DESIGUALDADES REGIONAIS NA PERCEPÇÃO DE SAÚDE NA POPULAÇÃO IDOSA BRASILEIRA: EVIDÊNCIAS DA SEGUNDA ONDA DO ELSI-BRASIL

REGIONAL INEQUALITIES IN HEALTH PERCEPTION AMONG THE BRAZILIAN ELDERLY POPULATION: EVIDENCE FROM THE SECOND WAVE OF ELSI-BRAZIL

REGISTRO DOI: 10.70773/revistatopicos/774489851

RESUMO
Objetivo: Analisar as desigualdades regionais na percepção de saúde entre idosos brasileiros. Métodos: Estudo transversal com dados da segunda onda do ELSI-Brasil (2019–2021), incluindo indivíduos com ≥60 anos. O desfecho foi percepção ruim de saúde (“ruim”/“muito ruim”). Estimaram-se prevalências ponderadas e razões de prevalência (RP) por regressão de Poisson com variância robusta, com ajuste por sexo, idade, raça/cor, escolaridade e renda. Resultados: A prevalência foi maior no Nordeste (23,1%) e Centro-Oeste (18,5%), comparada ao Sudeste (13,6%) e Sul (12,4%). Na análise bruta, Nordeste (RP=1,69; IC95%:1,53–1,88) e Centro-Oeste (RP=1,36; IC95%:1,17–1,58) apresentaram maior prevalência em relação ao Sudeste. Após ajuste, apenas o Nordeste manteve associação significativa (RP=1,25; IC95%:1,09–1,44). Conclusão: As desigualdades regionais na percepção de saúde refletem principalmente diferenças socioeconômicas, persistindo maior vulnerabilidade no Nordeste.
Palavras-chave: Envelhecimento. Determinantes sociais da saúde. Desigualdades regionais. Brasil.

ABSTRACT
Objective: To analyze regional inequalities in health perception among older Brazilians. Methods: Cross-sectional study using data from the second wave of ELSI-Brazil (2019–2021), including individuals aged ≥60 years. The outcome was poor health perception (“poor”/“very poor”). Weighted prevalences and prevalence ratios (PR) were estimated using Poisson regression with robust variance, adjusted for sex, age, race/color, education, and income. Results: Prevalence was higher in the Northeast (23.1%) and Midwest (18.5%) compared to the Southeast (13.6%) and South (12.4%). In the crude analysis, the Northeast (PR=1.69; 95% CI: 1.53–1.88) and Midwest (PR=1.36; 95% CI: 1.17–1.58) showed higher prevalence compared to the Southeast. After adjustment, only the Northeast maintained a significant association (PR=1.25; 95% CI: 1.09–1.44). Conclusion: Regional inequalities in health perception mainly reflect socioeconomic differences, with greater vulnerability persisting in the Northeast.
Keywords: Aging. Social determinants of health. Regional inequalities. Brazil.

1. INTRODUÇÃO

O Brasil vive um envelhecimento populacional rápido e já mensurável por dados censitários. Dados do Censo Demográfico de 2022 mostraram que a população com 65 anos ou mais alcançou 10,9% do total, representando um crescimento expressivo em relação a 2010, quando esse grupo correspondia a 7,4% da população brasileira (IBGE, 2013; IBGE, 2023).

Esse processo ocorre em um contexto de profundas disparidades socioeconômicas e territoriais, o que impõe desafios adicionais à organização do sistema de saúde e à garantia de envelhecimento com qualidade de vida (Veras, 2009; Lima-Costa et al., 2018). Assim, envelhecer no Brasil não significa apenas viver mais, mas viver sob condições marcadamente distintas conforme o território de residência.

Nesse cenário, torna-se fundamental dispor de indicadores capazes de sintetizar, de maneira abrangente, o estado de saúde da população idosa e captar diferenças associadas a contextos sociais e territoriais. A autoavaliação ou percepção de saúde constitui um dos indicadores mais utilizados em epidemiologia do envelhecimento por sintetizar dimensões físicas, funcionais e psicossociais do estado de saúde. Uma revisão conduzida por Idler e Benyamini (1997) demonstrou que a autoavaliação de saúde prediz mortalidade independentemente de indicadores clínicos objetivos, achado posteriormente confirmado por metanálises internacionais (DeSalvo et al., 2006).

No contexto brasileiro, estudos com idosos evidenciam que a percepção ruim de saúde associa-se à multimorbidade, limitações funcionais e maior risco de desfechos adversos (Silva et al., 2018; Camelo et al., 2022), demonstrando seu papel como marcador sensível das condições de saúde na velhice.

Entretanto, a percepção de saúde não é distribuída aleatoriamente na população. Ela reflete desigualdades sociais acumuladas ao longo do curso de vida, expressando o chamado gradiente social da saúde (Marmot, 2015; Marmot, 2019). No Brasil, pesquisas nacionais mostram associação consistente entre pior autoavaliação de saúde e baixa escolaridade, menor renda e maior carga de doenças crônicas (Lima-Costa et al., 2012; Barros et al., 2011). Esses achados indicam que a percepção de saúde integra tanto experiências individuais quanto posições estruturais na hierarquia social.

Além dos fatores individuais, o território constitui dimensão central na produção das desigualdades em saúde. O Brasil apresenta heterogeneidades regionais históricas em renda, escolaridade, infraestrutura urbana e oferta de serviços de saúde, que se refletem nos indicadores sociais e sanitários (IBGE, 2018; Silva, 2016). Evidências apontam que residentes de regiões menos desenvolvidas apresentam maior exposição a vulnerabilidades socioeconômicas e piores indicadores de saúde, inclusive na população idosa (Miranda et al., 2016; Sacco et al., 2020; Kalache et al., 2020). Assim, a macrorregião de residência pode atuar como marcador sintético de desigualdades estruturais que moldam o envelhecer no país.

Apesar do reconhecimento das desigualdades sociais no envelhecimento brasileiro, ainda são limitadas as análises nacionais que exploram de forma específica as disparidades regionais na percepção de saúde utilizando dados recentes e representativos. O Estudo Longitudinal da Saúde dos Idosos Brasileiros (ELSI-Brasil) constitui fonte estratégica para essa investigação, por se tratar de estudo de base populacional com amostragem complexa e abrangência nacional (Lima-Costa et al., 2018; Lima-Costa et al., 2023). A utilização da segunda onda do ELSI-Brasil (2019–2021) permite examinar se as diferenças regionais persistem após o controle por fatores demográficos e socioeconômicos, distinguindo desigualdades associadas à composição populacional daquelas potencialmente relacionadas a contextos territoriais mais amplos.

Diante desse cenário, compreender onde a percepção de saúde é mais desfavorável entre idosos brasileiros não é apenas exercício descritivo, mas passo essencial para identificar territórios de maior vulnerabilidade e subsidiar políticas públicas orientadas pela equidade. Assim, o presente estudo objetivou analisar as desigualdades regionais na percepção ruim de saúde entre idosos brasileiros, utilizando dados da segunda onda do ELSI-Brasil.

2. MATERIAL E MÉTODOS

2.1. Desenho do Estudo e Fonte de Dados

Trata-se de um estudo observacional, de corte transversal, realizado com dados da segunda onda do Estudo Longitudinal da Saúde dos Idosos Brasileiros (ELSI-Brasil), coletados entre 2019 e 2021. O ELSI-Brasil é uma pesquisa domiciliar de base populacional, com amostragem probabilística complexa, representativa da população brasileira com 60 anos ou mais.

Foram incluídos no estudo indivíduos com idade ≥ 60 anos no momento da entrevista, conforme informação autorreferida registrada na variável contínua de idade. Participantes sem informação válida para variáveis específicas foram excluídos apenas das análises correspondentes, adotando-se abordagem por caso disponível.

2.2. Amostragem e Ponderação

O ELSI-Brasil adota desenho amostral complexo, com estratificação, conglomerados e pesos amostrais. Para garantir estimativas válidas para a população idosa brasileira, as análises descritivas foram realizadas considerando o plano amostral, com especificação do conglomerado primário de amostragem (UPA), estratos (estrato) e peso calibrado (peso_calibrado), utilizando opção de aninhamento (nest = TRUE). Para reduzir viés na estimação das variâncias em estratos com unidades primárias isoladas, adotou-se ajuste para lonely PSU (options(survey.lonely.psu = "adjust")).

2.3. Variáveis do Estudo

Desfecho

O desfecho foi a percepção de saúde, obtida a partir da pergunta: “Em geral, como o(a) Sr(a) avalia a sua saúde?”. As respostas originais (excelente, muito boa, boa, regular, ruim e muito ruim) foram dicotomizadas em percepção ruim de saúde (ruim ou muito ruim) e percepção não ruim de saúde (excelente, muito boa, boa ou regular). As respostas “não sabe/não respondeu” foram tratadas como ausentes.

Variável explicativa principal

A principal variável explicativa foi a região de residência, categorizada nas cinco grandes regiões brasileiras: Sudeste (categoria de referência), Sul, Norte, Nordeste e Centro-Oeste.

Variáveis de ajuste

As análises foram ajustadas por variáveis sociodemográficas selecionadas com base na literatura e na disponibilidade no banco de dados:

  • Sexo (masculino/feminino);

  • Raça/cor autodeclarada, categorizada em branca, preta, parda e outras (agrupando amarela e indígena);

  • Escolaridade, dicotomizada em maior escolaridade e baixa escolaridade. Embora a escolaridade seja apresentada de forma detalhada na caracterização da amostra, para as análises multivariadas foi operacionalizada de forma dicotômica, com o objetivo de reduzir colinearidade e garantir estabilidade das estimativas.

  • Renda domiciliar per capita, categorizada em tercis (maior renda, renda intermediária e menor renda).

As categorias de referência foram definidas conforme maior frequência na amostra ou melhores condições socioeconômicas.

2.4. Análise de Dados

Inicialmente, foram estimadas as prevalências ponderadas de percepção ruim de saúde segundo a região de residência, com respectivos intervalos de confiança de 95% (IC95%). As diferenças entre as macrorregiões foram avaliadas por meio do teste do qui-quadrado ajustado de Rao–Scott, apropriado para dados provenientes de amostras complexas.

Para estimar a associação entre região de residência e percepção ruim de saúde, foram calculadas razões de prevalência (RP) e respectivos IC95% por meio de regressão de Poisson com função de ligação logarítmica. Para correção da superdispersão e obtenção de erros-padrão robustos, utilizou-se o estimador de variância robusta do tipo Huber–White.

Também, para avaliar a robustez da associação e o papel explicativo de diferentes blocos de variáveis, foram estimados modelos sequenciais de regressão, com inclusão progressiva das covariáveis: (1) modelo bruto; (2) ajuste demográfico (sexo e idade); (3) ajuste por raça/cor; e (4) ajuste socioeconômico completo (escolaridade e renda).

Em todos os modelos, a Região Sudeste foi mantida como categoria de referência. As razões de prevalência foram obtidas pela exponenciação dos coeficientes estimados. As análises consideraram apenas indivíduos com informações completas para as variáveis incluídas em cada modelo. Adotou-se nível de significância estatística de 5%. Todas as análises foram realizadas no software R, versão 4.5.2, utilizando os pacotes survey, tidyverse, lmtest, sandwich e broom.

3. RESULTADOS

A Tabela 1 apresenta a distribuição das características sociodemográficas da população estudada. Foram incluídos 6.929 idosos com idade igual ou superior a 60 anos, participantes da segunda onda do Estudo Longitudinal da Saúde dos Idosos Brasileiros (ELSI-Brasil).

Observou-se predominância do sexo feminino na população idosa brasileira (54,4%), sem diferenças estatisticamente significativas entre as macrorregiões (p = 0,22). A maior parte dos indivíduos encontrava-se na faixa etária de 60–69 anos (55,1%), seguida pelos grupos de 70–79 anos (30,6%) e ≥80 anos (14,3%), também sem variação regional significativa (p = 0,15).

Quanto ao estado civil, predominou a condição de casado(a) ou em união estável (56,5%), seguida por viúvos(as) (23,7%), não havendo diferenças estatisticamente significativas entre as regiões (p = 0,09).

A escolaridade apresentou desigualdades regionais significativas (p < 0,001), com predominância do ensino fundamental incompleto no país (55,4%), especialmente no Sul e Sudeste, enquanto a proporção de idosos que nunca estudaram foi mais elevada no Nordeste (28,8%). O Sudeste concentrou a maior proporção de idosos com ensino superior incompleto ou completo.

Diferenças expressivas também foram observadas quanto à raça/cor (p < 0,001), com maior proporção de pessoas brancas no Sul (86,3%) e no Sudeste, enquanto pessoas pardas predominaram no Norte (69,2%) e no Nordeste. As proporções de pessoas pretas foram mais elevadas no Nordeste em comparação às demais regiões.

A maioria dos idosos residia em áreas urbanas (84,6%), com maior urbanização no Sudeste e no Centro-Oeste, e maior proporção de residentes em áreas rurais no Nordeste (p = 0,007).

A multimorbidade apresentou elevada prevalência na população idosa (67,0%), com diferenças regionais estatisticamente significativas (p = 0,03). As maiores prevalências foram observadas no Nordeste (71,7%) e no Centro-Oeste (68,5%). Em contraste, a menor prevalência foi registrada na região Sul (57,1%).

No que se refere ao acesso aos serviços de saúde, a maioria da população idosa brasileira não possuía plano de saúde (79,0%), com maior cobertura no Sudeste (30,1%) e menor no Nordeste (10,2%), diferença estatisticamente significativa (p < 0,001). Em relação às consultas médicas nos últimos 12 meses, a categoria mais frequente foi a realização de uma a duas consultas (34,0%), seguida por três a cinco consultas (27,0%), não havendo diferenças estatisticamente significativas entre as macrorregiões (p = 0,11).

Tabela 1. Distribuição das características sociodemográficas e de saúde dos participantes, segundo macrorregião. Estudo Longitudinal da Saúde dos Idosos Brasileiros (ELSI-Brasil), 2019-2021.

Variáveis
sociodemográficas

Total

Norte

Nordeste

Sudeste

Sul

Centro-Oeste

Valor de p*

Sexo

%

(IC 95%)

0.22

Feminino

54.4. (52.2; 56.5)

50. (46.1; 53.9)

52.7. (48; 57.4)

54.8. (51.5; 58.1)

58.1. (54.7; 61.5)

55. (49.4; 60.5)

 

Masculino

45.6. (43.5; 47.8)

50. (46.1; 53.9)

47.3. (42.6; 52)

45.2. (41.9; 48.5)

41.9. (38.5; 45.3)

45. (39.5; 50.6)

 

Faixa etária (anos)

      

0.15

60–69

55.1. (52.2; 58)

61.8. (55.8; 67.8)

51.1. (44.3; 57.9)

54.9. (50.5; 59.3)

57.6. (52.8; 62.5)

59. (52.8; 65.2)

 

70–79

30.6. (28.7; 32.5)

26.2. (23.4; 29)

32.5. (28.9; 36.2)

31.6. (28.6; 34.6)

29.8. (25.5; 34.2)

25. (19.1; 30.8)

 

80+

14.3. (12.6; 15.9)

12. (7.1; 16.9)

16.4. (12.7; 20.1)

13.5. (11.1; 15.9)

12.5. (8.1; 16.9)

16. (12.9; 19.2)

 

Estado civil

      

0.09

Casado/União estável

56.5. (53.7; 59.3)

61.4. (54.5; 68.2)

57. (52.3; 61.7)

57.7. (53.7; 61.7)

47.6. (36.3; 59)

59.4. (52.7; 66.2)

 

Divorciado/Separado(a)

9.7. (8.6; 10.8)

10.5. (6.5; 14.4)

7.6. (5.9; 9.2)

9.3. (8; 10.7)

14.6. (9.8; 19.5)

9.6. (7.4; 11.9)

 

Solteiro(a)

10.1. (8.4; 11.8)

11. (6; 15.9)

11. (8.4; 13.5)

8.5. (6.9; 10.2)

13.4. (4.5; 22.4)

8.4. (5.9; 11)

 

Viúvo(a)

23.7. (21.7; 25.8)

17.2. (10.4; 24.1)

24.5. (19.8; 29.1)

24.4. (21.8; 27.1)

24.3. (18.5; 30.2)

22.5. (18.1; 26.9)

 

Escolaridade

      

<0,001

Fundamental completo / Médio incompleto

9.6. (8.5; 10.8)

11.7. (7.8; 15.7)

7. (5.1; 8.9)

10.4. (8.7; 12.1)

10.8. (6.2; 15.3)

10.1. (6.4; 13.9)

 

Fundamental incompleto

55.4. (52.4; 58.3)

47.5. (41.9; 53)

49.7. (43.8; 55.7)

57.2. (53.7; 60.7)

63.6. (53.7; 73.5)

56.7. (49.7; 63.7)

 

Médio completo / Supletivo

11.8. (9.8; 13.7)

19.6. (6.1; 33.1)

9.5. (6.1; 13)

13.2. (10.6; 15.7)

9.4. (6.4; 12.4)

9.4. (6.2; 12.6)

 

Nunca estudou

16.9. (13.5; 20.3)

15.2. (2.8; 27.6)

28.8. (20.4; 37.2)

11.8. (8.6; 15.1)

10.6. (3; 18.2)

16.3. (8.3; 24.4)

 

Superior (incomp./comp. ou mais)

6.4. (5.1; 7.6)

6. (1.9; 10)

4.9. (2.8; 7.1)

7.4. (5.1; 9.6)

5.6. (2; 9.2)

7.4. (3.9; 11)

 

Raça/cor

      

<0,001

Amarela

0.4. (0.1; 0.6)

0.8. (-0.5; 2.2)

0.2. (0; 0.5)

0.5. (0; 0.9)

0.4. (-0.4; 1.1)

  

Branca

49. (42.7; 55.4)

18.6. (12.3; 25)

29.4. (22; 36.8)

55.6. (48.8; 62.4)

86.3. (78.9; 93.7)

40.5. (27.3; 53.7)

 

Indígena

0.3. (0; 0.6)

1.1. (-1; 3.1)

0.5. (-0.3; 1.3)

0.2. (0; 0.4)

0.1. (-0.1; 0.2)

0.1. (-0.2; 0.4)

 

Parda

39.4. (34.1; 44.6)

69.2. (57.8; 80.7)

53.7. (48.5; 59)

34.5. (28.3; 40.7)

8.4. (3.9; 12.9)

45.6. (34.5; 56.6)

 

Preta

10.9. (8.4; 13.5)

10.2. (4.5; 15.9)

16.2. (9.6; 22.7)

9.2. (6.5; 11.8)

4.9. (1; 8.8)

13.8. (7; 20.6)

 

Zona de residência

      

0.007

Urbana

84.6. (79.4; 89.8)

84.6. (68; 101.1)

70.8. (60.9; 80.7)

93.2. (88; 98.4)

79.4. (59.1; 99.7)

94. (83.6; 104.4)

 

Rural

15.4. (10.2; 20.6)

15.4. (-1.1; 32)

29.2. (19.3; 39.1)

6.8. (1.6; 12)

20.6. (0.3; 40.9)

6. (-4.4; 16.4)

 

Variáveis de saúde

Multimorbidade (≥2)

      

0.03

Não

33. (30; 36)

33.6. (25.5; 41.7)

28.3. (24.3; 32.2)

32.9. (27.9; 37.9)

42.9. (33.2; 52.6)

31.5. (22.5; 40.5)

 

Sim

67. (64; 70)

66.4. (58.3; 74.5)

71.7. (67.8; 75.7)

67.1. (62.1; 72.1)

57.1. (47.4; 66.8)

68.5. (59.5; 77.5)

 

Plano de saúde

      

<0,001

Não

79. (76.1; 81.9)

84.4. (77.2; 91.6)

89.8. (86.7; 93)

69.9. (66.6; 73.1)

82.8. (76.5; 89.1)

79.6. (74.8; 84.4)

 

Sim

21. (18.1; 23.9)

15.6. (8.4; 22.8)

10.2. (7; 13.3)

30.1. (26.9; 33.4)

17.2. (10.9; 23.5)

20.4. (15.6; 25.2)

 

Consulta médica nos últimos 12 meses

      

0.11

0

21.1. (13.7; 28.4)

21.1. (13.7; 28.4)

21.4. (16.6; 26.2)

21.2. (14.9; 27.5)

29.6. (17.2; 42.1)

25.5. (20.9; 30.1)

 

1–2

34. (31.4; 36.5)

44.2. (32.4; 56)

34.1. (31.2; 37.1)

33.1. (29.4; 36.7)

25.3. (17.1; 33.4)

43.1. (36.3; 49.9)

 

3–5

27. (24.5; 29.5)

19.5. (12.4; 26.6)

29.6. (25.5; 33.6)

28.1. (24; 32.2)

26.3. (21; 31.6)

21.7. (14.3; 29)

 

≥6

16.2. (14; 18.4)

15.3. (4; 26.5)

14.9. (10.7; 19.2)

17.6. (14.4; 20.8)

18.8. (14.2; 23.4)

9.7. (5.7; 13.7)

 

IC95%: intervalo de confiança de 95%.
*Valores de p obtidos pelo teste qui-quadrado de Pearson com correção de Rao-Scott, considerando pesos amostrais e o desenho amostral complexo do ELSI-Brasil. p < 0,05 foi considerado estatisticamente significativo.

A Tabela 2 apresenta as prevalências e as razões de prevalência brutas e ajustadas da percepção ruim de saúde segundo a região de residência entre idosos brasileiros. Observou-se que a Região Sudeste, utilizada como categoria de referência, apresentou prevalência de percepção ruim de saúde de 13,6%. Em comparação, as maiores prevalências foram observadas nas regiões Nordeste (23,1%) e Centro-Oeste (18,5%), enquanto as regiões Norte (17,0%) e Sul (12,4%) apresentaram prevalências intermediárias.

Na análise não ajustada, residir nas regiões Nordeste e Centro-Oeste esteve associado a maior prevalência de percepção ruim de saúde quando comparado à Região Sudeste, com razões de prevalência de 1,69 (IC95%: 1,53–1,88) e 1,36 (IC95%: 1,17–1,58), respectivamente. A Região Norte também apresentou maior prevalência na análise bruta (RP = 1,24; IC95%: 1,04–1,49), enquanto a Região Sul não diferiu significativamente da região de referência (RP = 0,91; IC95%: 0,77–1,07).

Após o ajuste por sexo, idade, escolaridade, renda domiciliar per capita e raça/cor, a associação entre região de residência e percepção ruim de saúde permaneceu estatisticamente significativa apenas para a região Nordeste. Idosos residentes no Nordeste apresentaram prevalência 25% maior de percepção ruim de saúde em relação aos residentes do Sudeste (RP ajustada = 1,25; IC95%: 1,09–1,44; p = 0,003). As associações observadas para as regiões Centro-Oeste, Norte e Sul foram atenuadas e perderam significância estatística após o ajuste, indicando que as diferenças observadas na análise bruta são amplamente explicadas por fatores sociodemográficos.

Tabela 2. Análise ajustada da percepção ruim de saúde em idosos brasileiros segundo região de residência, após ajuste por fatores sociodemográficos. ELSI-Brasil, segunda onda (2019–2021).

Região

N

Prevalência (%)

RP Ajustada (IC95%)

Valor de p

Sudeste

4.093

13,6

1,00 (Ref.)

Sul

1.334

12,4

1,09 (0,85–1,40)

0,648

Norte

737

17,0

0,81 (0,63–1,05)

0,177

Nordeste

2.673

23,1

1,25 (1,09–1,44)

0,003

Centro-Oeste

1.052

18,5

1,18 (0,97–1,44)

0,106

Nota: Razões de prevalência estimadas por regressão de Poisson considerando o desenho amostral complexo. Modelo ajustado por sexo, idade (contínua), raça/cor, escolaridade (dicotomizada) e renda domiciliar per capita.

Observa-se ainda que, após o ajuste multivariado, a associação estimada para a Região Norte foi invertida em relação à análise bruta. Essa inversão sugere a presença de confusão negativa, possivelmente relacionada à distribuição desigual de fatores socioeconômicos e demográficos, que mascaravam a direção da associação na análise não ajustada.

A Tabela 3 apresenta modelos sequenciais para avaliar a robustez da associação entre região de residência e percepção ruim de saúde. Observou-se redução progressiva das razões de prevalência com a inclusão de covariáveis, particularmente após o ajuste por escolaridade e renda. No Nordeste, a RP reduziu de 1,69 no modelo bruto para 1,25 no modelo final, mantendo-se acima da unidade, sugerindo persistência de desigualdades regionais não totalmente explicadas por diferenças sociodemográficas. Para o Centro-Oeste, a associação foi atenuada no modelo completo (RP=1,18; IC95%: 0,97–1,44), indicando que a diferença observada na análise bruta é amplamente explicada pelas características incluídas no ajuste.

Tabela 3. Modelos sequenciais para a associação entre região de residência e percepção ruim de saúde em idosos (ELSI-Brasil, 2019–2021).

Região

Modelo 1 (Bruto)

Modelo 2 (sexo + idade)

Modelo 3 (+ raça/cor)

Modelo 4 (+ escolaridade + renda)

Sudeste

1,00 (Ref.)

1,00 (Ref.)

1,00 (Ref.)

1,00 (Ref.)

Sul

0,91 (0,77–1,07)

1,02 (0,83–1,25)

1,06 (0,86–1,31)

1,09 (0,85–1,40)

Norte

1,24 (1,04–1,49)

1,18 (0,97–1,44)

1,15 (0,94–1,41)

0,81 (0,63–1,05)

Nordeste

1,69 (1,53–1,88)

1,62 (1,44–1,82)

1,56 (1,39–1,76)

1,25 (1,09–1,44)

Centro-Oeste

1,36 (1,17–1,58)

1,34 (1,13–1,58)

1,30 (1,10–1,54)

1,18 (0,97–1,44)

Nota: Razões de prevalência (RP) estimadas por regressão de Poisson com variância robusta, considerando o desenho amostral complexo. Idade incluída como variável contínua. O Modelo 4 representa o modelo totalmente ajustado.

4. DISCUSSÃO

O presente estudo identificou desigualdades regionais na percepção ruim de saúde entre idosos brasileiros, com maiores prevalências nas regiões Nordeste e Centro-Oeste na análise bruta. Após ajuste por sexo, idade, escolaridade, renda domiciliar per capita e raça/cor, apenas a região Nordeste manteve associação estatisticamente significativa com maior prevalência de percepção ruim de saúde em comparação ao Sudeste (RP=1,25; IC95%: 1,09–1,44). Esses resultados indicam que parte importante das diferenças regionais é explicada pela composição sociodemográfica das populações, mas também sugerem a persistência de desigualdades territoriais que não se reduzem integralmente às características individuais.

A maior vulnerabilidade observada no Nordeste é consistente com o padrão histórico de desigualdades estruturais no Brasil. O processo de envelhecimento populacional brasileiro ocorre em contexto de desenvolvimento regional desigual, com maiores concentrações de pobreza, menor escolaridade média e piores indicadores sociais em estados nordestinos (Wong; Carvalho, 2006; Miranda; Mendes; Silva, 2016). Esse cenário reforça a interpretação de que o território pode atuar como marcador de exposições acumuladas ao longo do curso de vida, conforme discutido na literatura sobre determinantes sociais da saúde (Marmot, 2005; Marmot, 2015).

Os achados também dialogam com estudos nacionais sobre autoavaliação de saúde em idosos. Revisão sistemática conduzida por Pagotto et al. (2013) evidenciou que baixa escolaridade, menor renda e piores condições sociais estão consistentemente associadas à percepção ruim de saúde entre idosos brasileiros. De forma semelhante, Szwarcwald et al. (2005) demonstraram que a autoavaliação de saúde no Brasil acompanha o gradiente socioeconômico, mesmo após controle por variáveis demográficas. No presente estudo, a atenuação das associações regionais após ajuste por escolaridade e renda reforça a centralidade do gradiente social na produção das desigualdades observadas.

Análises anteriores com dados do próprio ELSI-Brasil também apontam forte concentração da percepção ruim de saúde entre indivíduos de menor posição socioeconômica. Estudo recente baseado nessa coorte demonstrou que renda, escolaridade e posse de plano de saúde explicam parcela substancial da desigualdade na autoavaliação negativa de saúde (Pérez et al., 2022). Esses resultados corroboram os modelos sequenciais apresentados neste trabalho, nos quais a inclusão das variáveis socioeconômicas reduziu significativamente as razões de prevalência observadas nas análises brutas, particularmente nas regiões Centro-Oeste e Norte.

No caso do Centro-Oeste, a perda de significância estatística após ajuste sugere que a desigualdade observada inicialmente refletia principalmente diferenças na composição sociodemográfica da população idosa regional. Esse padrão é coerente com estudos urbanos que evidenciam que a autoavaliação de saúde tende a variar conforme posição socioeconômica individual, independentemente do local de residência quando controladas essas variáveis (Antunes et al., 2018). A inversão da associação observada para a região Norte no modelo totalmente ajustado reforça a hipótese de confusão por composição populacional, indicando que diferenças regionais iniciais podem ser amplamente explicadas pela distribuição desigual de renda e escolaridade.

A persistência da associação no Nordeste, contudo, sugere que fatores contextuais adicionais podem influenciar a percepção de saúde nessa região. Mesmo em sistemas universais como o Sistema Único de Saúde, diferenças na infraestrutura, na disponibilidade de serviços especializados e na capacidade resolutiva da atenção primária podem produzir experiências distintas de cuidado (Veras, 2009). Além disso, trajetórias de vida marcadas por inserção laboral precária e menor proteção social pode produzir efeitos cumulativos que se expressam na velhice e não são completamente captados por medidas contemporâneas de renda (Miranda; Mendes; Silva, 2016).

A autoavaliação de saúde, enquanto desfecho, mostra-se particularmente adequada para captar essas dimensões estruturais. Evidências internacionais demonstram que esse indicador prediz mortalidade de forma consistente e independente de condições clínicas mensuradas (Idler; Benyamini, 1997; DeSalvo et al., 2006). Além disso, estudos comparativos indicam que o gradiente socioeconômico na percepção de saúde persiste em diferentes contextos institucionais, inclusive em países com distintos regimes de bem-estar social (Lima-Costa et al., 2012; Tur-Sinai, 2022). Assim, a desigualdade observada no Nordeste não deve ser interpretada como fenômeno isolado, mas como parte de um padrão mais amplo de estratificação social da saúde na velhice.

No que se refere à raça/cor, embora não tenha permanecido associada de forma independente no modelo final, sua inclusão no ajuste é essencial para compreender a interseção entre desigualdades raciais e socioeconômicas. Evidências do ELSA-Brasil indicam que mobilidade social intergeracional e experiências relacionadas ao racismo estrutural influenciam a autoavaliação de saúde (Camelo et al., 2022). Dessa forma, ainda que o presente estudo não tenha identificado associação independente após ajuste, é plausível que desigualdades raciais operem de maneira mediada por condições socioeconômicas e territoriais.

Do ponto de vista das políticas públicas, os resultados sugerem que intervenções centradas exclusivamente em fatores individuais podem ser insuficientes para enfrentar desigualdades regionais persistentes. A permanência de maior prevalência de percepção ruim de saúde no Nordeste após controle por características individuais indica a necessidade de estratégias territoriais integradas, com fortalecimento da atenção primária, ampliação do cuidado longitudinal em contextos de multimorbidade e articulação com políticas de proteção social. Considerando o envelhecimento acelerado da população brasileira (Wong; Carvalho, 2006), a incorporação de uma perspectiva de equidade territorial torna-se fundamental para promover envelhecimento saudável.

Este estudo apresenta limitações inerentes ao delineamento transversal, que impede inferências causais, e ao uso de informações autorreferidas. No entanto, a utilização de dados nacionais representativos do ELSI-Brasil, com incorporação do desenho amostral complexo e modelos sequenciais de ajuste, constitui importante fortaleza metodológica (Lima-Costa et al., 2018). Ademais, a escolha da autoavaliação de saúde como desfecho encontra respaldo robusto na literatura internacional quanto à sua validade e poder preditivo (Idler; Benyamini, 1997; DeSalvo et al., 2006).

Em síntese, os resultados demonstram que as desigualdades regionais na percepção de saúde entre idosos brasileiros são amplamente mediadas por desigualdades socioeconômicas, mas persistem de forma significativa na região Nordeste, mesmo após ajuste por fatores individuais. Esses achados reforçam a necessidade de políticas públicas sensíveis às desigualdades territoriais e orientadas pela equidade na promoção do envelhecimento saudável no Brasil.

5. CONCLUSÃO

As desigualdades regionais na percepção de saúde entre idosos brasileiros evidenciam que o envelhecimento no país ocorre em contextos territoriais marcados por profundas assimetrias sociais historicamente construídas. A região de residência revela-se uma dimensão central para a compreensão das desigualdades no envelhecimento, expressando a forma como contextos territoriais desiguais se associam a diferentes experiências de saúde na velhice.

A persistência da associação entre residência no Nordeste e percepção ruim de saúde após o controle por fatores demográficos, raciais e socioeconômicos indica que as desigualdades regionais não se explicam exclusivamente por características individuais. Ao mesmo tempo, a atenuação de outras associações após os ajustes reforça que tais desigualdades são socialmente produzidas e influenciadas pela composição sociodemográfica das populações, evidenciando tanto os limites de abordagens centradas apenas no comportamento ou nas condições socioeconômicas atuais quanto o potencial de transformação dessas iniquidades por meio de políticas orientadas pela equidade.

Nesse contexto, a promoção de um envelhecimento saudável no Brasil requer o reconhecimento do território como dimensão central na produção das desigualdades em saúde e a adoção de estratégias intersetoriais capazes de enfrentar as condições sociais que moldam o envelhecer desde fases precoces da vida. A percepção de saúde, ao integrar dimensões objetivas e subjetivas do bem-estar, mostra-se um indicador relevante para o monitoramento dessas iniquidades e para a avaliação de políticas públicas. Investir em respostas sensíveis às desigualdades territoriais constitui passo fundamental para reduzir as disparidades regionais e avançar na construção de um envelhecimento mais equitativo para a população idosa brasileira.

REFERÊNCIAS BIBLIOGRÁFICAS

ANTUNES, J. L. F.; CHIAVEGATTO FILHO, A. D. P.; DUARTE, Y. A. O.; LEBRÃO, M. L. Desigualdades sociais na autoavaliação de saúde dos idosos da cidade de São Paulo. Revista Brasileira de Epidemiologia, v. 21, supl. 2, e180010, 2018.

CAMELO, L. V.; COELHO, C. G.; CHOR, D.; GRIEP, R. H.; ALMEIDA, M. C. C.; GIATTI, L.; BARRETO, S. M. Racismo e iniquidade racial na autoavaliação de saúde ruim: o papel da mobilidade social intergeracional no Estudo Longitudinal de Saúde do Adulto (ELSA-Brasil). Cadernos de Saúde Pública, v. 38, n. 1, e00341920, 2022.

DESALVO, K. B.; BLOSER, N.; REYNOLDS, K.; HE, J.; MUNTNER, P. Mortality prediction with a single general self-rated health question: a meta-analysis. Journal of General Internal Medicine, v. 21, n. 3, p. 267–275, 2006.

IDLER, E. L.; BENYAMINI, Y. Self-rated health and mortality: a review of twenty-seven community studies. Journal of Health and Social Behavior, v. 38, n. 1, p. 21–37, 1997.

KALACHE, A.; SILVA, A. da; GIACOMIN, K. C.; LIMA, K. C. de; RAMOS, L. R.; LOUVISON, M.; VERAS, R. Aging and inequalities: social protection policies for older adults resulting from the Covid-19 pandemic in Brazil. Revista Brasileira de Geriatria e Gerontologia, v. 23, n. 6, e200122, 2020.

LIMA-COSTA, M. F.; ANDRADE, F. B.; SOUZA, P. R. B. JR.; NERI, A. L.; DUARTE, Y. A. O.; CASTRO-COSTA, E.; OLIVEIRA, C. The Brazilian Longitudinal Study of Aging (ELSI-Brazil): objectives and design. American Journal of Epidemiology, v. 187, n. 7, p. 1345–1353, 2018.

LIMA-COSTA, M. F.; DE OLIVEIRA, C.; MACINKO, J.; MARMOT, M. Socioeconomic inequalities in health in older adults in Brazil and England. American Journal of Public Health, v. 102, n. 8, p. 1535–1541, 2012.

MARMOT, M. Social determinants of health inequalities. The Lancet, v. 365, n. 9464, p. 1099–1104, 2005.

MARMOT, M. The health gap: the challenge of an unequal world. The Lancet, v. 386, n. 10011, p. 2442–2444, 2015.

MARMOT, M. The Health Gap: The Challenge of an Unequal World: the argument. International Journal of Epidemiology, v. 46, n. 4, p. 1312–1318, 2017.

MIRANDA, G. M. D.; MENDES, A. da C. G.; SILVA, A. L. A. da. Population aging in Brazil: current and future social challenges and consequences. Revista Brasileira de Geriatria e Gerontologia, v. 19, n. 3, p. 507–519, 2016.

PAGOTTO, V.; BACHION, M. M.; SILVEIRA, E. A. Autoavaliação da saúde por idosos brasileiros: revisão sistemática da literatura. Revista Panamericana de Salud Pública, v. 33, n. 4, p. 302–310, 2013.

PÉREZ, R. A.; OVIEDO TEJADA, C. A.; TRIACA, L. M.; BERTOLDI, A. D.; DOS SANTOS, A. M. A. Socioeconomic inequality in health in older adults in Brazil. Dialogues in Health, v. 1, 100009, 2022.

SACCO, R. da C. C. e S.; ASSIS, M. G.; MAGALHÃES, R. G.; GUIMARÃES, S. M. F.; ESCALDA, P. M. F. Trajetórias assistenciais de idosos em uma região de saúde do Distrito Federal, Brasil. Saúde em Debate, v. 44, n. 126, p. 829–844, 2020.

SZWARCWALD, C. L.; SOUZA-JÚNIOR, P. R. B.; DAMACENA, G. N.; ALMEIDA, W. da S.; MALTA, D. C. Socio-demographic determinants of self-rated health in Brazil. Cadernos de Saúde Pública, v. 21, supl., p. S54–S64, 2005.

TUR-SINAI, A.; PAZ, A.; DORON, I. Self-rated health and socioeconomic status in old age: the role of gender and the moderating effect of time and welfare regime in Europe. Sustainability, v. 14, n. 7, 4240, 2022.

VERAS, R. Population aging today: demands, challenges and innovations. Revista de Saúde Pública, v. 43, n. 3, p. 548–554, 2009.

WONG, L. L. R.; CARVALHO, J. A. O rápido processo de envelhecimento populacional do Brasil: sérios desafios para as políticas públicas. Revista Brasileira de Estudos de População, v. 23, n. 1, p. 5–26, 2006.


1 Docente do Centro Universitário Goyazes. Rodovia GO-060, KM19, 3184, St. LagunaPark, 75393-365, Trindade-GO, Brasil. e-mail: [email protected]