Skip to main content
PMC home page
Revista de Saúde Pública logoLink to Revista de Saúde Pública
. 2022 Jul 21;56:69. doi: 10.11606/s1518-8787.2022056004252
View full-text in Portuguese

Prevalence of multimorbidity in older adults in São Paulo, Brazil: a study with ISA-Capital

Kaio Keomma I, Aylene Bousquat II, Chester Luiz Galvão César III
PMCID: PMC9337848  PMID: 35894406

ABSTRACT

OBJECTIVE

To estimate the prevalence of multimorbidity in older adults in São Paulo, Brazil.

METHODS

A cross-sectional study based on the 2015 ISA-Capital population-based survey, with a subsample of 1,019 older adults aged ≥ 60 years old. Multimorbidity was categorized considering two or more chronic diseases, based on a previously defined list. The data were analyzed in univariate and multiple models with Poisson regression.

RESULTS

The prevalence of multimorbidity was 40% (95%CI: 36.6–43.8), being higher in women (PR a = 1.95 [compared to men]; 95%CI: 1.58–2.40), in individuals aged ≥ 75 years old (PR a = 1.25 [compared to individuals aged ≥ 60 to 64 years old]; 95%CI: 1.01–1.60), in Black people (PR a = 1.28 [compared to White people]; 95%CI: 1.04–1.59), in high-income people (PR a = 1.27 [compared to low income]; 95%CI: 1.09–1.50) and in former smokers (PR a = 1.30 [compared to those who never smoked]; 95%CI: 1.05–1.60), and lower in smokers (PR a = 0.72 [compared to those who never smoked]; 95%CI: 1.09–1.50).

CONCLUSION

The prevalence of multimorbidity was lower than that reported in most of the reviewed studies, but consistently associated with gender, age, race/skin color, smoking habit and socioeconomic status. The standardization of conceptual and methodological criteria for estimation is a challenge to relieve problems in the planning and management of health care systems for older populations.

Keywords: Aged. Multimorbidity, Prevalence, Risk Factors, Health Surveys

INTRODUCTION

Multimorbidity is the coexistence of multiple chronic diseases in an individual 1 . It usually involves two conditions 2 , but without consensus on its conceptualization or on the most appropriate methods to estimate it, from simple accounting per individual to sophisticated classification systems to measure morbidity load 3 , which widely varies estimates and associations 4 .

Multimorbidity is a worldwide health problem 5 . Our findings show that its prevalence affects more than half of the older adults 6 , which is higher in women 7 , poorer individuals and residents of urban areas 8 , Black people 9 and former smokers 10 , with great impact on mortality 11 , 12 . Covid-19 (SARS-Cov-2) exposed this, in which up to 72% chronic and multimorbidity patients represented the patients admitted to intensive care units in some locations 13 . These individuals were more vulnerable during the pandemic 14 and the unawareness of this indicator in many locations, the greater alignment of services to acute conditions, restriction to appointments, elective procedures, among others, can contribute to this.

Multimorbidity has affected indicators such as successive hospitalizations, extended hospitalizations, polypharmacy, simultaneous use of many services of different levels of technological density, care cost and the coordination of care, because it requires many people and services for health care 15 . Understanding these and other issues is essential to the health care system and necessarily involves knowledge about their magnitude and distribution. However, studies estimating the prevalence of multimorbidity are incipient in Brazil, especially with representative samples 5 , 8 , 16 .

This study aims to contribute to fill part of the gap of studies on population-based multimorbidity in the Brazilian literature, supporting criticism and debate by making evidence available to researchers, managers and the society. Therefore, we aimed to analyze the prevalence of multimorbidity in older adults in the city of São Paulo, Brazil.

METHODS

This cross-sectional study was conducted with 1,019 older adults aged ≥ 60 years old participating in the ISA-Capital health survey, which is a population-based survey in the city of São Paulo, Brazil, conducted in 2015.

The sampling of the original study occurred by complex and probabilistic methodology, with drawings of census and household sectors. The geographical and demographic domains were considered, including, respectively, the regional health coordinators (Midwest, East, North, Southeast and South) and different age groups (adolescents 12 to 19 years old, adult men 20 to 59 years old, adult women 20 to 59 years old and men and women aged ≥ 60 years old). The algebraic expression n=p.1-p/d/z2deff . deff was considered, in which: n is the sample size, p is the parameter to be estimated, z = 1.96 is the value in the reduced normal curve referring to 95% confidence level of the confidence intervals, d is error and deff is the effect of the design 20 .

The participants were recruited considering the inclusion criteria: being within the included age groups, living in the urban area and in private households permanently. Homeless people or residents of institutions were excluded. The non-response rate due to vacant, closed households, with refusal or with resident unable to respond, was observed. The inclusion of a sample greater than necessary was planned to reach a minimal of interviews in case of losses. Thus, the desired number of interviews was reached 20 .

The variables considered included: gender (male/female); age in full years (60–64, 65–69, 70–74, ≥ 75 years old); race/skin color (White, Black, Mixed-race and Asian); consumer price index, which was considered a socioeconomic proxy, based on the Critério de Classificação Econômica Brasil (CCEB - Brazilian Economic Classification Criterion), dichotomized in high income categories (for strata originally classified as A1, A2 and B1) and low income (for B2, C1 and C2, D, E strata); smoking habit (never smoked, former smoker, smoker); and multimorbidity, measured by counting two or more self-reported morbidities from a previously elaborated list 7 .

A total of 10 chronic diseases from the baseline study were considered to compose multimorbidity: systemic arterial hypertension, type 2 diabetes mellitus, osteoporosis, arthritis/rheumatism, stroke, acute myocardial infarction, chronic obstructive pulmonary disease (COPD), neoplasia, Alzheimer’s and Parkinson’s. Acute conditions, risk factors or phenotypic characteristics such as high cholesterol, back pain, rhinitis, sinusitis and tendinitis were excluded. Although this variable has more than one definition that can be accepted 21 , especially regarding number and included conditions, the strategy used agrees with the reviewed literature because it includes many body systems and clusters around cardiovascular, metabolic and musculoskeletal disorders 7 .

Data analysis was operationalized with the Survey module of the Stata program, version 14.0, for data from complex samples. The prevalence of general multimorbidity and according to gender, age, race/skin color, smoking habit and consumer price index, including the calculation of proportion of occurrence (%), 95% confidence interval (95%CI) and p-value by Pearson’s chi-square test, were estimated. Univariate (unadjusted) and multiple (adjusted) models were proposed to evaluate the variation in the prevalence of multimorbidity, variable outcome and other independent variables, with Poisson regression. Crude (PR) and adjusted (PR a ) prevalence ratios and 95%CI were obtained. Associations with 95%CI without including nullity (PR = 1.00) and p < 0.05 were considered statistically significant.

All analyses performed – obtaining proportions, confidence intervals and tests – were considered with the participants’ final weight for statistical inference, calculated based on: (1) Design weight, which considers the sampling fractions of the two drawing stages, the census and household sectors; (2) Adjustment of non-response, which considers the observed response rates; (3) Post-stratification, which adjusts the sample distribution by gender, age and residence, according to the population distribution of the study scenario estimated for the research year.

The ISA-SP was approved by the ethics and research committee of the Faculdade de Saúde Pública of Universidade de São Paulo, and all ethical and legal precepts were observed.

RESULTS

The participants were mainly women (59.7%), the mean age was 67.7 years old (DP = 7.7), one quarter were ≥ 75 years old (25.2%), most of them reported White race/skin color (59.8%), low income (81%) and never having smoked (63.4%) ( Table 1 ).

Table 1. Characterization of the participants in the study. São Paulo, Brazil, 2015.

Variables n (%) a
Gender  
Female 632 (59.7)
Male 387 (40.3)
Age  
60–64 years old 310 (30.9)
65–69 years old 263 (26.2)
70–74 years old 185 (17.5)
≥ 75 years old 261 (25.2)
Race/Skin color  
Black 134 (11.9)
Mixed-race 263 (23.7)
White 571 (59.8)
Asian 39 (4.3)
Smoking habit  
Former smoker 249 (24.5)
Never smoked 644 (63.4)
Smoker 124 (12.3)
Consumer price index  
A (high income) 176 (23.6)
B (low income) 749 (76.4)
Open in a new tab

a Number of respondents without weighting.

The overall prevalence of multimorbidity was estimated at 40% (95%CI: 36.6–43.8), being significantly higher among women (49.1%; 95%CI: 44.7–54.0; p < 0.001), those aged ≥ 75 years old (45.1%; 95%CI: 37.6–54.0; p = 0.036) and in former smokers (44.3%; 95%CI: 38.2–51.5; p = 0.002) ( Table 2 ).

Table 2. Prevalence of multimorbidity in older adults, according to independent variables. São Paulo, Brazil, 2015.

Variables (95%CI) p
Gender   < 0.001
Female 49.1 (44.7–54.0)  
Male 26.5 (22.1–31.8)  
Age   0.036
60–64 years old 34.4 (29.0–40.9)  
65–69 years old 40.5 (34.7–47.2)  
70–74 years old 42.0 (34.6–51.1)  
≥ 75 years old 45.1 (37.6 – 54.0)  
Race/Skin color   0.591
Black 46.3 (38.5–55.8)  
Mixed-race 41.3 (34.8–48.9)  
White 38.5 (33.9–43.6)  
Asian 37.8 (24.0–59.4)  
Smoking habit   0.002
Former smoker 44.3 (38.2–51.5)  
Never smoked 41.3 (36.9–46.1)  
Smoker 25.6 (18.9–34.4)  
Consumer price index   0.149
High income 43.5 (36.8–51.4)  
Low income 38.1 (34.5–42.2)  
Open in a new tab

95%CI: 95% confidence interval.

The univariate analysis, which analyzed multimorbidity without adjusting the independent variables, showed that being a woman (PR = 1.85 [compared to men]; 95%CI: 1.52–2.25), ≥ 75 years old (PR = 1.30 [compared to individuals aged ≥ 60 to 64 years old]; 95%CI: 1.01–2.68) and being a smoker (PR = 0.62; 95%CI: 0.45–0.84) were significantly associated. Except for this last condition that reduced multimorbidity by 38%, the first two increased it by 85% and 30%, respectively ( Table 3 ).

Table 3. Prevalence ratio of multimorbidity in older adults, according to independent variables in an unadjusted univariate model. São Paulo, Brazil, 2015.

Variables Univariate analysis
PR 95%CI p
Gender (ref. male)      
Female 1.85 1.52–2.25 < 0.001
Age (ref. 60–64 years old)      
65–69 years old 1.18 0.94–1.46 0.147
70–74 years old 1.22 0.93–1.59 0.137
≥ 75 years old 1.30 1.01–1.68 0.035
Race/Skin color (ref. White)      
Asian 0.98 0.63–1.53 0.938
Mixed-race 1.07 0.87–1.32 0.519
Black 1.20 0.97–1.48 0.078
Smoking habit (ref. never smoked)      
Currently smokes 0.62 0.45–0.84 0.002
Former smoker 1.07 0.89–1.29 0.457
Consumer price index (ref. low income)      
High income 1.14 0.96–1.35 0.139
Open in a new tab

PR: prevalence ratio; 95%CI: 95% confidence interval.

We adjusted multimorbidity for the independent variables in the multiple analysis. The outcome was statistically associated with gender, age, race/skin color, smoking habit and income in this model. Its estimate increased in all frameworks up to: 95% in women (PR a = 1.95 [compared to men]; 95%CI: 1.58–2.40), 25% in individuals aged ≥ 75 years old (PR a = 1.25 [compared to individuals aged ≥ 60 to 64 years old]; 95%CI: 1.01–1.60), 28% in Black people (PR a = 1.28 [compared to White people]; 95%CI: 1.04–1.59), 27% in high-income individuals (PR a = 1.27 [compared to low income]; 95%CI: 1.09–1.50) and 30% in former smokers (PR a = 1.30 [compared to those who never smoked]; 95%CI: 1.05–1.60). Except for being a smoker, which reduced the prevalence of multimorbidity by 28% (PR a = 0.72 [compared to those who never smoked]; 95%CI: 1.09–1.50) ( Table 4 ).

Table 4. Prevalence ratio of multimorbidity in older adults, according to independent variables in adjusted multiple. São Paulo, Brazil, 2015.

Variables Multiple analysis
RP a 95%CI p
Gender (ref. male)      
Female 1.95 1.58–2.40 < 0.001
Age (ref. 60-64 years old)      
65–69 years old 1.19 0.95–1.51 0.132
70–74 years old 1.19 0.89–1.59 0.231
≥ 75 years old 1.25 1.01–1.60 0.042
Race/Skin color (ref. White)      
Asian 0.98 0.66–1.44 0.922
Mixed-race 1.16 0.95–1.41 0.129
Black 1.28 1.04–1.59 0.022
Smoking habit (ref. never smoked)      
Currently smokes 0.72 0.53–0.99 0.044
Former smoker 1.30 1.05–1.60 0.014
Consumer price index (ref. low income)      
High income 1.27 1.09–1.50 0.003
Open in a new tab

PR a: adjusted prevalence ratio; 95%CI: 95% confidence interval.

DISCUSSION

The prevalence of multimorbidity in older adults in the city of São Paulo, estimated at 40% (95%CI: 36.6–43.8), differs from most findings for this age group in other locations in Brazil, whose estimates ranged from 23.7% to 81.3% 5 , 8 , 16 . These differences are partly due to the definition and measurement criteria used in this and other studies 3 . Evidence shows that the heterogeneity of these methods reaches more than 90%, mainly related to the composition of the outcome 4 .

Despite the cutoff point of two or more chronic diseases, the multimorbidity estimate in the reviewed studies followed different previously defined lists in which some included conditions that although they did not represent illness, they were overestimated 5 . We chose to exclude acute conditions, risk factors or phenotypic characteristics such as high cholesterol, back pain, rhinitis, sinusitis and tendinitis. This methodological option certainly penalized the proposed models and may have affected the performed estimates.

Moreover, the definition of older adults from 50 years old instead of 60 years old, the sample design without population base and the different research scenarios may have contributed to the difference between our findings and other studies. However, the factors that changed more or less the estimates of the outcome showed consistency. This is related to the aspects usually associated with chronic diseases, such as gender, age, socioeconomic status, race/skin color and smoking habit, which are essential to study the magnitude and distribution of outcome 6 .

Regarding gender, the prevalence of multimorbidity in women was 95% (PR a = 1.95; 95%CI: 1.58–2.40), which is higher than the estimate measured among men. Women are in a better situation compared to men in some indicators, as evidenced by the number of inmates, victims of homicides and traffic accidents, HIV infection and homeless people. The opposite is expected with multimorbidity, because this and other studies showed significant disadvantage 5 . Three interrelated factors can explain this: greater opportunity for diagnosis, higher prevalence of chronic diseases and survival bias.

Seeking and using health care services, which is related to access and greater perception about physical signs and clinical symptoms of illness, enabling the diagnosis; higher prevalence of chronic diseases, regardless of the age factor; and the disadvantage over the so-called surviving men, those who reach old age with health despite the high risk of death in young and old age. These are factors that may explain, with greater or lesser plausibility, why multimorbidity is more prevalent in women.

Regarding age, the prevalence of multimorbidity increases simultaneously with age, as a response pattern. The indicator increased 25% for those aged ≥ 75 years old compared to individuals aged 60 to 64 years old (PR a = 1.25; 95%CI: 1.01–1.60). Age is the risk factor usually associated with the coexistence of multiple chronic conditions in older adults, which is why all reviewed multimorbidity models explore it 7 . The consistency of data on aging indicates a global challenge due to the increasing age structure 22 worldwide, especially for the Brazilian context.

The association between race/skin color and multimorbidity showed that being Black increased the prevalence of this condition by 28% (PR a = 1.28; 95%CI: 1.04–1.59), compared to White individuals. The individuals’ social conditions during their lives can explain this association, increasing the vulnerability of Black people to unfavorable outcomes in old age 23 . Despite the controversy in certain contexts, genetic information does not explain all biological events and may have little predictive value for multimorbidity, as observed for some isolated chronic diseases, such as cardiovascular 24 .

A prospective analysis with 19,000 initially healthy women recorded incidences such as infarction and stroke 24 . The genetic information measured by scores with all potential polymorphisms associated with cardiovascular conditions did not remain an independent predictor when phenotypic aspects such as cholesterol, blood pressure, blood glucose, were not controlled. Moreover, we verified that family history had better predictive power because it reflects behavioral, environmental and social similarities among family members, which agrees with the explanatory model we used to analyze the association between race/skin color and multimorbidity, which is based on the social determination of the disease instead of genetic determinism 24 .

The higher prevalence of multimorbidity in women, older adults and Black people, agrees with the compared literature. Nevertheless, the high-income class showed a 27% increase in outcome higher than the consumer price index, a socioeconomic proxy used in this study (PR a = 1.27; 95%CI: 1.09–1.50), compared to the low-income class. Although present in the literature 5 , 25 , 26 , it differs to some extent from other reviewed studies in which there is an inversely proportional pattern between income and the number of chronic conditions. That is, low-income individuals showed higher multimorbidity 8 , 27 , 28 .

The higher prevalence of multimorbidity in wealthier individuals may be related to at least two factors: the differences between socioeconomic indicators used in studies from different countries and in different locations of the same country and, mainly, to the organization of health care systems, whose greater or lesser influence of organizational, cultural and/or financial barriers of the health care systems worldwide limit or favor access to services and the opportunity to diagnosis. Although the Brazilian Unified Health System includes great part of the population, coverage remains unequal. This may explain why studies sometimes indicate higher estimate of the outcome among the wealthiest 5 , and sometimes among the poorest 8 .

We verified that former smokers showed higher prevalence of multimorbidity of 30% (PR a = 1.30; 95%CI: 1.05–1.60), compared to those who never smoked. We cannot establish what occurred first based on the studied data, whether smoking cessation or multimorbidity. However, studies reported similar findings 5 , 29 , 10 and reinforce the hypothesis that the diagnosis of chronic diseases can lead to smoking cessation. The fact that the estimated outcome was significantly lower among smokers (PR a = 0.72; 95%CI: 1.09–1.50) reinforces this hypothesis. Possibly because being affected by these diseases leads to greater contact with health care providers and greater exposure to educational interventions, which contribute to smoking cessation. This partially differs from what usually occurs with individuals who perceive themselves healthy or do not have any clinical diagnosis and, for this reason, support the smoking habit.

As limitations of the study, we did not advance in the usual patterns of occurrence of multimorbidity, its effect on the older adults’ functionality, on the use and costs of health care services, which future studies can better assess. Difficulties inherent to its cross-sectional nature, which do not allow to associate cause and effect, may have hindered some analyses. Furthermore, our results are based on self-reported data on illness, therefore, they were greatly or less influenced by memory bias and by the opportunity of diagnosis at health care services between different socioeconomic groups. The difference between conceptual and methodological aspects between this and other studies compromises the comparisons.

The value of this study is due to being the first to show the prevalence of multimorbidity in older adults in São Paulo, the largest city in Latin America. We emphasize the need of a conceptual effort and standardization of methodologies for comparison, especially regarding the number and chronic diseases previously defined. The consistency in the factors associated with the outcome is related to the aspects usually associated with chronic diseases, such as gender, age, socioeconomic status, race/skin color and smoking habit, and may guide studies on their population distribution. Finally, regarding the apparently contradictory data, the higher prevalence of the outcome among the wealthiest and former smokers is sometimes related to the construction of the socioeconomic indicator, sometimes to the inaccessibility to diagnosis among the poorest, and to multimorbidity presumably leading to smoking cessation.

Funding Statement

Funding: Secretaria Municipal da Saúde de São Paulo (Process 0.235.936-0/2013).

Footnotes

Funding: Secretaria Municipal da Saúde de São Paulo (Process 0.235.936-0/2013).

REFERENCES

  • 1.1. Marengoni A, Angleman S, Melis R, Mangialasche F, Karp A, Garmen A, et al. Aging with multimorbidity: a systematic review of the literature. Ageing Res Rev. 2011;10(4):430-9. 10.1016/j.arr.2011.03.003 [DOI] [PubMed]
  • 2.2. Johnston MC, Crilly M, Black C, Prescott GJ, Mercer SW. Defining and measuring multimorbidity: a systematic review of systematic reviews. Eur J Public Health. 2019;29(1):182-9. 10.1093/eurpub/cky098 [DOI] [PubMed]
  • 3.3. Harrison C, Britt H, Miller G, Henderson J. Examining different measures of multimorbidity, using a large prospective cross-sectional study in Australian general practice. BMJ Open. 2014;4(7):e004694. 10.1136/bmjopen-2013-004694 [DOI] [PMC free article] [PubMed]
  • 4.4. Valderas JM, Starfield B, Sibbald B, Salisbury C, Roland M. Defining comorbidity: implications for understanding health and health services. Ann Fam Med. 2009;7(4):357-63. 10.1370/afm.983 [DOI] [PMC free article] [PubMed]
  • 5.5. Nunes BP, Batista SRR, Andrade FB, Souza Junior PRB, Lima-Costa MF, Facchini LA. Multimorbidity: The Brazilian Longitudinal Study of Aging (ELSI-Brazil). Rev Saude Publica. 2018;52 Suppl 2:10s. 10.11606/S1518-8787.2018052000637 [DOI] [PMC free article] [PubMed]
  • 6.6. Barnett K, Mercer SW, Norbury M, Watt G, Wyke S, Guthrie B. Epidemiology of multimorbidity and implications for health care, research, and medical education: a cross-sectional study. Lancet. 2012;380(9836):37-43. https://doi.org/10.1016/S0140-6736 (12)60240-2 [DOI] [PubMed]
  • 7.7. Violan C, Foguet-Boreu Q, Flores-Mateo G, Salisbury C, Blom J, Freitag M, et al. Prevalence, determinants and patterns of multimorbidity in primary care: a systematic review of observational studies. PLoS One. 2014;9(7):e102149. 10.1371/journal.pone.0102149 [DOI] [PMC free article] [PubMed]
  • 8.8. Nunes BP, Thumé E, Facchini LA. Multimorbidity in older adults: magnitude and challenges for the Brazilian health system. BMC Public Health. 2015;15:1172. 10.1186/s12889-015-2505-8 [DOI] [PMC free article] [PubMed]
  • 9.9. Kalgotra P, Sharda R, Croff JM. Examining multimorbidity differences across racial groups: a network analysis of electronic medical records. Sci Rep. 2020;10:13538. 10.1038/s41598-020-70470-8 [DOI] [PMC free article] [PubMed]
  • 10.10. Zaitune MPA, Barros MBA, Lima MG, César CLG, Carandina L, Goldbaum M, et al. Fatores associados ao tabagismo em idosos: Inquérito de Saúde no Estado de São Paulo (ISA-SP). Cad Saude Publica 2012;28(3):583-95. 10.1590/S0102-311X2012000300018 [DOI] [PubMed]
  • 11.11. Nunes BP, Flores TR, Mielke GI, Thumé E, Facchini LA. Multimorbidity and mortality in older adults: a systematic review and meta-analysis. Arch Gerontol Geriatr. 2016;67:130-8. 10.1016/j.archger.2016.07.008 [DOI] [PubMed]
  • 12.12. Salisbury C. Multimorbidity: redesigning health care for people who use it. Lancet. 2012;380(9836):7–9. 10.1016/S0140-6736(12)60482-6 [DOI] [PubMed]
  • 13.13. Xu XW, Wu XX, Jiang XG, Xu KJ, Ying LJ, Ma CL, et al. Clinical findings in a group of patients infected with the 2019 novel coronavirus (SARS-Cov-2) outside of Wuhan, China: retrospective case series. BMJ. 2020;368:m606. 10.1136/bmj.m606 [DOI] [PMC free article] [PubMed]
  • 14.14. Wong SYS, Zhang D, Sit RWS, Yip BHK, Chung RY, Wong CKM, et al. Impact of COVID-19 on loneliness, mental health, and health service utilisation: a prospective cohort study of older adults with multimorbidity in primary care. Br J Gen Pract. 2020;70(700):e817-24. 10.3399/bjgp20X713021 [DOI] [PMC free article] [PubMed]
  • 15.15. Almeida PF, Medina MG, Fausto MCR, Giovanella L, Bousquat A, Mendonça MHM. Coordenação do cuidado e Atenção Primária à Saúde no Sistema Único de Saúde. Saude Debate. 2018;42 Nº Epec 1:244-60. 10.1590/0103-11042018s116 [DOI]
  • 16.16. Almeida MGN, Nascimento-Souza MA, Lima-Costa MF, Peixoto SV. Lifestyle factors and multimorbidity among older adults (ELSI-Brazil). Eur J Ageing. 2020;17(4):521-9. 10.1007/s10433-020-00560-z [DOI] [PMC free article] [PubMed]
  • 17.17. Melo LA, Lima KC. Prevalência e fatores associados a multimorbidades em idosos brasileiros. Cienc Saude Colet. 2020;25(10):3869-77. 10.1590/1413-812320202510.34492018 [DOI] [PubMed]
  • 18.18. Nunes B, Souza AS, Nogueira J, Andrade F, Thumé E, Teixeira D, et al. Envelhecimento, multimorbidade e risco para COVID-19 grave: ELSI-Brasil. Scielo Preprints. 2020 [postado 6 mar 2020]. 10.1590/SciELOPreprints.703 [DOI]
  • 19.19. Leite BC, Oliveira-Figueiredo DST, Rocha FL, Nogueira MF. Multimorbidity due to chronic noncommunicable diseases in older adults: a population-based study. Rev Bras Geriatr Gerontol. 2019;22(6):e190253. 10.1590/1981-22562019022.190253 [DOI]
  • 20.20. Alves MCGP, Escuder MML, Goldbaum M, Barros MBA, Fisber RM, César CLG. Plano de amostragem em inquéritos de saúde, município de São Paulo, 2015. Rev Saude Publica. 20218;52:81. 10.11606/S1518-8787.2018052000471 [DOI]
  • 21.21. Nguyen H, Manolova G, Daskalopoulou C, Vitoratou S, Prince M, Prina AM. Prevalence of multimorbidity in community settings: a systematic review and meta-analysis of observational studies. J Comorb. 2019;9:2235042X19870934. 10.1177/2235042X19870934 [DOI] [PMC free article] [PubMed]
  • 22.22. Vollset SE, Goren E, Yuan CW, Cao J, Smith AE, Hsiao T, et al. Fertility, mortality, migration, and population scenarios for 195 countries and territories from 2017 to 2100: a forecasting analysis for the Global Burden of Disease Study. Lancet. 2020;396(10258):1285-306. https://doi.org/10.1016/S0140-6736 (20)30677-2 [DOI] [PMC free article] [PubMed]
  • 23.23. Francisco PMSB, Segri NJ, Borim FSA, Malta DC. Prevalence of concomitant hypertension and diabetes in Brazilian older adults: individual and contextual inequalities. Cienc Saude Colet. 2018;23(11):3829-40. 10.1590/1413-812320182311.29662016 [DOI] [PubMed]
  • 24.24. Paynter NP, Chasman DI, Paré G, Buring JE, Cook NR, Miletich JP, et al. Association between a literature-based genetic risk score and cardiovascular events in women. JAMA. 2010;303(7):631-7. 10.1001/jama.2010.119 [DOI] [PMC free article] [PubMed]
  • 25.25. Vellakkal S, Subramanian SV, Millett C, Basu S, Stuckler D, Ebrahim S. Socioeconomic inequalities in non-communicable diseases prevalence in India: disparities between self-reported diagnoses and standardized measures. PLoS One. 2013;8(7):e68219. 10.1371/journal.pone.0068219 [DOI] [PMC free article] [PubMed]
  • 26.26. Mackenbach JP, Looman CW, Meer JB. Differences in the misreporting of chronic conditions, by level of education: the effect on inequalities in prevalence rates. Am J Public Health. 1996;86(5):706-11. 10.2105/AJPH.86.5.706 [DOI] [PMC free article] [PubMed]
  • 27.27. Nunes BP, Chiavegatto Filho ADP, Pati S, Teixeira DSC, Flores TR, Camargo-Figuera FA, et al. Contextual and individual inequalities of multimorbidity in Brazilian adults: a cross-sectional national-based study. BMJ Open. 2017;7(6):e015885. 10.1136/bmjopen-2017-015885 [DOI] [PMC free article] [PubMed]
  • 28.28. Dalstra JAA, Kunst AE, Borrell C, Breeze E, Cambois E, Costa G, et al. Socioeconomic differences in the prevalence of common chronic diseases: an overview of eight European countries. Int J Epidemiol. 2005;34(2):316-26. 10.1093/ije/dyh386 [DOI] [PubMed]
  • 29.29. Marinho V, Blay SL, Andreoli SB, Gastal F. A prevalence study of current tobacco smoking in later life community and its association with sociodemographic factors, physical health and mental health status. Soc Psychiatry Psychiatr Epidemiol 2008;43(6):490. 10.1007/s00127-008-0338-9 [DOI] [PubMed]
Rev Saude Publica. 2022 Jul 21;56:69. [Article in Portuguese]

Prevalência de multimorbidade em idosos em São Paulo, Brasil: um estudo com o ISA-Capital

Kaio Keomma I, Aylene Bousquat II, Chester Luiz Galvão César III

RESUMO

OBJETIVO

Estimar a prevalência de multimorbidade em idosos em São Paulo, Brasil.

MÉTODOS

Estudo transversal, aninhado ao inquérito de base populacional ISA-Capital, de 2015, com sub amostra de 1.019 idosos com 60 anos ou mais. A multimorbidade foi categorizada considerando duas ou mais doenças crônicas, a partir de uma lista previamente definida. Os dados foram analisados em modelos univariado e múltiplo com a regressão de Poisson.

RESULTADOS

A prevalência de multimorbidade foi de 40% (IC95% 36,6–43,8), sendo maior nas mulheres (RP a = 1,95 [comparado com homens]; IC95% 1,58–2,40), nos indivíduos com 75 anos ou mais (RP a = 1,25 [comparado com indivíduos de 60 a 64 anos]; IC95% 1,01–1,60), nos pretos (RP a = 1,28 [comparado com brancos]; IC95% 1,04–1,59), nas pessoas de alta renda (RP a = 1,27 [comparado com baixa renda]; IC95% 1,09–1,50) e nos ex-fumantes (RP a = 1,30 [comparado com quem nunca fumou]; IC95% 1,05–1,60) e menor nos que se declararam fumantes (RP a = 0,72 [comparado com quem nunca fumou]; IC95% 1,09–1,50).

CONCLUSÕES

A prevalência de multimorbidade foi inferior à reportada na maioria dos estudos revisados, mas há consistência sobre sua associação com sexo, idade, cor da pele, tabagismo e nível socioeconômico. A padronização de critérios conceituais e metodológicos para a sua estimação é um desafio para mitigar problemas no planejamento e gestão de sistemas de saúde para populações cada vez mais envelhecidas.

Keywords: Idoso, Multimorbidade, Prevalência, Fatores de Risco, Inquéritos Epidemiológicos

INTRODUÇÃO

Multimorbidade é a coexistência de múltiplas doenças crônicas em um mesmo indivíduo 1 . É amplamente reportada considerando duas afecções 2 , mas não há consenso em sua conceituação e tampouco sobre os métodos mais adequados para estimá-la – que incluem de contagens simples por indivíduo a sistemas sofisticados de classificação para a medição da carga de morbidade 3 , o que resulta em uma ampla variabilidade de estimativas e associações 4 .

A multimorbidade é um importante problema no quadro sanitário nacional e internacional 5 . Achados dão conta de que a sua prevalência alcança mais da metade dos idosos 6 , sendo maior em mulheres 7 , indivíduos mais pobres e moradores de zona urbana 8 , pretos 9 e ex-fumantes 10 , com importante impacto na mortalidade 11 , 12 . Isso tornou-se mais evidente, por exemplo, com a covid-19 (SARS-Cov-2), em que pacientes crônicos e com multimorbidade representavam até 72% dos pacientes internados em unidades de terapia intensiva em algumas localidades 13 . Há maior vulnerabilidade desses indivíduos durante a pandemia 14 e o desconhecimento deste indicador em várias localidades e o maior alinhamento dos serviços para condições agudas, restrição às consultas e procedimentos eletivos, dentre outras, pode contribuir para isso.

A multimorbidade tem repercutido de forma relevante em indicadores como hospitalizações sucessivas, internações prolongadas, polifarmácia, uso simultâneo de vários serviços de diferentes níveis de densidade tecnológica, custo assistencial e principalmente na coordenação do cuidado, porquanto requer uma multiplicidade de pessoas e serviços envolvidos na provisão do cuidado 15 . Compreender essas e outras questões é central para o sistema de saúde e passa necessariamente pelo conhecimento sobre a sua magnitude e distribuição. Contudo, pesquisas que estimaram a prevalência de multimorbidade são incipientes no Brasil, especialmente com amostras representativas 5 , 8 , 16 .

O presente artigo pretende contribuir para preencher parte da lacuna em estudos sobre multimorbidade de base populacional na literatura brasileira, oferecendo mais subsídio à crítica e ao debate, com a disponibilização de evidências para a comunidade de pesquisadores, gestores e a sociedade. Diante disso, o objetivo deste artigo é analisar a prevalência de multimorbidade em idosos na cidade de São Paulo, Brasil.

MÉTODOS

Estudo transversal, com 1.019 idosos com 60 anos ou mais participantes do inquérito de saúde ISA-Capital, pesquisa de base populacional da cidade de São Paulo, Brasil, realizada em 2015.

A amostragem do estudo original ocorreu por metodologia complexa e probabilística, com sorteios de setores censitários e domicílios. Foram considerados dois domínios, geográfico e demográfico, contemplando, respectivamente, as coordenadorias regionais de saúde (Centro-Oeste, Leste, Norte, Sudeste e Sul) e diferentes grupos etários (adolescentes 12 a 19 anos de idade, homens adultos 20 a 59 anos, mulheres adultas 20 a 59 anos e homens e mulheres de 60 anos ou mais). Considerou-se a expressão algébrica n = p . 1-p/d/z2deff . deff , na qual: n é o tamanho da amostra, p é o parâmetro a ser estimado, z = 1,96 é o valor na curva normal reduzida referente ao nível de confiança de 95% dos intervalos de confiança, d é erro e deff é o efeito do delineamento 20 .

Os participantes foram recrutados considerando os critérios de inclusão: estar dentro das faixas-etárias contempladas, residir na zona urbana e em domicílios particulares de forma permanente. Foram excluídas as pessoas em situação de rua ou residentes em instituições. A taxa de não-resposta em virtude de domicílios vagos, fechados, com recusa ou com morador incapacitado de responder foi observada. Para que um número mínimo de entrevistas fosse alcançado na presença de potencial perda, foi planejada a inclusão de uma amostra maior do que o necessário. Com isso, o número almejado de entrevistas com os participantes foi atingido 20 .

As variáveis consideradas incluíram: sexo (masculino/feminino); idade em anos completos (60–64, 65–69, 70–74, 75 anos ou mais); cor da pele (branca, preta, parda e amarela); índice de bens, que foi considerado um proxy de nível socioeconômico, tendo como base o Critério de Classificação Econômica Brasil (CCEB), dicotomizado em categorias alta renda (congregando estratos originalmente classificados como A1, A2 e B1) e baixa renda (para estratos B2, C1 e C2, D, E); tabagismo (nunca fumou, ex-fumante, fumante); e multimorbidade, aferida por meio da contagem de duas ou mais morbidades autorreferidas a partir de uma lista previamente elaborada 7 .

Para composição da multimorbidade, foram consideradas 10 doenças crônicas disponíveis no estudo de base: hipertensão arterial sistêmica, diabetes mellitus tipo 2, osteoporose, artrite/reumatismo, acidente vascular encefálico, infarto agudo do miocárdio, doença pulmonar obstrutiva crônica (DPOC), neoplasia, alzheimer e parkinson. Foram excluídas condições que representam afecções agudas, fatores de risco ou características fenotípicas como colesterol alto, dor nas costas, rinite, sinusite e tendinite. Embora não haja apenas uma definição dessa variável que possa ser amplamente aceita 21 , principalmente no que se refere ao número e as condições incluídas, a estratégia utilizada é consistente com a literatura revisada, porquanto contempla múltiplos sistemas corporais e agrupamentos em torno de distúrbios cardiovasculares, metabólicos e musculoesqueléticos 7 .

A análise dos dados foi operacionalizada com o módulo Survey do programa Stata, versão 14.0, para dados obtidos em amostras complexas. Estimou-se a prevalência de multimorbidade, geral e segundo as variáveis sexo, idade, cor da pele, tabagismo e índice de bens, incluindo o cálculo de proporção de ocorrência (%), intervalo de confiança de 95% (IC95%) e valor de p pelo teste de qui-quadrado de Pearson. Modelos univariado (não ajustado) e múltiplo (ajustado) foram propostos para avaliar a variação na prevalência de multimorbidade, variável desfecho e as demais variáveis independentes, com a regressão de Poisson. Foram obtidas as razões de prevalência bruta (RP) e ajustada (RP a ) e IC95%. Associações que apresentaram IC95% sem incluir a nulidade (RP = 1,00) e valor de p < 0,05 foram consideradas estatisticamente significativas.

Para fins de inferência estatística, todas as análises realizadas – obtenção de proporções, intervalos de confiança e testes – foram ponderadas com o peso final dos participantes, calculado considerando: (1) Peso de delineamento, que leva em conta as frações de amostragem das duas etapas de sorteio, a de setor censitário e a de domicílio; (2) Ajuste de não resposta, que leva em conta as taxas de resposta observadas; (3) Pós-estratificação, que ajusta a distribuição da amostra por sexo, faixa etária local de residência, de acordo com a distribuição da população do cenário de estudo estimada para o ano da pesquisa.

O ISA-SP foi aprovado pelo comitê de ética e pesquisa da Faculdade de Saúde Pública da Universidade de São Paulo e todos os preceitos éticos e legais foram observados.

RESULTADOS

Os participantes do estudo eram predominantemente mulheres (59,7%), a média de idade foi de 67,7 anos (DP = 7,7), um quarto estava com 75 anos ou mais (25,2%), a maioria referiu cor de pele branca (59,8%), baixa renda (81%) e nunca ter fumado (63,4%) ( Tabela 1 ).

Tabela 1. Caracterização dos participantes do estudo. São Paulo, Brasil, 2015.

Variáveis n (%) a
Sexo  
Feminino 632 (59,7)
Masculino 387 (40,3)
Idade  
60–64 anos 310 (30,9)
65–69 anos 263 (26,2)
70–74 anos 185 (17,5)
≥ 75 anos 261 (25,2)
Cor da pele  
Preta 134 (11,9)
Parda 263 (23,7)
Branca 571 (59,8)
Amarela 39 (4,3)
Tabagismo  
Ex-fumante 249 (24,5)
Nunca fumou 644 (63,4)
Fumante 124 (12,3)
Índice de bens  
A (alta renda) 176 (23,6)
B (baixa renda) 749 (76,4)
Open in a new tab

a Número de entrevistados sem ponderação.

A prevalência geral de multimorbidade foi estimada em 40% (IC95% 36,6–43,8), sendo significativamente maior entre as mulheres (49,1%; IC95% 44,7–54,0; p < 0,001), na faixa-etária de 75 anos ou mais (45,1%; IC95% 37,6–54,0; p = 0,036) e em ex-fumantes (44,3%; IC95% 38,2–51,5; p = 0,002) ( Tabela 2 ).

Tabela 2. Prevalência de multimorbidade em idosos, segundo variáveis independentes. São Paulo, Brasil, 2015.

Variáveis (IC95%) p
Sexo   < 0,001
Feminino 49,1 (44,7–54,0)  
Masculino 26,5 (22,1–31,8)  
Idade   0,036
60–64 anos 34,4 (29,0–40,9)  
65–69 anos 40,5 (34,7–47,2)  
70–74 anos 42,0 (34,6–51,1)  
≥ 75 45,1 (37,6 – 54,0)  
Cor da pele   0,591
Preta 46,3 (38,5–55,8)  
Parda 41,3 (34,8–48,9)  
Branca 38,5 (33,9–43,6)  
Amarela 37,8 (24,0–59,4)  
Tabagismo   0,002
Ex-fumante 44,3 (38,2–51,5)  
Nunca fumou 41,3 (36,9–46,1)  
Fumante 25,6 (18,9–34,4)  
Índice de bens   0,149
Alta renda 43,5 (36,8–51,4)  
Baixa renda 38,1 (34,5–42,2)  
Open in a new tab

IC95%: intervalo de confiança de 95%.

Na análise univariada, na qual a multimorbidade foi analisada sem ajuste para as variáveis independentes, ser mulher (RP = 1,85 [comparado com homens]; IC95% 1,52–2,25), ter 75 anos ou mais (RP = 1,30 [comparado com indivíduos de 60 a 64 anos]; IC95% 1,01–2,68) e ser fumante (RP = 0,62; IC95% 0,45–0,84) apresentaram associação significativa. Com exceção desta última condição que reduziu a multimorbidade em 38%, os dois primeiros a elevaram em 85% e 30%, respectivamente ( Tabela 3 ).

Tabela 3. Razão de prevalência de multimorbidade em idosos, segundo variáveis independentes em modelo univariado não-ajustado. São Paulo, Brasil, 2015.

Variáveis Análise univariada
RP IC95% p
Sexo (ref. masculino)      
Feminino 1,85 1,52–2,25 < 0,001
Idade (ref. 60–64 anos)      
65–69 anos 1,18 0,94–1,46 0,147
70–74 anos 1,22 0,93–1,59 0,137
≥ 75 anos 1,30 1,01–1,68 0,035
Cor da pele (ref. branca)      
Amarela 0,98 0,63–1,53 0,938
Parda 1,07 0,87–1,32 0,519
Preta 1,20 0,97–1,48 0,078
Tabagismo (ref. nunca fumou)      
Fuma atualmente 0,62 0,45–0,84 0,002
Ex-fumante 1,07 0,89–1,29 0,457
Índice de bens (ref. baixa renda)      
Alta renda 1,14 0,96–1,35 0,139
Open in a new tab

RP: razão de prevalência; IC95%: intervalo de confiança de 95%.

Na análise múltipla a multimorbidade foi ajustada para o conjunto de variáveis independentes. Nesse modelo, o desfecho esteve estatisticamente associado a sexo, idade, cor de pele, tabagismo e renda. A sua estimativa aumentou em todos os recortes considerados, a patamares de: 95% em mulheres (RP a = 1,95 [comparado com homens]; IC95% 1,58–2,40), 25% em indivíduos de 75 anos ou mais (RP a = 1,25 [comparado com indivíduos de 60 a 64 anos]; IC95% 1,01–1,60), 28% em pretos (RP a = 1,28 [comparado com brancos]; IC95% 1,04–1,59), 27% em indivíduos de alta renda (RP a = 1,27 [comparado com baixa renda]; IC95% 1,09–1,50) e 30% em ex-fumantes (RP a = 1,30 [comparado com quem nunca fumou]; IC95% 1,05–1,60). Exceção se fez a ser fumante, aspecto que reduziu a prevalência de multimorbidade em 28% (RP a = 0,72 [comparado com quem nunca fumou]; IC95% 1,09–1,50) ( Tabela 4 ).

Tabela 4. Razão de prevalência de multimorbidade em idosos, segundo variáveis independentes em múltiplo ajustado. São Paulo, Brasil, 2015.

Variáveis Análise múltipla
RP a IC95% p
Sexo (ref. masculino)      
Feminino 1,95 1,58–2,40 < 0,001
Idade (ref. 60-64 anos)      
65–69 anos 1,19 0,95–1,51 0,132
70–74 anos 1,19 0,89–1,59 0,231
≥ 75 anos 1,25 1,01–1,60 0,042
Cor da pele (ref. branca)      
Amarela 0,98 0,66–1,44 0,922
Parda 1,16 0,95–1,41 0,129
Preta 1,28 1,04–1,59 0,022
Tabagismo (ref. nunca fumou)      
Fuma atualmente 0,72 0,53–0,99 0,044
Ex-fumante 1,30 1,05–1,60 0,014
Índice de bens (ref. baixa renda)      
Alta renda 1,27 1,09–1,50 0,003
Open in a new tab

RP a: razão de prevalência ajustada; IC95%: intervalo de confiança de 95%.

DISCUSSÃO

A prevalência de multimorbidade em idosos na cidade de São Paulo, estimada em 40% (IC95% 36,6–43,8), não é similar à maioria dos achados para essa faixa etária encontrados em outras localidades do Brasil, cujas estimativas variaram enormemente de 23,7% a 81,3% 5 , 8 , 16 . Essas diferenças decorrem, em parte, dos critérios de definição e mensuração, utilizados neste e em outros estudos 3 . Evidências apontam que a heterogeneidade desses métodos alcança patamares superiores a 90%, principalmente relacionadas à composição do desfecho 4 .

Sobre o exposto, embora com ponto de corte de duas ou mais doenças crônicas, a estimação da multimorbidade nos estudos revisados foi orientada por diferentes listagens previamente definidas, em algumas das quais foram incluídas condições que embora não representem adoecimento, a superestimaram 5 . Nesta pesquisa, contudo, optou-se por excluir condições que representam afecções agudas, fatores de risco ou características fenotípicas como colesterol alto, dor nas costas, rinite, sinusite e tendinite. Essa opção metodológica decerto penalizou os modelos propostos e pode ter impactado as estimações realizadas.

Ademais, a definição de idosos a partir de 50 anos e não 60 anos, o delineamento de amostras sem base populacional e os distintos cenários de pesquisa também podem ter contribuído, ainda que presumivelmente, para a diferença entre os achados deste e dos demais estudos. Houve, porém, certa consistência nos fatores que alteraram para mais ou para menos as estimações do desfecho. Isso decerto está relacionado aos aspectos mais comumente associados às próprias doenças crônicas como o sexo, a idade, o nível socioeconômico, a cor da pele e o tabagismo que possuem importância para o estudo da magnitude e distribuição do desfecho 6 .

Em relação ao sexo verificou-se que a prevalência de multimorbidade em mulheres foi 95% (RP a = 1,95; IC95% 1,58–2,40) superior quando comparado à estimativa aferida entres os homens. É verdade que, para alguns indicadores, indivíduos do sexo feminino estão em melhor situação quando comparados aos do sexo masculino, como fica evidente em números de encarcerados, vítimas de homicídios e de acidentes de trânsito, infecção pelo HIV e pessoas em situação de rua. Com a multimorbidade espera-se o oposto, porquanto neste e em outros estudos demonstrou-se expressiva desvantagem 5 . Isso pode ser explicado por ao menos três fatores interrelacionados: maior oportunidade de diagnóstico, maior prevalência de doenças crônicas e viés de sobrevida.

Procurar e utilizar mais a rede de serviços de saúde, o que está relacionado com o acesso, mas também com a maior percepção sobre os sinais físicos e sintomas clínicos de adoecimento, gerando maior oportunidade de diagnóstico; maior prevalência de doenças crônicas, independentemente do fator etário ora referido; e, finalmente, a desvantagem sobre os chamados homens sobreviventes, aqueles que a despeito do alto risco de morte na idade jovem e adulta alcançam a velhice com mais saúde; tudo isso são fatores que podem explicar, com maior ou menor plausibilidade, o porquê de a multimorbidade ser mais prevalente em mulheres, conforme foi verificado.

Para a idade, demonstrou-se que a prevalência de multimorbidade aumenta à medida em que a faixa etária também se eleva, como um padrão de resposta. Comparado aos indivíduos de 60 a 64 anos, aqueles com 75 anos ou mais, teve o indicador elevado em 25% (RP a = 1,25; IC95% 1,01–1,60). A idade é o fator de risco mais comumente associado à coexistência de múltiplas condições crônicas em idosos, motivo pelo qual é explorado em todos os modelos de multimorbidade revisados 7 . Decerto a consistência de dados que tem se consolidado sobre o envelhecimento aponta para um importante desafio global dada a estrutura etária cada vez mais envelhecida 22 no mundo, sobretudo para a realidade brasileira.

De outra associação investigada, a cor de pele e a multimorbidade, depreendeu-se que ser preto elevou a prevalência desta condição em 28% (RP a = 1,28; IC95% 1,04–1,59); em relação aos indivíduos brancos. Acredita-se que essa associação pode ser apropriadamente explicada pelas condições sociais a que estão expostos aqueles indivíduos ao longo da vida, aumentando a vulnerabilidade dos pretos a desfechos desfavoráveis na velhice 23 . Embora possa soar controverso em certos contextos, acredita-se que informações genéticas não explicam todos os eventos biológicos e podem ter pouco valor preditivo para a multimorbidade, tal como se observa para algumas doenças crônicas isoladas como as cardiovasculares 24 .

Em análise prospectiva com 19 mil mulheres inicialmente saudáveis, registrou-se incidências de condições como infarto e AVC 24 . A informação genética aferida por escores com todos os potenciais polimorfismos previamente associados com condições cardiovasculares não permaneceu preditora independente, quando não controlado aspectos fenotípicos como colesterol, pressão arterial, glicemia. Ademais, verificou-se que história familiar teve melhor poder preditor, porquanto reflete similaridades comportamentais, ambientais e sociais entre familiares, o que vai ao encontro do modelo explicativo utilizado neste estudo para analisar a associação entre cor da pele e multimorbidade, que se assenta na determinação social da doença e não no determinismo genético 24 .

A maior prevalência de multimorbidade em mulheres, indivíduos com faixas-etárias mais elevadas e pretos, como se demonstrou, são pontos mais consensuais com literatura comparada. Não obstante, o aumento do desfecho tanto quanto maior o índice de bens, um proxy para nível socioeconômico utilizado neste estudo, em patamares de 27% (RP a = 1,27; IC95% 1,09–1,50) para a classe alta renda comparada com a de baixa renda, embora presente na literatura 5 , 25 , 26 , diverge em certa medida de outros estudos revisados, nos quais há um padrão inversamente proporcional entre a renda e o número de condições crônicas. Isto é, indivíduos economicamente mais desfavoráveis apresentaram maior multimorbidade 8 , 27 , 28 .

Crê-se que a maior prevalência de multimorbidade em indivíduos mais ricos pode estar relacionado a pelo menos dois fatores: às diferenças entre os indicadores socioeconômicos utilizados em estudos de diferentes países e em distintas localidades de um mesmo país e, principalmente, às formas de organização dos sistemas de saúde, cuja maior ou menor influência de barreiras organizacionais, sociais, culturais e/ou financeiras que caracteriza os diferentes sistemas de saúde no mundo, limitam ou favorecem o acesso aos serviços e a oportunidade de diagnóstico. A despeito do sistema público de saúde do Brasil incluir amplos segmentos da população a cobertura ainda é sobremaneira desigual. Provavelmente por isso os estudos ora apontem para maior estimativa do desfecho entre os mais ricos 5 , ora para entre os mais pobres 8 .

Finalmente, verificou-se que ex-fumantes apresentaram uma prevalência maior de multimorbidade em um patamar de 30% (RP a = 1,30; IC95% 1,05–1,60), em relação aos que nunca fumaram. Não é possível, porém, com os dados aqui aferidos, estabelecer o que ocorreu primeiro, se a cessação do tabagismo ou a multimorbidade. Porém, achados semelhantes têm sido reportados 5 , 29 , 10 e reforça a hipótese segundo a qual o diagnóstico de doenças crônicas pode levar a cessação do tabagismo. O fato de a estimativa do desfecho ser significativamente menor entre os que se declararam fumantes (RP a = 0,72; IC95% 1,09–1,50) reforça essa hipótese. Isso porque acredita-se que ser acometido por aquelas afecções levem as pessoas a um maior contato com profissionais de saúde e a uma maior exposição a intervenções educacionais, contribuindo para o abandono da prática. Isso difere, em parte, do que normalmente ocorre com indivíduos que se autopercebem saudáveis ou não possuem algum diagnóstico clínico e que, exatamente por isso, sustentam o tabagismo.

Como limitações do estudo, não se avançou nos padrões mais comuns de ocorrência da multimorbidade, no seu impacto na funcionalidade do idoso, na utilização e nos custos de serviços de saúde, aspectos que poderão ser investigados com maior abrangência em estudos futuros. Dificuldades inerentes à sua natureza transversal, que não permitem realizar associações de causa e efeito, podem ter prejudicado algumas análises. Ainda, como os resultados aqui apresentados são baseados em dados autorreferidos sobre adoecimento, em maior ou menor grau foram influenciados pelo viés de memória e certamente pela oportunidade de diagnóstico nos serviços de saúde entre grupos de diferentes níveis socioeconômicos. Finalmente, a diferença entre aspectos conceituais e metodológicos entre este e os demais estudos da literatura comprometem as comparações que devem ser realizadas de forma parcimoniosa.

O valor deste estudo, porém, está no ineditismo em apresentar a prevalência de multimorbidade em idosos em São Paulo, a maior cidade da América Latina. Enfatizou-se a necessidade de um esforço conceitual e de padronização de metodologias para permitir a comparação, principalmente em relação ao número e às doenças crônicas previamente definidas. A consistência nos fatores associados ao desfecho decerto está relacionada aos aspectos mais comumente associados às próprias doenças crônicas, como sexo, idade, nível socioeconômico, cor da pele e tabagismo, e podem guiar processos de estudo sobre a sua distribuição populacional. Finalmente, sobre dados aparentemente contraditórios apresentados, a despeito da maior prevalência do desfecho entre os mais ricos e ex-fumantes, reforça-se que isso está relacionado ora à construção do indicador socioeconômico, ora ao difícil acesso a oportunidade diagnóstica entre os mais pobres, de um lado, e ao fato de que a multimorbidade presumivelmente leva a cessação do tabagismo, do outro lado.

Footnotes

Financiamento: Secretaria Municipal da Saúde de São Paulo (Processo 0.235.936-0/2013).

Articles from Revista de Saúde Pública are provided here courtesy of Universidade de São Paulo. Faculdade de Saúde Pública.

RESOURCES