Prescrição Medica como Tomada de Decisão de Compra: Uma Análise dos Principais Fatores de Interferência

Transcrição

1 Prescrição Medica como Tomada de Decisão de Compra: Uma Análise dos Principais Fatores de Interferência Autoria: Wagner Junior Ladeira, Marlon Dalmoro, Clécio Falcão Araujo, Alisson Eduardo Maehler Resumo: O uso de medicamentos através da prescrição médica é fruto de constantes estudos devido às especificidades de consumo deste segmento e o crescimento do setor farmacêutico. O mercado farmacêutico pode ser dividido em dois setores principais: medicamentos com prescrição médica e medicamentos sem prescrição médica. Os medicamentos com prescrição médica têm que ter obrigatoriamente um agente autorizado, que expressa sua decisão através de uma receita médica. A prescrição médica traduz uma relação médico/paciente substanciada na ação ou intervenção do agente médico prescritor ativo sobre o agente paciente aceptor passivo. A prescrição, como processo de tomada de decisão de compra de um produto, tem uma característica atípica: os consumidores não são os tomadores da decisão final de compra do produto, tornando o consumo com prescrição uma das formas de consumo mais complexas para sua análise. Com base nessa característica, o presente artigo tem como objetivo analisar as relações funcionais de fatores relacionados à prescrição de medicamentos. Para isto, foi pesquisada uma base teórica em que a prescrição médica é entendida como um ato de decisão e formulado um modelo com cinco construtos: custo/benefício, características do produto, informações do produto, marca e propaganda. Para isto, foi utilizada uma abordagem quantitativa com a utilização de uma survey junto a 232 médicos da cidade de Porto Alegre no Estado do Rio Grande do Sul. A coleta de dados se deu através de questionários estruturados, adaptados da modelagem criada com base nos referenciais teóricos pesquisados. A validação dos construtos foi feita através do conjunto de técnicas pertencentes ao cálculo de equações estruturais. De acordo com o resultado obtido na análise, percebe-se que a prescrição médica está positivamente correlacionada com todos os construtos apresentados. Assim, concluiu-se que (H1) a relação custo/benefício de um medicamento interfere diretamente na sua prescrição; (H2) a característica de um medicamento interfere diretamente na sua prescrição; (H3) as informações dos medicamentos interferem diretamente na sua prescrição; (H4) a marca dos medicamentos interfere diretamente na sua prescrição; e, (H5) a propaganda dos medicamentos interfere diretamente na sua prescrição. Além da confirmação das hipóteses, algumas ligações entre variáveis de diferentes construtos foram identificadas. O estudo forneceu um modelo aplicado com fatores que interferem no processo de tomada de decisão na prescrição médica, unificando o entendimento das relações funcionais acerca dos fatores relacionados à tal processo. Novas análises são estimuladas visando superar as limitações deste estudo. Investigações em outros estados e países, bem como a incorporação de outras variáveis permitirão um avanço na construção do modelo. A prescrição médica trata-se de um tema evidente, especialmente pela complexa relação médico-paciente/cliente, o crescimento da indústria farmacêutica e a constante utilização das ferramentas de marketing neste segmento.

2 1. Introdução A compreensão dos hábitos de consumo cada vez mais esta associado ao entendimento do comportamento dos indivíduos envolvidos na ação de consumo, uma vez que este extrapola a simples satisfação de uma necessidade e passa a fazer parte dos indivíduos. Face às diversas formas de consumo atuais, algumas vêm chamando a atenção de profissionais e acadêmicos do marketing. Dentro destas formas, o uso de medicamentos através da prescrição médica esta sendo estudado por diversos autores, devido o crescimento do setor farmacêutico (KIM e KING, 2009; SOUSA e MESQUITA, 2008; FOGEL e NOVICK, 2009; DELORME et al, 2009; LIMBU e TORRES, 2009) e das especificidades de consumo deste segmento (DIEHL et al., 2008; MIAO-SHENG e YU-TI, 2008; KESS et al., 2008). Dada as rápidas inovações, tamanho e complexidade das organizações, volume de faturamento e atores envolvidos, a indústria farmacêutica pertence a um mercado complexo (SOUSA e MESQUITA, 2008). Devido a esta complexidade, o mercado farmacêutico pode ser dividido, simplificadamente, em dois setores principais: medicamentos com prescrição médica e medicamentos sem prescrição médica (KIM e KING, 2009). Os medicamentos com prescrição médica têm que ter obrigatoriamente um agente autorizado, que expressa sua decisão através de uma receita médica. Os medicamentos sem prescrição médica são aqueles obtidos sem a receita médica (DIEHL et al., 2008). A prescrição de remédios é uma das principais fontes de receita da indústria farmacêutica. Neste contexto, a prescrição médica traduz uma relação médico/paciente substanciada na ação ou intervenção do agente médico prescritor ativo sobre o agente paciente aceptor passivo. A prescrição, como processo de tomada de decisão de um produto, tem uma característica atípica: os consumidores não são os tomadores da decisão final de compra do produto (KIM e KING, 2009). Com base nesta característica atípica, o presente artigo tem como objetivo analisar as relações funcionais de fatores relacionados à prescrição de medicamentos. Para isto, foi pesquisada uma base teórica em que a prescrição médica é entendida como um ato de decisão. Neste referencial, foram construídos teoricamente cinco construtos de fatores que poderiam interferir na prescrição médica: custo/benefício, características do produto, informações do produto, marca e propaganda. 2. Revisão da literatura Uma prescrição médica pode ser considerada um processo de tomada de decisão (REHNE e MOLDRUP, 2008). Esta tomada de decisão refere-se a indicação de medicamentos, através de receitas, por um profissional qualificado (KIM e KING, 2009; PLANCHON et al., 2009), no caso desta pesquisa, médicos. A notificação de receita, no Brasil, é uma prescrição medicamentosa escrita padronizada, que acompanha a receita e a autoriza, cabendo aos farmacêuticos a obrigatoriamente de manipulação, venda ou entrega dos medicamentos. No momento em que um médico prescreve um determinado medicamento não estará apenas indicando um remédio que possa minorar uma determinada doença, mas sim tomando uma decisão que é influenciada por algumas variáveis (DIEHL et al., 2008; PLANCHON et al., 2009; KIM e KING, 2009), entre elas: (a) custo/benefício, (b) características do produto, (c) informações do produto, (d) marca e (e) propaganda. 2.1 Influências do Custo/benefício nas prescrições Custo/benefício é a expressão monetária do valor de um produto ou serviço, sendo amplamente definido como elemento flexível. Ela é formatada dentro das condições 2

3 econômicas, procurando o melhor ajuste entre a oferta e a demanda existente. Uma boa estratégia de custo/benefício envolve um entendimento do ambiente competitivo e do que pode gerar valor para o cliente (WYNER, 2001). Essas estratégias dependem da correta aferição e ponderação dos custos, do valor percebido da oferta por parte dos compradores e da atuação dos concorrentes. No caso da prescrição, o médico é responsável por fazer uma aferição para o consumidor. Para Sousa e Mesquita (2008) o consumo de medicamentos está, em grande parte, ligado ao poder aquisitivo da população. Portanto, nas camadas de renda superior, o preço não influencia a decisão de compra, sendo considerado, para estes casos, um bem de demanda inelástica (SOUSA e MESQUITA, 2008). Desse modo, observa que a relação custo/benefício é importante no momento da prescrição (MIAO-SHENG e YU-TI, 2008; DIEHL et al., 2008). Kim e King (2009) sugerem que a busca de informação passa pelo seu custo/benefício através da compra, consumo e prescrição. Assim, o custo/benefício de um medicamento deve estar condicionado aos fatores contingenciais da prescrição. Neste sentido, a primeira hipótese a ser verificada é: Hipótese 01: A relação custo/benefício de um medicamento interfere diretamente na sua prescrição. 2.2 Influências das características dos produtos nas prescrições Produtos podem ser considerados bens comprados pelo consumidor final para seu consumo pessoal (GUTMAN, 1997; LEFKOFF-HAGIIJS e MANSON, 1993). As características de um produto são comunicados e fornecidos através dos seus principais atributos. Para Gutman (1997), o produto em si é representado pelos seus atributos que podem ser concretos ou abstratos (como são percebidos) em um nível mais superficial. A natureza desses atributos sugere uma ordem hierárquica, pois os resultados do consumidor não afetam os atributos, mas a preferência por determinados atributos pode influenciar os resultados para o consumidor (LEFKOFF-HAGIIJS e MANSON, 1993). No caso do medicamento, informar as características dos produtos necessários para a prescrição não é responsabilidade do médico. Essas características não devem ser declaradas na receita, mas nas informações oferecidas pelo medicamento. Desse modo, a prescrição de medicamentos pode envolver diferentes perspectivas de produtos, sendo influenciado por diversos aspectos ambientais como: características e efeitos do medicamento (KIM e KING, 2009; JOSEPH et al. 2008). Dadas essas perspectivas e aspectos de descrição de produto para o tomador de decisão é esperado que: Hipótese 02: A característica de um medicamento interfere diretamente na sua prescrição. 2.3 Influências das informações dos produtos nas prescrições Pode se considerar o conhecimento do consumidor pela quantidade de informação que uma pessoa tem acerca de determinados produtos ou serviços, sendo o nível deste conhecimento caracterizado como um forte influenciador no processo de decisão de compra (PAYNE, 1976; BRUCKS, 1985; CHERNEV, 2005). O processo de escolha passa pela aquisição e processamento das informações, que junto com aquelas armazenadas na memória são usadas para avaliar as alternativas de compra. Entretanto, devido à capacidade limitada de processamento de informações, o consumidor faz uso de certas estratégias de decisão para facilitar sua escolha. (BRUCKS, 1985; PAYNE, 1976). 3

4 No caso da prescrição médica a capacidade das informações esta concentrada no médico. O consumidor final, por mais que detenha informações acerca do medicamento, não tem o processo de decisão. Fogel e Novick (2009) alegam que com a proliferação de meios de comunicação em geral, ofereceu aos médicos diversas informações para a tomada de decisão na prescrição de remédios (KIM e KING, 2009; FOGEL e NOVICK, 2009). Dadas essas informações dos produtos para o tomador de decisão é esperado que: Hipótese 03: A informações dos medicamentos interferem diretamente na sua prescrição. 2.4 Influências da marca nas prescrições Marca pode ser considerada um nome, termo, símbolo, ou uma combinação desses elementos, com o intuito de identificar os produtos ou serviços de uma empresa, diferenciando dos seus concorrentes (AAKER, 1996; FELDWICK, 1996). A marca é entendida por muitos teóricos como um fator crítico de sucesso para as empresas e se bem usada estrategicamente, pode gerar vantagem competitiva (AAKER, 1996; DALDAUF, CRAVENS e BINDER, 2003; FELDWICK, 1996). No ato de decisão as marcas freqüentemente oferecem pontos de diferenciação entre as ofertas competidoras, e dessa forma podem ser consideradas decisivas no processo de decisão (AAKER, 1996; MADDEN, FEHLE e FOURNIER, 2006; RAGGIO e LEONE, 2007). O estudo acerca das marcas sempre apontou que, para além de suas funcionalidades em termos de utilidade, elas representam uma dimensão simbólica (AAKER, 1996). As marcas dos produtos farmacêuticos trabalham com grandes orçamentos, utilizando mídia de massa, com o intuito de criar uma imagem de marca junto aos seus consumidores (JOSEPH et al. 2008), sendo considerado um dos grandes fenômenos do marketing nas últimas décadas (FARRIS e WILKIE, 2005). Com base nestes argumentos é esperado que: Hipótese 04: A marca dos medicamentos interfere diretamente na sua prescrição. 2.5 Influências da propaganda nas prescrições Não somente as marcas, mas também a propaganda gera diferenças em relação aos concorrentes em um mercado e por conseqüência, podem gerar influencia no processo de decisão (BARONE, TAYLOR e URBANY 2005). As propagandas podem através de seu conteúdo podem influenciar a cognição, o afeto e as intenções (CHANDY et al., 2001). Os profissionais de marketing atualmente se defrontam com o desafio de utilizar os conteúdos, apelos e mídias adequados para obterem sucesso no processo de comunicação. Os diversos tipos de propaganda existente têm ofertado informações precisas para os médicos. No entanto, é preciso cuidar com as informações disponibilizadas em certos meios de comunicação, fazendo com que não haja confusão entre omissão com falta de informação (KESS et al., 2008; DELORME et al, 2009; LIMBU e TORRES, 2009). Para Kess et al. (2008), meios como a Internet trouxeram a proliferação de informações na prescrição, sem um controle específico do conteúdo.uma vez que a busca informações envolve meios para adquirir informações, pode-se esperar que a proliferação dos meios de comunicação disponíveis para prescrição de medicamentos interfere diretamente no processo de decisão (KIM e KING, 2009). Desse modo, a última hipótese a ser verificada é: Hipótese 05: A propaganda dos medicamentos interfere diretamente na sua prescrição. 4

5 3. Procedimentos Metodológicos Para alcançar os objetivos propostos neste trabalho foi utilizada uma pesquisa descritiva por meio de uma abordagem quantitativa. Por apresentar um número significativo de pesquisados, optou-se pelo método Survey. Este método é um procedimento para coleta de dados primários a partir de indivíduos, quando se necessita obter informações de um grande número de pessoas. (HAIR Jr. et al., 2003). A coleta de dados se deu através de questionários estruturados adaptados da modelagem criada com base nos referenciais teóricos pesquisados. As perguntas foram desenvolvidas em uma escala de 1 (discordo totalmente) e 5 (concordo totalmente). Foram utilizados, na elaboração deste estudo, dados secundários extraídos: i) de pesquisa bibliográfica; e, ii) de entrevistas preliminares realizados com dez médicos. A intenção das entrevistas preliminares era verificar se o conteúdo dos questionários era entendido pela amostra. Nesta entrevista os médicos puderam projetar suas próprias concepções e valores a respeito do tema proposto, contribuindo para o desenvolvimento do instrumento de coleta. Os questionários foram respondidos por médicos que têm consultórios localizados na cidade de Porto Alegre, Rio Grande do Sul, representando uma amostra do total de 232. A seleção dos respondentes ocorreu por meio de uma amostra não-probabilistica por conveniência. Neste tipo de amostra, o pesquisador seleciona membros da população mais acessível e de maneira não-aleatória (MALHOTRA, 2004). Para a realização do trabalho foi utilizado o método de Equações Estruturais, como pode ser observado na Figura 1. A modelagem de equações estruturais abrange uma família de métodos e tem como objetivo analisar um conjunto de relações de uma maneira simultânea (HAIR et al., 2002). O modelo estrutural procura especificar as relações entre as variáveis e descrever a quantidade de variância explicada (STEENKAMP e BAUMGARTNER, 2000). O modelo estrutural depende diretamente da confiabilidade e dos resíduos padronizados. O grau de consistência interna entre os múltiplos indicadores de um construto, ou seja, a confiabilidade, refere-se à extensão na qual um mesmo instrumento de medida produz resultados coerentes a partir de diversas mensurações. Para este caso, é necessário que o índice de confiabilidade seja maior que 0,7 (SCHUMACHER e LOMAX, 1996). Se os resíduos padronizados dos indicadores de um construto são altos, podem estar medindo mais de um construto e podem não ser unidimensionais. Devido a este fato níveis de significância de 5% são considerados altos e os resíduos padronizados superiores a 2,58 (STEENKAMP e BAUMGARTNER, 2000). 5

6 Preço do medicamento Renda do paciente Existência de genérico Secretária de saúde Custo/Benefícios 6 Tempo no mercado Histórico do paciente Interação medicamentosa Novo produto Qualidade do produto Quantidade do produto 13 Conhecer o laboratório Novos laboratórios Novas famílias da marca Características produto Explicações detalhadas Disponíveis na internet Informações do vendedor Linguagem simples Descrição dos efeitos Marca H1 H2 Informações H4 H3 H5 t Prescrição como tomada de decisão 19 Indicação da marca 20 Solicitação de marca Comunicação Eventos realizados Brindes Propaganda Amostra grátis Divulgação Figura 1 - Modelo de Equação estrutural aplicado no estudo A validade é um conceito importante dentro de um modelo de equações estruturais. Hair et al. (2002) menciona que validade é a extensão em que uma medida ou um conjunto de medidas representa o conceito estudado, o grau que esta livre de qualquer erro sistemático ou não aleatório. Para testar a validade da equação estrutural a ser formada, foram utilizadas algumas medidas descritas na Tabela 1. Tabela 1: Medidas utilizadas para testar a validade da equação estrutural Medidas Conceitos χ 2 ( qui-quadrado) (RMSR) Root Mean Square Residual (GFI) Goodness-of-fit (RMSEA) Root Mean Square Error of Aproximation (CFI) Comparative Fit Index (NFI) Normed Fit Index (NNFI) Non-Normed Fit Index Avalia a significância das diferenças entre a matriz observada e a matriz estimada (HAIR et al., 2002; SCHUMACKER e LOMAX, 1996). É a raiz quadrada dos resíduos ao quadrado (HAIR et al., 2002). Considera a quantidade de variância e covariância da matriz observada que é reproduzida pela matriz estimada (SCHUMACKER e LOMAX, 1996). Discrepância entre as matrizes observadas e previstas, levando em consideração os graus de liberdade (KLINE, 1998). Medida comparativa global entre os modelos estimado e nulo (KLINE, 1998). Indica a proporção em que o ajuste do modelo proposto (KLINE, 1998; HAIR et al., 2002). Indica a proporção em que o ajuste do modelo proposto e inclui um ajuste para a complexidade do modelo (SCHUMACKER e LOMAX, 1996; PEDHARZUR e SCHMELKIN, 1991). 6

7 Como pode ser visto na Tabela 01, no que se refere ao Qui-quadrado procurou-se encontrar níveis de significância estatística que indicam a probabilidade de que a diferença seja devida à variação amostral. A intenção é obter um valor de χ 2 não significativo, indicando que os dados se ajustam ao modelo (SCHUMACKER e LOMAX, 1996). No RMSR o ajuste do modelo é perfeito quando é igual a zero. Quando a discrepância média entre as covariâncias observadas e preditas aumenta, o índice também aumenta. No presente estudo procura-se, como afirma Kline (1998) um valor menor do que 0,10 para ser aceitável. Para o RMSEA valores maiores que 0,5 são considerados aceitáveis (HAIR et al., 2002). No GFI os valores geralmente variam de zero (ajuste ruim) a um (ajuste perfeito), mas podem assumir valores negativos ou maiores do que um quando a amostra é pequena ou quando o modelo é over-identificado (KLINE, 1998). Procurar-se então valores próximo de 1 para esta medida. Os valores do CFI podem ser explicados pelo modelo quando seus valores forem superiores a 0,9; este é o valor desejável (KLINE, 1998). Se o NFI é igual a 0,8, por exemplo, o ajuste total do modelo do pesquisador é 80% melhor que o modelo nulo estimado com a mesma amostra (KLINE, 1998). Hair et al. (2002) menciona que não existe um valor absoluto que indique um nível de ajuste aceitável, mas recomenda-se que seja superior a 0,9. O valor de NNFI varia de zero a um e recomenda-se um nível superior a 0,9 (PEDHAZUR e SCHMELKIN, 1991; HAIR et al., 2002; KLINE, 1998). A validade se refere a quão bem o conceito é definido pelas medidas, enquanto a confiabilidade se refere à consistência da medida, ou seja, ela é o grau em que uma variável ou conjunto de variáveis é consistentemente com o que se quer medir (HAIR et al., 2002). Se múltiplas medidas são realizadas, as medidas confiáveis serão muito consistentes em seus valores. É diferente de validade, no sentido em que não se relaciona com o que deveria ser medido, mas com o modo como é medido (CORTINA, 1993). Foram utilizados dois métodos para testar a confiabilidade dos dados, como descrito a seguir: i) índice de confiabilidade maior que 0,7; ii) Variância extraída maior que 0,5. Caso estes índices não sejam satisfatórios, pode ser utilizado método de análise de confiabilidade Alpha de Cronbach, que segundo Hair et al. (2002) indica o coeficiente de confiabilidade interna de um instrumento de coleta de dados. Em muitos trabalhos o valor aceitável do alfa é justificado (LEE e HOOLEY, 2005; KLINE, 2000). Para Nunally (1978) e Hair et al. (2002) dependendo do fenômeno que se estuda níveis abaixo de 0,70 do Alfa de Cronbach podem ser aceitáveis, dependendo da justificativa do pesquisador. A seguir é apresentada a análise dos resultados do estudo. 4. Análise de dados Como foi descrito na revisão da literatura, a tomada de decisão pode ser influenciada por diversos fatores: custo/benefício, características do produto, informações do produto, marca e propaganda. O médico ao prescrever algum remédio toma uma decisão, com base nos seus estudos, conhecimentos, entre outros. Esta decisão pode sofrer influências dessas cinco perspectivas. Portanto, o estudo em questão analisou a prescrição dos médicos, como um ato de decisão com base em cinco perspectivas. Para melhor explicitar os resultados obtidos, este capítulo foi dividido em três partes, como segue: i) Estatística descritiva das variáveis; ii) Validação individual dos construtos; e, iii) Análise do Modelo Integrado. 4.1 Estatística descritiva das variáveis Através da análise estatística descritiva dos 232 questionários respondidos, foi identificado que 55,6% dos respondentes eram do sexo masculino e que grande parte tem acima de 30 anos (84,1%), a maioria exercem a profissão mais de 10 anos (66,8%) e com relação aos rendimentos, 78,3% ganham mais de 10 salários mínimos, em termos relativos, 7

8 esses dados evidenciam o público alvo da pesquisa. Com relação à especialidade foram pesquisados 12 categorias diferentes: 47 cardiologistas (20,3%), 40 psiquiatras (17,2%), 34 neurologistas (14,7%), 32 ginecologistas (13,8%), 30 clínicos gerais (12,9%) 18 dermatologistas (7,8%), 12 otorrinolaringologista (5,2%), 7 cirurgiões vasculares (3,4%), 6 proctologistas (3,1%), 4 pneumologistas (1,7%) e 2 urologistas (0,9%). Por ser considerada uma profissão que tenha alta renda por parte de seus profissionais e na amostra encontra-se 21,7% que ganham 10 ou menos salários mínimos, poderia ser encontrado um viés de erro nas respostas, principalmente ao se relacionar com o tempo de profissão. No entanto, não se pode considerar que existe uma diferença significativa da relação entre renda e tempo de profissão, pois através do teste Qui-quadrado foi comprovado que se deve aceitar a hipótese nula (Ho), devido a este índice ser maior que 0,05. Com relação ao sexo dos respondentes, foi comprovado que não existe correlação significativa entre este e a remuneração, pois foi aceito a hipótese nula (Ho) devido a este índice ser maior que 0,05. Já com relação ao tempo de profissão, percebe-se que há uma diferença significativa entre o tempo e o sexo, pois o teste Qui-quadrado mostrou-se representativo, já que este índice apresentou valor inferior a 0,05. Este fato provavelmente se dá pelo número de mulheres entrevistadas, por volta de 70% da amostra encontra-se abaixo dos 40 anos, diferentemente dos homens onde este número gira em torno de 35%. 4.2 Validação individual dos construtos Partindo do modelo apresentado nos métodos, construtos seriam formados por cinco variáveis. Os coeficientes estimados oferecem informações sobre a extensão na qual uma dada variável observável é capaz de medir uma variável latente (SCHUMACKER e LOMAX, 1996; ANDERSON e GERBING, 1988). Observa-se que os coeficientes estimados apresentam valores positivos e significativos, evidenciando que os indicadores estão positivamente relacionados com o construto. No entanto, os índices de ajuste do modelo não foram adequados na análise inicial. Na Tabela 1, fica evidenciado que o teste de Qui-quadrado é significativo, indicando que há uma diferença significativa entre a matriz observada e a matriz estimada. As medidas absolutas de ajuste, que determinam o grau em que o modelo prediz a matriz de covariância observada, apresentam valores dentro dos limites aceitáveis: GFI superior a 0,9; RMSEA inferior a 0,08. As três medidas de ajuste comparativas (CFI, NFI e NNFI) apresentam valores acima de 0,9 indicando que o modelo proposto é mais ajustado que o modelo nulo. A confiabilidade ficou acima de 0,5 na maior parte dos casos, mas o nível de probabilidade foi inferior a 0,05 indicando que a consistência interna entre os indicadores não é satisfatória. Diante dos resultados iniciais, decidiu-se modificar o modelo. Seguindo a literatura sobre equações estruturais, optou-se então por gerar o relatório de modificações, disponível no AMOS, e promover as alterações sugeridas para ajuste do mesmo. Para o ajuste do construto custo/benefício, a variável renda dos pacientes foi retirada. Este procedimento está de acordo com a proposição de que devem se retiradas as variáveis cujos coeficientes estejam entre os menores ou não sejam significativos, ou seja, que obtiverem valores menores que 0,5 (KLINE, 1998). Também foi criada uma correlação entre os erros das variáveis: preço do medicamento e genéricos. Essa correlação positiva entre 1 e 3 seriam esperada uma vez que, em geral, o valor do preço do medicamento esta relacionado diretamente com a existência de genéricos, ou seja, quanto maior o preço do remédio, maior a probabilidade da procura de genéricos. A Tabela 2 a seguir apresenta os índices de ajuste dos construtos, tanto inicial quanto final: 8

9 Tabela 2 Índices de ajuste dos construtos inicial e final Índices Custo/benefício Característica Informações Marca Propaganda Inicio Final Inicio Final Inicio Final Inicio Final Inicio Final Qui-quadrado 47,231 0,785 13,87 0,586 53,765 0,867 46,652 3,659 41,23 0,481 Graus de Liberdade Probabilidade 0,000 0,348 0,002 0,078 0,002 0,163 0,001 0,934 0,000 0,020 GFI 0,924 0,978 0,976 0,993 0,987 0,991 0,951 0,963 0,978 0,999 CFI 0,978 0,999 0,943 0,979 0, , ,913 0,927 NFI 0,953 0,985 0,957 0,978 0,932 0,948 0, ,937 0,960 NNFI 0,917 0,989 0,963 0,986 0,896 0,998 0,986 0,992 0,971 0,984 RMR 0,054 0,023 0,043 0,005 0,042 0,021 0,193 0,000 0,121 0,002 RMSEA 0,132 0,049 0,078 0,037 0,185 0,042 0,136 0,000 0,172 0,000 Variância Extraída 0,88 0,89 0,90 0,91 0,83 0,84 0,79 0,81 0,89 0,91 Confiabilidade 0,65 0,67 0,78 0,79 0,72 0,68 0,46 0,48 0,71 0,67 Alfa de Crombach 0,836 0,856 0,912 0,924 0,7142 0,928 0,942 0,946 0,914 0,946 Já para o ajuste do construto característica do produto duas variáveis foram retiradas: tempo no mercado e novo produto. Foi acrescentada uma relação entre os erros das variáveis interação medicamentosa e quantidade do produto. Essa correlação positiva entre os 7 e 10 seriam esperada uma vez que a prescrição da quantidade de um remédio tem relação direta com o uso de outros remédios pelo paciente. No caso do construto informações do produto, uma variável teve que ser retirada: disponíveis na Internet. Foram acrescentadas neste construto duas relações entre os erros das variáveis: explicação detalhada e informações do vendedor ; linguagem simples e descrição dos efeitos. As correlações positivas entre 11 e 13 e 14 e 15 seriam esperadas uma vez que, em geral, quanto maior as informações dos vendedores, maiores serão as explicações do produto e quanto mais simples a linguagem dos remédios, maior será o entendimento de seus efeitos. Para o ajuste do construto marca, duas variáveis tiveram que ser retiradas: novas famílias de marcas e indicação da marca. No caso deste construto uma correlação entre os erros das variáveis 17 e 20 foi proposta. Este correlação é sustentável, pois quanto maior a solicitação de marcas, maior será a busca de novos laboratórios. Por fim, para o ajuste do construto propaganda, a variável brindes foi retirada e foi acrescentada uma correlação entre os erros das variáveis das 22 e 25. Este procedimento seria esperado já que eventos realizados e divulgação são interligados. Resumindo, o ajuste do modelo retirou um total de 7 variáveis e adicionou 6 correlações positivas entre alguns erros. Após ajuste no modelo, o Qui-quadrado sofreu uma redução expressiva e passou a não ser significativo em todos os construtos. Os índices de ajuste absolutos e comparativos apresentaram resultados melhores do que os valores mínimos sugeridos. Com relação à fidedignidade e confiabilidade do construto, a variância extraída e a confiabilidade ficaram acima do limite sugerido em quase todas as análises (somente o construto marca não obteve resultado maior que 0,5), sendo que todos, na análise do Alpha de Cronbach obtiveram índice favorável acima de 0,7. A unidimensionalidade do construto foi avaliada a partir dos valores dos resíduos padronizados. A maior covariância dos resíduos padronizados foi 2,27 obtidas para a variável divulgação do construto propaganda. Tal valor está abaixo do limite de 2,58 corroborando a noção de que os indicadores utilizados estão medindo apenas um construto e, portanto, são unidimensionais. 9

10 Os valores finais dos coeficientes padronizados dos construtos são apresentados na Tabela 3 a seguir: Tabela 3 Coeficientes padronizados e significância dos construtos - modelo final Variável Coeficiente Padronizado Desvio Padrão Z Construto 1 Custo/benefício Secretária de saúde 1 * Preço do medicamento 0,73 0,041 19,74 *** Existência do genérico 1,016 0,038 24,548 *** Histórico do paciente 0,631 0,049 12,234 *** Construto 2 Características do produto Interação medicamentosa 1 * Qualidade do produto 1,03 0,043 20,394 *** Quantidade do produto 1,072 0,045 19,548 *** Construto 3 Informações Linguagem simples 1 * Informações do vendedor 0,993 0,051 13,078 *** Explicações detalhadas 0,882 0,053 24,847 *** Descrição dos efeitos 1,025 0,043 18,129 *** Construto 4 Marca Conhecer o laboratório 1 * Novos laboratórios 0,945 0,086 12,215 *** Solicitação de marcas 1,116 0,167 7,704 *** Construto 5 Propaganda Comunicação 1 * Amostras grátis 0,971 0,044 16,098 *** Eventos realizados 0,936 0,046 27,843 *** Divulgação 1,078 0,054 18,399 *** * Coeficiente não estimado para servir como referência aos demais; *** Valores acima de 0,5. Pode-se perceber que, depois do ajuste, nenhum coeficiente possui índice menor que 0,5, indicando que todos eles são significativos para o modelo. O desvio padrão foi relativamente baixo para todos os casos e o teste z rejeitou a hipótese nula, pois todos os índices apresentaram valores acima de 1,96 (aceitável para um erro de 5%). 4.3 Análise do Modelo Integrado Executada a Análise Fatorial Confirmatória para a construção e validação dos construtos, buscou-se avaliar o modelo integrado que agrega o modelo de mensuração e o modelo estrutural. Nesta etapa, o principal objetivo era avaliar a estrutura teórica hipotetizada, ou seja, as relações entre os construtos e variáveis propostas no modelo. Seguindo a recomendação dos autores (KLINE, 1998, MARUYAMA, 1998) a avaliação do modelo teórico foi realizada a partir dos índices de ajuste do modelo e da significância estatística dos coeficientes de regressão estimados. Nesta fase optou-se pela estratégia de aprimoramento do modelo. Cabe ressaltar que na modificação do modelo proposto, foram sendo retirados os coeficientes de regressão não significativos e incorporadas covariâncias não previstas inicialmente. A retirada das variáveis teve como objetivo criar um ambiente dinâmico, para um melhor entendimento e/ou explicação do fenômeno estudado. A adição de novas relações, mesmo que sugeridas pelo relatório de modificações do AMOS, só foram aceitas caso apresentassem uma argumentação teórica que as justificassem. 10

11 De acordo com a Tabela 4, os índices de ajustamento do modelo proposto não foram satisfatórios. O Qui-quadrado é significativo, provavelmente pela sensibilidade do teste ao tamanho da amostra. Mesmo a relação Qui-quadrado/graus de liberdade apresentou um valor de 4,23 acima do limite de 3, recomendado por Kline (1998). Nenhum índice de ajuste estava dentro do limite recomendado. Além disso, observa-se que vários coeficientes não são significativos. Diante de tais resultados, adotou-se a estratégia de aprimoramento do modelo. Tal estratégia consistiu basicamente da retirada das relações não significativas e da avaliação das modificações sugeridas pelo AMOS. O processo de retirada envolveu a eliminação individual de cada uma das relações não significativas já que, a cada retirada havia necessidade de reestimação do modelo devido às modificações nos coeficientes e significâncias das demais variáveis do modelo. Para o ajuste do construto, além das variáveis retiradas na análise fatorial, foi necessária a exclusão de mais uma variável: amostra grátis. Este procedimento está de acordo com a proposição de que devem se retiradas as variáveis cujos coeficientes estejam entre os menores ou não sejam significativos, ou seja, que obtiverem valores menores que 0,5 (KLINE, 1998). Verificando as modificações sugeridas pelo AMOS, julgou-se conveniente à adoção das seguintes covariâncias entre os erros das seguintes variáveis, além das já citadas na análise dos construtos individuais: Qualidade do produto ( 9) e Conhecer o laboratório ( 16): pois o conhecimento do laboratório esta intimamente a qualidade do produto prescrito, portanto os erros destas medidas estão relacionados; Histórico do paciente ( 5) e Interação medicamentosa ( 7): pois o histórico do paciente determina a interação medicamentosa que possa ser realizada no processo de prescrição, portanto os erros destas medidas estão relacionados; Quantidade de produto ( 10) Descrição dos efeitos ( 15): pois a descrição dos efeitos interfere diretamente na quantidade de produtos prescrita, portanto os erros destas medidas estão relacionados; Novos laboratórios ( 17) e Comunicação ( 21): pois o conhecimento de novos laboratórios pelos médicos esta relacionado com a comunicação existente, portanto os erros destas medidas estão relacionados; Informações do vendedor ( 13) e conhecer o laboratório ( 16): pois o conhecimento do laboratório depende das informações do vendedor, portanto os erros destas medidas estão relacionados. A Tabela 04 a seguir apresenta os coeficientes padronizados e significância do modelo integrado: Tabela 4 - Coeficientes padronizados e significância do modelo Integrado Coeficiente Desvio Construtos Padronizado Padrão Custo/benefício Prescrição como decisão 0,911 0,073 13,244 *** Características dos Produtos Prescrição como decisão 1,072 0,071 13,354 *** Marca Prescrição como decisão 1,084 0,079 13,916 *** Propaganda Prescrição como decisão 1,011 0,078 12,992 *** Informações Prescrição como decisão 1 * * Coeficiente não estimado para servir como referência aos demais; *** Valores acima de 0,5. Após a retirada das relações não significativas e da inserção das covariâncias sugeridas, o modelo final apresentou os índices de ajuste descritos na Tabela 4. O Desvio Z 11

12 Padrão e o teste Z foram significativos em ambos os construtos. O modelo integrado de satisfação dos clientes é apresentado na Figura 2. Figura 2 Modelo de Prescrição Médica- Final A Tabela 5 a seguir apresenta os índice de ajuste do modelo de satisfação dos clientes, inicial e final. Tabela 5 - Índice de ajuste do modelo de satisfação dos clientes inicial e final Análise Final Índice Inicial Final Qui-quadrado 1256, ,865 Graus de Liberdade Nível de Probabilidade 0,00 0,10 GFI - Goodness of Fit 0,719 0,893 CFI - Comparative Fit Index 0,761 0,971 NFI - Normed Fit índex 0,711 0,935 NNFI - Non Normed Fit Index 0,768 0,931 RMR - Root Mean Square Residual 0,063 0,03 RMSEA - Root Mean Squared Error of Aproximation 0,142 0,09 Variância Extraída 0,96 0,96 Confiabilidade 0,63 0,65 Alpha de Crombach 0,911 0,963 Como demonstra a Tabela 5, o teste Qui-quadrado continuou sendo significativo, no entanto a relação Qui-quadrado/graus de liberdade atingiu o valor de 2,9; abaixo do limite máximo considerado aceitável por diversos autores (KLINE, 1998; HAIR et al, 1999). Tanto as demais medidas absolutas de ajuste (GFI, RMR e RMSEA) quanto às medidas comparativas (CFI, NFI e NNFI) ficaram dentro dos limites desejáveis, indicando 12

13 um bom ajustamento do modelo. Portanto, a retirada das relações não significativas e a inserção das covariâncias permitiram uma melhora substancial nos valores de ajustamento, quando comparado ao modelo proposto. 5. Discussão dos resultados Com base nos resultados obtidos pode ser verificado que o custo/benefício é um dos fatores que mais interferem na prescrição médica, devido, principalmente as variáveis: preço do medicamento, existência de genérico, secretária saúde e histórico do paciente. Estes achados corroboram com o argumento de Kim e King (2009) que sugerem que o custo/benefício de um medicamento, muitas vezes representado na oferta pelo preço, deve estar condicionado aos fatores contingenciais da prescrição. Neste caso específico, uma variável (renda do paciente) não pode ser medida devido a pouca representatividade no construto. Foi também confirmado que, no estudo em questão, a característica do produto é um dos aspectos considerados na prescrição de medicamento, devido, principalmente, às variáveis: interação medicamentosa, quantidade de produto e qualidade do produto. Esta afirmação corrobora com o argumento de Joseph et al. (2008) e Kim e King (2009) para quem a prescrição de medicamentos pode envolver diferentes perspectivas de produtos, sendo influenciado por diversos aspectos ambientais como: características e efeitos do medicamento. No caso específico deste construto, duas variáveis (tempo no mercado e novo produto) não puderam ser medidas devido a pouca representatividade no construto. Observou que a prescrição do medicamento é influenciada pelas informações contidas no produto, devido, principalmente, às variáveis explicações detalhadas, informações do vendedor, linguagem simples e descrição dos efeitos, corroborando com a base teórica (KIM e KING, 2009; FOGEL e NOVICK, 2009) que menciona que as informações do produto interferem na prescrição. A medida disponibilidade de informações na Internet não pode ser medida neste construto devido a sua pouca representatividade. Foi também verificado que a marca do produto é um dos aspectos considerados na prescrição de medicamento, devido, principalmente, às variáveis: conhecer o laboratório, novos laboratórios e solicitação da marca. Esta afirmação é evidenciada também na base teórica, com o argumento de que a dimensão simbólica das marcas dos produtos farmacêuticos impacta o consumo de medicamentos (JOSEPH et al. 2008). No caso específico deste construto, duas variáveis (novas famílias de marcas e indicação da marca) não puderam ser medidas devido a pouca representatividade no construto. Por fim, foi identificado que a prescrição médica é influenciada pelas propagandas, devido, principalmente às variáveis comunicação, realização de eventos e divulgação, corroborando com o argumento que afirmam a proliferação dos meios de propaganda disponíveis interferem no processo de prescrição (KESS et al., 2008; DELORME et al, 2009; LIMBU e TORRES, 2009). Neste caso específico, duas variáveis (brindes e amostras grátis) não puderam ser medidas devido a pouca representatividade no construto. De acordo com o resultado obtido na análise, percebe-se que a prescrição médica objeto da pesquisa está positivamente correlacionada com todos os construtos apresentados, reafirmando os estudos que colocam custo/benefício, características do produto, informações do produto, marca e propaganda como variáveis determinantes no consumo de medicamentos através da prescrição de médicos. 13

14 6. Considerações Finais O estudo em questão visou analisar as relações funcionais de fatores relacionados à prescrição de medicamentos. Após a formulação de uma base teórica centrada em estudos sobre prescrição médica e marketing, foram levantados os seguintes fatores inerentes à prescrição de medicamentos: custo/benefício, características do produto, informações do produto, marca e propaganda, os quais foram agrupados no modelo testado. Após ajustes no modelo, foram identificadas e analisadas as hipóteses apresentadas na revisão teórica. As cinco hipóteses testadas foram confirmadas. Assim, concluiu-se que (H1) a relação custo/benefício de um medicamento interfere diretamente na sua prescrição; (H2) a característica de um medicamento interfere diretamente na sua prescrição; (H3) as informações dos medicamentos interferem diretamente na sua prescrição; (H4) a marca dos medicamentos interfere diretamente na sua prescrição; e, (H5) a propaganda dos medicamentos interfere diretamente na sua prescrição. Além da confirmação das hipóteses, algumas ligações entre variáveis de diferentes construtos foram identificadas. O presente estudo fornece, com base teórica e empírica, um modelo aplicado com fatores que interferem no processo de tomada de decisão na prescrição médica, unificando dessa forma o entendimento das relações funcionais acerca dos fatores relacionados à prescrição médica. Uma vez que neste tipo de consumo, o processo de tomada de decisão ocorre de maneira desconectada entre o prescritor e o usuário, dado que a tomada de decisão está centrada na figura do médico prescritor do medicamento. Novas análises são estimuladas visando superar as limitações deste estudo. Entre as limitações podem ser citadas o fato de a amostra não ser probabilística e o local de atuação dos médicos se restringir a Porto Alegre e região metropolitana do Estado do Rio Grande do Sul. No que se refere a estudos futuros, investigações em outros estados e países permitiriam comparar os resultados em função das especificidades locais, bem como a incorporação de outras variáveis poderiam representar um avanço na construção do modelo. A prescrição médica trata-se de um tema evidente, especialmente pela complexa relação o médico e o paciente/cliente como uma relação de troca, o crescimento e poder da indústria farmacêutica e a utilização cada vez mais freqüente das ferramentas de marketing neste ambiente. Referências AAKER, D. A. Measuring brand equity across products and markets. California Management Review, Vol. 38, N. 3, p , ANDERSON, J. C. e GERBING, D. W. Structural equation modeling in practice: a review and recommended two-step approach. Psychological Bulletin, Vol. 103, N. 3, p , BARONE, M.; TAYLOR, V. e URBANY, J. Advertising Signaling Effects for New Brands: The Moderating Role of Perceived Brand Differences. Journal of Marketing, N.3, p.1-13, BRUCKS, M. The effects of product class knowledge on information search behavior. Journal of Consumer Research, Vol. 12, p , CHANDY, R. K.; TELLIS, G. J.; MACINNIS, D. J. e THAIVANICH, P. What to Say When: Advertising Appeals in Evolving Markets. Journal of Marketing Research, Vol. 38, p.1-47, CHERNEV, A. Context effects without a context: attribute balance as a reason for choice. Journal of Consumer Research, Vol.32, N.2, p ,

15 CORTINA, J. M. What is Coefficient Alpha? An Examination of Theory and Applications. Journal of Applied Psychology, Vol. 78, N. 1, p , DALDAUF, A.; CRAVENS, K. S. e BINDER, G. Performance consequences of brand equity management: evidence from orgazations in the value chain. Journal of Product & Brand Manangement. Vol. 12, N. 4, p , DELORME, D. E.; HUH, J. e REID, L. Direct-to-Consumer Advertising Skepticism and the Use and Perceived Usefulness of Prescription Drug Information Sources. Health Marketing Quarterly, Vol. 26, p , DIEHL, S.; MUELLER, B.; TERLUTTER, R. Consumer responses towards non-prescription and prescription drug advertising in the US and Germany: They don t really like it, but they do believe it. International Journal of Advertising, Vol. 27, N. 1, p , FARRIS, P. W. e WILKIE, W. L. Marketing scholars: roles in the policy arena: an opportunity for discourse on direct-to-consumer advertising. Journal of Public Policy and Marketing, Vol. 24, N.1, p.3-6, FELDWICK, P. Do we really need brand equity? The Journal of Brand Management, Vol. 4, N. 1, p. 9-28, FOGEL J. e NOVICK, D. Direct-to-Consumer Advertisements of Prescription Medications Over the Internet. Health Marketing Quarterly, Vol. 26, p , GUTMAN, J. Means-end chains as goal hierarchies. Psychology & Marketing, Vol.14, N.6, p , HAIR Jr., F. et al.. Essentials of business research methods. Hoboken, NJ: Wiley, HAIR, J. F.; ANDERSON, R. E.; TATHAM, R. L. e BLACK, W. C. Multivariate Data Analysis. 5 a ed. Prentice Hall, JOSEPH, M.; SPAKE, D. e GODWIN, D. M. Aging consumers and drug marketing: Senior citizens views on DTC advertising, the Medicare prescription drug programmers and pharmaceutical retailing. Journal of Medical Marketing, Vol. 8, N. 3, p , KESS, J.; BONE, P. F.; KOZUP, J. e ELLEN, P. S. Barely or Fairly Balancing Drug Risks? Content and Format Effects in Direct-to-Consumer Online Prescription Drug Promotions. Psychology & Marketing, Vol. 25, N. 7, p , KIM, W. J. e KING, K. W. Product category effects on external search for prescription and nonprescription drugs. Journal of Advertising, Vol. 38, N. 1, p. 5-19, KLINE, R. B. Principles and practice of structural equation modeling. New York: The Guilford Press, KLINE, P. The Handbook of Psychological Testing. Routledge: London, LEFKOFF-HAGIIJS, R. e MANSON, C. H. Characteristic, beneficial and image attributes in consumer judgments of similarity and preference. Journal of Consumer Research, Vol.20, N.1, p , LEE, N. e HOOLEY, G. The evolution of classical mythology within marketing measure development. European Journal of Marketing, Vol. 39, N. 3/4, p , LIMBU, Y. e TORRES, I. M. The Effects of Involvement and Ad Type on Attitudes toward Direct-To-Consumer Advertising of Prescription Drugs. Journal of Health & Human Services Administration, Vol. 32 N. 1, p ,

16 MADDEN, T. J.; FEHLE, F. e FOURNIER, S. Brands Matter: An Empirical Demonstration of the Creation of Shareholder Value Through Brands. Journal of the Academy of Marketing Science, Vol. 34, N. 2, p , MALHOTRA, N.K. Marketing Research: An Applied Orientation. Englewood Cliffs, NJ: Prentice-Hall, Inc., MARUYAMA, G. M. Basics of structural equation modeling. London: Sage Publications, MIAO-SHENG, C. e YU-TI, S. Pricing of prescription drugs and its impact on physicians choice behavior. Health Care Management Science, Vol. 1, p , NUNNALY, J.C. Psychometric Theory. McGraw-Hill Book, New York, N.Y., PAYNE, J. W. Task Complexity and contingent processing in decision making: an information search and protocol analysis. Organizational Behavior and Human Performance, Vol.16, p , PEDHAR ZUR, E. J. e SCHMELKIN, L. P. Measurement, design, and analysis: an integrated approach. New Jersey: Lawrence Erlbaum, PLANCHON, J. M.; JAMES, W. L. e VAN HOOF, L. Believability of informational versus transformational prescription drug advertising: U.S.Consumers views versus Belgian consumers views. Review of Business Research, Vol. 9, N. 4, p , RAGGIO, R. D. e LEONE, R. P. The Theoretical Separation of Brand Equity and Brand Value: Managerial Implications for Strategic Planning. Journal of Brand Management, Vol. 14, p , REHNE, J. e MOLDRUP, C. M. Danes awareness of and attitude towards direct-toconsumer advertising (DTC-A) of prescription drugs: A quantitative survey of 3,000 respondents. Journal of Medical Marketing, Vol. 8, N. 1, p.31 38, SCHUMACKER, R. E. e LOMAX, R. G. A beginner s guide to structural equation modeling. New Jersey, Lawrence Erlbaum, SOUSA, C. V. e MESQUITA, J. M. C. Comportamento de Compra dos Consumidores de Medicamentos: Uma Avaliação no Município de Belo Horizonte. III Encontro de Marketing da Anpad, Curitiba, Anais..., STEENKAMP, J. E. M. e BAUMGARTNER, H. A On the use of structural equation models for marketing modeling. International Journal of Research in Marketing, Vol. 17, p , WYNER, G. A. New pricing realities. Marketing Research, Vol. 13, N. 1, p ,