Estudio “Área 4”
Ramón y Cajal (Encuesta de opinión y satisfacción sobre los servicios del Hospital Ramón y Cajal)
2017
Autores:
Israel Mogrovejo (Sociólogo) Julen Larrinaga (Matemático)
Índice
1.- PRESENTACIÓN Y JUSTIFICACIÓN 1
2.- ANÁLISIS SOCIODEMOGRÁFICO “ÁREA 4”
3.- DIMENSIONES SOCIOPOLÍTICAS
4.- ÍNDICES DE OPINIÓN HOSPITAL RAMÓN Y CAJAL
5.- ESTUDIO DE CLASIFICACIÓN
6.- CONCLUSIONES
7.- FICHA TÉCNICA
ANEXO I (INFORME TÉCNICO) ANEXO II (CUESTIONARIO)
1.– PRESENTACIÓN Y JUSTIFICACIÓN
Durante los últimos años, el prolongado contexto de crisis económica ha servido de excusa a gobiernos e instituciones para realizar importantes recortes en los servicios públicos, incluso de aquellos considerados básicos y esenciales, como la sanidad y la
educación, lo cual ha sido recibido con mucha preocupación por gran parte de la
2
población.
Las restricciones presupuestarias están dando lugar a una creciente situación de deterioro funcional del sistema público de salud. Han aumentado las listas de espera, se han reducido las plantillas de trabajadores, no hay renovación tecnológica a la velocidad necesaria y la percepción general que se empieza a asentar es que el sector público no invierte, ni innova mientras que el sector privado sí lo hace. El choque de intereses entre las visiones pública y privada de los servicios de salud es evidente: lo privado solo puede crecer si disminuye lo público. Y es exactamente en esa dirección hacia donde parece que nos dirigimos.
% Gasto Sanitario sobre el PIB Gasto Sanitario Total | |||||
AÑO | PÚBLICO | PRIVADO | TOTAL | Público | Privado |
2003 | 5,58 | 2,20 | 7,78 | 71,72% | 28,28% |
2004 | 5,80 | 2,19 | 7,99 | 72,59% | 27,41% |
2005 | 5,74 | 2,19 | 7,93 | 72,38% | 27,62% |
2006 | 6,01 | 2,10 | 8,11 | 74,10% | 25,90% |
2007 | 6,10 | 2,10 | 8,20 | 74,39% | 25,61% |
2008 | 6,51 | 2,20 | 8,71 | 74,74% | 25,26% |
2009 | 7,00 | 2,24 | 9,24 | 75,75% | 24,25% |
2010 | 6,95 | 2,30 | 9,25 | 75,13% | 24,87% |
2011 | 6,84 | 2,42 | 9,26 | 73,86% | 26,14% |
2012 | 6,73 | 2,56 | 9,29 | 72,44% | 27,56% |
2013 | 6,50 | 2,64 | 9,14 | 71,11% | 28,89% |
2014 | 6,40 | 2,80 | 9,20 | 69,56% | 30,44% |
2015 | 6,20 | 2,70 | 8,90 | 69,66% | 30,34% |
2016 | 6,10 | 3,20 | 9,30 | 65,59% | 34,41% |
2017 | 6,00 | 3,50 | 9,50 | 63,15% | 36,85% |
2018 | 5,80 | – | – | – | – |
2020 | 5,56 | – | – | – | – |
Fuentes: Ministerio de Sanidad e Instituto para el Desarrollo e Integridad de la
Sanidad (IDIS). |
El Gobierno de la Comunidad de Madrid lleva en manos del Partido Popular desde el año 1995 y en estos 22 años ha tenido la oportunidad de elaborar un proyecto político consolidado de acuerdo a su perspectiva ideológica. Las agendas políticas de corte neoliberal se fundan en un esquema comprensivo según el cual la vida social se organiza mejor de acuerdo a las leyes de un mercado sin regulación pública, o con una regulación residual, al que denominan “libre mercado”. Según este esquema comprensivo, las necesidades humanas deben encontrar encaje y satisfacción en el entorno de un “libre mercado” bien desarrollado, lo que requiere de la ausencia de interferencias, especialmente de las interferencias que supone el sector público. Dentro del sector público, el Sistema Sanitario es el elemento que más dificultades
presenta a la hora de abordar su desmantelamiento que, en todo caso, no puede ser sino progresivo. En el contexto de este proyecto político e ideológico hay que entender la situación del sector sanitario madrileño.
En este sentido, la Comunidad de Madrid es todo un paradigma. Siendo la 2ª comunidad autónoma en términos de PIB regional, su inversión en sanidad pública la sitúa en el puesto 16. La media de las CC.AA es de 5,7 mientras que la de Madrid se
sitúa en 3,32. 3
GASTO SANITARIO PÚBLICO COMUNIDAD DE MADRID | |||||||||
2008 | 2009 | 2010 | 2011 | 2012 | 2013 | 2014 | 2015 | 2016 | 2017 |
3,68 | 3,59 | 3,43 | 3,36 | 3,54 | 3,70 | 3,53 | 3,59 | 3,34 | 3,32 |
Fuente: Presupuestos de la Comunidad de Madrid (gasto calculado en % sobre el PIB regional). |
En la situación actual, por tanto, el debate sobre la eficacia y la eficiencia de los servicios públicos ha pasado de ser una polémica exclusivamente academicista o técnica, para entrar a formar parte de la política y de nuestra vida cotidiana.
En consecuencia, las percepciones de los ciudadanos importan y mucho, pero para conocer sus opiniones y grado de satisfacción es necesario evaluar. Para ello, instituciones, gobiernos y colectivos diversos llevan tiempo sondeando la opinión de los usuarios hospitalarios mediante encuestas de opinión y satisfacción, de cara a medir la calidad de los servicios públicos y mejorar la prestación de los mismos.
La institucionalización de estos estudios, sin embargo, lejos de servir para obtener una imagen real de la valoración que los usuarios hacen del funcionamiento de la sanidad pública, parece estar más dirigida a justificar y difundir la idea de la buena gestión política de los servicios de la administración frente a cualquier otra posibilidad, lo cual ha de ser criticado.
Este tipo de estudios institucionales juegan un papel importante dentro de una estrategia política amplia de cuya realidad podemos tener conocimiento a través de la comprobación de los hechos consumados (reducción paulatina del monto de inversión, cierre de plantas hospitalarias, reducción de camas, reducción de personal, engrosamiento de listas de espera, exclusión de tratamientos, etc.) pero nunca por la vía de la expresión política explícita de parte de los sucesivos gobiernos (programas políticos, mítines, ruedas de prensa, conferencias, argumentarios de partido, etc.), que en muchas ocasiones pueden representar líneas diametralmente opuestas a los hechos reales. Nos encontramos ante un fenómeno poco conocido, pero antiguo y constante en política, que podría resumirse en la máxima:
“realizar la hoja de ruta política por la vía de los hechos y ganar la simpatía popular por la vía de las palabras, aunque los hechos y las palabras guarden altos grados de incoherencia o incluso sean abiertamente contradictorios”
Los estudios institucionales, en muchas ocasiones, son una herramienta principal a la hora de mitigar los posibles efectos negativos de las incoherencias y contradicciones entre los actos y los discursos políticos.
El éxito definitivo de estos estudios institucionales es lograr que virtualmente desaparezcan las contradicciones independientemente de que, en la realidad, sigan existiendo, como si de un truco de ilusionismo se tratara; lograr que, aun recortando presupuesto y plantilla, cerrando plantas, anulando camas, alargando listas de espera y excluyendo tratamientos, los usuarios se declaren cada año más satisfechos con su hospital público. Más allá de estos estudios con intencionalidades previas, la ética
sociológica y el rigor científico aplicado a la investigación social dan resultados muy 4
diferentes.
Por ejemplo, en nuestro ámbito geográfico, los Índices de Satisfacción Global (ISG) que publica anualmente el Departamento de Salud de la Comunidad de Madrid muestran cifras que no tienen nada que ver con las aportadas por el Ministerio de Sanidad, y ambas a su vez difícilmente justificables si se tiene en cuenta, por ejemplo, la peligrosa situación de las listas de espera en Madrid, que en el presente año se han doblado.
EVALUACIÓN SERVICIOS PÚBLICOS DE SALUD DE LA COMUNIDAD DE MADRID
Índice Satisfacción Global
2009 2010 2011 2012 2013 2014 2015 2016
86,00 85,20 90,90 89,82 88,18 87,62 88,30 89,52
(*) Datos referentes al Hospital Ramón y Cajal. Índice construido en escala de 0 a 100.
NÚMERO DE PERSONAS EN LISTA DE ESPERA EN LA COMUNIDAD DE MADRID | ||||
Quirúrgica | Consultas Externas | Pruebas | TOTAL | |
2015 | 79.444 | 204.743 | 71.574 | 355.761 |
2016 | 78.928 | 237.215 | 80.042 | 396.185 |
2017 | 82.758 | 403.338 | 118.273 | 604.369 |
Fuente: Ministerio de Sanidad |
BARÓMETRO DEL MINISTERIO DE SANIDAD | |||||||
¿Está Vd. Satisfecho o insatisfecho con el sistema sanitario público en | 2009
6,42 |
2010
6,64 |
2011
6,63 |
2012
6,47 |
2013
6,45 |
2014
6,55 |
2015
6,59 |
España? | |||||||
(*) Datos referentes a la Comunidad de Madrid. Índice construido en escala de 0 a 10. |
Investigamos la realidad del sector sanitario a través del Hospital Ramón y Cajal y de sus usuarios y potenciales usuarios; más de medio millón de habitantes de los distritos madrileños de Ciudad Lineal, Hortaleza, San Blas-Canillejas y Barajas, en el noreste de la ciudad.
Creemos que un estudio como el que aquí se presenta es un aporte necesario e interesante para complementar (o en su caso, confrontar) los resultados de los estudios clásicos de satisfacción hospitalaria realizados en los últimos años en la Comunidad de Madrid.
2.- ANÁLISIS SOCIODEMOGRÁFICO
“ÁREA 4”
La población de los distritos de Ciudad Lineal, San Blas-Canillejas, Hortaleza y Barajas
(Área 4 Sanitaria) comprende más de medio millón de personas y es muy heterogénea 5
en cuanto a su composición social. Los umbrales de renta son muy dispares, pero hay elementos que pueden ayudarnos a conocer algunas de sus características atendiendo las preguntas que hemos introducido en el cuestionario.
2.1 Población, Situación Laboral y Clase Social
En primer lugar, no todos los distritos tienen el mismo peso demográfico ni todas las zonas de cada distrito tienen la misma densidad de población. En nuestro caso, el peso relativo de los distritos queda reflejado en el siguiente gráfico (%):
Hay tres grandes distritos en torno a los 180.000 habitantes y un cuarto distrito mucho menos poblado y que queda representado con aproximadamente un 9% de la muestra, de acuerdo a la proporción real.
La situación laboral es determinante a la hora de calificar y valorar los servicios públicos, pues una menor cantidad de renta disponible o una renta intermitente trae aparejada una mayor dependencia de los mismos para el sostenimiento de unos estándares de vida adecuados, especialmente en un ámbito tan sensible como el sanitario.
6
Una de las informaciones más llamativas que nos muestra esta gráfica es la referida a la proporción de personas empleadas sobre las desempleadas y clases pasivas. Entre un 43,6 y un 47,8% de la población del Área 4 se encuentra trabajando (considerando que la respuesta “otro” puede referirse a trabajo autónomo o algún otro tipo de actividad remunerada) frente a un 52,2% que no realiza actividad laboral (aún sin contabilizar a la población menor de 16 años, que no está contemplada en este estudio.
Según esto, el sistema de pensiones es un factor principal en el sostenimiento económico y del bienestar del Área 4 Sanitaria. Si se confirman las tendencias a la disminución prevista del número y las cuantías de las pensiones futuras, la situación económica general podría sufrir grandes transformaciones, incrementándose la precariedad general y aumentando la dependencia e importancia de los servicios públicos y del Hospital Ramón y Cajal en particular.
La tasa de desempleo se sitúa en el 13,9%, casi tres puntos por encima del dato que arroja la reciente EPA de Septiembre de 2017 para el conjunto de la ciudad de Madrid (11,02%)
Creemos de relevancia, para este estudio y para las posibles lecturas y aplicaciones que de él se puedan derivar, analizar la estructura social de la población de acuerdo a
las categorías preferidas para definirse. De acuerdo a estas autopercepciones, la 7
estructura social se define por la gráfica siguinete:
Un 53,1% se define en función del lugar que ocupa en el mundo laboral (clase trabajadora + clase obrera) y un 39´8% lo hace en base a escalas comparativas, siendo la clase media la más mencionada de todas (31,7).
Observando las dos variables conjuntamente podemos analizar la composición laboral de cada una de las clases sociales. Nos encontramos con que la mayoría de las personas que se consideran fuera de las nominaciones clásicas de clase social y, en consecuencia, se ubican en la categoría de “otros”, son personas jubiladas (se consideran desvinculadas de las categorías laborales).
8
Lo que más destaca, sin embargo, es la amplia autopercepción del sector de estudiantes como pertenecientes a las clases medias, quizá por carecer de contacto con el mundo laboral y vivir en familias más pequeñas y económicamente más holgadas que las familias trabajadoras de generaciones anteriores. Entre las personas que se consideran clase acomodada también destaca el sector estudiantil.
El sector desempleado, sin duda, se concentra en la clase media, trabajadora y obrera, con especial intensidad en esta última.
Analizando la gráfica inversa obtenemos la información relativa a la distribución de clase de cada una de las situaciones laborales, tal y como se ve a continuación:
|
La clase media destaca entre las personas jubiladas y estudiantes; estos grupos parecen compartir varios patrones sociales. La clase media está marcada principalmente por el empleo estable.
La clase obrera destaca en los sectores en desempleo y empleo inestable, es decir, por la inestabilidad laboral.
2.2 Asociaciones sociodemográficas relevantes
Realizando indagaciones sobre estas dos importantes variables (clase social y situación laboral), se han realizado cruces específicos con otras variables (distrito, género y edad) y destacamos a continuación una serie de gráficas en donde ha sido identificada una asociación relevante que conviene tener en cuenta a la hora de componer una idea general de la estructura socioeconómica del Área 4 Sanitaria.
2.2.1 Diferencias destacables en base a distritos
10
Se observa que el Distrito de San Blas está más afectado por situaciones de desempleo sin prestación que el resto de los distritos del Área 4.
Del mismo modo, en el distrito de San Blas-Canillejas las identificaciones de clase tienen diferencias con respecto a los otros distritos. Comparativamente, hay más clase obrera y menos clase media; las diferencias son sensibles y relevantes.
2.2.2
|
Diferencias destacables en base a edades
Por grupos de edad, tal y como es de prever de acuerdo a los datos que se han repasado hasta ahora, destaca una notable identificación de los menores de 35 años con las clases medias y acomodadas.
A la hora de identificarse con un grupo o clase social, se aprecia una mayor dispersión de respuesta entre la población mayor de 65 años, en donde destaca la respuesta “otros”. En todo caso, las identificaciones con clase trabajadora y obrera siguen siendo muy importantes en este colectivo.
La respuesta de mayor contenido ideológico-político “clase obrera” tiene una notable presencia en toda la población mayor de 35 años, igualando a “clase media” y “clase trabajadora”.
Centrándonos en la situación laboral de los diferentes grupos de edad, es destacable que la categoría “hogar” tiene muy poca relevancia para la población, llegando a ser algo anecdótico entre los menores de 50 años, comprobándose. Puede deberse a que las actividades que no tienen remuneración no se consideran ocupaciones laborales sino, en todo caso, ocupaciones a secas.
El empleo estable predomina en el grupo de 35 a 49 años, aunque también tiene una 12
notable presencia entre los menores de 35 años. El empleo inestable tiene una
presencia transversal en toda la población activa.
Es de señalar el peso de la prejubilación. Se muestra gráficamente a continuación:
2.2.3 Diferencias destacables en base a género
Con respecto al género, hay dos elementos importantes; el primero de ellos es que, sobre el total de la situación de empleo (estable e inestable), las mujeres predominan con una ligera ventaja sobre los hombres, no obstante, su exposición al desempleo es
mayor, lo que explica que sean ellas las que con una arrolladora mayoría dicen dedicarse a trabajos del propio hogar.
La diferencia entre hombres jubilados y mujeres jubiladas es suficiente como para ser tenida en cuenta. La respuesta “hogar” abunda entre las mujeres mayores de 65 años)
13
2.3 Análisis de correspondencias.
A través del análisis de correspondencias obtenemos mapas en donde se revelan afinidades de unas categorías con otras, es decir, nos aparecen grupos de características que están relacionadas y así llegamos a entender mejor la composición interna de los barrios que estamos estudiando.
Según la gráfica siguiente (correspondencias entre distrito y situación laboral), observamos que hay tres grupos definidos en base a lo que podríamos denominar “estabilidad”. Hortaleza aparece como el distrito más estable de todos, asociado a empleo estable y estudiantes, le sigue Barajas, no especialmente vinculado a ninguna categoría pero similar a Ciudad Lineal, marcado este por los sectores de jubilados y empleo inestable y el distrito de San Blas, el menos estable socialmente, cercano a situaciones de desempleo y “otros” (autónomo y autoempleo).
|
También observamos en la gráfica anterior que la clase obrera aparece claramente diferenciada y unida a la precariedad y el desempleo, al igual que la identificación “pueblo”, aunque con un peso relativo mucho menor.
Las clases acomodadas y medias también crean un grupo propio, vinculadas, aunque con poca intensidad, a la categoría estudiante, empleo estable y jubilado. La clase
trabajadora es un grupo en sí mismo, cercano al empleo estable y el sector autónomo. 15
La población jubilada se encuentra equidistante entre la clase media, trabajadora y
obrera, separada de las tres por la identificación extralaboral “otra”.
En el análisis de correspondencias entre la clase social y la edad, nos encontramos con la siguiente gráfica:
Aparecen tres grupos bien definidos, el sector más joven de la población, asociada a clase acomodada, clase media y pueblo, el sector de las edades intermedias, asociadas a clase obrera y clase trabajadora y la población mayor de 64 años, a medio camino
|
entre la clase media y obrera por un lado y la identificación extralaboral de “otros” por el otro lado.
En la gráfica siguiente analizamos las correspondencias que se producen entre las categorías de edad y situación laboral. Tenemos tres grandes grupos más o menos obvios, con características que les diferencian, un sector joven a medio camino entre el
desempeño laboral y el estudiantil, una población mayor pensionista y un grupo 16
grande de edad intermedio volcado en los diferentes espacios de obtención de
recursos laborales.
3.- LA DIMENSIÓN SOCIOPOLÍTICA
En el cuestionario hemos querido introducir cuestiones que, sin estar directamente relacionadas con la política formal, sí revelan información sobre las motivaciones, preferencias y conocimientos de la dimensión sociopolítica que afecta a la sanidad
pública. Hemos creído conveniente preguntar acerca del tipo de aseguramiento 17
sanitario, la práctica de las derivaciones hospitalarias y el conocimiento de los movimientos ciudadanos vinculados a la protección del Hospital.
3.1 Aseguramiento público/Aseguramiento privado
Creemos muy necesario conocer qué cantidad de población es la que cuenta con un seguro médico privado y cuáles son las motivaciones para contratarlo. Los resultados nos dan una idea de la cantidad de personas que tienen una economía suficiente como para contratar este tipo de servicios y observaremos cuáles son las deficiencias del sistema público que alimenta este tipo de aseguramientos.
Además de ello, concretamos el tamaño de uno de los sectores que, por su lógica económica, más interesados pueden estar en la existencia de un sistema sanitario público, universal, gratuito, pero deficiente.
El resultante es una proporción de 30/70. Casi un tercio de la población del Área 4 Sanitaria cuenta con un aseguramiento privado mientras que el 70% depende exclusivamente de los servicios públicos para el mantenimiento y cuidado de la salud.
|
Observando esta cuestión y poniéndola en relación con la clase social y la situación laboral podremos ver mejor cómo se distribuye este importante 70%:
Como puede apreciarse, el empleo estable, la jubilación y el estudiantado son los tres sectores de ocupación que concentran el grueso del aseguramiento privado. Es de suponer que el empleo estable y el jubilado son tomadores directos y los estudiantes son subsidiarios de aquellos.
Estos tres colectivos tienen una pauta de comportamiento compartida, como se ha podido ver hasta ahora.
19
Si observamos el mismo fenómeno de aseguramiento médico privado en relación a la clase social, vemos que la clase acomodada y la clase media es la que concentra la mayor parte del porcentaje, reduciéndose considerablemente en las clases trabajadora y obrera. El componente de case es muy marcado aunque en todos los sectores supera el aseguramiento público al privado, excepto en la clase acomodada, que está equiparado.
La categoría “otra”, respondida en buena parte por el sector de jubilados, también tiene una alta mención relativa.
Cabe suponer que el consumo de productos “no necesarios” seguirá una pauta decreciente en las clases acomodada-media-trabajadora-obrera similar a la que se observa en la gráfica anterior, con la salvedad de que el aseguramiento sanitario privado se mantendrá en la clase de consumos “no necesarios” mientras se mantenga una oferta pública del servicio de una calidad suficiente como para satisfacer la expectativa social. El mantenimiento de la expectativa social elevada es la garantía para mantener y mejorar la excelencia del servicio sanitario.
20
Hay que señalar que, entre las personas que cuentan con un seguro privado están aquellas que, trabajando en la Función Pública, han elegido cubrirse con un seguro privado sin que ello resulte un gasto adicional para su economía personal/familiar. Los aseguramientos privados puros, por nombrarlo así, no llegan al 23% sobre el total de la población.
En todo caso, resultará importante medir el tamaño y la fuerza de los intereses de un sector privado sanitario de cuya economía forma parte casi una tercera parte de la población.
Comprender la fortaleza del sector privado será de vital importancia a la hora de comprender la orientación y diseño de las políticas públicas en materia sanitaria, la aprobación de partidas presupuestarias, la externalización de servicios o las derivaciones sanitarias a centros ajenos al sistema público.
21
Como se puede apreciar, la rapidez en la atención es la motivación principal que los usuarios de aseguramiento privado (67%), seguido a mucha distancia de las pruebas médicas (11,7%).
En un sector como el sanitario, en donde las pruebas preventivas y los plazos de actuación pueden marcar la línea que separa la salud y la enfermedad, no es de extrañar que sean estos los elementos que más necesidad tienen de mejora y los aspectos sobre los que con mayor efectividad se puede centrar el sector privado sanitario, que actúa sin sobrecargas, como auxiliar del sistema público. Mejorar las listas de espera en el sistema público, en este sentido, resulta marcadamente agresivo para el mantenimiento de la actividad privada en el sector.
Es de reseñar el muy bajo valor que arrojan las motivaciones de “instalaciones” y “mejores profesionales” con un residual 0,6% de mención.
Teniendo en cuenta que el 70% de la población depende en exclusiva del aseguramiento sanitario público, es comprensible que los servicios del Hospital Ramón y Cajal sean percibidos de manera abrumadora como importantes o muy importantes, siendo residuales otro tipo de respuestas. El 71,5% lo considera muy importante y el 25,8% como importante, lo que demuestra que contar con seguro privado no
menoscaba la prioridad que se le concede a la institución hospitalaria, que sigue desempeñando el papel de garantista de un derecho fundamental no sometido a pago directo. Tan sólo un 2,4% lo considera poco importante.
22
3.2 Las derivaciones hospitalarias
En la investigación hemos introducido dos preguntas que tienen que ver directamente con una de las prácticas que con mayor efectividad está menoscabando el conjunto de servicios sanitarios ofrecidos por la Sistema Sanitario Público.
Con ello, queremos conocer hasta qué punto la ciudadanía conoce la práctica de las derivaciones sanitarias y si las valora positiva o negativamente.
23
Casi un 35% de la población desconoce lo que son las derivaciones hospitalarias a cínicas y centros privados, lo que apunta a un problema prioritario a la hora de elaborar una estrategia que revierta dicha práctica.
|
Del 65% restante, que sí conoce de qué se trata, esta es su valoración:
24
Un 61% considera que las derivaciones hospitalarias son la manera adecuada de reducir las listas de espera que, recordemos, es el motivo que más frecuentemente se menciona a la hora de contratar un seguro privado.
Con las preguntas del cuestionario, no podemos saber si se considera cono una medida adecuada en ausencia de otras medidas o si se considera la mejor aunque se contemplen otras posibles.
En todo caso, sí sabemos que esta opinión está claramente marcada por una cuestión de clase en donde clases medias y acomodadas son más proclives a considerar la derivación hospitalaria como una medida adecuada mientras que entre la clase trabajadora y obrera hay menos aceptación (sin ser despreciable, como se puede ver):
25
3.3 Conocimiento de las condiciones socio-laborales del Ramón y Cajal
Como tercera y última parte del apartado referido a las dimensiones socio-políticas, hemos querido conocer hasta qué punto la población es consciente de la realidad política, presupuestaria y laboral del H. Ramón y Cajal.
Primero de todo, hemos de saber si hay algún actor relevante y reconocido que tenga por finalidad la defensa del H. Ramón y Cajal.
26
Menos de un 11% de la población conoce la existencia de algún colectivo que se ocupe de cuestiones relacionadas con el Hospital.
De ese 11%, aunque es aventurado extraer proyecciones estadísticas debido a su escasa cuantía, lo que nos muestra la gráfica siguiente es que hay una gran desorientación a la hora de identificar a algún actor relevante o de referencia en lo relativo a la vertiente cívica y social de las cuestiones que afectan al Hospital.
Por lo que respecta a la Plataforma en Defensa del Hospital Ramón y Cajal, es una organización extremadamente poco conocida (10 menciones de más de 1100 encuestaciones) sin extrapolación estadística.
La escasa visibilidad de la Plataforma dificulta que las informaciones que gestiona lleguen efectivamente a la población o que la población recurra a ella cuando necesite informarse, reclame ayuda, quiera realizar alguna comunicación o quiera unirse a su trabajo.
27
A continuación vemos que, preguntando por las condiciones laborales de la plantilla del Hospital, vemos que hay una ligera inclinación hacia las posiciones de malas o muy malas frente a las respuestas de buenas o muy buenas.
Ello rompe con uno de los prejuicios comunes a la hora de juzgar la situación del personal sanitario, según el cual, el sector sanitario es considerado como un sector privilegiado laboralmente. Según los resultados de esta investigación, hay una conciencia extendida de las condiciones precarias que rigen a la plantilla.
28
En las cuatro gráficas siguientes observamos la distribución por clases sociales, edades, distrito y situación laboral con la intención de profundizar la lectura de las respuestas a la pregunta sobre las condiciones laborales.
En lo referente a clase social se observa una clase media que tiene mejor opinión sobre las condiciones laborales, mientras que trabajadora y obrera siguen la misma pauta, percibiendo una situación más negativa.
Por lo que a edades se refiere, destacan mucho los jóvenes, que tienen consideraciones más positivas sobre las condiciones del personal del Hospital.
La gráfica de distrito nos muestra cómo las respuestas más polarizadas son las de San Blas Canillejas, en contraste con Hortaleza y Ciudad Lineal, más equilibradas. La gráfica de situación laboral nos hace reflexionar nuevamente sobre la opinión del sector “estudiantes” cuya opinión contrasta fuertemente con “empleo inestable”.
29
30
Por último, nos fijamos en la opinión acerca de la adecuada financiación del Hospital Ramón y Cajal. Uno de los elementos de mayor contenido político es siempre la cuestión presupuestaria y mide con mucha precisión la opinión que la ciudadanía tiene con respecto a la administración política e institucional del Hospital Ramón y Cajal
31
El resultado es abrumadoramente gráfico. Un 77% de la población del Área Sanitaria 4 considera que el Hospital no está suficientemente dotado de recursos económicos, frente a un 23% que considera que sí lo está.
A continuación vamos a analizar esta cuestión a través de las variables de género, edad y clase social con la intención de llegar a entender mejor esta importante opinión y ver si su contundencia es homogénea o se concentra en algún sector social.
En primer lugar, la gráfica siguiente demuestra cómo las mujeres tienen una opinión notablemente peor que las de los hombres. Se trata de un sector, el de las mujeres, tradicionalmente más vinculado a los cuidados familiares y cabe sospechar que con una exposición a la realidad del Hospital más intensa que en el caso de los hombres, lo que podría explicar parte de estas diferencias.
|
En el gráfico de edad se observa que el ratio más crítico con la dotación de recursos es el que va de los 35 a los 49 años y el menos crítico el de los jóvenes de 16 a 34 años. Observando la respuesta en base a la clase social, el sector más complaciente de entre los que consideran que el Hospital sí está suficientemente dotado de recursos es el de la clase media, mientras que clase trabajadora y obrera se sitúa muy mayoritariamente en el “no”.
33
4.- ÍNDICES DE OPINIÓN HOSPITAL
RAMÓN Y CAJAL
El estudio incorpora una serie de preguntas sobre aspectos concretos del Hospital,
bien definidos y objetivables, pero antes hemos querido saber qué nivel de contacto y 34
relación tiene la población con el Hospital y qué opinión general tienen de acuerdo a su experiencia más reciente.
|
Preguntando por el tiempo transcurrido desde la última vez que visitó el Ramón y Cajal, como se ve en la siguiente gráfica, el 41,9% lo ha visitado en el transcurso de estos últimos seis meses, el 59,8% en el último año y el 83% en los últimos cinco años. Tan sólo un 5,1% de la población no lo ha visitado nunca.
|
Según esta última experiencia en el Hospital, independientemente de que haya sido reciente o haya sido hace más de un año o más de cinco, hemos preguntado sobre su impresión personal genérica en términos de buena-mala, siendo los resultados muy positivos; un 24,4% tuvo una impresión muy buena y se eleva al 77,7% si sumamos a los que la consideran buena. Un 13% tiene una impresión mala o muy mala de su última experiencia en el Hospital.
De ello podemos concluir que el servicio hospitalario que ofrece el Ramón y Cajal es muy demandado por la población, con una alta recurrencia, y que el servicio que ofrece es tenido por satisfactorio aunque no por excelente, dado que un porcentaje del 13%, tratándose de un servicio esencial, tiene que ser considerado como un alto porcentaje.
A continuación, exponemos los datos de cada una de las cuestiones sobre las que hemos preguntado opinión a la ciudadanía de los cuatro distritos del Área 4 Sanitaria.
La línea vertical que divide el histograma en dos mitades es la que marca la frontera entre el suspenso y el aprobado.
La pregunta está formulada en términos de “Según su opinión sobre el H. Ramón y
Cajal, ¿podría valorar del 1 al 10, en donde 1 es muy mala valoración y 10 muy buena, 36
los siguientes elementos?”
Posteriormente analizaremos estos índices agrupadamente y de manera más resumida, pero creemos conveniente que en este informe reflejemos los datos brutos de cada variable preguntada.
Las peores valoraciones (en el terreno del suspenso) se concentran en las listas de espera quirúrgica, en las listas de espera de pruebas médicas y el las esperas y colas dentro del propio Hospital. Las valoraciones más altas son las relacionadas directamente con el trato profesional.
Desviación estánda r= 2,385
N ,. 956
|
150 0
u e cu
u 100
e!
1.1.
o 2 4 6 8 10 12
Ustas de Espera Pruebas Médicas
200
150
.
ue
cu
Media z 6,29
Desviación estánda r= 2,504
N = 900
u 100
e!
1.1.
so
o 2 4 6 8 10 12
Servíeio de Urgenc ias
Desviación está ndar= 2,137
N » 743
100 0
.
ue
- 7S
::2
u
1.1.
so
- 2 4
6 8 10 12
Habitaciones de Ingreso
2SO
200
Media z 5,94
Desviación estánda r= 1,944 N = 1.028
.u e G.l
:::1
u
1.1.
1SO
lOO
so
o 2 4 6
Instalaciones
8 10 12
200
0
. lSO
ue
G.l
::2
u
1.1.
lOO
- 2 4
6
Umpieza
8 10 12
200
!SO
.
ue
G.l
::2
u 100
1.1.
so
Media = 4,93
Desviación est.ind.lr= 2 ,155
N = 984
o 2 4 6
8 10 12
Tiempos de Espera 1 Colas
.
ue
G.l
::2
u
1.1.
300 G
200
o 2 4
6 8 10 12
Atenc ión Profesional
Media = 5,72
Desviación est.ind.lr= 2 ,77
N = 422
o 2 4 6 8 10 12
Transpone Ambulac ias
41
JUSTIFICACIÓN
[NOTA: Para una información completa y detallada del proceso metodológico seguido en la construcción del Índice RyC consúltese el informe técnico que se aporta. ANEXO I]
Tal y como ya hemos apuntado al inicio de este trabajo, un punto oscuro y objeto de gran polémica en los estudios de satisfacción hospitalaria es que la mayoría de resultados oficiales o institucionales reportados muestran elevados niveles de satisfacción en los pacientes (casi todas las veces por encima del 80%), motivo por el que numerosos investigadores han criticado su capacidad discriminante y, por lo tanto, también explicativa.
Algunas investigaciones han intentado explicar los motivos de esos elevados niveles de satisfacción reportados, señalando que el sesgo puede residir en aspectos culturales de la relación médico-paciente (en términos de dependencia hacia la administración y no de empoderamiento hacia sus derechos), y han propuesto que en lugar de la satisfacción se intente medir la insatisfacción.
En este estudio, en lugar de proceder a medir la satisfacción de los usuarios del Hospital Ramón y Cajal, lo que proponemos es medir el grado de satisfacción social en torno al funcionamiento del Hospital Ramón y Cajal según la percepción de los ciudadanos del Área 4 de Madrid.
Sin duda, la construcción de un índice sintético es la forma más simple de reducir una gran cantidad de datos y presentarlos en una sola cifra. Otra cuestión diferente es la eficacia y calidad real que reúna dicho índice para medir lo que pretende. Ello dependerá, principalmente, de la metodología y del tratamiento estadístico que se plantee a tal efecto. En nuestro caso, no seguiremos las metodologías planteadas por el Departamento de Salud de la Comunidad de Madrid ni tampoco la de los
Barómetros del Ministerio de Sanidad. No cuestionamos su adecuación, simplicidad ni 42
procedencia, sino sus resultados, los cuales los creemos alejados de la realidad.
En el estudio estadístico que aquí planteamos haremos uso de métodos factoriales. Se trata de reagrupar la información directa que proporcionan las 10 preguntas del cuestionario y condensarla en un reducido número de factores con alto carácter explicativo a la hora de resumir el funcionamiento del Hospital Ramón y Cajal. A partir de estos factores construimos los índices parciales (cada uno de ellos dará una evaluación parcial de un área concreta de la realidad hospitalaria). Posteriormente, con estos índices parciales construiremos el índice global.
En la puesta en marcha de esta metodología, ha sido necesario adaptar los cuestionarios clásicos de los estudios de satisfacción hospitalaria (SERVQUAL, SERVQHOS y SERVPERF) al hecho de que la valoración será ahora realizada tanto por usuarios como por no usuarios. Es decir, tratamos de medir la percepción social o el grado de satisfacción social sobre los servicios del Hospital Ramón y Cajal. Y dicha percepción, sin lugar a dudas, estará basada en una amalgama de realidades: experiencias en primera persona, experiencias transmitidas por un tercero (familiares, amigos), opiniones conformadas por la realidad política, económica y social, etc., lo cual condicionará la tipología de preguntas a incluir o excluir del cuestionario, siempre evitando aquellas que, para responder, conlleven la necesidad de haber sido paciente.
RESULTADOS
El tratamiento factorial de los datos ha permitido la construcción de 4 Índices Sintéticos Parciales y de un Índice Sintético Global.
Índices Sintéticos Parciales | |
ESPERA | Tiempo de respuesta del Hospital ante una consulta, petición o
trámite. |
INSTALACIONES | Aspectos tangibles del Hospital (calidad global de las instalaciones,
habitaciones, limpieza, comodidad, etc.). |
ACCESO | Facilidad y rapidez de acceso o transporte al Hospital. |
ATENCIÓN | Aspectos funcionales del hospital (profesionalidad de la plantilla,
eficacia en Urgencias, resolución de problemas). |
Índice Sintético Global | |
ÍNDICE RyC | Valoración global del funcionamiento y calidad del Hospital. |
Es importante señalar que el orden en que se citan los índices parciales
1.- ESPERA
2.- INSTALACIONES
3.- ACCESO
4.- ATENCIÓN
no es en modo alguno arbitrario ni producto del azar. Dicho ordenamiento se produce 43
automáticamente en función del % de la variabilidad de datos que recoge y explica cada factor y puede interpretarse cómo el peso o importancia que dicho índice parcial tiene a la hora de construir luego el índice global RyC. Es decir, según los datos recogidos en la encuesta realizada, a día de hoy los factores Espera e Instalaciones tienen mayor incidencia o peso en la valoración global que los ciudadanos del Área 4 hacen del Hospital Ramón y Cajal. Esto no quiere decir que los índices Acceso y Atención no tengan importancia (son importantes exactamente en lo que miden), sino que, a día de hoy, inciden un poco menos en las percepciones de la ciudadanía del Área 4 a la hora de conformar su opinión global sobre la calidad de los servicios sanitarios del hospital.
Los valores generales medios obtenidos para el Área 4 han sido:
AREA 4 | Índice Sintéticos Parciales | |||
ÍNDICE RyC | ESPERA | INSTALACIONES | ACCESO | ATENCIÓN |
5.22 | 4.24 | 5.35 | 5.13 | 6.44 |
Ofrecemos también el resto de tablas para los bloques de variables sociodemográficas, de nociones políticas, de cobertura sanitaria y de estancia en el hospital:
NOCIONES POLÍTICAS | ÍND
RyC |
ESPERA | INSTALACIONES | ACCESO | ATENCIÓN | ||
¿Conoce en su distrito algún colectivo cuya preocupación | Sí
No |
4.96
5.25 |
4.04
4.27 |
4.97
5.36 |
4.54
5.22 |
6.62
6.44 |
|
principal sea el RyC? | |||||||
Las condiciones laborales de la | Muy Buenas Buenas | 5.55
5.33 |
4.91
4.34 |
5.76
5.60 |
5.26
5.17 |
6.42
6.44 |
|
plantilla del RyC son… Regulares | 5.26 | 4.23 | 5.28 | 5.27 | 6.61 | ||
Malas | 5.03 | 4.05 | 5.07 | 4.99 | 6.32 | ||
Muy Malas | 4.84 | 3.92 | 4.52 | 4.94 | 6.37 | ||
¿Está el RyC suficientemente dotado de recursos económicos? | Sí | 5.42 | 4.52 | 5.71 | 5.27 | 6.41 | |
No | 5.11 | 4.09 | 5.16 | 5.07 | 6.46 |
|
44
Edad en Rango
Situación Laboral
|
45
¿Cuál es la ventaja que más valora de su seguro privado?
5.- ESTUDIO DE CLASIFICACIÓN
Los índices presentados en el punto anterior sirven para hacernos una idea rápida de la situación. No dejan de ser, sin embargo, una cifra media, lo cual Es interesante tener en cuenta también su distribución interna. Para este y otros fines, es interesante
transformarlos en rangos:
46
Valoración
Mala (puntuación <5) Regular (puntuación de 5 a 6) Buena (puntuación > 6)
O alternativamente dar una visión de la información en términos clásicos de aprobado o suspenso:
Calificación
Suspenso (puntuación < 5) Aprobado (puntuación > 5)
Así, podemos visionar la información desde otra perspectiva y utlizarla también como herramienta para probar métodos de clasificación de la información.
47
48
Esta misma información, pero ahora presentada por distritos, nos da una idea algo más precisa del carácter de algunas de las diferencias y semejanzas anteriormente apuntadas entre Hortaleza – Ciudad Lineal Barajas – San Blas y el tándem Barajas – San Blas.
En términos de Valoración Global RyC, por ejemplo, Barajas es muy similar a Hortaleza, mientras que Ciudad Lineal se acerca a San Blas. Pero en términos de Acceso, la valoración vuelve a situar tres puntos: Hortaleza, Ciudad Lineal y Barajas – San Blas. Es también evidente, que en los barrios de Barajas y de San Blas hay una valoración bastante mala de los accesos en transporte público al Ramón y Cajal, mientras que en Hortaleza es todo lo contrario.
49
El gráfico correspondiente a la Valoración de Espera da una idea demoledora de la grave situación de las Listas de Espera, o al menos de la percepción social existente en los distritos del Área 4.
Realizaremos ahora un intento de clasificación de la información, mediante la técnica estadística de los árboles CHAID. Con dicho procedimiento (del cual se presentan los gráficos más relevantes), se ensaya una segmentación de la población del Área 4 en términos de grupos homogeneos. La interpretación de dichos árboles tiene carácter intuitivo. Fijada la variable de clasificación (la primera del árbol) el resto que van apareciendo son las llamadas “variables de segmentación” y su importancia predictora se ordena hacia abajo.
Cada árbol de clasificación tiene un grado de precisión determinado. En investigación social no podemos esperar una precisión exacta, pues los grupos sociales siempre tienen límites en su grado de homogenización interna. Generalmente se considera aceptable una precisión a partir del 66%. Veamos un primer ejemplo: la nota media del Índice RyC puede clasificarse o predecirse con las variables “condiciones laborales de la plantilla”, “derivaciones sanitarias como forma de reducir las listas de espera” y
“dotación de recursos económicos en el hospital”, por ese mismo orden. La precisión 50
del modelo es del 75%.
Esta es una información interesante, pues da una medida de la importancia de dichas variables a la hora realizar un pronóstico (con precisión 75%) sobre la puntuación del índice RyC.
Si queremos clasificar en función de la respuesta a la pregunta sobre derivaciones sanitarias, podemos observar que los mejores predictores serán “recursos económicos del hospital” (en primer lugar), y luego parcialmente “género”, con una precisión del
65,6%. 51
Por su parte, la posibilidad de que un habitante del Área 4 tenga seguro privado o no puede predecirse con un 72% de precisión por las variables “clase social” y “situación laboral”. Es decir, tener seguro privado o no tiene un alto componente de clase, antes
incluso que la propia situación laboral personal (disponer de recursos económicos para pagarlo o no).
52
La clasificación o segmentación de las respuestas a la pregunta sobre la dotación de recursos económicos al Hospital Ramón y Cajal no ofrece una respuesta tan clara como las anteriores. De hecho, es posible obtener tres árboles diferentes con una precisión prácticamente igual en torno al 70%. Por un lado, es una cuestión que también tiene un componente de clase (sobre todo para clasificar la respuesta “No”); por otro, aparecen también las percepciones de las valoraciones sobre “instalaciones”, en primer lugar, y “espera”, en segundo. La opinión sobre las derivaciones hospitalarias también parece, por su parte, tener un cierto poder predictivo para clasificar sobre todo las respuestas negativas a la pregunta de si el Ramón y Cajal dispone de suficientes recursos económicos. Ofrecemos los tres árboles obtenidos:
53
54
55
La percepción social catastrófica que existe en torno a la situación de las listas de espera es altamente significativa. Si examinamos el árbol correspondiente a su clasificación binaria (en términos de aprobado / suspenso), puede observarse que los principales predictores de dicha calificación (derivaciones hospitalarias y dotación de recursos económicos al hospital) no atenúan el suspenso ni siquiera en el supuesto más positivo de respuestas Sí-Sí.
56
Para terminar, ofrecemos dos árboles que, aunque no tienen gran poder predictivo en términos globales, sí aportan información precisa en relación a dos categorías concretas. En el caso de las condiciones laborales de los trabajadores del Ramón y Cajal, las referentes a las respuestas “Malas” y “Buenas”. En el caso del último árbol aportado (Clase Social) las referentes a “clase media” y “clase obrera”.
57
58
En este último árbol, podemos confirmar el apunte realizado anteriormente en relación a los componentes de clase existentes en el hecho de tener seguro privado o no, así como en la percepción sobre la suficiencia o no de la dotación económica del Ramón y Cajal. Llamamos la atención, sobre todo, a los datos del Nodo 3 frente al resto del segmento compuesto por los Nodos 4, 5 y 6.
|
59
Precisión de la Clasificación de las Categoría de Clase Social | ||||||||
Observado | Pronosticado | |||||||
Clase
Acomodada |
Clase
Media |
Clase
Trabajadora |
Clase
Obrera |
Pueblo | Otra | Porcentaje
correcto |
||
Clase
Acomodada |
0 | 35 | 0 | 20 | 0 | 0 | 0,0% | |
Clase Media | 0 | 211 | 0 | 136 | 0 | 0 | 60,8% | |
Clase Trabajadora | 0 | 92 | 0 | 195 | 0 | 0 | 0,0% | |
Clase Obrera | 0 | 85 | 0 | 210 | 0 | 0 | 71,2% | |
Pueblo | 0 | 7 | 0 | 27 | 0 | 0 | 0,0% | |
Otra | 0 | 29 | 0 | 38 | 0 | 0 | 0,0% | |
Porcentaje
global |
0,0% | 42,3% | 0,0% | 57,7% | 0,0% | 0,0% | 38,8% | |
Variable dependiente: Clase Social |
6.- CONCLUSIONES
Trataremos de enumerar una serie de conclusiones que pueden extraerse del contenido de este informe, si bien es cierto, este es un apartado que debe realizarse y completarse a través de la discusión y el debate de la organización que encarga este estudio.
60
Hay una serie de datos y cruces de variables que son reveladores en la medida que se hace una lectura de ellos informada desde otros ángulos complementarios. El enfoque definitivo ha de ser necesariamente multidisciplinar. Desde este apartado, contribuimos a iniciar el debate necesario.
- En primer lugar, vemos que el peso del sector privado sanitario se corresponde con un 30% de la población, aunque la importancia del Hospital Ramón y Cajal se sitúa en valores altos y muy altos para un 97,3%. Dos aspectos a destacar de esta cuestión; por un lado, la base de defensa del hospital afecta a intereses que son sentidos como propios por la práctica totalidad de la población y el mensaje alusivo al Hospital es, en consecuencia, sensible para una audiencia máxima, por otra parte, una tercera parte de la población tiene sus intereses puestos también en el sector privado, lo que indica que hay un interés creado con relativa fuerza y movimiento de capital en el sector sanitario que opera efectivamente en favor de sus inter
- La motivación principal de las personas que cuentan con un seguro médico privado es la de la rapidez en la atención, aducida por un 67%, además de las pruebas médicas, por un 11,7%. De ello extraemos la conclusión que una reducción de las listas de espera afectaría directamente a los intereses privados del sector, que perdería el atractivo principal de su ofert
- Un tercio de la población no conoce la práctica de las derivaciones hospitalarias a centros privados y, de los dos tercios restantes que sí conocen dicha práctica, casi un 40% considera que es una forma adecuada de reducir las listas de esp Existe una carencia de información al respecto tanto en la existencia e intensidad de dicha práctica como en el tipo de consecuencias que supone para el sistema sanitario público.
- Dos tercios de la población consideran que las condiciones laborales de la plantilla del Hospital Ramón y Cajal son regulares, malas o muy malas, frente al tercio restante, que las considera buenas o muy buen La posibilidad de encontrar apoyo popular para el respaldo de iniciativas que caminen a la mejora de estas condiciones es alta, unido a ello la alta valoración del desempeño profesional que la ciudadanía tiende a destacar
de entre todos los elementos por los que se ha preguntado en esta investigación.
- Un 77% de la población considera que el Hospital no está suficientemente dotado de recursos económicos, que unido al punto anterior, muestra la alta disposición de la población a entender mensajes sobre cuestiones relativas a precariedad, ausencia de servicios, material obsoleto o ausente,
etc. Se comprueba en esta investigación que el elemento explicativo de esta 61
impresión radica en las listas de espera. En la medida que se ataje este problema, caerá automáticamente la impresión de la baja dotación de recursos económicos.
- El Hospital tiene una tasa de uso muy alta entre la población (más del 40% lo ha visitado en los últimos seis meses) y la impresión es buena o muy buena de manera muy mayorit Estas respuestas se explican principalmente por la alta valoración del desempeño profesional de la plantilla, existiendo una asociación muy alta entre estas dos variables.
- La nota del Hospital, en lo referido a esperas (tiempo de respuesta del Hospital ante una consulta, petición o trámite), es de claro suspenso: 4,2 Se trata de la respuesta más negativa de las valoradas.
- La nota del Hospital, en lo referido a instalaciones (aspectos tangibles del Hospital; calidad global de las instalaciones, habitaciones, limpieza, comodidad, etc.), es 5,35, por encima del aprobado, pero en la zona de la insatisfacción (valores superiores a 6)
- La nota del Hospital, en lo referido a acceso (facilidad y rapidez de acceso o transporte al Hospital), es de 5,13, lastrado principalmente por los habitantes de San Blas-Canillejas y B
- La nota del Hospital, en lo referido a atención (aspectos funcionales del hospital; profesionalidad de la plantilla, eficacia en Urgencias, resolución de problemas), es de 6,44, la más alta de las valoradas y por encima de los niveles de satisfacción.
- La nota global del Hospital Ramón y Cajal, de acuerdo a todas la variables que han sido estudiadas, es de 5,22, no siendo esta una media aritmética de las valoraciones parciales sino una media ponderada de acuerdo al peso específico de cada uno de ell Lo referido a esperas e instalaciones tiene mayor peso en la ponderación por ser sentido su efecto con más intensidad; un trabajo que palie estos aspectos tendrá una consecuencia inmediata y eficaz en la mejora de la puntuación global.
- En términos sociodemográficos: Por un lado, los jóvenes son los que más puntúan al Ramón y Cajal (mayor cuota de aprobados: un 75,9%) frente a los adultos de 35 a 65 años (mayor cuota de suspensos: un 40%). Los mayores de 65 años se sitúan más cerca de los jóvenes que de los adultos (68,1% de aprobados).
- En términos de nociones políticas: Las opiniones sobre las condiciones 62
laborales de la plantilla, las derivaciones hospitalarias y la dotación de
recursos (por este orden) son los mejores predictores para clasificar la calificación Ramón y Cajal (mala, regular, buena). Hay una diferencia clara entre dos bloques: el bloque mayoritario, de los que piensan que las condiciones laborales son regulares, buenas y muy buenas, el cual da un aprobado al Hospital; y el bloque de los que piensan que las condiciones de trabajo son malas o muy malas, el cual tiende a suspenderlo en términos globales. Hay evidencias en la investigación que apuntarían a ideas asentadas sobre motivaciones ideológicas (observando el árbol los predictores “derivaciones” y “recursos” apuntan también en esa dirección).
7.- FICHA TÉCNICA
|
63
(*) ASOCIACIÓN REDIIS
Rediis es una asociación constituida en abril del 2009, inscrita en el registro de asociaciones Grupo 1/ Sección 1 Número Nacional 592982 al amparo de la Ley Orgánica 1/2000, de 22 de Marzo, y normas complementarias, con personalidad jurídica y plena capacidad de obrar, careciendo de ánimo de lucro.
Se trata de una asociación de profesionales dedicada a la investigación y la información social orientada al empoderamiento ciudadano a través de la aplicación de la metodología concreta “rediis” (Red de Investigación en Información Social, por su acrónimo).
Entre los objetivos que recoge en sus estatutos está el desarrollo investigaciones, tanto a nivel cuantitativo como a nivel cualitativo, involucrando en el proceso investigador,
en los casos en que sea posible, a la población afectada y logrando, así, que las 64
organizaciones ciudadanas se doten de herramientas con las que fundamentar científicamente sus objetivos.
Rediis desarrolla también actividades de intervención social, gestión cultural, formación, consultoría, cooperación y desarrollo.
La asociación está presidida desde junio 2013 por Israel Mogrovejo, DNI 51395588H. A efectos de contacto y notificación:
Israel Mogrovejo Julen Larrinaga Martín
Tlf. 658014107 Tlf. 688642272
Em ail. israe lmo gro vej o @gmail.co m Em ail. ju len ko 666 @gmail.co m
INFORME TÉCNICO
Anexo I
METODOLOGÍA SEGUIDA:
65
0.- COMENTARIOS PREVIOS
1.- ANÁLISIS DE DATOS FALTANTES
2.- ANÁLISIS EXPLORATORIO DE LOS DATOS
3.- ANÁLISIS BIVARIANTE DE LOS DATOS
4.- CONSTRUCCIÓN DE UN ÍNDICE SINTÉTICO DE SATISFACCIÓN SOCIAL HOSPITALARIA
5.- ANÁLISIS DE CLASIFICACIÓN
0.- COMENTARIOS PREVIOS
En el presente informe exponemos la metodología usada en el estudio, los tipos de análisis estadístico que se han utilizado, así como el marco de decisiones que se han tenido que ir tomando para solventar las problemáticas habituales que se suelen plantear en este tipo de investigaciones sociales.
En general, no profundizaremos más allá de la cita de los métodos y un pequeño resumen al respecto. En todo caso, no reproduciremos resultados ni datos que ya se han expuesto en el informe general. Nos detendremos, eso sí, en aspectos importantes que, generalmente, se quedan fuera del ámbito de los informes generales de resultados, como son el tratamiento de datos faltantes, los análisis de fiabilidad, así como todo lo referente a la construcción del Índice Sintético que se propone.
Antes de empezar, dos breves notas:
(*) Procedimiento Estándar de Entrada de Datos: Entrada de datos desde las hojas de cálculo Excell / Codificación de variables (Libro de Códigos) / Depuración de la base datos (búsqueda de inconsistencias y errores) / Validación de datos.
(**) Sobre Escalas Ordinales y Métricas: En numerosas ocasiones los investigadores no muy familiarizados con estos conceptos de estadística-matemática suelen tener problemas para diferenciar entre los tipos de escalas, diferencia que se hace más patente entre escalas ordinales y de intervalo. Las respuestas a las escalas tipo Likert, que estrictamente hablando son escalas ordinales, suelen ser consideradas en numerosas ocasiones como escalas de intervalo para, así, poder utilizar los test estadísticos más potentes. No hay un acuerdo claro sobre el error que se comente al tratar estas escalas como de intervalo, si bien muchos investigadores minimizan la magnitud de estos errores puesto que el único criterio no respetado al considerar una variable ordinal como si fuera de intervalo es la «igualdad de intervalos» (Kinnear y Taylor, 1993). En esta misma línea se posiciona Lavovitz (1970 y 1971) cuando dice que
la cantidad de error que se comete con esta estrategia es de tipo mínimo, fundamentalmente si se consideran las enormes ventajas que pueden obtenerse al utilizar técnicas de análisis como la Correlación y Regresión, técnicas muy potentes y con una enorme facilidad de interpretación. Tras analizar estos comentarios, nuestro punto de vista se inclina más por seguir los consejos de O’Brien (1979) y Schroeder (1990) cuando exponen algunos de los problemas derivados de este hecho: «Bajo ciertas condiciones puede ser apropiado tratar una variable ordenada como si fuera
continua… En particular, cuando una variable discreta cuantitativa ordenada toma un 66
amplio rango de valores, es razonable tratar la variable como si fuera continua. No obstante, es inapropiado tratar como variable continua aquellas variables ordenadas con pocas categorías (cinco o menos)». La escala Likert de nuestro cuestionario estudio es de 10 categorías.
1.- ANÁLISIS DE DATOS FALTANTES
CONCLUSIÓN: Descartamos que los valores perdidos sigan ningún patrón determinado más allá del puro azar.
Se ha realizado la Prueba MCAR de Little (H0: Los valores perdidos son completamente aleatorios y no siguen ningún patrón), confrontando las variables de escala del bloque de preguntas C3.1 a C3.10 con las variables categóricas de tipo sociodemográfico “Distrito”, “Sexo”, “Edad_R”, E1 y E2.
Mediante la técnica EM, en dicho test se obtiene una significancia de 0.285, de modo que aceptamos la hipótesis nula H0 con una confianza del 95% y concluimos que los valores perdidos son de naturaleza completamente aleatoria. No es necesario, por tanto, llevar a cabo procedimientos de imputaciones de datos faltantes de modo general.
Ofrecemos las siguientes tablas de resultados:
Resumen de medias estimadas | ||||||||||
C3.1 | C3.2 | C3.3 | C3.4 | C3.5 | C3.6 | C3.7 | C3.8 | C3.9 | C3.10 | |
Todos los valores | 4,62 | 4,82 | 6,29 | 5,88 | 5,94 | 6,41 | 4,93 | 7,90 | 5,72 | 4,86 |
EM | 4,76 | 4,90 | 6,34 | 5,93 | 5,93 | 6,39 | 4,96 | 7,89 | 5,87 | 4,90 |
Resumen de desviaciones estándar estimadas | ||||||||||
C3.1 | C3.2 | C3.3 | C3.4 | C3.5 | C3.6 | C3.7 | C3.8 | C3.9 | C3.10 | |
Todos los valores | 2,490 | 2,385 | 2,504 | 2,137 | 1,944 | 1,998 | 2,155 | 1,716 | 2,770 | 2,971 |
EM | 2,504 | 2,396 | 2,515 | 2,131 | 1,946 | 2,008 | 2,163 | 1,717 | 2,765 | 2,970 |
Estadísticos EM para Contraste de H0
|
67
Covarianzas EMa | ||||||||||
C3.1 | C3.2 | C3.3 | C3.4 | C3.5 | C3.6 | C3.7 | C3.8 | C3.9 | C3.10 | |
C3.1 | 6,271 | |||||||||
C3.2 | 4,256 | 5,742 | ||||||||
C3.3 | 2,637 | 2,585 | 6,323 | |||||||
C3.4 | 2,259 | 2,256 | 2,388 | 4,542 | ||||||
C3.5 | 1,874 | 1,916 | 1,675 | 2,741 | 3,787 | |||||
C3.6 | 1,816 | 1,938 | 1,828 | 2,328 | 2,541 | 4,032 | ||||
C3.7 | 2,701 | 2,745 | 2,383 | 2,316 | 1,865 | 1,707 | 4,680 | |||
C3.8 | 1,084 | ,989 | 1,598 | 1,366 | 1,047 | 1,023 | 1,188 | 2,950 | ||
C3.9 | 2,345 | 2,488 | 2,229 | 2,039 | 1,938 | 1,777 | 1,815 | 1,172 | 7,642 | |
C3.1 0 | 1,740 | 1,725 | 2,023 | 1,567 | 1,481 | 1,493 | 1,295 | ,597 | 2,907 | 8,824 |
a. Prueba MCAR de Little: Chi-cuadrado = 911,515, DF = 888, Sig. = ,285 |
Correlaciones EMa | |||||||||||||||||||
C3.1 | C3.2 | C3.3 | C3.4 | C3.5 | C3.6 | C3.7 | C3.8 | C3.9 | C3.10 | ||||||||||
C3.1 | 1 | ||||||||||||||||||
C3.2 | ,709 | 1 | |||||||||||||||||
C3.3 | ,419 | ,429 | 1 | ||||||||||||||||
C3.4 | ,423 | ,442 | ,446 | 1 | |||||||||||||||
C3.5 | ,385 | ,411 | ,342 | ,661 | 1 | ||||||||||||||
C3.6 | ,361 | ,403 | ,362 | ,544 | ,650 | 1 | |||||||||||||
C3.7 | ,499 | ,530 | ,438 | ,502 | ,443 | ,393 | 1 | ||||||||||||
C3.8 | ,252 | ,240 | ,370 | ,373 | ,313 | ,297 | ,320 | 1 | |||||||||||
C3.9 | ,339 | ,376 | ,321 | ,346 | ,360 | ,320 | ,304 | ,247 | 1 | ||||||||||
C3.1 0 | ,234 | ,242 | ,271 | ,247 | ,256 | ,250 | ,202 | ,117 | ,354 | 1 | |||||||||
a. Prueba MCAR de Little: Chi-cuadrado = 911,515, DF = 888, Sig. = ,285 | |||||||||||||||||||
Tomamos las siguientes decisiones:
1.- Para los análisis exploratorios univariante, así como para el estudio de tablas de contingencia (cruces de variables), no realizaremos ningún procedimiento de imputaciones de datos faltantes.
2.- Más adelante, para la construcción de índices sintéticos de valoración del RyC mediante análisis factorial, necesitaremos realizar imputación por la presencia de 68
datos faltantes en el bloque de variables [C3.1 a C3.10].
2.- ANÁLISIS EXPLORATORIO DE LOS DATOS
El análisis de los datos debe seguir una línea jerárquica ascendente que se inicia con la descripción o exploración de la información, para continuar posteriormente con el análisis de relación entre variables.
El proceso general que nosotros seguiremos es el siguiente:
Paso 1: Análisis Univariante de los datos:
- Estudio del bloque Sociodemográfico (Distrito, Género, Edad, Situación Laboral y Clase Social Auto-percibida, estas dos últimas con las etiquetas E1 y E2R).
- Estudio del bloque Cobertura Sanitaria (B1, B2F, B3F).
- Estudio del bloque Ramón y Cajal (C1, C2, C4, C4F, C5).
- Estudio del bloque Nociones Políticas (D1, D2 y D3)
- Estudio del bloque Valoración Hospital RyC [C3.1 a C3.10].
- Estudio de outliers y datos extrem Paso 3: Análisis Bivariante de los datos:
- Estudio de asociación mediante tablas de contingenc
- Descriptivos e histogra
- Análisis de Correspondencias simples (ACS).
Paso 4: Construcción de un índice sintético global de valoración del RyC:
- Identificación y selección de variables relevantes.
- Imputación de datos faltan
- Análisis de fiabilidad.
- Análisis Facto
- Agregación y ponderación de los índices parciales y del glob Paso 5: Análisis Exploratorio de los Índices Sintéticos:
- Descriptivos e histogramas
- Estudio de comparación de medias frente al resto de variables (ANOVA ONE WAY y t-Student)
Paso 6: Análisis de Clasificación
- Árboles de Clasificación CHAID
69
3.- ANÁLISIS BIVARIANTE DE LOS DATOS
En la investigación con encuesta, las técnicas bivariante más utilizadas son el análisis de la correlación lineal y el cruce de tablas (o tablas de contingencia) entre dos o más variables. Determinadas situaciones precisan el empleo de otras técnicas como la diferencia significativa de medias, el análisis de varianza, la regresión simple, y los test no paramétricos. La elección entre cada una de estas técnicas requiere, en primer lugar, considerar la métrica en la que se ha medido cada variable (nominal, ordinal, intervalo o razón14) y, en segundo lugar, delimitar claramente la relación que se establece entre las variables: diferencia de porcentajes, diferencia de medias, relación significativa entre variables, etc.
Tablas de Contingencia: tratamos de determinar si existe relación (asociación) entre las variables, y cómo es esta relación, o si por el contrario no se da y podemos hablar de independencia entre las variables. Las variables las tratamos por pares, en lo que comúnmente se denomina como cruce de variables.
Estudiamos cuatro aspectos estadísticos en la relación de variables: 1.- Existencia o no de asociación (prueba de chi-cuadrado):
- Formulación de las hipótesis nula y alternativa, en este caso:
H0: Las variables son independientes.
H1: Las variables no son independientes, existe asociación.
|
- Se calcula el valor del estadístico chi-cuadrado observado ( ).
- Se determina la probabilidad asociada al estadístic
- Se toma la decisión aceptando o rechazando la hipótesis nu
Si p < 0.05 rechazamos H0 con una confianza del 95% Los requisitos previos que consideramos para poder aplicar el test chi-cuadrado son: – n > 50.
- La frecuencia esperada por casilla debe de ser >5 en el 80% de las c
- La frecuencia esperada mínima no puede bajar de 1 en ninguna c
Si esto no se cumple es necesario agrupar categorías para reducir el número de casillas con frecuencias bajas. Esto ha ocurrido, por ejemplo, con la variable E2 (clase social auto-percibida), la cual se ha construido a partir de la variable original E2 agrupando algunas categorías. La razón reside en que el alto número de categorías de clase social en E2 y el bajo puntaje obtenido por algunas causaba que dicha variable no llegara al
requisito mínimo establecido de 80% de casillas con una frecuencia mínima de 5. 70
Se ha procedido a agrupar las siguientes categorías:
- Clase Alta + Clase Empresarial + Clase Acomodada con el nombre de esta últ
- Clase Baja + Clase Obrera con el nombre de esta últ
- Clase Pasiva + Persona Individual + Ninguno + Otro con el nombre de esta últ
Para realizar estas agrupaciones, además de la simple intuición lógica, se ha realizado previamente un análisis de Correspondencias Simples (ACS) entre la variable Situación Laboral (E1) y la de Pertenencia a Clase (E2), con objeto de estudiar la cercanía entre grupos según las dos dimensiones principales que dibujaba el ACS. En dicha especie de mapa social obtenido con el ACS se podía observar la cercanía de dichas categorías entre sí, prefigurando los nuevos grupos propuestos. Al menos de los dos primeros, porque el tercero es más una especie de cajón de sastre (otro, ninguno, individuo, etc.) y en la que se ha incluido forzosamente también la Clase Pasiva. Esto ha precavernos un tanto cuando intentemos, posteriormente, hacer interpretaciones sobre la clase “Otro”, ya que en su 50% estará compuesta por un componente de la denominada clase pasiva. Otro dato interesante es comprobar como el volumen de la categoría “Jubilados” de E1 no coincide con la categoría “Clase Pasiva” de E2. Es decir, que hay muchos Jubilados (más de la mitad), que no se consideran clase pasiva, sino mayormente clase obrera, como puede verse en los datos.
2.- Fuerza de dicha asociación (coeficiente V de Cramer):
La V de Cramer alcanza un valor máximo de 1 en caso de máxima asociación o asociación perfecta y un valor mínimo de 0 en una situación de independencia perfecta. La experiencia muestra que con la V es poco frecuente encontrar valores de alta intensidad próximos a 1, de hecho, pocas veces se alcanza un valor de 0,6. En términos empíricos, por tanto, y tomando el valor de V en sí mismo podemos considerar al 0,6 prácticamente como un valor máximo habitual, por lo que un valor de 0,3, antes que considerarlo como bajo por su proximidad a 0 conviene interpretarlo más bien como un valor empírico intermedio.
Es decir:
- Asociación Fuerte: 0.3 < V < 1
- Asociación Intermedia: 2 < V 0.3
- Asociación Débil: 0 < V < 0.2
3.- Direccionalidad de la asociación (lambda, siempre que haya alguna variable ordinal, o Fi en el caso de variables binarias).
4.- Estudio de posibles relaciones espurias:
Después de haber encontrado una relación significativa entre dos variables la cuestión 71
que se plantea es si la introducción de una tercera variable, llamada de control, modifica la existencia de esta relación, su naturaleza o su intensidad.
Se trata de ver si una tercera variable puede evidenciar una relación espuria, es decir, una relación inexistente, o bien menos intensa de lo que inicialmente podíamos haber previsto, o ver su interacción con otras variables, al tiempo que permite la validación interna de la relación inicial entre dos variables.
5.- Representación gráfica:
La información de las tablas de contingencia con asociaciones significativas las presentamos en el informe general, mediante gráficos de barras, en particular, mediante barras apiladas con los porcentajes que suman el 100%. Cuando las barras se igualan estamos ante una situación de independencia y si se observa una disposición escalonada nos encontramos ante una (posible) relación de asociación entre las variables.
El listado de asociaciones significativas es el siguiente:
Distritos x Situación Laboral (E1) Distritos x Clase (E2R)
Género x E1
Edad en Rango (Edad_R) x E1 Edad_R x E2R
E1 x E2R
Seguro Privado (B1) x E1 B1 x E2R
Derivaciones Hospitalarias (C4.1F) x E2R Impresión del RyC (C2F) x Distrito
C2F Edad_R
C2F x E1
Conocimiento Colectivos (D1) x Distrito D1 x Edad_R
D1 x E1
Situación Laboral Plantilla (D2) x Distrito D2 x Edad_R
D2 x E1
Recursos Económicos del RyC (D3) x Género D3 x E1
D3 x E2R
4.– CONSTRUCCIÓN DE UN ÍNDICE SINTÉTICO DE SATISFACCIÓN SOCIAL HOSPITALARIA
La complejidad de los fenómenos sociales obliga a los investigadores a recoger una gran cantidad de medidas con el fin de captar de forma adecuada la naturaleza de los fenómenos analizados. Esto genera que, en la mayoría de las ocasiones, los análisis
univariante y bivariante sean insuficientes para resolver adecuadamente los objetivos
72
de la investigación, por su imposibilidad para proporcionar una visión conjunta e
integrada de la realidad. Esta visión integrada se logra con el análisis multivariante, formado por un conjunto de técnicas que resumen y sintetizan grandes conjuntos de datos buscando mejorar el conocimiento de la realidad.
La construcción de índices de medición es una aplicación del análisis estadístico multivariante. Los indicadores construidos con esta técnica han de ser representaciones empíricas y simples de la realidad. Es decir, han de medir cuantitativamente el fenómeno a representar y deben servir para hacerse una idea rápida de lo que se pretende medir.
Normalmente se distingue entre indicadores simples e indicadores sintéticos. Los primeros hacen referencia a estadísticas no muy elaboradas, obtenidas de datos secundarios o directamente de la realidad como datos primarios, y que son presentadas en forma de media relativa a variables diversas, superficie o población. La información que se infiere de estos indicadores es muy limitada. Los indicadores sintéticos son medidas adimensionales, resultado de combinar varios indicadores simples mediante un sistema de ponderación que jerarquiza los componentes. La información que se obtiene de estos indicadores es mayor, aunque la interpretación del mismo es en muchos casos más difícil.
A continuación, presentamos la metodología seguida para la construcción del índice sintético global de satisfacción social hospitalaria Ramón y Cajal, que a partir de ahora llamaremos Índice RyC:
IDENTIFICACIÓN Y SELECCIÓN DE VARIABLES RELEVANTES
Para analizar la percepción que tienen los ciudadanos del área 4 sobre el Hospital Ramón y Cajal, se establecen 10 ítems valorados en una escala Likert del 1 al 10, de forma que, a mayor puntuación, la calidad que perciban será mayor. Hemos elegido la escala Likert 1:10 por la similitud que tiene con el hecho de poner nota, facilitando así la valoración mental del encuestado. Por otro lado, sin dejar de ser una variable ordinal, el hecho de contener 10 medidas facilita su necesario uso como variable de escala cuantitativa para el análisis factorial sin que haya distorsión en los resultados.
El constructo de 10 items aparece en el cuestionario como bloque de preguntas [C3.1- C3.10]:
Listas de Espera Quirúrgica
Listas de Espera de Pruebas Médicas Servicio de Urgencias
Habitaciones de Ingreso Instalaciones
Limpieza 73
Tiempos de espera en Colas Atención Profesional
Transporte Sanitario Ambulatorio Transporte Público Conexión Hospital
A diferencia de los cuestionarios clásicos SERVPERF, que tienen 22 items, no se han recogido preguntas que impliquen haber sido necesariamente usuario de los servicios hospitalarios (información recibida durante el proceso médico, trato recibido por el personal sanitario, etc.). A pesar de ello, creemos que el presente cuestionario recoge de manera completa el resto de dimensiones que contiene el modelo SERVPERF, así como los elementos principales que son frecuentemente citados por la ciudadanía a la hora de explicar su percepción sobre la calidad sanitaria.
TRATAMIENTO DE LOS DATOS FALTANTES
La construcción de los índices sintéticos RyC mediante el análisis factorial del bloque de 10 variables [C3.1 a C3.10] se basa en la asignación de puntuaciones a cada elemento de la muestra. Si observamos los porcentajes de datos ausentes en dichas variables
C3.1 | C3.2 | C3.3 | C3.4 | C3.5 | C3.6 | C3.7 | C3.8 | C3.9 | C3.10 | |
% Datos Perdidos | 28.74 | 12.77 | 17.88 | 32.20 | 6.20 | 5.65 | 10.20 | 3.37 | 61.49 | 9.21 |
podemos observar que la aplicación de listwise o pairwise (eliminación por lista o por parejas) como forma de tratamiento de los datos ausentes reduciría muy sensiblemente la lista de casos a utilizar.
La imputación es un proceso de reemplazar los datos perdidos por estimaciones. Existen varios métodos: imputación mediante la media, imputación mediante regresión, imputación mediante el algoritmo de esperanza-maximización e imputación múltiple.
LISTWISE: En este tipo de análisis, el investigador simplemente elimina aquellos casos que presentan datos perdidos en las variables que vayan a ser utilizadas. Es el sistema estandarizado en la mayoría de los paquetes estadísticos comerciales, y se conoce con el nombre de «listwise». Presenta como ventaja fundamental su facilidad de
implementación, así como la obtención de estimadores válidos, siempre que el patrón de missing sea completamente aleatorio (MCAR).
PAIRWISE: El método conocido como «pairwise», constituye otra estrategia muy utilizada. Esta metodología de análisis forma una matriz de varianzas y covarianzas utilizando para ello todos los datos disponibles. De esta forma, los elementos de la matriz de momentos resultante surgen, como es obvio, de diferentes tamaños
muestrales, lo cual confiere a esta estrategia un inconveniente fundamental derivado 74
del hecho de que la matriz así obtenida, es frecuentemente no positiva definida, lo que la invalida para ser usada en técnicas estadísticas que requieran la inversión de la matriz de momentos.
MV: La estimación por máxima verosimilitud extrae continuamente diferentes combinaciones de valores de los parámetros poblacionales hasta que identifica el particular conjunto de valores que produce el valor más alto del log-verosimilitud (es decir, el mejor ajuste para los datos). En principio, asume una distribución de los datos perdidos parcialmente y la inferencia se basa en la verosimilitud bajo esta distribución. Es un proceso iterativo, en el cual se repiten los dos pasos siguientes hasta la convergencia. En el paso E se calcula la expectativa condicional de los datos perdidos, condicionado a los valores observados y las estimaciones actuales de los parámetros. Entonces estas expectativas se imputan a los datos perdidos. En el paso M se calculan las estimaciones máximo-verosímiles de los parámetros. Es decir:
- Reemplaza los valores perdidos por valores estimados (Paso E).
- Estima los parámetros con el método máximo-verosímil (Paso M).
- Repite la iteración hasta la convergenc
Este algoritmo converge confiablemente, aunque su convergencia puede ser lenta si existe una gran proporción de datos faltantes. Su aplicación requiere el cumplimiento, como mínimo, del supuesto MAR.
En nuestro estudio, elegimos la técnica de expectación-maximización (algoritmo EM), por ser de probada eficiencia en la imputación robusta de datos faltantes de censos y encuestas.
Nota: el alto porcentaje de datos ausentes (61,49%) en la variable C3.9 es un hecho a tener muy en cuenta a la hora de imputar. Lo más conservador (puede pensarse) sería suprimir dicha variable e imputar el resto. Ello, no obstante, nos sitúa ante otro problema igual peor: perder la información de toda una variable y quedarnos con un sistema de 9 variables, un número que empieza a ser pequeño a la hora de utilizar toda la potencia estadística de los métodos factoriales multivariante, que funcionan mejor con gran número de variables. Hemos optado por imputar porque estamos ante unos datos MCAR que aseguran la aleatoriedad de los datos ausentesy porque EM es un algoritmo robusto muy usado en la imputación de encuestas. También hemos realizado diferentes pruebas y hemos estudiado las distribuciones y correlaciones
entre todo el bloque de variables, concluyendo que el segmento de datos perdidos no creará sesgos importantes.
Las variables imputadas las denominaremos [iC3.1-iC3.10]. Si las comparamos con las del bloque original [C3.1-C3.10] podemos observar que hay un buen ajuste en términos de medias y varianzas.
75
C o m p a r a c i ó n d e E s t a d í s t i c o s e n V a r i a b l e s R e a l e s e I m p u t a d a s | ||||||||||
N | Media | error | D.T. | Asimetría | error | Curtosis | error | |||
Válido | Perdidos | |||||||||
C3.1 | 781 | 315 | 4,62 | ,089 | 2,490 | ,284 | ,087 | -,797 | ,175 | |
iC3.1 | 1096 | 0 | 4,76 | ,069 | 2,293 | ,170 | ,074 | -,624 | ,148 | |
C3.2 | 956 | 140 | 4,82 | ,077 | 2,385 | ,157 | ,079 | -,746 | ,158 | |
iC3.2 | 1096 | 0 | 4,90 | ,069 | 2,294 | ,096 | ,074 | -,635 | ,148 | |
C3.3 | 900 | 196 | 6,29 | ,083 | 2,504 | -,444 | ,082 | -,697 | ,163 | |
iC3.3 | 1096 | 0 | 6,34 | ,071 | 2,350 | -,485 | ,074 | -,430 | ,148 | |
C3.4 | 743 | 353 | 5,88 | ,078 | 2,137 | -,355 | ,090 | -,311 | ,179 | |
iC3.4 | 1096 | 0 | 5,93 | ,059 | 1,948 | -,372 | ,074 | ,015 | ,148 | |
C3.5 | 1028 | 68 | 5,94 | ,061 | 1,944 | -,457 | ,076 | -,032 | ,152 | |
iC3.5 | 1096 | 0 | 5,93 | ,057 | 1,903 | -,443 | ,074 | ,045 | ,148 | |
C3.6 | 1034 | 62 | 6,41 | ,062 | 1,998 | -,563 | ,076 | ,170 | ,152 | |
iC3.6 | 1096 | 0 | 6,39 | ,059 | 1,965 | -,546 | ,074 | ,212 | ,148 | |
C3.7 | 984 | 112 | 4,93 | ,069 | 2,155 | ,069 | ,078 | -,569 | ,156 | |
iC3.7 | 1096 | 0 | 4,96 | ,063 | 2,085 | ,041 | ,074 | -,454 | ,148 | |
C3.8 | 1059 | 37 | 7,90 | ,053 | 1,716 | -1,176 | ,075 | 2,072 | ,150 | |
iC3.8 | 1096 | 0 | 7,89 | ,051 | 1,691 | -1,182 | ,074 | 2,190 | ,148 | |
C3.9 | 422 | 674 | 5,72 | ,135 | 2,770 | -,115 | ,119 | -1,100 | ,237 | |
iC3.9 | 1096 | 0 | 5,87 | ,061 | 2,028 | -,240 | ,074 | -,028 | ,148 | |
C3.10 | 995 | 101 | 4,86 | ,094 | 2,971 | ,176 | ,078 | -1,311 | ,155 | |
iC3.10 | 1096 | 0 | 4,90 | ,086 | 2,845 | ,145 | ,074 | -1,182 | ,148 |
PRUEBAS DE VALIDACIÓN Y CONFIABILIDAD
Por validez del cuestionario o constructo entendemos la eficacia en medir lo que se pretende medir (en nuestro caso, la satisfacción o percepción social de la calidad de los servicios sanitarios del hospital Ramón y Cajal); por confiabilidad, el grado en que los resultados de la prueba se repitan independientemente de la escala, del tiempo y de su ejecutor.
Analizamos la consistencia de dichos conceptos mediante la prueba del Alfa de Cronbach:
|
76
Interpretamos como muy buena confiabilidad del constructo la obtención de valores alfa de cronbach superiores a 0,8.
Estadísticas de total de elemento | |||||
Media de escala (elemento suprimido) | Varianza de escala (elemento suprimido) | Correlación total de elementos corregida | Correlación múltiple al cuadrado | Alfa de Cronbach (elemento suprimido) | |
Listas de Espera Quirúrgica | 53.11 | 171.969 | .664 | .615 | .854 |
Listas de Espera Pruebas Médicas | 52.97 | 171.507 | .673 | .631 | .853 |
Servicio de Urgencias | 51.53 | 174.055 | .606 | .401 | .859 |
Habitaciones de Ingreso | 51.95 | 175.958 | .724 | .630 | .850 |
Instalaciones | 51.95 | 180.172 | .653 | .612 | .856 |
Limpieza | 51.48 | 181.126 | .609 | .485 | .859 |
Tiempos de Espera / Colas | 52.91 | 177.698 | .632 | .450 | .857 |
Atención Profesional | 49.98 | 194.558 | .419 | .237 | .871 |
Transporte Ambulacias | 52.00 | 177.008 | .668 | .479 | .854 |
Conexiones Transporte Público al RyC | 52.98 | 180.103 | .379 | .246 | .884 |
ANALISIS FACTORIAL
El Análisis Factorial es una técnica estadística diseñada para reducir el número de dimensiones de un sistema de variables. Su objetivo es resumir la información de un
gran número de variables observadas en un reducido número de variables a priori no observables, generalmente llamados factores.
Para ello, el Análisis Factorial presupone la existencia de un modelo lineal a través del cual las variables observadas se relacionan con los factores latentes. La idea es que las variables observadas se pueden expresar como combinación lineal de factores no observados. En dicho modelo es necesaria la hipótesis de que las variables observadas
muestran cierta dependencia lineal entre sí, así como que los factores latentes 77
obtenidos no estén correlacionados entre sí. En nuestro caso partimos de 10 variables
Primeramente, hay que estudiar si existe dependencia lineal entre dichas variables. También es necesario estudiar si los datos muestrales son adecuados para un AF.
1.-Grado de dependencia lineal entra las variables:
El valor del determinante de la matriz de correlaciones (0.01), bastante próximo a cero, indica la existencia de dependencia lineal en los datos y la no existencia de indicadores redundantes, es decir, ninguno de los indicadores incluidos es combinación lineal perfecta de otros que entren también en el análisis. A partir de dicho determinante se ha calculado el valor del coeficiente de dependencia efectiva, D(R) = 0,4005, lo que indica que el grado de dependencia lineal entre las variables es del 40%.
2.- Prueba KMO y Bartlett:
El valor de dicho índice, KMO = 0,88, avala la adecuación muestral de los datos para la realización de un Análisis Factorial exploratorio. Se consideran valores apropiados KMO el rango entre 0.6 y 1.0.
Prueba de KMO y Bartlett | ||
Medida KMO de Adecuación de Muestreo | .880 | |
Prueba de Esfericidad de | Aprox. Chi-cuadrado
gl |
5035.273
45 |
Bartlett | Sig. | .000 |
La prueba de Bartlett (que es significativa p < 0.001) indica que puede desecharse la hipótesis nula de independencia lineal entra las variables.
Realizamos el análisis factorial con el paquete estadístico SPSS 24.0, usando el método de extracción de componentes principales sobre la matriz de correlaciones del bloque de variables imputadas [iC3.1-iC3.10], forzando la selección de cuatro factores (los recomendados en la metodología SERVPERF) y efectuando una rotación varimax.
|
78
Autovalores iniciales
%
Varianza total explicada Sumas de extracción de
cargas al cuadrado
%
Sumas de rotación de cargas al cuadrado
%
Compon ente
Total
% de varianza
acumula
do Total
% de varianza
acumula
do Total
% de varianza
acumula do
1 4.882 48.818 48.818 4.882 48.818 48.818 2.505 25.054 25.054
2 .989 9.889 58.707 .989 9.889 58.707 2.354 23.540 48.594
3 .962 9.624 68.332 .962 9.624 68.332 1.433 14.334 62.928
4 .840 8.398 76.730 .840 8.398 76.730 1.380 13.802 76.730
5 .547 5.470 82.200
6 .493 4.929 87.130
7 .423 4.231 91.361
8 .380 3.803 95.164
9 .249 2.487 97.651
10 .235 2.349 100.000
Método de extracción: análisis de componentes principales.
La tabla siguiente contiene la matriz factorial rotada o matriz de componentes rotados, que está formada por los coeficientes de correlación lineal entre los factores y los indicadores a partir de los cuales éstos han sido estimados. Para facilitar la interpretación de dichos factores se han puesto en colores los coeficientes que en
79
valor absoluto son superiores a 0,5.
MATRIZ DE COMPONENTES ROTADOS
Componente | ||||
1 | 2 | 3 | 4 | |
Listas de Espera Quirúrgica | .860 | .204 | .155 | .097 |
Listas de Espera Pruebas Médicas | .861 | .233 | .167 | .059 |
Servicio de Urgencias | .472 | .176 | .275 | .540 |
Habitaciones de Ingreso | .352 | .726 | .139 | .301 |
Instalaciones | .223 | .866 | .152 | .121 |
Limpieza | .203 | .817 | .155 | .109 |
Tiempos de Espera / Colas | .654 | .344 | .040 | .271 |
Atención Profesional | .090 | .197 | .037 | .911 |
Transporte Ambulacias | .377 | .334 | .608 | .235 |
Conexiones Transporte Público al RyC | .087 | .122 | .931 | .028 |
Método de extracción: ACP forzado a 4 factores Método de rotación: Varimax con normalización Kaiser.
Los cuatro factores extraídos pueden interpretarse del siguiente modo:
Factor 1
ESPERA |
Factor 2
INSTALACIONES |
Factor 3
ACCESO |
Factor 4
ATENCIÓN |
||
Listas de espera para
Pruebas Quirúrgicas |
Instalaciones | Conexiones del
Transporte Público |
Atención
Profesional |
||
Listas de espera para
Pruebas Médicas |
Limpieza | Transporte en
Ambulancias |
Servicio de
Urgencias |
||
Tiempo de espera
colas |
en | Habitaciones
Ingreso |
de | ||
OBSERVACIONES:
1.- Los valores de la matriz de carga son el peso de la variable dentro del factor. Dicho peso es en realidad el coeficiente de correlación entre la variable y el factor, por lo que su valor ha de oscilar entre 0 (sin correlación) y 1 (correlación total). Consideramos un valor superior a 0.5 como indicador influyente en la interpretación del factor.
|
80
2.- La variable Servicio de Urgencias puntúa con 0.472 en el factor 1, lo cual podría entenderse como una relación con el concepto “espera a ser atendido”.
3.- Los cuatro factores retenidos explican el 76,73% de la variabilidad total de los datos, porcentaje más que aceptable si se tiene en cuenta que en estudios relativos a las Ciencias Sociales el límite inferior de admisibilidad es el 60% (Hair y otros; 2000).
CÁLCULO DEL ÍNDICE RyC
El cálculo del Índice RyC lo basaremos en la matriz de coeficientes de puntuaciones factoriales obtenida en el análisis factorial.
Matriz de Puntuaciones Factoriales
Componente | ||||
1 | 2 | 3 | 4 | |
Listas de Espera Quirúrgica | .499 | -.148 | -.063 | -.136 |
Listas de Espera Pruebas Médicas | .497 | -.119 | -.055 | -.184 |
Servicio de Urgencias | .119 | -.184 | .095 | .401 |
Habitaciones de Ingreso | -.051 | .350 | -.089 | .054 |
Instalaciones | -.149 | .536 | -.063 | -.142 |
Limpieza | -.147 | .507 | -.047 | -.139 |
Tiempos de Espera / Colas | .299 | -.003 | -.170 | .062 |
Atención Profesional | -.187 | -.105 | -.086 | .878 |
Transporte Ambulacias | .004 | -.022 | .421 | .040 |
Conexiones Transporte Público al RyC | -.159 | -.105 | .834 | -.089 |
El programa SPSS utiliza dicha matriz para calcular cuatro nuevas variables (una por componente o factor) con valor para cada uno de los individuos de la muestra. Para ello, calcula primero las puntuaciones estandarizadas Z de las variables [iC3.1-iC3.10] y luego halla la combinación lineal de las [zC3.1-zC3.10] para cada componente usando
los coeficientes de la citada matriz de puntuaciones factoriales. 81
Estas cuatro nuevas variables así construidas, que llamaremos FACT1, FACT2, FACT3 y FACT4, tienen media 0 y desviación típica 1, y serán la base para calcular posteriormente los Índices Sintéticos Parciales IND_espera, IND_instalaciones, IND_acceso e IND_atención, respectivamente.
Estadísticos descriptivos | ||||||||||
Asimetría | Curtosis | |||||||||
N | Rango | Mínimo | Máximo | Media | D.T. | Valor | Error | Valor | Error | |
FACT1 | 1096 | 6.26382 | -3.15811 | 3.10571 | .0000000 | 1.00000000 | .037 | .074 | -.230 | .148 |
FACT2 | 1096 | 6.42179 | -3.75058 | 2.67122 | .0000000 | 1.00000000 | -.529 | .074 | .421 | .148 |
FACT3 | 1096 | 5.63880 | -2.63258 | 3.00622 | .0000000 | 1.00000000 | .181 | .074 | -.624 | .148 |
FACT4 | 1096 | 7.85436 | -5.26224 | 2.59212 | .0000000 | 1.00000000 | -.981 | .074 | 2.123 | .148 |
Obtenemos los citados Índices Sintéticos Parciales estandarizando las variables FACT1, FACT2, FACT3 y FACT4 a una escala útil y compresible de 0 a 10 con el algoritmo de Drewnowsky:
En la tabla anterior aparecen los valores mínimos y máximos alcanzados, pero para aplicar el algoritmo a nosotros nos interesan los valores mínimos y máximos posibles. Su cálculo es algo laborioso, pues se requiere hallar primero todos los mínimos y máximos posibles del bloque de variables tipificadas [zC3.1-zC3.10] y recalcular las combinaciones lineales de cada componente teniendo en cuenta el signo (+/-) de los coeficientes factoriales en la matriz de puntuaciones. Finalmente, obtenemos:
Mínimo | Máximo | |
FACT1 | -3.7256 | 5.0627 |
FACT2 | -4.9469 | 4.3036 |
FACT3 | -5.5058 | 5.2243 |
FACT4 | -6.2831 | 3.4700 |
Tras obtener los Índices Sintéticos Parciales, calculamos el Índice Sintético Global IND_RyC agregando los 4 índices parciales y ponderándolos según su contribución a la varianza del sistema. Para ello tenemos en cuenta su autovalor después de la rotación varimax, lo cual mostramos en la siguiente tabla:
|
82
La ecuación para el cálculo de IND_RyC es la siguiente:
√ √ √ √
|
√
Resumimos los resultados finales obtenidos en la siguiente tabla:
Estadísticos descriptivos de los Índices RyC | ||||||||||
N | Minim | Máxim | Media | D.T | Asimetría | Curtosis | ||||
Valor | Valor | Valor | Valor | Error | Valor | Valor | Error | Valor | Error | |
IND_espera | 1096 | .65 | 7.77 | 4.2393 | .03437 | 1.13788 | .037 | .074 | -.230 | .148 |
IND_instalaciones | 1096 | 1.29 | 8.24 | 5.3477 | .03265 | 1.08102 | -.529 | .074 | .421 | .148 |
IND_acceso | 1096 | 2.68 | 7.93 | 5.1312 | .02815 | .93196 | .181 | .074 | -.624 | .148 |
IND_atencion | 1096 | 1.05 | 9.10 | 6.4422 | .03097 | 1.02532 | -.981 | .074 | 2.123 | .148 |
Indice_RyC | 1096 | 3.48 | 6.61 | 5.2152 | .01622 | .53704 | -.068 | .074 | -.086 | .148 |
N válido (por lista) | 1096 |
NOTA: Para testar la consistencia de los resultados obtenidos mediante el proceso metodológico aquí explicitado, se procedió al análisis factorial sin imputación de los datos faltantes (trabajándose con los datos listwise). La matriz de componentes era muy similar a la aquí obtenida y con el mismo tipo de agrupación de variables.
ANÁLISIS EXPLORATORIO DE LOS ÍNDICES
El análisis descriptivo de los índices sintéticos construidos ha de servirnos para estudiar sus distribuciones y características.
- El índice parcial Acceso muestra platicurt Aunque hace que la normalidad
de la curva pierda calidad (fenómeno de colas livianas), en nuestro caso es 83
síntoma de que la imputación no ha alterado la naturaleza de la variable original (C3.9), la cual también mostraba una situación de fuerte platicurtosis. Además, la variable C3.10 (que también contribuye a la conformación del índice Acceso) es también platicúrtica, de modo que en la mixtura ha quedado reflejado ese efecto.
- El índice parcial Atención muestra una distribución con cierta asimetría y leptocurtosis (fenómeno de colas pesadas). Dicha característica también aparece en sus dos variables originales contribuyentes: atención profesional y servicio de urgenc
- Todas las gráficas de los índices muestran un cierto apuntamiento antinatural
justo en la media, producto sin duda del algoritmo EM en la imputación de datos faltantes. Dicho efecto, sin embargo, no es demasiado problemático: reduce un poco la varianza al acumular más puntuaciones en torno a la media, pero no desvirtúa la eficacia de las mediciones.
- Un estudio comparativo de los histogramas de las variables originales [1- C3.10] con las imputadas [iC3.1-iC3.10] demuestra que los patrones de la distribución de ambas son muy similares, lo cual es un dato más de la calidad de la imputación realizada.
- Existe normalidad clara en la distribución de los índices RyC y Esp Algo ya más en el límite de la asimetría y curtosis la del índice Instalaciones. En los gráficos qq-normal puede verse que hay un buen ajuste sobre la diagonal.
Posteriormente, se ha procedido a cruzar los indicadores IND con las variables sociodemográficas y las de los bloques de nociones políticas y de cobertura sanitaria.
Para la comparación de medias, hemos aplicado el test ANOVA 1 Factor en el caso de las variables nominales de más de dos categorías y el test t-student para el caso de las dicotómicas. También se han hecho análisis post-hoc de scheffé en los casos de asociaciones significativas, con el objetivo de obtener una idea del tipo de interacción intra-grupos.
Básicamente se ha procedido a una exploración general para preparar el posterior análisis de clasificación, para el cual se trabajará con las variables que aquí ya han apuntado algún tipo de asociación de significativa.
84
85
86
5.- ANÁLISIS DE CLASIFICACIÓN
Finalizamos el presente informe, señalando muy brevemente que para el estudio de clasificación se la utilizado la técnica de Árboles CHAID Exhaustivo, con nodos parentales con criterio de parada n=100, nodos filiales con parada en n=50 y significación a = 0.05.
CHAID lleva a cabo una modelización del proceso de segmentación que es útil para dividir una población en segmentos que difieren respecto a un criterio definido.
CHAID divide a la población en grupos distintos, basándose en las categorías de la variable de segmentación que se muestra como mejor predictora. Luego divide cada uno de estos grupos en subgrupos más pequeños basándose en otras variables predictoras diferentes (si las hay). El proceso de partición, termina hasta que no se encuentran variables que produzcan segmentos significativos o hasta que se llega al criterio de parada fijado en los nodos parentales y filiales. Finalmente, el algoritmo CHAID muestra los segmentos resultantes en un gráfico de árbol fácil de entender.
Los segmentos que construye CHAID son mutuamente excluyentes, es decir, los segmentos no se superponen (un individuo no puede pertenecer a dos segmentos) y exhaustivos (un individuo ha de pertenecer siempre a un segmento, no pueden existir individuos aislados).
Para tener más variabilidad y flexibilidad en el empleo del método, se han recodificado todos los índices a dos grupos de variables nominales. Uno, en términos binarios de Aprobado o Suspenso; otro, en términos de reflejar tres categorías de evaluación general: Mala (puntuaciones menores de 5); Regular (puntuaciones entre 5 y 6); Buena (puntuaciones mayores que 6). Aunque los árboles CHAID también funcionan muy bien con variables continuas, queremos recordar que fueron inicialmente diseñados para testar variables ordinales y que su algoritmo implementa el estadístico chi-cuadrado.
87
El objetivo buscado es profundizar en el estudio de los mapas de segmentación social en el ámbito de la satisfacción hospitalaria. Usaremos de base, todos los modelos de árbol que alcancen como mínimo una precisión global del 66%, lo cual es una cifra aceptable en el terreno de la investigación social.·
CUESTIONARIO
Anexo II
SECCION A: PREGUNTAS DE FILTRO Y CUOTAS 88
A1. ¿Reside usted en el distrito de ?
- Sí………………… 1
- No o NS/NC …. 2 è FIN
A2. ¿Sabe cuál es el Hospital de la Seguridad Social que le corresponde?
H. Ramón y Cajal | 1 | |
Otro | 2 | èFIN |
NS/NC | 99 |
A3. ¿Podría decirme su edad?
EDAD: | | _| años NS/NC……..99 è FIN
SECCIÓN B: COBERTURA SANITARIA
B1. ¿Cuenta con algún tipo de seguro médico a parte de la Seguridad Social?
Si | 1 | |
No | 2 | èC1. |
NS/NC | 99 |
B2. ¿Qué tipo de seguro? (LEER RESPUESTAS)
S. Privado | 1 |
S. Trabajo | 2 |
MUFACE | 3 |
Otro | 4 |
Ns/Nc | 99 |
B3. ¿Cuál es la ventaja que más valora de su seguro privado? (RESPUESTA ESPONTÁNEA)
Rapidez de la atención | 1 |
Servicio de Urgencias | 2 |
Pruebas médicas | 3 |
Instalaciones | 4 |
Servicio de Especialidades | 5 |
Menor masificación / comodidad | 6 |
Seguro dental | 7 |
Mejores profesionales | 8 |
Otros | 9 |
NS/NC | 99 |
SECCION C: RAMÓN Y CAJAL
Preguntando sobre el Hospital Ramón y Cajal en concreto…
C1. ¿Hace cuánto tiempo que visitó por última vez el H. Ramón y Cajal? (LEER RESPUESTAS)
|
89
C2. ¿Según su última experiencia en el H. Ramón y Cajal, su impresión fue…? (LEER RESPUESTAS)
Muy buena | 1 | ||
Buena | 2 | ||
Ni buena ni mala | (NO LEER) | 3 | |
Mala | 4 | ||
Muy mala | 5 | ||
Ns/Nc | 99 | ||
Según su opinión sobre el H. Ramón y Cajal, ¿podría valorar del 1 al 10, en donde 1 es muy mala valoración y 10 muy buena, los siguientes elementos?
C3.1 Listas de espera quirúrgica
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 99 |
Muy mal Muy bien | NS/NC |
C3.2 Listas de espera para pruebas médicas
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 99 |
Muy mal Muy bien | NS/NC |
C3.3 Servicio de Urgencias
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 99 |
Muy mal Muy bien | NS/NC |
C3.4 Habitaciones de ingreso
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 99 |
Muy mal Muy bien | NS/NC |
C3.5 Instalaciones
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 99 |
Muy mal Muy bien | NS/NC |
C3.6 Limpieza
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 99 |
Muy mal Muy bien | NS/NC |
C3.7 Tiempos de espera / colas
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 99 |
Muy mal Muy bien | NS/NC |
C3.8 Atención profesional
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 99 |
Muy mal Muy bien | NS/NC |
90
C3.9 Transporte sanitario ambulatorio
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 99 |
Muy mal Muy bien | NS/NC |
C3.10 Transporte público de conexión con el Hospital
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 99 |
Muy mal Muy bien | NS/NC |
C4. ¿Conoce usted la práctica de ofrecer derivaciones hospitalarias a clínicas y centros sanitarios privados?
Si | 1 | |
No | 2 | èC5. |
NS/NC | 99 |
C4.1 ¿Cree que las derivaciones sanitarias es la manera adecuada de reducir las listas de espera?
Si | 1 |
No | 2 |
NS/NC | 99 |
C5. ¿Cuánto de importante es para usted los servicios que ofrece el H. Ramón y Cajal? (LEER RESPUESTAS)
Muy importante | 1 |
Bastante importante | 2 |
Poco importante | 3 |
Nada Importante | 4 |
NS/NC | 99 |
SECCION D: NOCIONES POLÍTICAS SOBRE EL RyC
D1. ¿Sabe usted si existe en su distrito algún colectivo, asociación, partido o sindicato cuya preocupación principal sea el H. Ramón y Cajal?
|
è D1.1. ¿Cuál?
D2. Pensando en la plantilla del H. Ramón y Cajal ¿Cree usted que las condiciones laborales son…? (LEER 91
RESPUESTAS)
Muy buenas | 1 | ||
Buenas | 2 | ||
Regulares | (NO LEER) | 3 | |
Malas | 4 | ||
Muy malas | 5 | ||
NS/NC | 99 | ||
D3. ¿Cree usted que el H. Ramón y Cajal está suficientemente dotado de recursos económicos?
Si | 1 |
No | 2 |
NS/NC | 99 |
SECCION E: VARIABLES SOCIOECONÓMICAS DE CRUCE
Por último, le formularé dos preguntas de carácter socioeconómico que nos ayudará a completar el estudio:
E1. Con respecto a su situación laboral, ¿Podría indicarme si usted está…? (LEER RESPUESTAS)
Empleado/a estable | 1 |
Empleado/a inestable | 2 |
Desempleado/a con prestación | 3 |
Desempeado/a sin prestación | 4 |
Jubilado/a | 5 |
Estudiante | 6 |
Trabajador/a de su hogar | 7 |
Otro | 8 |
NS/NC | 99 |
E2. ¿Podría indicarme con cuál de los siguientes colectivos se siente más identificado? (ENSEÑAR PLANTILLA)
Clase alta | 1 |
Clase media | 2 |
Clase baja | 3 |
Clase empresarial | 4 |
Clase acomodada | 5 |
Clase pasiva (jubilados, menores, etc) | 6 |
Clase trabajadora | 7 |
Clase obrera | 8 |
Pueblo | 9 |
Persona individual | 10 |
Ninguno de ellos | 11 |
Otro | 12 |
NS/NC | 99 |