Prevalence of Multimorbidity of Chronic Noncommunicable Diseases in Brazil: Population-Based Study
Notice bibliographique
Résumé
BACKGROUND: Multimorbidity is the co-occurrence of two or more chronic diseases. OBJECTIVE: This study, based on self-reported medical diagnosis, aims to investigate the dynamic distribution of multimorbidity across sociodemographic levels and its impacts on health-related issues over 15 years in Brazil using national data. METHODS: Data were analyzed using descriptive statistics, hypothesis tests, and logistic regression. The study sample comprised 679,572 adults (18-59 years of age) and 115,699 elderly people (≥60 years of age) from the two latest cross-sectional, multiple-cohort, national-based studies: the National Sample Household Survey (PNAD) of 1998, 2003, and 2008, and the Brazilian National Health Survey (PNS) of 2013. RESULTS: Overall, the risk of multimorbidity in adults was 1.7 times higher in women (odds ratio [OR] 1.73, 95% CI 1.67-1.79) and 1.3 times higher among people without education (OR 1.34, 95% CI 1.28-1.41). Multiple chronic diseases considerably increased with age in Brazil, and people between 50 and 59 years old were about 12 times more likely to have multimorbidity than adults between 18 and 29 years of age (OR 11.89, 95% CI 11.27-12.55). Seniors with multimorbidity had more than twice the likelihood of receiving health assistance in community services or clinics (OR 2.16, 95% CI 2.02-2.31) and of being hospitalized (OR 2.37, 95% CI 2.21-2.56). The subjective well-being of adults with multimorbidity was often worse than people without multiple chronic diseases (OR=12.85, 95% CI: 12.07-13.68). These patterns were similar across all 4 cohorts analyzed and were relatively stable over 15 years. CONCLUSIONS: Our study shows little variation in the prevalence of the multimorbidity of chronic diseases in Brazil over time, but there are differences in the prevalence of multimorbidity across different social groups. It is hoped that the analysis of multimorbidity from the two latest Brazil national surveys will support policy making on epidemic prevention and management.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».