in patients with Parkinson’s disease. Quality of Life Research, 18(1), 33-42 (2009). 6. Frazier, P. A., Tix, A. P. & Barron, K. E. Testing moderator and mediator effects in counseling psychology research. Journal of Counseling Psychology, 51(1), 115134(2004). 7. Grant, H. & Higgins, E. T. Optimism, promotion pride, and prevention pride as predictors of quality of life. Personality and Social Psychology Bulletin, 29(12), 1521 1532(2003). 8. Gustavsson-Lilius, M., Julkunen, J. & Hietanen, P. Quality of life in cancer patients: The role of optimism, hopelessness, and partner support. Quality of Life Research, 16(1), 75-87(2007). 9. Hirsch, J. K., Wolford, K., LaLonde, S. M., Brunk, L. & Morris, A. P. Dispositional optimism as a moderator of the relationship between negative life events and suicide ideation and attempts. Cognitive Therapy and Research, 31(4), 533546(2007). 10. Ho, M. Y., Cheung, F. M. & Cheung, S. F. The role of meaning in life and optimism in promoting well-being. Personality and Individual Differences, 48(5), 658663(2010). 11. Keller, S. D.,WareJr, J. E., Bentler, P. M., Aaronson, N. K., Alonso, J., Apolone, G., et al. Use of Structural Equation Modeling to Test the Construct Validity of the SF-36 Health Survey in Ten Countries: Results from the IQOLA Project. Journal of Clinical Epidemiology, 51(11), 1179-1188(1998).[doi: 10.1016/S0895 4356(98)00110-3]. 12. Kline, R. B. Principles and Practice of Structural Equation Modeling (Thirtd Edition ed.). New York: The Guilford Press(2011).
Capítulo 4 - Resultados - 109 - 13. Krampe, H., Bartels, C., Victorson, D., Enders, C. K., Beaumont, J., Cella, D., et al. The influence of personality factors on disease progression and health-related quality of life in people with ALS. Amyotrophic Lateral Sclerosis, 9(2), 99-107(2008). 14. MacCallum, R. C. & Austin, J. T. Applications of structural equation modeling in psychological research. Annual Review of Psychology,51, 201-226(2000). 15. Macckinnon, D. P., Fritz, M. S., Williams, J. & Lockwood, C. M. Distribution of the product confidence limits for the indirect effect: Program PRODCLIN. Behavior Research Methods, 39(3), 384-389(2007). 16. Mulaik, S. A.Linear Causal Modeling with Structural Equations: Taylor & Francis Group (2009). 17. Preacher, K. J. & Leonardelli, G. J. Calculation for the Sobel Test: An interactive calculation tool for mediation tests Retrieved. Avaiable via http://quantpsy.org/sobel/sobel.htm. Cited 25 March 2010. 18. Russell,D. W., Kahn, J. H., Spoth, R. & Altmaier, E. M. Analyzing data from experimental studies: A latent variable structural equation modeling approach. Journal of Counseling Psychology, 45(1), 18-29 (1998). 19. Scheier, M. F. & Carver, C. S. Effects of Optimism on Psychological and PhysicalWell-Being - Theoretical Overview and Empirical Update. Cognitive Therapy and Research, 16(2), 201228(1992). 20. Scheier, M. F., Carver, C. S. & Bridges, M. W. Distinguishing Optimism from Neuroticism (and Trait Anxiety, Self-Mastery, and Self-Esteem) - a Reevaluation of the Life Orientation Test. Journal of Personality and Social Psychology, 67(6), 10631078(1994). 21. Stanton, A. L., Revenson, T. A. & Tennen, H. Health psychology: Psychological adjustment to chronic disease. Annual Review of Psychology, 58, 565-592(2007). 22. Tabachni,B. & Fidell, L. Using Multivariate Statistics (Third edition). New York: HarperCollins College Publishers(1996). 23. Vittadini G. Indeterminacy Problems in the Lisrel Model. Multivariate Behavioral Research, 24(4), 397-414(1989). 24. Ware, J. E., Snow, K. K., Kosinski, M., & Gandek, B. SF-36 Health Survey: Manual and Interpretation Guide. Boston: The Health Institute. New England Medical Center(1993). 25. Wong, W. S. & Fielding, R. Quality of life and pain in Chinese lung cancer patients: Is optimism a moderator or mediator? Quality of Life Research, 16(1), 5363(2007).
- 110 -
- 111 - Estudo 5 - Adjustment to a Chronic Disease: Structural Modeling Application Trabalho apresentado no XIIIth Spanish Biometry Conference and 3rd Ibero-American Biometry Meeting, in university of Barcelona, Spain, 7-9 September 2011
- 112 - O Estudo 5 teve como objetivo avaliar o papel da perceção da severidade da doença, do suporte social e do otimismo disposicional no bem-estar geral e na saúde mental, em pessoas com doenças crónicas. Os resultados indicaram, aplicando modelos de equações estruturais que, os doentes com uma perceção da severidade da saúde mais elevada são menos otimistas, apresentavam um pior bem-estar e uma pior saúde mental. Já um melhor suporte social e uma atitude mais otimista contribuem para um melhor bem-estar geral e uma melhor saúde mental. Estes resultados contribuem para dar resposta ao objetivo 1, no qual se pretende identificar fatores associados ao bom ajustamento à vida.
Capítulo 4 - Resultados - 113 - Adjustment to a Chronic Disease Structural Modelling Application E. Vilhena1, J. Pais-Ribeiro 2,I.Silva3, L. Pedro4, R. Meneses5, H. Cardoso6, M.Abreu7,V. Melo8, A Silva9 A. Martins da Silva10, D. Mendonça11 1[email protected], IPCA-Barcelos; ICBAS-University of Porto, Portugal 2[email protected], FPCE, University of Porto; UIPES, Lisbon, Portugal 3[email protected] ,University of Fernando Pessoa, Porto, Portugal 4[email protected].pt, UIPES; ESTeSL IP, Lisbon, Portugal 5[email protected], University of Fernando Pessoa, Porto, Portugal 6[email protected], ICBAS, University of Porto; HGSA Hospital Center of Porto, Portugal 7[email protected], FPCE, University of Porto, Portugal 8[email protected], FPCE, University of Porto, Portugal 9[email protected], HGSA Hospital Center of Porto, Portugal 10[email protected], ICBAS, University of Porto; HGSA Hospital Center of Porto, Portugal 11[email protected], ICBAS, ISPUP University of Porto, Portugal Abstract Using Structural Equation Modeling the results of the study suggested that severity of disease perception had a negative impact on quality of life in Portuguese patients with chronic disease, and an optimism attitude and a greater social support will facilitate their adjustment to the disease. Keywords: Adjustment, Chronic Disease, Structural Equation Modelling 1. Introduction Structural Equation Modeling (SEM) techniques are considered today to be a major component of applied multivariate statistical analysis for addressing complex scientific questions in a most variety investigations areas. Quality of life has become an important concept for health care. It is a construct composed of a number of factors that contribute to an individual’s well-being and adjustment to chronic diseases. Patients with chronic diseases are required to live with the limitations imposed by their conditions. Using SEM, this study aimed to test a hypothetical model to examine whether severity of disease perception, social support and dispositional optimism are relevant predictors
A plica ç Predit i - 114 of q u with 2. This chro n hos p vari a (gen e eac h char a ass o opti m Stru c esti m anal y 3. The with 89 mya s multi obe s wer e 42.1 3 sch o mea n was mea n perc e ç ão de Metodo l i vos de Bom Aj u - u ality of life chronic dis e Method s is a cross - n ic patient s p itals of Por a bles, soci a eral well-b e h consulta t a cteristics. o ciations b e m ism with t h c tural Equ a m ating the y ses were c Results 729 patie n cancer, 1 2 with epi l s thenia g r i ple sclero s s ity. Of thi s e male, the 3 years ( s o ol 9.78 y n time sin 11.74 ye a n severi t e ption was Figur e l ogias de Análi s u stamento à Vi d domains ( g e ase. s - sectional s s , approach to. A self-r e a l support, d e ing and m e t ion. Desc r Pearson e tween sev e h e compon e a tion Model simultane o c onducted w n ts include 2 6 with di a l epsy, 20 r avis, 10 0 s is and 21 s group, 2 ir mean a g s d=11.65), y ears (sd = ce the di a a rs (sd=9.5 0 t y of d 6.58 (sd=2 e 1 - Hypothe s s e Estatística n a d a de Pessoas c g eneral wel l s tudy that c ed by their e port questi d isposition a e ntal healt h r iptive stat i correlatio n e rity of dis e e nts of qu a s were us e o us effects w ith the EQ s: 179 a betes, with 0 with 5 with 2 8.8 % g e was mean = 4.69), a gnosis 0 ) and d isease .77). s ized structur a a Identificação d c om Doenças C l-being and c omprises a physicians onnaire ev a a l optimism h ). The dat a istics wer e n coeffici e e ase perce a lity of life ( g e d to test t h of predic t Q S 6.1 prog r a l equation m d e Fatores Psic o C rónicas mental he a a sequenti a , in outpati e a luated so c and the c o a was colle c e calculate e nt was u ption, soci a g eneral we h e quality o t ors on th e r am. odel and stan o ssociais a lth) in Por t a l sample o e nt depart m io-demogr a o mponents c ted by ps y d to ass e u sed to a a l support a l l-being an d o f the hyp o e outcome d ardized ML p t uguese pa o f 729 vol u m ents of pri n a phic and c of quality o y chologists , e ss the s a a nalysed a nd disposi d mental h e o thesized m e variables. p arameter es t tients u nteer n cipal l inical o f life after a mple linear tional e alth). m odel, The imates
Capítulo 4 - Resultados - 115 - Dispositional optimism and social support were positive moderately associated with both components of quality of life, while severity of disease perception shows an inverse relation. The correlation between general well-being and mental health was positive and statistically significant. The SEM results showed that the hypothesized model fitted the data reasonably well (χ2(96)=332.845, p<0.001, CFI=0.94, RMSEA=0.061). It was found that perception of disease, social support and optimism had a simultaneous independent impact on general well-being and mental health (Fig. 1). 4. Conclusions The purpose of this study was to evaluate, in Portuguese chronic patients, whether perception of disease, social support and optimism are relevant predictors of Quality of life. Using Structural Equation Modeling, the findings suggest that perception of disease had a negative impact on quality of life domains. An optimist attitude and a greater social support contribute to facilitate the patients adjustment to the new condition, which in turn will affect positively their quality of life. 5. Bibliography [1] Byrne, B. M. (2006). Structural Equation Modeling With EQS: Basic Concepts, Applications and Programming (Second Edition ed.). Lawrence Erlbaum Associates, Publishers. [2] MacCallum, R. C. & Austin, J. T (2000). Applications of structural equation modeling in psychological research. Annual Review of Psychology,51, 201-226. [3] Grant, H. & Higgins, E. T (2003). Optimism, promotion pride, and prevention pride as predictors of quality of life. Personality and Social Psychology Bulletin, 29(12), 15211532. [4] Gustavsson-Lilius, M., Julkunen, J. & Hietanen, P (2007). Quality of life in cancer patients: The role of optimism, hopelessness, and partner support. Quality of Life Research, 16(1), 75-87. [5] Ho, M. Y., Cheung, F. M. & Cheung, S. F. (2010). The role of meaning in life and optimism in promoting well-being. Personality and Individual Differences, 48(5), 658663. [6] Kline, R. B. (2011). Principles and Practice of Structural Equation Modeling (Thirtd Edition ed.). New York: The Guilford Press. [7] Mulaik, S. (2009) A.Linear Causal Modeling with Structural Equations: Taylor & Francis Group.
- 122 - O estudo seguinte baseia-se na qualidade de vida de pessoas com doenças metabólicas. Teve como objetivo testar um modelo teórico no qual se pressupôs: 1) a perceção do estigma, o otimismo disposicional e o afeto positivo são preditores da qualidade de vida (bem-estar geral, saúde física e saúde mental); 2) o otimismo disposicional exerce um efeito mediador entre a perceção de estigma/afeto positivo e a qualidade de vida. Aplicando modelos de equações estruturais e controlando para um grupo de variáveis sociodemográficas e clínicas, os resultados mostraram que doentes com uma menor perceção de estigma, mais otimistas e com mais afeto positivo têm uma melhor qualidade de vida. Por outro lado, o otimismo exerce um efeito mediador entre o afeto positivo e o bem-estar geral e simultaneamente entre a perceção de estigma e o bem-estar geral, e exerce também um efeito mediador entre a perceção de estigma e a saúde mental. Estes resultados contribuem, ainda que de uma forma parcial, dar resposta simultânea aos três primeiros objetivos desta investigação; no qual se pretende identificar variáveis mediadoras entre os fatores psicossociais e a qualidade de vida, identificar fatores associados ao bom ajustamento à vida e comparar a qualidade de vida entre grupos de pessoas com doenças crónicas respetivamente.
Capítulo 4 - Resultados - 123 - I ENCONTRO PORTUGUÊS DE BIOMETRIA & I ENCONTRO LUSO-GALAICO DE BIOMETRIA COMUNICAÇÃO ORAL Aplicação de Modelos de Equações Estruturais na Avaliação da Qualidade de Vida em Pessoas com Doenças Metabólicas Estela Vilhena Instituto Politécnico do Cávado e do Ave, Barcelos; ICBAS, ISPUP – Universidade do Porto, [email protected] José Luís Pais Ribeiro Faculdade de Psicologia e Ciências da Educação – Universidade do Porto; UIPES, Lisboa, [email protected] Luísa Pedro UIPES, ESTeSL, IP, Lisboa, [email protected] Isabel Silva Universidade Fernando Pessoa, Porto, [email protected] Rute F. Meneses Universidade Fernando Pessoa, [email protected] Helena Cardoso UMIB/ICBAS e Hospital Santo António/CHP, Portugal, [email protected] António Martins da Silva UMIB/ICBAS e Hospital Santo António/CHP, Portugal, [email protected] Denisa Mendonça ICBAS, ISPUP – Universidade do Porto, [email protected] Palavras-chave: Doenças Metabólicas, Modelos de equações estruturais, Qualidade de Vida.
Aplicação de Metodologias de Análise Estatística na Identificação de Fatores Psicossociais Preditivos de Bom Ajustamento à Vida de Pessoas com Doenças Crónicas - 124 - Resumo: Com o objetivo de avaliar a Qualidade de Vida em pessoas com doenças metabólicas, foram aplicados Modelos de Equações Estruturais. O modelo teórico a testar pressupôs: 1) a perceção do estigma, o otimismo disposicional e o afeto positivo são preditores da qualidade de vida; 2) o otimismo disposicional exerce um efeito medidor entre a perceção do estigma/afeto positivo e a qualidade de vida. Controlando para variáveis sociodemográficas e clínicas, verificou-se um impacto positivo de uma menor perceção do estigma, do otimismo e do afeto positivo na qualidade de vida destes doentes. Os resultados mostraram ainda que o otimismo exerce um efeito mediador entre o afeto positivo/perceção do estigma e o bem-estar geral e entre a perceção de estigma e a saúde mental. 1. Introdução Os Modelos de Equações Estruturais – SEM (Structural Equation Modeling) [1] são considerados uma metodologia de análise estatística multivariada que permitem representar, estimar e testar modelos teóricos, que envolvem diversas relações entre variáveis (observadas e latentes), de forma a compreender os padrões de correlação/covariância entre estas. A Qualidade de Vida (QdV) é um constructo composto por um número de fatores que contribuem para o bem-estar de um indivíduo e para o ajustamento a uma determinada doença. As doenças metabólicas, entre outras, são consideradas um dos problemas de saúde pública relevante. Após o diagnóstico, estes doentes são obrigados a viver com as limitações impostas pelas suas condições. Este trabalho, teve como objetivo avaliar um modelo hipotético, que consistiu na análise do impacto da perceção do estigma, otimismo e do afeto positivo nas componentes da QdV (bem-estar geral, saúde física e mental) e simultaneamente, na avaliação do efeito mediador [2] do otimismo disposicional, num grupo de pessoas com doenças metabólicas. 2. Métodos O estudo, transversal, incluiu uma amostra de 365 doentes, recrutados nos principais hospitais de Portugal. Os critérios de inclusão foram: idade superior ou igual a 18 anos, nível de escolaridade superior ou igual a 6 anos, diagnóstico de pelo menos 3 anos, vida estabilizada e não apresentar distúrbios psiquiátricos. Foi aplicado um questionário que incluía um conjunto de variáveis sociodemográficas, perceção de
Capítulo 4 - Resultados - 125 - estigma, otimismo disposicional, afeto positivo e as componentes da QdV. Os SEM foram aplicados para testar a qualidade do modelo teórico hipotético. As relações entre as variáveis foram estimadas usando o método de Máxima Verosimilhança. Para testar a adequação do modelo foram usados os índices CFI – Comparative Fit Index e o RMSEA – Root Mean Error Approximation. A análise foi efetuada usando o softwae EQS 6.1. 3. Resultados Os resultados obtidos revelaram um ajustamento razoável do modelo, CFI=0.9 e RMSEA=0.053. Controlando para variáveis sociodemográficas e clínicas, verificou-se Figura 1 – SEM com estimativas obtidas numa solução estandardizada que uma menor perceção do estigma, o otimismo disposicional e o afeto positivo exercem um impacto simultâneo, estatisticamente significativo, positivo, na qualidade de vida destes doentes, exceto o impacto do otimismo disposicional na saúde física. 0.850 0.587 0.681 0.518 0.554 0.691 0.653 0.668 0.621 0.507 0.548 0.816 0.782 0.792 0.798 0.682 0.786 0.804 ‐0.175 0.230 0.138 0.133 0.130 0.340/0.133* 0.231/0.066* 0.609 0.418 ‐0.354 0.221 0.118 0.161 0.409/0.060* ‐0.172 0.152
Aplicação de Metodologias de Análise Estatística na Identificação de Fatores Psicossociais Preditivos de Bom Ajustamento à Vida de Pessoas com Doenças Crónicas - 126 - Os resultados evidenciaram também um efeito mediador do otimismo disposicional entre o afeto positivo/perceção de estigma e o bem-estar geral e entre a perceção de estigma e a saúde mental. 3. Conclusão Os Modelos de Equações Estruturais são hoje considerados uma componente importante na análise multivariada, aplicados para abordar questões científicas complexas, que exigem a análise de múltiplas relações simultâneas, com múltiplas variáveis, incluindo latentes. Testa um conjunto de relacionamentos lineares através de um modelo que operacionaliza a teoria. Os resultados encontrados sugerem que uma menor perceção do estigma, uma atitude otimista, mais ativa e entusiástica podem facilitar o doente à sua nova condição de vida, atitudes, que por sua vez contribuirão para uma menor qualidade de vida. Referências 1. Tabachnick, B. and L. Fidell, Using Multivariate Statistics. Third edition ed1996, New York: HarperCollins College Publishers. 2. Baron, R.M. and D.A. Kenny, The Moderator Mediator Variable Distinction in Social Psychological-Research - Conceptual, Strategic, and Statistical Considerations. Journal of Personality and Social Psychology, 1986. 51(6): p. 1173-1182.
- 127 - Estudo 8 - Psychosocial factors as predictors of Quality of Life in Chronic Portuguese Patients Artigo aceite para Publicação Estela Vilhena, José Pais-Ribeiro, Isabel Silva, Luísa Pedro, Rute F Meneses, Helena Cardoso, António Martins da Silva and Denisa Mendonça Psychosocial factors as predictors of quality of life in chronic Portuguese patients. Health and Quality of Life Outcomes
- 128 - O Estudo 8 teve como objetivo avaliar um conjunto de fatores psicossociais preditivos da qualidade de vida e do bem-estar subjetivo, quer em doentes crónicos, quer em subgrupos desses doentes (metabólicos, neurológicos e cancro), classificados de acordo com as suas condições médicas. Usando modelos MANCOVA e controlando para variáveis sociodemográficas e clínicas, os resultados mostraram que o otimismo, o afeto positivo, a espiritualidade, o suporte social e a adesão aos tratamentos, são preditores estatisticamente significativos da qualidade de vida e do bem-estar subjetivo. Em termos gerais, para os três subgrupos de doentes, também foram encontrados alguns preditores similares, nomeadamente, o afeto positivo, a adesão aos tratamentos e a espiritualidade. Estes resultados contribuem para dar resposta simultânea ao primeiro e segundo objetivos desta investigação; no qual se pretende comparar a qualidade de vida entre grupos de pessoas com doenças crónicas e identificar fatores associados/preditores ao bom ajustamento à vida, respetivamente.
Capítulo 4 - Resultados - 129 - Psychosocial factors as predictors of Quality of Life in Chronic Portuguese Patients Estela Vilhena1,2,3, [email protected] 1 - Sciences Department, School of Technology, Polytechnic Institute of Cávado and Ave (IPCA), Barcelos, Portugal 2 - Doctoral Program in Biomedical Sciences, Institute of Biomedical Sciences Abel Salazar (ICBAS), University of Porto (UP), Porto, Portugal 3 - Institute of Public Health (ISPUP), University of Porto, Porto, Portugal José Pais-Ribeiro4, [email protected] 4 - Faculty of Psychology and Educational Sciences (FPCE), University of Porto (UP), Porto, Portugal Isabel Silva5, [email protected], 5 - Department of Political Science and Behavior, Faculty of Humanities and Social Sciences, University of Fernando Pessoa, Porto, Portugal Luísa Pedro6, [email protected].pt 6 - ESTeSL Polytechnic Institute of Lisbon (IPL), Lisboa, Portugal Rute F. Meneses5, [email protected], 5 - Department of Political Science and Behavior, Faculty of Humanities and Social Sciences, University of Fernando Pessoa, Porto, Portugal Helena Cardoso7, [email protected], 7 - UMIB/ICBAS and Hospital Santo António/CHP, Portugal António Martins da Silva7, [email protected], 7 - UMIB/ICBAS and Hospital Santo António/CHP, Portugal Denisa Mendonça3,8, [email protected] 3 - Institute of Public Health (ISPUP), University of Porto, Porto, Portugal 8 - Population Studies Department, Institute of Biomedical Sciences Abel Salazar (ICBAS), University of Porto, Portugal Corresponding author Estela Maria dos Santos Ramos Vilhena Sciences Department, School of Technology, Polytechnic Institute of Cávado and Ave (IPCA), Barcelos, Portugal Doctoral Program in Biomedical Sciences, Institute of Biomedical Sciences Abel Salazar (ICBAS), University of Porto (UP), Porto, Portugal Institute of Public Health (ISPUP), University of Porto, Porto, Portugal Email: [email protected]
Aplicação de Metodologias de Análise Estatística na Identificação de Fatores Psicossociais Preditivos de Bom Ajustamento à Vida de Pessoas com Doenças Crónicas - 130 - Abstract Background: Chronic illnesses are diseases of long duration and generally of slow progression. They cause significant quality of life impairment. The aim of this study was to analyse psychosocial predictors of quality of life and of subjective well-being in chronic Portuguese patients. Methods: Chronic disease patients (n=774) were recruited from central Portuguese Hospitals. Participants completed self-reported questionnaires assessing sociodemographic, clinical, psychosocial and outcome variables: quality of life (QoL) and subjective well-being (SWB). MANCOVA analyses were used to test psychosocial factors as determinants of QoL and SWB. Results: After controlling for socio-demographic and clinical variables, results showed that dispositional optimism, positive affect, spirituality, social support and treatment adherence are significant predictors of QoL and SWB. Similar predictors of quality of life, such as positive affect, treatment adherence and spirituality, were found for subgroups of disease classified by medical condition. Conclusions: The work identifies psychosocial factors associated with quality of life. The predictors for the entire group of different chronic diseases are similar to the ones found in different chronic disease subgroups: positive affect, social support, treatment adherence and spirituality. Patients with more positive affect, additional social support, an adequate treatment adherence and a feel-good spirituality, felt better with the disease conditions and consequently had a better quality of life. This study contributes to understanding and improving the processes associated with quality of life, which is relevant for health care providers and chronic diseases support. Keywords Chronic diseases, MANCOVA, Predictors, Psychosocial Variables, Subjective well-being, Quality of life
Capítulo 4 - Resultados - 131 - Background Living with a chronic disease is a demanding experience that can affect multiple aspects of an individual’s life, such as social, family and occupational functioning. The Centers for Disease Control and Prevention [1] define chronic diseases as noncommunicable illnesses that are prolonged in duration, do not resolve spontaneously, and are rarely cured completely. Chronic diseases include heart disease, cancer, stroke, diabetes, arthritis, obesity, and others. They affect everyday life and require adjustment on multiple life domains: adjustment is defined as a response to a change in the environment that allows an organism to become more suitably adapted to that change [2, 3]. Typically, chronic patients are responsible for the management of the psychosocial factors that contribute to their health-related quality of life (HRQL). HRQL is a construct reflecting the impact of health on overall well-being [4]. The World Health Organization (WHO) has further identified physical health health, psychological state, level of independence, social relationships and relationship to salient features of the environment as core dimensions in determining life quality (WHOQOL Group 1993). It goes beyond direct measures of population health, life expectancy and causes of death, and focuses on the impact health status has on quality of life. A related concept of HRQL is well-being, which assesses the positive aspects of a person’s life, such as positive emotions and life satisfaction [5]. . Considering the influence of several factors, such as social support [6], optimism [7], personality factors [8] on HRQL, numerous studies have analysed associations between these factors with HRQL and with subjective well-being (SWB). Subjective well-being refers to people’s emotional and cognitive evaluations of their lives, and includes what people usually call happiness, peace, fulfilment, and life satisfaction [9]. Dispositional optimism is defined as the general expectation or belief in positive outcomes in the future [10]. It has been associated with a variety of positive outcomes related to well-being [11], such as self-esteem, low depression, low negative emotions, and life satisfaction [12]. It also has been linked to indicators of quality of life, such as good health [12]. Therefore, given the impact that this variable exerts on HRQL, it appears important to know the ways through which optimism operates. Emotional circumstances have been linked with mental and physical functioning. The emotional experience is composed by two factors: positive affect and negative affect. Positive affect refers to the individual’s positive emotional states such as joy, interest, confidence and alertness. Negative affect refers to negative emotional states such as fear, sadness, anger, guilt, contempt and disgust [13]. Social support has been defined as “an avocation interpersonal process that is centred on the reciprocal exchange of
Aplicação de Metodologias de Análise Estatística na Identificação de Fatores Psicossociais Preditivos de Bom Ajustamento à Vida de Pessoas com Doenças Crónicas 36. Gustavsson-Lilius M, Julkunen J, Hietanen P. (2007) Quality of life in cancer patients: The role of optimism, hopelessness, and partner support. Qual Life Res, 16(1): 75-87. 37. Manning-Walsh J. (2004) Social Support as a Mediator Between Symptom Distress and Quality of Life in Women With Breast Cancer. Clin Res, 34: 48293. 38. Dierk J-M, Conradt M, Rauh E, Schlumberger P, Hebebrand J, Rief W. (2006) What determines well-being in obesity? Associations with BMI, social skills and social support. J Psychosom Res, 60: 219-27. 39. Wiczinski E, Doring A, John J, von Lengerke T, Grp KS. (2009) Obesity and health-related quality of life: Does social support moderate existing associations? Brit J Health Psych, 14: 717-34. 40. Parker PA, Baile WF, De Moor C, Cohen L. (2003) Psychosocial and demographic predictors of quality of life in a large sample of cancer patients. Psycho-Oncol, 12(2): 183-93. 41. Hu J, Gruber KJ. (2008) Positive and negative affect and health functioning indicators among older adults with chronic illnesses. Issues Ment Health Nurs, 29(8): 895-911. 42. Pasco JA, Williams LJ, Jacka FN, Brennan SL, Berk M. (2013) Obesity and the relationship with positive and negative affect. The Australian and New Zealand journal of psychiatry, 47(5): 477-82. 43. Moreno-Jimenez B, Blanco BL, Rodriguez-Munoz A, Hernandez EG. (2007) The influence of personality factors on health-related quality of life of patients with inflammatory bowel disease. J Psychosom Res, 62(1): 39-46. 44. Rippentrop AE, Altmaier EM, Chen JJ, Found EM, Keffala VJ. (2005) The relationship between religion/spirituality and physical health, mental health, and pain in a chronic pain population. Pain, 116(3): 311-21. 45. O'Connor M, Guilfoyle A, Breen L, Mukhardt F, Fisher C. (2007) Relationships between quality of life, spiritual well-being, and psychological adjustment styles
Capítulo 6 – Referências Bibliográficas - 235 - for people living with leukaemia: An exploratory study. Mental Health, Religion & Culture, 10:6: 631-47. 46. Zimmermann C, Burman D, Swami N, Krzyzanowska MK, Leighl N, Moore M, et al. (2011) Determinants of quality of life in patients with advanced cancer. Support Care Cancer, 19(5): 621-9. 47. Hair JFJ, Anderson R, Tatham R, C. W. (1998) Multivariate Data Analysis. Upper Saddle River, NJ: Prentice Hall;. 48. Salgueiro MF. (2012) Modelos com Equaçãoes Estruturais: Instituto Nacional de Estatistica;. 49. Bollen K. (2002) Latent Variables in Psychology and the Social Sciences. Annu Rev Psychol, 53: 605-34. 50. Skronda A, Rabe-Hesketh S. (2004) Generalized Latent Variable Modeling: Multilevel, Longitudinal and Structural Equation Models: Chapman and Hall/CRC;. 51. Borsboom D. (2008) Latent Variable Theory. Measurement Interdisciplinary Research Perspective.; 6.1: 25-53. 52. Skrondal A, Rabe-Hesketh S. (2007) Latent Variable Modelling: A Survey. Scandinavian Journal of Statistics, 34: 712-45. 53. MacCallum RC, Austin JT. (2000) Applications of structural equation modeling in psychological research. Annu Rev Psychol, 51: 201-26. 54. Kline RB. (2011) Principles and Practice of Structural Equation Modeling. Thirtd Edition ed. New York: The Guilford Press;. 55. Lei P-W, Wu Q. (2007) Introduction to Structural Equation Modeling: Issues and Practical Considerations. Educational Measurement: Issues and Practice, 26: 33-43. 56. Ho R. (2006) Handbook of Univariate and Multivariate Data Analysis and Interpretation with SPSS. Boca Raton, Florida: Chapman & Hall/CRC;.
Aplicação de Metodologias de Análise Estatística na Identificação de Fatores Psicossociais Preditivos de Bom Ajustamento à Vida de Pessoas com Doenças Crónicas 57. Byrne BM. (2006) Structural Equation Modeling With EQS: Basic Concepts, Applications and Programming. Second Edition ed: Lawrence Erlbaum Associates, Publishers; 58. Wright S. (1921) Correlation and causation. Journal of Agricultural Research, 20: 557-85. 59. Wright S. (1934) The method of path coefficients. Annals of Mathematical Satistics, 5: 161-215. 60. Spearman CE. (1904) GEneral Intelligence, objectively determined and measured. American Journal of Psychology, 42 (5): 893-8. 61. Jöreskog KG. (1970) A general method for the analysis of covariance structurs. Psychometrika, 34: 183-202. 62. Keesling JW. (1972) Maximum likelihood approaches to causal analysis. Ph.D. Chicago: University of Chicago;. 63. Wiley DE. The identification problem of Structural Equation Models with unmeasured variables. . In: Goldberger AS, Ducan OD, editors. Sctrutal Equation Models in Social sciences. New York: Academic Press; 1973. p. 6983. 64. Pilati R, Laros JA. (2007) Modelos de Equações Estruturais em Psicologia. Psicologia: Teoria e Pesquisa, 23: 205-16. 65. Ullman JB. (2007) Structural Equation Modeling. In: Tabachnick BG, Fidel LS, editors. Multivariate Statistics. Boston: Ally & Bacon. 66. Hox JJ, Bechger TM. (1998) An Introduction to Structural Equation Modeling. Family Science Review, 11: 354-73. 67. Vittadini G. (1989) Indeterminacy Problems in the Lisrel Model. Multivariate Behavioral Research, 24(4): 397-414. 68. Bollen KA. (1989) Structural Equations with Latent Variables. North Carolina: Wiley;
Capítulo 6 – Referências Bibliográficas - 237 - 69. Byrne MB. (2006) Structural Equation Modeling with EQS. Mahwah, New Jersey: Lawrence Erlbaum Associates, Publishers. 70. Tabachnick B, Fidell L. (1996) Using Multivariate Statistics. Third edition ed. New York: HarperCollins College Publishers. 71. Maia JAR. (1996) Um discurso metodológico em torno da validade de constructo: Posições de um Lisrelita. In: Almeida LS, Araújo S, Gonçalves MS, Machado C, Simões MR, editors. Avaliação Psicológica: Formas e contextos Braga: APPORT;. 43-50. 72. Schumacker RE, Lomax RG. A Beginner's Guide to Structural Equation Modeling: Taylor & Francis; 2010. 73. Jöreskog KG, Sörbom D. Lisrel 8:user's reference guide: Licolnwood: Scientific Software International; 1996. 74. Foguet JMB, Gallart GC. Modelos de ecuaciones estructurales. Madrid: La Muralla; 2001. 75. Olsson UH, Troye SV, Howell RD. (1999) Theoretic fit and empirical fit: The performance of maximum likelihood versus generalized least squares estimation in structural equation models. Multivariate Behavioral Research, 34(1): 31-58. 76. Bentler PM. (2006) EQS 6 Structural Equations Program Manual. Multivariate Software, Encino, CA.. 77. Steiger JH. (2007) Understanding the limitations of global fit assessment in structural equation modeling. Personality and Individual Differences, 42(5): 8938. 78. Bentler PM. (2007) On tests and indices for evaluating structural models. Personality and Individual Differences, 42(5): 825-9. 79. Satorra A, Bentler PM. (2001) A scaled difference chi-square test statistic for moment structure analysis. Psychometrika, 66(4): 507-14. 80. Satorra A, Bentler PM, Von Eye A, Clogg CC. Corrections to test statistics and standard erros in covariance structure analysis. Latent Variables
Aplicação de Metodologias de Análise Estatística na Identificação de Fatores Psicossociais Preditivos de Bom Ajustamento à Vida de Pessoas com Doenças Crónicas analysis:applications for developmental research. Thousand Oaks, CA US: Sage Publications, Inc.; 1994. p. 399-419. 81. Wheaton B. (1987) Assessment of Fit in Overidentified Models with LatentVariables. Sociol Method Res 16(1): 118-54. 82. Bentler PM, Bonett DG. (1980) Significance Tests and Goodness of Fit in the Analysis of Covariance-Structures. Psychological Bulletin, 88(3): 588-606. 83. Bollen KA. (1986) Sample-Size and Bentler and Bonetts Nonnormed Fit Index. Psychometrika, 51(3): 375-7. 84. Mulaik SA, James LR, Vanalstine J, Bennett N, Lind S, Stilwell CD. (1989) Evaluation of Goodness-of-Fit Indexes for Structural Equation Models. Psychological Bulletin, 105(3): 430-55. 85. Steiger JH, Shapiro A, Browne MW. (1985) On the Multivariate AsymptoticDistribution of Sequential Chi-Square Statistics. Psychometrika, 50(3): 253-64. 86. Arbuckle JL. Amos 17 user' guide. Chicago, IL:SPSS; 2008. 87. Maccallum RC. (1990) The Need for Alternative Measures of Fit in Covariance Structure Modeling. Multivariate Behavioral Research, 25(2): 157-62. 88. Goffin RD. (2007) Assessing the adequacy of structural equation models: Golden rules and editorial policies. Personality and Individual Differences, 42(5): 831-9. 89. Thode HC. (2002) Assessing Multivariate Normality. Testing For Normality: CRC Press. 90. Mardia KV. (1971) The effect of nonnormality on some multivariate tests and robustness to nonnormality in the linear model. Biometrika, 58 (1): 105-21. 91. Savalei V. (2010) Small Sample Statistics for Incomplete Nonnormal Data: Extensions of Complete Data Formulae and a Monte Carlo Comparison. Struct Equ Modeling, 17(2): 241-64. 92. Carter RL. (2006) Solutions for Missing Data in Structural Equations Modeling. Resarch & Practice in Assessment, 1(1-6).
Capítulo 6 – Referências Bibliográficas - 239 - 93. Fitzmaurice G, Davidian M, Verbeke G, Molenberghs G. (2008) Incomplete Data. Longitudinal Data Analysis: Chapman & Hall/CRC Press;. 94. MacKinnon DP, Fairchild AJ, Fritz MS. (2007) Mediation analysis. Annu Rev Psychol, 58: 593-614. 95. MacKinnon DP, Krull JL, Lockwood CM. (2000) Equivalence of the Mediation, Confounding and Suppression Effect. Prevention Science.; 1(4): 173-81. 96. Frazier PA, Tix AP, Barron KE. (2004) Testing moderator and mediator effects in counseling psychology research. J Couns Psychol, 51(1): 115-34. 97. Baron RM, Kenny DA. (1986) The Moderator Mediator Variable Distinction in Social Psychological-Research - Conceptual, Strategic, and Statistical Considerations. J Pers Soc Psychol, 51(6): 1173-82. 98. Frazier PA, Barron KE, Tix AP. (2004) Testing Moderator and Mediator Effects in Counseling Psychology Research. Journal of Counseling Psychology, 51: 115-34. 99. Musil CM, Jones SL, Warner CD. (1998) Structural equation modeling and its relationship to multiple regression and factor analysis. Research in Nursing & Health, 21(3): 271-81. 100. Goldeberg AS, Duncan OD. Structural Equation Models in Social Sciencs. New York: Seminar Press; 1973. 101. Lima M, Simões A. NEO-PI-R manual profissional. Lisboa: CEGOC; 2000. 102. Scheier MF, Carver CS, Bridges MW. (1994) Distinguishing Optimism from Neuroticism (and Trait Anxiety, Self-Mastery, and Self-Esteem) - a Reevaluation of the Life Orientation Test. J Pers Soc Psychol, 67(6): 1063-78. 103. Pais Ribeiro J, Pedro L. (2006) Contribuição para a análise psicométrica e estrutural da escala revista de avaliação do optimismo (escala de orientação para a vida revista-EOR-R) em doentes com esclerose múltipla. In: Leal I, Pais Ribeiro J, Neves S, editors. Actas do 6º Congresso Nacional de Psicologia da Saúde;. p. 133-9.
Aplicação de Metodologias de Análise Estatística na Identificação de Fatores Psicossociais Preditivos de Bom Ajustamento à Vida de Pessoas com Doenças Crónicas 104. Watson D, Clark LA, Tellegen A. (1988) Development and validation of brief measures of positive and negative affect: the PANAS scales. J Pers Soc Psychol, 54(6): 1063-70. 105. Galinha IC, Pais Ribeiro JL. (2005) Contribuição para o estudo da versão portuguesa da Positive and Negative Affect Schedule (PANAS): II – Estudo psicométrico. Análise Psicológica, 2(XXIII): 219-29. 106. Ponte AC, Pais Ribeiro J. (2008) Estudo preliminar das propriedades métricas do mos social support survey. In: Lisboa: ISPA In: I.Leal JPR, I. Silva & Marques editor. Actas do 7º congresso nacional de psicologia da saúde. p. 536. 107. Sherbourne CD, Stewart AL. (1991) The MOS social support survey. Soc Sci Med, 32(6): 705-14. 108. Pais-Ribeiro J, Ponte AC. (2009) Propriedades métricas da versão portuguesa da escala de suporte social do MOS (MOS Social Support Survey) com idosos. Psicologia, Saúde & Doenças, 10(2): 163-74. 109. Pais-Ribeiro J, Silva I, Abreu M, Costa N, Cardoso H, Venâncio C. (2009) Stigma and quality of life of obese women – preliminary Study. The European Journal of Obesity, 2 (sup 2): 244-. 110. Pinto C, Pais Ribeiro J. (2007) Construção de uma escala de avaliação da espiritualidade em contextos de saúde. Arquivos de Medicina, 21 (2): 47-53. 111. Morisky D, L. G, Levine D. (1986) Concurrent and predictive validity of a selfreported measure of medication adherence. Med Care, 24: 67-74. 112. Ware JE, Snow KK, Kosinski M, Gandek B. (1993) SF-36 Health Survey: Manual and Interpretation Guide. Boston: The Health Institute. New England Medical Center;. 113. Keller SD, Ware Jr JE, Bentler PM, Aaronson NK, Alonso J, Apolone G, et al. (1998) Use of Structural Equation Modeling to Test the Construct Validity of the SF-36 Health Survey in Ten Countries: Results from the IQOLA Project. J Clin Epidemiol, 51(11): 1179-88.
Capítulo 6 – Referências Bibliográficas - 241 - 114. Ferreira P. (2000a) Criação da versão portuguesa do MOS SF-36: Parte I - Adaptação Cultural e linguística. Acta Médica Portuguesa, 13: 55-66. 115. Ferreira P. (2000b) Criação da versão portuguesa do MOS SF-36: Parte II - Testes de validade. Acta Médica Portuguesa, 13: 55-66. 116. Pais Ribeiro J, Cummins R. (2008) O bem-estar pessoal: estudo de validação da versão portuguesa da escala. In: I.Leal, J.Pais-Ribeiro, (Edts.) ISSM, editors. Actas do 7º congresso nacional de psicologia da saúde. Lisboa: ISPA;. p. 505-8. 117. Sullivan CL, Wilken JA, Rabin BM, Demorest M, Bever C. (2004) Psychosocial Adjustment to Multiple Sclerosis. International Journal of MS Care, 6(3): 98-105. 118. Scambler G. (2009) Health-related stigma. Sociology of Health & Illness, 31: 441-55. 119. Andenaes R, Fagermoen MS, Eide H, Lerdal A. (2012) Changes in healthrelated quality of life in people with morbid obesity attending a learning and mastery course. A longitudinal study with 12-months follow-up. Health Qual Life Out, 10:95. 120. Vartanian LR, Smyth JM. (2013) Primum Non Nocere: Obesity Stigma and Public Health. J Bioethic Inq, 10(1): 49-57. 121. Puhl RM, Heuer CA. (2010) Obesity stigma: important considerations for public health. American journal of public health, 100(6): 1019-28.
- 242 -
- 243 - 7. Anexos
Aplicação de Metodologias de Análise Estatística na Identificação de Fatores Psicossociais Preditivos de Bom Ajustamento à Vida de Pessoas com Doenças Crónicas - 250 - ESCALA DE SENTIMENTOS Esta escala consiste num conjunto de palavras que descrevem diferentes sentimentos e emoções. Leia cada palavra e marque a resposta adequada, fazendo um círculo no respectivo número que está a seguir à palavra. Indique em que medida sentiu cada uma das emoções, durante a última semana. Nada ou muito ligeiramente Um pouco Moderadamente Bastante Extremamente 1. Interessado/a 1 2 3 4 5 2. Perturbado/a 1 2 3 4 5 3. Excitado/a ou animado/a 1 2 3 4 5 4. Atormentado/a 1 2 3 4 5 5. Agradavelmente surpreendido/a 1 2 3 4 5 6. Culpado/a 1 2 3 4 5 7. Assustado/a 1 2 3 4 5 8. Caloroso/a 1 2 3 4 5 9. Repulsa 1 2 3 4 5 10. Entusiasmado/a 1 2 3 4 5 11. Orgulhoso/a 1 2 3 4 5 12. Irritado/a 1 2 3 4 5 13. Encantado/a 1 2 3 4 5 14. Remorsos 1 2 3 4 5 15. Inspirado/a 1 2 3 4 5 16. Nervoso/a 1 2 3 4 5 17 Determinado/a 1 2 3 4 5 18. Trémulo/a 1 2 3 4 5 19. Activo/a 1 2 3 4 5 20. Amedrontado/a 1 2 3 4 5 Galinha, I., & Pais Ribeiro, J, 2005
Capítulo 7 – Anexos - 251 - ADESÃO AOS TRATAMENTOS Por favor assinale como é que costuma fazer a toma da medicação (ou tratamento) que lhe é recomendada pelo seu médico. Sempre Quase sempre Com frequência Por vezes Raramente Nunca 1. Alguma vez se esqueceu de tomar os medicamentos para a sua doença? 1 2 3 4 5 6 2. Alguma vez foi descuidado com as horas da toma dos medicamentos para a sua doença? 1 2 3 4 5 6 3. Alguma vez deixou de tomar os medicamentos para a sua doença por se ter sentido melhor? 1 2 3 4 5 6 4. Alguma vez deixou de tomar os medicamentos para a sua doença, por sua iniciativa, após se ter sentido pior? 1 2 3 4 5 6 5. Alguma vez tomou mais um ou vários comprimidos para a sua doença, por sua iniciativa, após se ter sentido pior? 1 2 3 4 5 6 6. Alguma vez interrompeu a terapêutica para a sua doença por ter deixado acabar os medicamentos? 1 2 3 4 5 6 7. Alguma vez deixou de tomar os medicamentos para a sua doença por alguma outra razão que não seja a indicação do médico? 1 2 3 4 5 6 Delgado, A., e Lima, M. (2001) ORIENTAÇÃO DE VIDA Por favor indique o grau em que concorda ou discorda que cada uma das seguintes frases representa a sua maneira de pensar Concordo totalmente Concordo Não concordo nem discordo Discordo Discordo totalmente 1. Em momentos difíceis espero sempre o melhor 1 2 3 4 5 2. Para mim é fácil relaxar 1 2 3 4 5 3. Se houver a mínima hipótese de alguma coisa me correr mal, tenho a certeza que correrá 1 2 3 4 5 4. Sou sempre optimista acerca do meu futuro 1 2 3 4 5 5. Gosto muito de estar com os meus amigos 1 2 3 4 5 6. É importante para mim estar ocupado 1 2 3 4 5 7. Quase nunca espero que as coisas corram como eu quero 1 2 3 4 5
Aplicação de Metodologias de Análise Estatística na Identificação de Fatores Psicossociais Preditivos de Bom Ajustamento à Vida de Pessoas com Doenças Crónicas - 252 - 8. Não me chateio facilmente 1 2 3 4 5 Concordo totalmente Concordo Não concordo nem discordo Discordo Discordo totalmente 9. Raramente espero que me aconteçam coisas boas 1 2 3 4 5 10. Em geral, espero sempre que me aconteçam mais coisas boas do que más 1 2 3 4 5 Pais Ribeiro, J., e Pedro, L.(2006) APOIO SOCIAL Assinale marcando uma X no quadrado que se lhe aplica. Se necessitar, com que frequência conta com alguém: Nunca Raramente Às vezes Quase sempre Sempre 1. Para fazer coisas agradáveis? 2. Para se distrair? 3. Para relaxar? 4. Para se divertir? 5. Que ame e que o faça sentir amado? 6. Que lhe dê um abraço? 7. Que lhe demonstre amor e afecto? 8. Para partilhar as suas preocupações e medos mais íntimos? 9. Que compreenda os seus problemas? 10. Que confie para falar de si ou dos seus problemas? 11. Para o ouvir quando precisar de desabafar? 12. Para lhe dar bons conselhos em situação de crise? 13. Para lhe dar sugestões sobre como lidar com um problema pessoal? 14. De quem realmente quer conselhos? 15. Para lhe dar informação e o ajudar a compreender uma determinada situação? 16. Para o ajudar, se ficar de cama? 17. Para o levar ao médico? 18. Para o ajudar nas tarefas diárias se ficar doente? 19. Para lhe preparar refeições, se não puder prepará-las? Ponte, A., & Pais Ribeiro, J. (2008)
Capítulo 7 – Anexos - 253 - SHORT-FORM-36 A MINHA SAÚDE Para as perguntas 1 e 2 por favor coloque um círculo no número que melhor descreve a sua saúde. 1. Em geral, como diria que a sua saúde é: Óptima...................................................................................1 Muito boa..............................................................................2 Boa........................................................................................3 Razoável................................................................................4 Fraca......................................................................................5 2. Comparando com o que acontecia há um ano, como descreve, o seu estado geral actual: Muito melhor..........................................................................1 Com algumas melhoras..........................................................2 Aproximadamente igual.........................................................3 Um pouco pior.......................................................................4 Muito pior..............................................................................5 3. As perguntas que se seguem são sobre actividades que executa no seu dia a dia. Será que a sua saúde o/a limita nestas actividades? Se sim, quanto? (Por favor assinale com um círculo um número em cada linha) SIM, MUITO LIMITADO/A SIM, UM POUCO LIMITADO/A NÃO, NADA LIMITADO/A A. Actividades violentas, tais como correr, levantar pesos, participar em desportos violentos ............................................... 1 2 3 B. Actividades moderadas, tais como deslocar uma mesa ou aspirar a casa ................................................................................. 1 2 3 C. Levantar ou carregar as compras da mercearia........................ 1 2 3 D. Subir vários lanços de escada.................................................... 1 2 3 E. Subir um lanço de escada........................................................... 1 2 3 F. Inclinar-se, ajoelhar-se ou abaixarse......................................... 1 2 3 G. Andar mais de 1 Km................................................................. 1 2 3 H. Andar vários quarteirões......................................................... 1 2 3 I. Andar um quarteirão................................................................. 1 2 3 J. Tomar banho ou vestir-me sozinho............................................ 1 2 3
Aplicação de Metodologias de Análise Estatística na Identificação de Fatores Psicossociais Preditivos de Bom Ajustamento à Vida de Pessoas com Doenças Crónicas - 254 - Para cada uma das perguntas 4, 5, 6, 7 e 8 por favor ponha um círculo no número que melhor descreve a sua saúde 4. Durante as últimas quatro semanas teve no seu trabalho ou actividades diárias algum dos problemas apresentados a seguir como consequência do seu estado de saúde física? A. Diminuiu o tempo gasto a trabalhar, ou noutras actividades SIM NÃO 1 2 B. Fez menos do que queria 1 2 C. Sentiu-se limitado/a no tipo de trabalho ou outras actividades 1 2 D. Teve dificuldade em executar o seu trabalho ou outras actividades (por exemplo, foi preciso mais esforço) 1 2 5. Durante as últimas quatro semanas, teve com o seu trabalho ou com as suas actividades diárias, algum dos problemas apresentados a seguir devido a quaisquer problemas emocionais (tal como sentir-se deprimido/a ou ansioso/a)? A. Diminuiu o tempo gasto a trabalhar, ou noutras actividades SIM NÃO 1 2 B. Fez menos do que queria 1 2 C. Não executou o seu trabalho ou outras actividades tão cuidadosamente como era costume 1 2 6. Durante as últimas 4 semanas, em que medida é que a sua saúde física ou problemas emocionais interferiram com o seu relacionamento social normal com a família, amigos, vizinhos ou outras pessoas? Absolutamente nada....................................................... 1 Pouco........................................................................... 2 Moderadamente............................................................. 3 Bastante........................................................................ 4 Imenso ......................................................................... 5 7. Durante as últimas 4 semanas teve dores? Nenhumas.................................................................... 1 Muito fracas.................................................................. 2 Ligeiras......................................................................... 3 Moderadas.................................................................... 4 Fortes.......................................................................... 5 Muito Fortes................................................................. 6
Capítulo 7 – Anexos - 255 - 8. Durante as últimas quatro semanas, de que forma é que a dor interferiu com o seu trabalho normal (tanto o trabalho fora de casa como o trabalho doméstico)? Absolutamente nada........................................................ 1 Um pouco..................................................................... 2 Moderadamente............................................................. 3 Bastante........................................................................ 4 Imenso......................................................................... 5 9. As perguntas que se seguem pretendem avaliar a forma como se sentiu e como lhe correram as coisas nas últimas quatro semanas. Para cada pergunta, coloque por favor um círculo à volta do número que melhor descreve a forma como se sentiu. Certifique-se que coloca um círculo em cada linha. Quanto tempo nas últimas quatro semanas SEMPRE A MAIOR PARTE DO TEMPO B ASTANTE TEMPO ALGUM TEMPO POUCO TEMPO NUNCA A. Se sentiu cheio/a de vitalidade?................... 1 2 3 4 5 6 B. Se sentiu muito nervoso/a?................................. 1 2 3 4 5 6 C. Se sentiu tão deprimido/a, que nada o/a animava?........................................................ 1 2 3 4 5 6 D. Se sentiu calmo/a e tranquilo/a?.......................... 1 2 3 4 5 6 E. Se sentiu com muita energia?.............................. 1 2 3 4 5 6 F. Se sentiu triste e em baixo?................................. 1 2 3 4 5 6 G. Se sentiu estafado/a?.......................................... 1 2 3 4 5 6 H. Se sentiu feliz?.................................................... 1 2 3 4 5 6 I. Se sentiu cansado/a?............................................ 1 2 3 4 5 6
Aplicação de Metodologias de Análise Estatística na Identificação de Fatores Psicossociais Preditivos de Bom Ajustamento à Vida de Pessoas com Doenças Crónicas - 256 - 10. Durante as últimas quatro semanas, até que ponto é que a sua saúde física ou problemas emocionais limitaram a sua actividade social (tal como visitar amigos ou familiares próximos)? Sempre ................................................................................................1 A maior parte do tempo.......................................................................2 Algum tempo.......................................................................................3 Pouco tempo........................................................................................4 Nunca...................................................................................................5 11. Por favor, diga em que medida são verdadeiras ou falsas as seguintes afirmações. (Por favor assinale um número em cada linha) TOTALM. VERDADE V ERDADE NÃO SEI FALSO TOTAM. FALSO A. Parece que adoeço mais facilmente do que os outros 1 2 3 4 5 B. Sou tão saudável como qualquer outra pessoa........... 1 2 3 4 5 C. Estou convencido/a que a minha saúde vai piorar..... 1 2 3 4 5 D. A minha saúde é óptima............................................ 1 2 3 4 5 12. Durante a última semana, teve problemas a nível sexual? NÃO UM POUCO BASTANTE MUITO 13. Durante a última semana, incharam-lhe as pernas e/ ou os pés? 14. Durante a última semana, sentiu-se limitado para realizar as suas actividades de vida diária? 15. Durante a última semana, sentiu-se sonolento durante o dia? 16. Durante a última semana, transpirou excessivamente? 17. Durante a última semana, teve falta de ar? 18. Durante a última semana, teve dificuldade em concentrar-se? 19. Durante a última semana, teve dificuldades de raciocínio?
Capítulo 7 – Anexos - 257 - A MINHA DOENÇA/CONDIÇÃO E AS OUTRAS PESSOAS A seguir vai encontrar uma série de afirmações sobre as pessoas que têm uma condição ou doença como a sua. Por favor assinale no quadrado que está por baixo em que grau concorda ou discorda com a afirmação 1. Sinto-me diferente das outras pessoas por causa da minha condição/doença Concordo totalmente Concordo em grande parte Concordo um pouco Não concordo nem discordo Discordo um pouco Discordo em grande parte Discordo totalmente 12 3 4 5 6 7 2. Por causa da minha condição/doença algumas pessoas sentem-se desconfortáveis comigo Concordo totalmente Concordo em grande parte Concordo um pouco Não concordo nem discordo Discordo um pouco Discordo em grande parte Discordo totalmente 12 3 4 5 6 7 3. Por causa da minha condição/doença sinto que algumas pessoas me evitam Concordo totalmente Concordo em grande parte Concordo um pouco Não concordo nem discordo Discordo um pouco Discordo em grande parte Discordo totalmente 12 3 4 5 6 7 4. A minha condição/doença prejudica a minha relação com os amigos Concordo totalmente Concordo em grande parte Concordo um pouco Não concordo nem discordo Discordo um pouco Discordo em grande parte Discordo totalmente 12 3 4 5 6 7 5. As pessoas receiam os indivíduos com a minha condição/doença Concordo totalmente Concordo em grande parte Concordo um pouco Não concordo nem discordo Discordo um pouco Discordo em grande parte Discordo totalmente 12 3 4 5 6 7 ESPIRITUALIDADE As frases seguintes referem-se à sua espiritualidade/ suas crenças pessoais, e ao modo como elas afectam a sua qualidade de vida. Por favor, marque com um X aquela que melhor expressar a sua opinião, na última semana. Não existem respostas certas ou erradas. Não concordo Concordo um pouco Concordo bastante Concordo plenamente 1. As minhas crenças espirituais/religiosas dão sentido à minha vida 2. A minha fé e crenças dão-me forças nos momentos difíceis 3. Vejo o futuro com esperança 4. Sinto que a minha vida mudou para melhor 5. Aprendi a dar valor às pequenas coisas da vida Pinto, C., e Pais Ribeiro, J. (2007)
Aplicação de Metodologias de Análise Estatística na Identificação de Fatores Psicossociais Preditivos de Bom Ajustamento à Vida de Pessoas com Doenças Crónicas - 258 - SATISFAÇÃO COM A VIDA As perguntas seguintes questionam, numa escala de “0” a “10”, o seu grau de satisfação. “0” significa que se sente totalmente insatisfeito, 10 significa que se sente totalmente satisfeito. No meio da escala está o 5 que significa neutro (nem satisfeito nem insatisfeito). 1. Qual o grau de satisfação com o seu nível de vida? totalmente insatisfeito neutro totalmente satisfeito 0 1 2 3 4 5 6 7 8 9 10 2. Qual o grau de satisfação com a sua saúde? totalmente insatisfeito neutro totalmente satisfeito 0 1 2 3 4 5 6 7 8 9 10 3. Qual o grau de satisfação com o que está a conseguir obter da vida com o seu esforço? totalmente insatisfeito neutro totalmente satisfeito 0 1 2 3 4 5 6 7 8 9 10 4. Qual o grau de satisfação com as suas relações pessoais? totalmente insatisfeito neutro totalmente satisfeito 0 1 2 3 4 5 6 7 8 9 10 5. Qual o grau de satisfação com a sua segurança (quando se desloca pelas ruas)? totalmente insatisfeito neutro totalmente satisfeito 0 1 2 3 4 5 6 7 8 9 10 6. Qual o grau de satisfação com o sentimento de pertença à sua comunidade (ao grupo de pertença de que faz parte)? totalmente insatisfeito neutro totalmente satisfeito 0 1 2 3 4 5 6 7 8 9 10
Capítulo 7 – Anexos - 259 - 7. Qual o grau de satisfação com a segurança do seu futuro? totalmente insatisfeito neutro totalmente satisfeito 0 1 2 3 4 5 6 7 8 9 10 8. Qual o grau de satisfação com a sua vida espiritual ou com a sua religião? totalmente insatisfeito neutro totalmente satisfeito 0 1 2 3 4 5 6 7 8 9 10 OBRIGADO PELA SUA COLABORAÇÃO!