Search

Le recenti trasformazioni avvenute nella politica dei servizi sanitari (crisi del Welfare State, decentramento amministrativo, ecc.) hanno prodotto radicali modificazioni nella tradizionale relazione tra i protagonisti di questo processo: il personale medico e infermieristico ed i pazienti/utenti in genere. La ricerca della qualità nei servizi e della soddisfazione dell’utenza è divenuta uno strumento di lavoro indispensabile nella gestione e programmazione dell’attività sanitaria. Questo studio intende affrontare il tema ponendo l’accento sulla natura degli indicatori sanitari, credendo necessario, per assicurare la fruibilità e comparabilità degli indicatori, rifarsi ad uno schema generale di rilevazione come il Servperf (Parasuraman et al., 1985) che è caratterizzato da indicatori/variabili della soddisfazione dei pazienti di natura ordinale. Si pone l’attenzione sulla natura ordinale e sulle trasformazioni non lineari di tali variabili. In particolare in questo lavoro, saranno evidenziate le potenzialità dell’analisi delle Corrispondenze Multiple (ACM; Greenacre, 1984), quale tecnica base per lo studio dei dati d’inchiesta, quando la trasformazione non lineare è per mezzo di funzioni polinomiali a tratti, dette spline, (van Rijckevorsel & de Leeuw, 1988; Gifi, 1990) o avviene per mezzo di particolari trasformazioni (Beh, 1997; D’Ambra et al. 2002), dette funzioni polinomiali ortogonali (Emerson, 1968). Si farà quindi riferimento all’Analisi dell’Omogeneità (van Rijckevorsel & de Leeuw, 1988) e all’ACM per variabili ordinali (Lombardo & D’Ambra, 2003) per esplorare nelle distribuzioni e relazioni delle variabili, evidenziando proprietà algebriche e geometriche delle tecniche.

Nello studio dei fenomeni reali, spesso ci si trova ad analizzare dati che hanno una struttura gerarchica. Nei problemi di valutazione della performance dei servizi alla persona di pubblica utilità (sanità, formazione, sociale, etc.) lo studio delle relazioni/associazioni tra le unità semplici e i gruppi di appartenenza è particolarmente interessante ed informativo. Il concetto generale è che gli individui interagendo con l’ambiente, risultano influenzati nelle loro scelte o nel loro modo di reagire a stimoli, dal gruppo sociale o dal contesto a cui appartengono (Hox, 2002). Le variazioni negli atteggiamenti degli individui (preferenze, propensioni all’acquisto, soddisfazione), quindi, non dipenderanno solo dalle variabili misurate sugli stessi, ma anche dall’influenza che il contesto ha su di loro. In letteratura sono proposte diverse strategie di analisi per dati con struttura di tipo gerarchico. Distinguiamo le tecniche inferenziali come i modelli regressivi multilivello (Bryk & Raudenbush, 1992; Goldstein, 1987; Longford, 1986; Aitkin, 1981), dalle tecniche esplorative di analisi dei dati come l’Analisi in Componenti Principali non lineare gerarchica (Michealidis & de Leeuw, 2000, Gallo & Lombardo, 2001; Lombardo & Gallo 2004). Il presente lavoro si inquadra tra le tecniche di analisi multidimensionale dei dati e si basa sull’algoritmo NIPALS (Non-linear Iterative Partial Least Squares, Wold, 1966) che consente la stima di componenti principali lineari. L’idea principale è di analizzare i dati evidenziando l’influenza che i gruppi hanno sul contesto generale, così come la dipendenza di ciascun gruppo dal contesto. La metodologia proposta è illustrata mediante l’uso di un data set utilizzato per misurare la soddisfazione di pazienti ricoverati presso l’istituto ospedaliero dell’Universitet di Linkoping in Svezia (Krevers 2002). I dati presentano una struttura gerarchica a due livelli: i pazienti e i reparti di degenza.