OBJETIVO: Testar a análise discriminante como um método de transformar a informação obtida num inquérito de satisfação dos usuários de rotina numa acurada ferramenta de tomada de decisão. MÉTODOS: Utilizou-se questionário auto-aplicável com sete questões de dez opções numa amostra dos pacientes atendidos em duas unidades ambulatórias públicas, em Valparaíso, Chile, sendo uma de cuidados primários (n=100) e a outra de atenção secundária (n=249). Utilizaram-se dois pontos de corte na variável dependente (índice final de satisfação): satisfeitos vs insatisfeitos e muito satisfeitos vs os demais. Os resultados foram comparados com medidas empíricas habitualmente utilizadas (proporção de satisfeitos, proporção de insatisfeitos e dimensão da mediana). RESULTADOS: O nível de resposta foi muito elevado (sempre acima de 97,0%). Uma variável adicional revelou-se (atendimento médico), explicando a satisfação com o atendimento na unidade primária. Ao comparar satisfeitos com insatisfeitos, a proporção total da variabilidade explicada pelo modelo foi muito elevada (acima de 99,4%) em ambas unidades. Ao comparar muito satisfeitos com os demais, observou-se relação significativa apenas no caso da unidade primária. Explicou-se uma baixa proporção da variabilidade (41,9%). CONCLUSÕES: A análise discriminante revelou relações não percebidas pela análise empírica e indicou a proporção exata da variabilidade explicada pelo modelo utilizado. A técnica afastou como não significativas relações sugeridas pela análise empírica (por exemplo, muito satisfeitos versus os demais no caso da unidade secundária). A técnica permitiu medir a intensidade da contribuição de cada variável na explicação da variação da satisfação.
OBJECTIVE: To test discriminant analysis as a method of turning the information of a routine customer satisfaction survey (CSS) into a more accurate decision-making tool. METHODS: A 7-question, 10-multiple choice, self-applied questionnaire was used to study a sample of patients seen in two outpatient care units in Valparaíso, Chile, one of primary care (n=100) and the other of secondary care (n=249). Two cutting points were considered in the dependent variable (final satisfaction score): satisfied versus unsatisfied, and very satisfied versus all others. Results were compared with empirical measures (proportion of satisfied individuals, proportion of unsatisfied individuals and size of the median). RESULTS: The response rate was very high, over 97.0% in both units. A new variable, medical attention, was revealed, as explaining satisfaction at the primary care unit. The proportion of the total variability explained by the model was very high (over 99.4%) in both units, when comparing satisfied with unsatisfied customers. In the analysis of very satisfied versus all other customers, significant relationship was identified only in the case of the primary care unit, which explained a small proportion of the variability (41.9%). CONCLUSIONS: Discriminant analysis identified relationships not revealed by the previous analysis. It provided information about the proportion of the variability explained by the model. It identified non-significant relationships suggested by empirical analysis (e.g. the case of the relation very satisfied versus others in the secondary care unit). It measured the contribution of each independent variable to the explanation of the variation of the dependent one.
