Análise de variáveis com potencial discriminante para classificação de escolas médicas / Analysis of discriminant variables for classification of medical schools

RESUMO

Resumo Introdução: Este estudo metodológico pretendeu identificar em qual medida um conjunto de variáveis características de escolas médicas possui capacidade discriminante na classificação dos cursos por meio da análise de agrupamento. Nas últimas décadas, houve um aumento expressivo do número de vagas ofertadas para cursos médicos. Esse advento impôs desafios para os programas de avaliação, tanto pela necessidade de expandir o processo como pela necessidade de implantação de novos indicadores de qualidade. Objetivo: Esse estudo teve como objetivo propor técnicas de análise para aprimorar a capacidade discriminante na classificação de cursos médicos mediante variáveis objetivas relacionadas a aspectos estruturais e operacionais que possam ser incorporadas aos métodos já utilizados. Método: Trata-se de um estudo descritivo, analítico-metodológico e quantitativo que utilizou dados dos cursos médicos de São Paulo, em dezembro de 2020. Foi realizada análise por agrupamentos hierárquico e não hierárquico dos cursos para identificar variáveis com capacidade discriminante em busca de padrões que cooperem para a classificação das escolas médicas. As variáveis estudadas foram início do curso, carga horária, regime letivo, metodologia, hospital universitário, categoria administrativa da instituição e gratuidade. Para a construção dos agrupamentos, adotaram-se o método de Ward e a distância euclidiana para estimar a discriminação entre os grupos. No agrupamento não hierárquico, a definição da quantidade de grupos foi determinada pela análise da diminuição da variância. Avaliou-se a correlação entre as variáveis por meio de mapas de calor. Resultado: As análises de agrupamento mostraram a existência de três grupos de escolas médicas por similaridade um grupo composto por escolas mais antigas e com maior carga horária, e, nos outros dois, consideraram-se as escolas não gratuitas sem hospital universitário, diferenciando-se pela idade das escolas. Além disso, as correlações reforçaram que as variáveis adotadas cooperavam para a discriminabilidade entre grupos. Há reconhecida heterogeneidade entre os cursos de graduação no Brasil, e esse dado também se aplica aos cursos médicos que impõem desafios metodológicos para os processos de avaliação estabelecidos. Entretanto, a inclusão de variáveis requer métodos capazes de refinar a capacidade discriminante da análise. Conclusão: A análise aqui proposta mostrou-se capaz de identificar grupos de escolas médicas por meio de indicadores objetivos e pode auxiliar o processo de avaliação das escolas médicas.

ABSTRACT

Abstract Introduction: This is a methodological study that aims to identify the extent to which a set of variables characteristic of medical schools have a discriminating capacity to classify the courses through cluster analysis. In the last two decades, there has been a significant increase of vacancies in medical courses. This advent has posed challenges for evaluation programs, both because of the need to expand the evaluation process and the need to implement new quality indicators. Objective: To propose analysis techniques to improve the discriminating capacity to classify medical courses through variables related to structural, operational, and objective aspects that can be incorporated into the already used methods. Method: Descriptive, analytical-methodological, quantitative study that used data from existing medical courses in December 2020, in the state of São Paulo. Analysis by hierarchical and non-hierarchical clustering of courses was performed to identify the discriminating elements that provide standards that cooperate for the classification of medical schools. The studied variables were course start, workload, academic regime, methodology, University-Hospital, administrative category of the institution, gratuity. For the construction of the clusters, the Ward method and the Euclidean distance were used to estimate the discrimination between the groups. In the non-hierarchical clustering, the definition of the number of groups was determined by the analysis of the decrease in variance. The correlation between the variables was also evaluated through heatmaps. Results: The cluster analysis showed the existence of three groups of medical schools by similarity, with one group consisting of older schools with greater workload, and the other two consisting of private schools without a university-hospital, differing by the course time. Furthermore, the correlations reinforced that the adopted variables cooperated for the discriminability between the groups. Discussion: There is a known heterogeneity among undergraduate courses in Brazil and this also applies to medical courses, which poses methodological challenges for the established assessment processes. However, the inclusion of variables requires methods capable of refining the discriminant capacity of the analysis. Conclusion: The analysis proposed here proved to be capable of identifying groups of medical schools through objective indicators that can support the evaluation process of medical schools.