Artigos

INTRODUÇÃO
A literatura tem descrito um foco crescente na enorme carga pessoal e social da saúde debilitada causada por doenças crônicas1, principalmente porque a prevalência aumentou com o aumento da longevidade2. Além disso, muitas pessoas com essas condições apresentam mais de um problema de saúde simultaneamente – situação conhecida como multimorbidade, definida como a coexistência de duas ou mais enfermidades de caráter crônico em um mesmo indivíduo3,4. Atualmente, cerca de um terço dos indivíduos maiores de 18 anos em todo o mundo apresentam multimorbidade5-8, com maior prevalência observada na América do Sul, acometendo quase 50% da população adulta5.
A multimorbidade está associada a desfechos clínicos negativos, como perda da capacidade funcional9,10, redução da qualidade de vida10,11 e morte prematura9,10. Tal condição envolve interações complexas entre doenças e tratamentos, o que aumenta o risco de complicações e internações, e os custos com saúde em até 33%, além de exigir abordagens integradas de cuidado, desafiando, especialmente, a atenção primária12,14. Assim, o impacto da multimorbidade na saúde e no bem-estar dos indivíduos, a carga sobre os sistemas de saúde e o efeito nas economias criaram um problema global de saúde pública. Esse problema é particularmente evidente em países de baixa e média renda, onde estima-se que sejam responsáveis por 80% da carga global de doenças crônicas não transmissíveis (DCNT)16.
Diversos fatores de risco parecem estar consistentemente associados a um risco aumentado de acumulação de doenças crônicas ao longo do tempo17. Revisões sistemáticas e meta-análises observaram a associação entre problemas de sono e uma série de desfechos de saúde18-23. A qualidade do sono, especialmente, é uma construção multifatorial e, a pior qualidade pode ser um sintoma importante de muitos distúrbios de sono subjacentes24. Alguns estudos descobriram relação entre má qualidade e distúrbios do sono com aumento do risco de desenvolver doenças cardiovasculares25 e mortalidade por todas as causas26, além da associação com osteoporose, artrite/osteoartrite, dor lombar, depressão e obesidade27. Apesar disso, de acordo com uma revisão recente da literatura18, evidências de associação de má qualidade do sono com multimorbidade permanecem ainda inconclusivas.
Sob essa perspectiva, dada a carga crescente de condições crônicas e multimorbidade entre a população com problemas de sono28, e considerando que a alta prevalência de multimorbidade pode estar associada e exacerbada pela má qualidade do sono29, abordar a lacuna de conhecimento sobre essa temática poderá ter implicações importantes para os indivíduos, sociedade e sistema de saúde. Sendo assim, o presente estudo teve como objetivo avaliar a associação entre a qualidade do sono e a ocorrência de multimorbidade em adultos e idosos do sul do Brasil.

MÉTODOS

Desenho do estudo e amostra
Trata-se de um estudo transversal de base populacional realizado no Brasil. Esta investigação foi realizada em duas cidades do sul do Brasil: Criciúma e Rio Grande, entre outubro de 2020 e janeiro de 2021. Criciúma está localizada no extremo sul do estado de Santa Catarina, com população estimada de 225.281 habitantes, Índice de Desenvolvimento Humano Municipal (IDHM) de 0,788 e densidade populacional de cerca de 913,26 habitantes por km2 30. Rio Grande é um município do Rio Grande do Sul, com população estimada de 198.958, IDHM de 0,744 e densidade populacional de cerca de 71,53 habitantes por km2 31.
O processo amostral foi realizado em duas etapas, com base nos dados do Censo Demográfico Brasileiro de 2010: as unidades primárias foram compostas pelo setor censitário, e as unidades secundárias foram os domicílios. Primeiramente, os setores censitários foram selecionados aleatoriamente32. Em seguida, os domicílios foram escolhidos aleatoriamente de acordo com os setores censitários previamente selecionados33,34.
Em Criciúma, foram amostrados 60 setores censitários, de um total de 307, resultando em 15.765 domicílios, dos quais 607 foram incluídos neste estudo. Em Rio Grande, foram amostrados 90 setores censitários, resultando em 29.734 domicílios, dos quais 900 foram selecionados sistematicamente. Todos os indivíduos com 18 anos ou mais residentes nos domicílios selecionados foram convidados a participar, totalizando 2.170 indivíduos (1.307 em Rio Grande e 863 em Criciúma). Foram excluídos do estudo os participantes internados em lares de idosos, hospitais ou prisões e pessoas com deficiências cognitivas ou físicas, incapazes de responder ao instrumento de pesquisa.

Coleta de dados
A coleta de dados foi realizada por meio de um questionário pré-codificado e padronizado, aplicado por meio de entrevistas presenciais, com entrevistadores treinados. Para a realização das entrevistas, foram adotados protocolos de biossegurança para a COVID-19: uso dos Equipamentos de Proteção Individual, distanciamento e higienização contínua dos instrumentos de trabalho. A aplicação do questionário durou aproximadamente 30 minutos e foi realizada com auxílio de tablets em um servidor de captura de dados eletrônicos denominado Research Eletronic Data Capture – REDCap35.

Variáveis estudadas
O desfecho foi a variável de multimorbidade, aferida por meio da contagem de morbidades autorreferidas de uma lista de seis doenças ou condições de saúde selecionadas por representarem algumas das condições de maior prevalência e impacto em saúde pública na população brasileira, incluindo hipertensão arterial sistêmica (HAS), diabetes mellitus (DM), doença cardíaca, doença mental ou emocional (ansiedade, esquizofrenia, transtorno bipolar ou transtorno obsessivo compulsivo), depressão e obesidade. Essa seleção foi condicionada pela estrutura da pesquisa, que, por se tratar de um inquérito populacional e não específico para multimorbidade, incluiu número limitado de questões sobre doenças crônicas.
Para HAS, DM, doença cardíaca e doença mental ou emocional, foi utilizado como base o relato do(a) entrevistado(a): “Algum médico [ou psicólogo] já lhe disse que o(a) Sr.(a) tem...?”. Depressão foi avaliada por meio do instrumento Patient Health Questionnaire-9 (PHQ-9)36 validado para a população brasileira e =composto por nove perguntas que avaliam a presenc?a de cada um dos sintomas para o episo?dio de depressa?o maior, descritos no Manual Diagno?stico e Estati?stico dos Transtornos Mentais (DSM-IV)37. Os nove sintomas consistem em humor deprimido, anedonia, problemas com o sono, cansaço ou falta de energia, mudanc?a no apetite ou peso, sentimento de culpa ou inutilidade, problemas de concentrac?a?o, sentir-se lento ou inquieto e pensamentos suicidas. A freque?ncia de cada sintoma nas u?ltimas duas semanas e? avaliada em uma escala Likert de 0 a 3 correspondendo a?s respostas “nenhum dia”, “menos de uma semana”, “uma semana ou mais” e “quase todos os dias”, respectivamente. Foi considerado positivo para depressão quando o ponto de corte fosse ?936. Para a classificação da obesidade, informações de peso e altura foram autorreferidos. O Índice de Massa Corporal (IMC) foi calculada segundo a divisão do peso (em quilos) pela altura (em metros) ao quadrado. Foi considerado obeso(a) quando o(a) entrevistado(a) apresentou valores de IMC ? 30 kg/m2 38. A multimorbidade foi avaliada segundo ponto de corte ? 2 morbidades39.
A exposição principal foi a qualidade do sono autorreferida a partir da seguinte pergunta: “Como o(a) Sr.(a) considerada a qualidade do seu sono?”, cujas opções de respostas eram “Muito bom”, “Bom”, “Regular”, “Ruim” e “Muito ruim”.

Fatores de confusão
As variáveis incluídas como potenciais confundidores foram: cor de pele (branca, preta e parda), faixa etária (coletada em anos e categorizada em 18-29, 30-39, 40-49, 50-59 e ?60), estado civil (casado(a), solteiro(a), separado(a) ou viúvo(a)), cidade de residência (Criciúma ou Rio Grande), anos de escolaridade (0-8, 9-11 ou ?12 anos), Índice de bens (por meio da análise de componentes principais, com as variáveis: número de cômodos no domicílio usados para dormir, número de banheiros, freezer, secadora de roupas, computador ou notebook, ar-condicionado, número de automóveis e acesso à internet; posteriormente categorizado em tercis), prática suficiente de atividade física (não ou sim, considerando “sim” quem realizava ?150 minutos semanais), qualidade da dieta (em tercil). A atividade física foi avaliada utilizando a versão longa do Questionário Internacional de Atividade Física (IPAQ)40, considerando atividades de lazer e de deslocamento e utilizou-se a classificação recomentada pela Organização Mundial da Saúde41. Para avaliar a qualidade da dieta, foi utilizado o indicador de dieta proposto por Francisco et al., 201942, que considera a frequência de consumo, em dias por semana, de alimentos saudáveis (frutas, verduras, leite e leguminosas) e não saudáveis (doces, refrigerantes ou suco industrializado e carne vermelha). Dependendo do alimento e da frequência semanal de consumo, as respostas recebiam pontuação de zero a quatro pontos. Para alimentos saudáveis, os indivíduos que faziam o consumo diário receberam a menor pontuação e aqueles que nunca ou quase nunca consumiam, receberam a maior. Já a menor frequência de consumo dos alimentos não saudáveis correspondia a menor pontuação e a maior frequência de consumo, maior pontuação. O escore total consistiu na soma dos itens alimentares, variando de 0 (melhor qualidade) a 28 pontos (pior qualidade alimentar)34,43.

Análise estatística
O pacote estatístico Stata 17.0 (StataCorp LP, College Station, Texas, EUA) foi utilizado para as análises. Inicialmente, foi realizada análise descritiva das variáveis sociodemográficas e de saúde, apresentando frequências absolutas e relativas, assim como do número de doenças ou condições de saúde apresentados pelos participantes. Descrição da prevalência das doenças ou condições de saúde incluídas na variável de multimorbidade também foi realizada por meio de frequências absolutas e relativas e respectivos intervalos de confiança de 95%.
A associação entre qualidade do sono e multimorbidade foi estimada pelo cálculo de razões de prevalência brutas e ajustadas, com os respectivos intervalos de confiança de 95% (IC95%), por meio de regressão de Poisson com variância robusta. A qualidade do sono “Muito boa” foi considerada como categoria de referência. Todas as covariáveis foram incluídas no modelo multivariado de acordo com um modelo hierárquico definido pelos autores: no primeiro nível, variáveis demográficas (cor da pele e idade), segundo nível, variáveis socioeconômicas (estado civil, escolaridade, índice de bens e cidade de moradia), terceiro nível, variáveis de saúde (prática suficiente de atividade física qualidade da dieta). As variáveis de ajuste foram incluídas no modelo de acordo com o nível hierárquico e foram ajustadas umas para as outras dentro de cada nível e para aquelas em um nível mais alto. Apenas as variáveis associadas ao desfecho com valor de p?0,20 foram mantidas no modelo final. As variáveis associadas ao desfecho com os maiores valores de p foram removidas uma a uma. O nível de significância adotado para o teste bicaudal foi p<0,05. Considerando as diferenças na ocorrência de exposição e desfecho entre homens e mulheres, todas as análises foram estratificadas por sexo.

Considerações éticas
Esta pesquisa foi aprovada pelo Comitê de Ética em Pesquisa em Saúde da Universidade Federal do Rio Grande (FURG), Brasil, protocolo nº. 4.055.737. Todos entrevistados concordaram em participar do estudo e assinaram um Termo de Consentimento Livre e Esclarecido, previamente ao início da entrevista.

RESULTADOS
Do total de entrevistados, 1.978 apresentaram informações para exposição e desfecho, e compuseram a amostra deste estudo (taxa de resposta de aproximadamente 91% da amostra original). A maioria dos participantes era do sexo feminino (58,29%) e a média de idade foi de 48,9 anos (variando de 18 a 97 anos). A Tabela 1 apresenta as características dos indivíduos estudados, conforme sexo. Diferença estatisticamente significativa entre homens e mulheres foi observada para as variáveis estado civil, escolaridade, prática suficiente de atividade física, qualidade da dieta e qualidade do sono. Evidenciou-se que a maioria dos homens (56,85%) era casado e 11,45% das mulheres, viúva (p<0,001). Em relação à escolaridade, quase 36% dos homens tinham 9-11 anos de estudos e 29,80% das mulheres tinha ?12 anos (p=0,004). Aproximadamente 29% dos homens era fisicamente ativo vs. 24,10% das mulheres (p=0,012). Em relação à qualidade do sono, 12,93% das mulheres consideraram seu sono ruim ou muito ruim, enquanto nos homens, essa prevalência foi de 5,21% (p<0,001).
A prevalência de multimorbidade foi de 26,19%, atingindo 19,39% dos homens e 31,05% das mulheres (p<0,001). A Figura 1 descreve a prevalência do número de doenças ou condições de saúde conforme sexo. Observa-se prevalência semelhante ao se avaliar a ocorrência de uma doença ou condição de saúde. A partir de duas doenças ou condições, o sexo feminino passou a apresentar maiores prevalências, com quase 5% das mulheres apresentando quatro ou mais problemas de saúde, contrapondo-se a 1,45% dos homens.
A condição de saúde mais prevalente foi de HAS, atingindo 31,31% das mulheres e 24,97% dos homens, seguida pela obesidade (27,15% e 22,42%, respectivamente). Encontrou-se maior desequilíbrio de prevalência de morbidades naquelas englobadas pela saúde mental, como depressão e doenças mental, as quais tiveram o predomínio em mulheres, representando cerca de 250% a mais do que os homens (Tabela 2).
Conforme observado na Tabela 3, evidenciou-se maior prevalência de multimorbidade em mulheres de cor de pele parda (43,75%; IC95%: 32,18; 56,05) e em homens brancos (20,17%; IC95%: 17,35; 23,33). Observou-se aumento da prevalência de duas ou mais condições de saúde conforme avanço da idade para ambos os sexos, porém mulheres com ?60 anos apresentaram prevalência superior quando comparadas aos homens (47,34%; IC95%: 42,06; 52,68 e 30,21%; IC95%: 24,77; 36,25, respectivamente). A multimorbidade também foi mais prevalente entre os viúvos, tanto do sexo feminino (54,55%; IC95%: 45,99; 62,84%) quanto do sexo masculino (41,94%; IC95%: 26,12; 59,60). Na escolaridade, visualizou-se entre as mulheres que, quanto mais anos de estudo, menor a prevalência do desfecho, com uma amplitude de 45,05% para aqueles com 0-8 anos de estudos (IC95%: 40,47;49,71) e 19,24% entre aquelas com ?12 anos (IC95%: 15,41; 23,76), enquanto no sexo masculino, demonstrou-se maior prevalência de multimorbidade também entre aqueles com 0-8 anos de estudos (24,85%; IC 95%: 20,53; 29,75). Ter duas ou mais doenças ou condições de saúde também foi mais prevalente entre mulheres do tercil mais pobre (36,00%; IC95%: 31,29; 40,99) e diminui conforme aumento do tercil. A prevalência de multimorbidade também foi maior entre aqueles com prática de atividade física insuficiente, em ambos os sexos (33,72% entre as mulheres e 21,34% entre os homens). Para a qualidade da dieta, a prevalência do desfecho foi maior entre as mulheres do melhor tercil (33,33%; IC 95%: 29,40; 37,51) e entre os homens do tercil intermediário (20,75%; IC 95%: 16,08; 26,34) (Tabela 3).
A Tabela 4 apresenta a associação entre qualidade do sono e multimorbidade. Observa-se que a qualidade do sono foi fator risco para a ocorrência de multimorbidade. Após ajuste para possíveis fatores de confusão, mulheres que classificaram a qualidade do seu sono como “muito ruim” tiveram 3,76 vezes mais risco de apresentarem duas ou mais doenças ou condições de saúde em comparação àquelas que o classificaram como “muito boa” (IC95%: 2,28;6,22; p de tendência linear <0,001). Para os homens, aqueles com qualidade do sono classificada como “regular” tiveram 1,90 vezes mais risco de ter multimorbidade do que a categoria de referência (IC95%: 1,16;3,10; p=0,001).

DISCUSSÃO
O presente estudo demonstrou uma associação entre qualidade do sono e multimorbidade, com maior repercussão para o sexo feminino. Também foi possível identificar que HAS e obesidade foram as condições de saúde mais comuns em ambos os sexos, e que doença mental e depressão foram mais prevalentes entre as mulheres. Os resultados também evidenciaram que não somente a prevalência das doenças crônicas isoladas, mas também de multimorbidade foi maior no sexo feminino.
Assim como observado, algumas publicações anteriormente referem que, na maioria dos países, mulheres têm uma maior expectativa de vida do que os homens, com uma média global superior de cinco anos44. Ao mesmo tempo, são mais afetadas por DCNT45. O sexo masculino revelou maior prevalência na presença de apenas uma doença, apresentando um declínio de 18,9% na segunda condição clínica, a partir da qual, o sexo feminino demonstrou maior prevalência. É importante referir que mulheres costumam utilizar mais os serviços de saúde, um hábito social justificado pelas variações no perfil de necessidades de saúde conforme sexo, além dos aspectos psicológicos associados à percepção de saúde, visto que, a sociedade, de modo geral, interpreta a mulher como um ser mais cuidadoso, preocupado, consciente com a própria saúde, e mais frágil e vulnerável às doenças46.
A HAS foi a doença mais comum entre os participantes, principalmente entre as mulheres, seguindo o que é descrito em outra publicação brasileira47. Dados do último VIGITEL, realizado nas capitais brasileiras, entre dezembro de 2022 a abril de 2023, com 10.853 pessoas, identificou maior prevalência de HAS em mulheres quando comparado ao sexo oposto (29,3% vs. 26,4%)47. A segunda DCNT mais comum foi obesidade, possivelmente, isso se justifica pela mudança de hábitos alimentares para alimentos hipercalóricos e ultraprocessados combinado à inatividade física e ao sedentarismo48. Além disso, observa-se uma desproporção em relação à saúde mental conforme sexo, com mulheres relatando mais frequentemente doenças mentais e episódios de depressão do que os homens. Esse cenário pode estar relacionado à sobrecarga gerada pelos múltiplos papéis sociais assumidos por elas, como o trabalho profissional, a maternidade, a chefia do lar e a responsabilidade pelas tarefas domésticas. Além disso, estão mais expostas a fatores depressivos e de insalubridade mental, como violência doméstica e abuso sexual49.
Conforme esperado, a prevalência de multimorbidade aumentou com a idade em ambos os sexos, sendo essa associação bem descrita na literatura5,50. À medida que a população idosa aumenta, espera-se um acúmulo de condições crônicas e exposição a seus fatores de risco ao longo do tempo51, refletindo a prevalência crescente de multimorbidade52. Apesar disso, também observamos prevalências relevantes em adultos jovens, o que é preocupante e ao mesmo tempo um indicativo de que tal fenômeno não se restringe apenas a faixa etária mais velha. Essa relação é particularmente evidente em indivíduos que vivem em países de baixa e média renda, onde as desigualdades socioeconômicas e a transição epidemiológica podem exacerbar a exposição precoce a fatores de risco15. Nesse contexto, é fundamental considerar que determinantes sociais, como escolaridade e o nível socioeconômico, influenciam a multimorbidade em diferentes fases da vida, refletindo desigualdades estruturais que afetam tanto jovens quanto idosos53.
Os achados deste estudo corroboram o papel da escolaridade como fator determinante de multimorbidade, com níveis educacionais mais altos (9-11 e ?12 anos) associados a menores prevalências, reforçando seu papel na prevenção da vulnerabilidade e de comportamentos de risco54. Além disso, indivíduos mais escolarizados geralmente apresentam melhores condições socioeconômicas e maior acesso a informações sobre saúde53. Esse impacto também se reflete no índice de bens, um indicador de acesso a recursos materiais e estabilidade financeira. Os resultados revelaram que mulheres no tercil mais pobre apresentaram prevalências significativamente mais altas de multimorbidade. Curiosamente, nos homens o índice de bens teve menor influência. Esse padrão pode ser explicado por desigualdades conforme sexo no acesso à saúde e na exposição a fatores de risco15, além de subnotificação de condições de saúde entre os homens55.
A associação entre qualidade do sono e multimorbidade tem sido pouco explorada18, evidenciando a necessidade de mais investigações sobre o tema. Os resultados obtidos no presente estudo sugerem que a pior qualidade do sono esteve relacionada a maior prevalência de multimorbidade, especialmente entre mulheres. Esse resultado pode ser parcialmente explicado pois a multimorbidade engloba doenças, como a depressão e outros transtornos mentais, nas quais a má qualidade do sono é um sintoma comum. Além disso, a má qualidade do sono está intrinsecamente associada ao desenvolvimento de transtornos mentais, como depressão, ansiedade, além de doenças cardiovasculares56. O sono adequado desempenha papel essencial na liberação de citocinas anti-inflamatórias, como IL-4, IL-10 e IL-13, que atuam na regulação do sistema imunológico e na manutenção da homeostase. Seguindo tal lógica, elas são fatores de proteção para o desenvolvimento de doenças neurológicas e cardiovasculares como depressão e HAS, modificando positivamente o córtex pré-frontal, o qual gerencia as emoções, comportamentos e planejamento57.
Estudos prévios sobre a relação entre qualidade do sono e multimorbidade ainda apresentam resultados inconsistentes e maneiras distintas de avaliação e análise da qualidade do sono. O estudo de Nicholson et al. (2020) com adultos canadenses maiores de 45 anos considerou a qualidade neutra do sono como referência e indicou que a qualidade do sono insatisfatória estava associada a maiores chances de multimorbidade em homens (OR = 1,20, IC 95%: 1,02-1,41), mas não em mulheres (OR = 1,14, IC 95%: 0,99-1,32). Enquanto isso, a relação inversa da qualidade do sono satisfatória foi significativamente associada à multimorbidade apenas em mulheres (homens: OR = 0,88, IC 95%: 0,76–1,00; mulheres: OR = 0,87, IC 95%: 0,76–0,99)58. Em outro estudo transversal de 3.327 residentes mongóis na China, a má qualidade do sono foi considerada um fator de risco para multimorbidade (OR = 1,52, IC 95% = 1,29-1,79)59, assim como no estudo de Kyprianidou et al. (2021), com 1140 adultos da República de Chipre, que identificou razão de odds ainda maior (OR = 2,21, IC 95%: 1,55, 3,16)60, porém, ambos sem estratificação por sexo. Já um estudo longitudinal, com adultos de meia idade e idosos, identificou um aumento na magnitude da associação entre a qualidade do sono e multimorbidade conforme aumento no número de doenças crônicas desenvolvidas (0 ou 1, 2, 3 e ? 4). Os valores de razão de odds ajustados foram de 1,39 (IC95% 1,19, 1,63) para o desenvolvimento de duas doenças, 1,56 (IC95% 1,23, 2,03) para três doenças e 2,36 (IC95% 1,68, 3,33) para ? 4 doenças61, porém também não apresentam esses resultados para homens e mulheres separadamente. Os achados do nosso estudo evidenciaram uma associação entre pior qualidade do sono e maior prevalência de multimorbidade, com incrementos de 276% entre mulheres e 147% entre homens em comparação aos participantes com qualidade de sono muito boa. Assim, sugere-se que indivíduos conscientes dos impactos negativos do sono inadequado devem buscar informações e implementar estratégias para melhorar a qualidade do sono, promovendo benefícios significativos à saúde geral62 e reduzindo seu impacto sobre a multimorbidade.
O presente estudo apresenta importantes fortalezas. Destaca-se a amostra representativa de duas cidades do sul do país, conferindo robustez e maior generalização aos resultados. A estratificação por sexo também precisa ser ressaltada, tendo em vista que as variáveis de sono e multimorbidade são altamente influenciadas pelo sexo. Os dados obtidos são particularmente importantes para compreender a prevalência das variáveis estudadas, oferecendo subsídios relevantes para o planejamento de políticas públicas que promovam a qualidade do sono e a gestão eficaz da multimorbidade, contribuindo assim para melhorar a saúde da população.
Também é importante destacar algumas limitações deste estudo. Uma delas é a dificuldade em estabelecer uma relação causal entre a qualidade do sono e a multimorbidade, dado que ambos podem se influenciar mutuamente, visto que algumas morbidades têm como sintoma a má qualidade do sono, como exemplo a obesidade, pela obstrução parcial das vias aéreas e a depressão, que modula negativamente o ciclo circadiano através dos canais serotoninérgicos e dopaminérgicos deficientes. Entretanto, sonos ruins também podem desencadear morbidades, posto que a leptina, hormônio da saciedade, é produzida no sono pleno, assim como outras alterações metabólicas que ocasionam obesidade63. Além disso, o viés temporal representa um desafio, já que o sono é uma variável dinâmica que pode ser afetada por fatores externos temporários, como a pandemia de COVID-19, que estava em seu auge durante a coleta de dados e possivelmente impactou os resultados. Ademais, outro ponto a considerar é o viés de informação, uma vez a qualidade do sono foi autorreferida. A avaliação da multimorbidade, composta por HAS, DM, doença cardíaca, doença mental ou emocional, peso e altura foi baseada na memória dos participantes de um diagnóstico profissional, sem questionários de triagem ou diagnóstico, o que significa que sua prevalência pode ser superestimada ou subestimada. A inclusão de apenas seis condições de saúde também constitui uma limitação, podendo resultar em subestimação da prevalência real de multimorbidade. Reconhece-se que listas mais abrangentes permitiriam captar maior diversidade de condições crônicas; contudo, o inquérito populacional que originou os dados deste estudo teve como propósito investigar aspectos gerais de saúde, e não especificamente a multimorbidade.
Diante dos resultados obtidos, a qualidade do sono mostrou-se associada com multimorbidade, onde indivíduos que classificaram seu sono com o muito ruim tiveram maior risco de multimorbidade, com maior repercussão para o sexo feminino. Nesse sentido, aumentar a conscientização sobre a saúde do sono como um fator modificável para a prevenção de doenças crônicas e envelhecimento saudável e realizar intervenções médicas e comportamentais direcionadas a problemas de sono poderão auxiliar no melhor manejo da multimorbidade, especialmente no público feminino.

Agradecimentos
À Fundação de Amparo à Pesquisa do Estado do Rio Grande do Sul – FAPERGS pelo recurso financeiro que deu subsídios para a realização deste estudo. ?
REFERÊNCIAS
1. Smith SM, Wallace E, O'Dowd T, Fortin M. Interventions for improving outcomes in patients with multimorbidity in primary care and community settings. Cochrane Database Syst Rev. 2016 Mar 14;3(3):CD006560.

2. Hu Y, Wang Z, He H, Pan L, Tu J, Shan G. Prevalence and patterns of multimorbidity in China during 2002-2022: A systematic review and meta-analysis. Ageing Res Rev. 2024 Jan;93: 102165.

3. The Academy of Medical Sciences. Multimorbidity: a priority for global health research. The Academy of Medical Sciences, 2018.

4. 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 Feb 1;29(1):182-189.

5. Chowdhury SR, Das DC, Sunna TC, Beuene J, Hossain A. Global and regional prevalence of multimorbidity in the adult population in community settings: a systematic review and meta-analysis. EClinicalMedicine. 2023 Feb 16;57:101860.

6. Hajat C, Stein E. The global burden of multiple chronic conditions: A narrative review. Prev Med Rep. 2018 Oct 19;12:284-293.

7. 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 Sep;10(4):430-439.

8. 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; Aug 22;9: 2235042X19870934

9. Rizzuto D, Melis RJF, Angleman S, Qiu C, Marengoni A. Effect of chronic diseases and multimorbidity on survival and functioning in elderly adults. J AM Geriatr Soc. 2017 May;65(5):1056-1060.

10. Skou ST, Mair FS, Fortin M, Guthrie B, Nunes BP, Miranda J, et al. Multimorbidity. Nature Reviews Disease Primers. 2022 Jul 14;8.

11. Makovski TT, Schmitz S, Zeegers MP, Stranges S, Akker M. Multimorbidity and quality of life: systematic literature review and meta-analysis. Ageing Res Rev. 2019 Aug;53:100903.

12. Bahler C, Huber CA, Brüngger B, Reich O. Multimorbidity, health care utilization and costs in an elderly community-dwelling population: a claims data based observational study. BMC Health Serv Res. 2015 Jan 22;15:23.

13. Delpino FM, Vieira YP, Duro SM, Nunes BP, Saes MO. Multimorbidity and use of health services in a population diagnosed with COVID-19 in a municipality in the Southern Region of Brazil, 2020-2021: a cross-sectional study. Epidemiol Serv Saude. 2024 Feb 23:33:e2023915.

14. Linden M, Linde U, Goretzko D, Gensichen J. Prevalence and pattern of acute and chronic multimorbidity across all body systems and age groups in primary health care. Sci Rep. 2022 Jan. 7;12(1):272.

15. Pathirana TI, Jackson CA. Socioeconomic status and multimorbidity: a systematic review and meta?analysis. Aust N Z J Public Health. 2018 Apr;42(2):186-194.

16. Organização Mundial da Saúde (OMS). Plano de ação global da OMS para a prevenção e controle de doenças não transmissíveis 2013-2020. 2013 [cited 2025 Jan 17]. Available from https://iris.who.int/handle/10665/94384/.

17. Tazzeo C, Zucchelli A, Vetrano DL, Demurtas J, Smith L, Schoene D, et al. Risk factors for multimorbidity in adulthood: A systematic review. Ageing Res Rev. 2023 Nov;91:102039.

18. Zhou Y, Jin Y, Zhu Y, Fang W, Dai X, Lim C, et al. Sleep Problems Associate with Multimorbidity: A Systematic Review and Meta-analysis. Public Health Rev. 2023 Jun 13;44:1605469.

19. Itani O, Jike M, Watanabe N, Kaneita Y. Short sleep duration and health outcomes: a systematic review, meta-analysis, and meta-regression. Sleep Med. 2017 Apr;32:246-256.

20. Jike M, Itani O, Watanabe N, Buysse DJ, Kaneita Y. Long sleep duration and health outcomes: A systematic review, meta-analysis and meta-regression. Sleep Med Rev. 2018 Jun;39:25-36.

21. Baglioni C, Battagliese G, Feige B, Spiegelhalder K, Nissen C, Voderholzer U, et al. Insomnia as a predictor of depression: a meta-analytic evaluation of longitudinal epidemiological studies. J Affect Disord. 2011 Dec;135(1-3):10-9.

22. Hertenstein E, Feige B, Gmeiner T, Kienzler C, Spiegelhalder K, Johann, et al. Insomnia as a predictor of mental disorders: A systematic review and meta-analysis. Sleep Med Res. 2019 Feb;43:96-105.

23. Wardle-Pinkston S, Slavish DC, Taylor DJ. Insomnia and cognitive performance: A systematic review and meta-analysis. Sleep Med Res. 2019 Dec;48:101205.

24. Fabbri M, Beracci A, Martoni M, Meneo D, Tonetti L, Natale V. Measuring Subjective Sleep Quality: A Review. Int J. Environ Res. Public Health. 2012 Jan 26;18(3):1082.

25. Yin J, Jin X, Shan Z, Li S, Huang H, Li P, et al. Relationship of Sleep Duration With All-Cause Mortality and Cardiovascular Events: A Systematic Review and Dose-Response Meta-Analysis of Prospective Cohort Studies. J Am Heart Assoc. 2017Sep 9;6(9):e005947.

26. Cappuccio FP, D’Elia L, Strazzullo P, Miller MA. Sleep duration and all-cause mortality: a systematic review and meta-analysis of prospective studies. Sleep. 2010 May;33(5):585-592.

27. Morais LC, Zanuto RAC, Queiroz DC, Araújo MYC, Rocha APR, Codogno JS. Association between sleep disorders and chronic diseases in patients of the brazilian national health system. J Phys Educ. 2017;28:e2844.

28. Sindi S, Pérez LM, Vetrano DL, Triolo F, Kåreholt I, Sjöberg L, et al. Sleep disturbances and the speed of multimorbidity development in old age: results from a longitudinal population-based study. BMC Medicine. 2020 Dec;18:382.

29. Kyprianidou M, Panagiotakos D, Kambanaros M, Makris KC, Christophi CA. Quality of Sleep in the Cypriot Population and Its Association With Multimorbidity: A Cross-Sectional Study. Front Public Health. 2021 Oct 29;9:693332.

30. Instituto Brasileiro de Geografia e Estatística (IBGE). Panorama de Criciúma – SC. 2023 [cited 2025 Jan 17]. Available from: https://cidades.ibge.gov.br/brasil/sc/criciuma/panorama/.

31. Instituto Brasileiro de Geografia e Estatística (IBGE). Panorama de Rio Grande – RS. 2023 [cited 2025 Jan 17]. Available from: https://cidades.ibge.gov.br/brasil/rs/rio-grande/panorama/.

32. Instituto Brasileiro de Geografia e Estatística (IBGE). Metodologia do Censo Demográfico 2010. Rio de Janeiro: Instituto Brasileiro de Geografia e Estatística. 2011 [cited 2025 Jan 17]. Available from: https://ftp.ibge.gov.br/Censos/Censo_Demografico_2010/metodologia/metodologia_censo_dem_2010.pdf/.

33. Meller FO, Quadra M R, Santos LP, Dumith SC, Eugenio FD, Silva, TJ, et al. Association between job lost and mental health outcomes during the COVID-19 pandemic and the role of food insecurity as mediator of this relationship. Cad. Saúde Pública. 2024;40(5):e00110523.

34. Quadra MR, Schäfer AA, Santos LP, Manosso LM, Silva TJ, Maciel EB, et al. Crononutrição, qualidade da dieta e estresse percebido: resultados de dois estudos de base populacional no Brasil. Cien Saude Colet [periódico na internet]. 2024.

35. Harris PA, Taylor R, Thielke R, Payne J, Gonzalez N, Conde JG. Research electronic data capture (REDCap) – A metadata-driven methodology and workflow process for providing translational research informatics support. J Biomed Inform. 2009 Apr;42(2):377-381.

36. Santos IS, Tavares BF, Munhoz TN, Almeida LSP, Silva NTB, Tams BD, et al. Sensibilidade e especificidade do Patient Health Questionnaire-9 (PHQ-9) entre adultos da população geral. Cad. Saúde Pública. 2013 Ago;29(8):1533-1543.

37. American Psychiatric Association Diagnostic and statistical manual of mental disorders: DSM-IVTR. 4th Ed. Washington DC: American Psychiatric Association. 2000 [cited 2025 Jan 17]. Available from: https://psychiatryonline.org/doi/10.1176/ajp.152.8.1228/.

38. World Health Organization (WHO). Physical status: the use and interpretation of anthropometry [Internet]. Geneva: World Health Organization. 1995 [cited 2025 Jan 17]. Available from: https://apps.who.int/iris/bitstream/handle/10665/37003/WHO_TRS_854.pdf?sequence=1/.

39. World Health Organization (WHO). Multimorbidity: Technical Series on Safer Primary Care. Geneva. 2016 [cited 2025 Jan 17]. Available from: https://apps.who.int/iris/handle/10665/252275/.

40. International Physical Activity Questionnaire. Research Committee. Guidelines for Data Processing and Analysis of the International Physical Activity Questionnaire (IPAQ). Short and Long Forms. 2005:1-15.

41. World Health Organization (WHO). WHO guidelines on physical activity and sedentary behaviour: at a glance. 2020.

42. Francisco PMSB, Assumpção D, Borim FSA, Senicato C, Malta DC. Prevalence and co-occurrence of modifiable risk factors in adults and older people. Rev. Saúde Pública. 2019;53:86.

43. Meller FO, Manosso LM, Schäfer AA. The influence of diet quality on depression among adults and elderly: A population-based study. J Affect Disord. 2021 Mar;282:1076–81.

44. World Health Organization (WHO). World Health Statistics 2024. World Health Organization. 2024.

45. Pan American Health Organization (PAHO). Leading causes of death and disease burden in the Americas: Noncommunicable diseases and external causes. Washington, D.C.: PAHO; 2024.

46. Carneiro VSM, Adjuto RNP, Alves KAP. Saúde do homem: identificação e análise dos fatores relacionados à procura, ou não, dos serviços de atenção primária. Arq. Cienc. Saúde UNIPAR. 2019;23(1):35-40.

47. Brasil. Ministério da Saúde. Secretaria de Vigilância em Saúde e Ambiente. Departamento de Análise Epidemiológica e Vigilância de Doenças Não Transmissíveis. Vigitel Brasil 2023: vigilância de fatores de risco e proteção para doenças crônicas por inquérito telefônico: estimativas sobre frequência e distribuição sociodemográfica de fatores de risco e proteção para doenças crônicas nas capitais dos 26 estados brasileiros e no Distrito Federal em 2023 [recurso eletrônico]. – Brasília: Ministério da Saúde, 2023.

48. Sousa APM, Pereira IC, Araujo LL, Rocha. MR, Bandeira HMM, Lima LHO. Prevalência e fatores associados ao excesso de peso em adultos nas capitais e no Distrito Federal, Brasil, 2019. Epidemiol. Serv. Saúde. 2021;30(3):e2020838.

49. Emidio TS, Okamoto MY, Ssntos MA. Solidão e Sobrecarga Materna em Tempos de Pandemia de COVID-19 à Luz da Escuta Psicanalítica dos Vínculos. Psico-USF. 2023;28(3):505–520.

50. Kaluvu L, Asogwa OA, Marzà-Florensa A, Kyobutungi C, Levitt NS, Boateng D, et al. Multimorbidity of communicable and non-communicable diseases in low- and middle-income countries: A systematic review. J Multimorb Comorb. 2022 Sep 1:12:26335565221112593.

51. Ng R, Sutradhar R, Yao Z, Wodchis WP, Rosella LC. Smoking, drinking, diet and physical activity—modifiable lifestyle risk factors and their associations with age to first chronic disease. Int J Epidemiol. 2020 Feb 1;49(1):113-130.

52. Abebe F, Schneider M, Asrat B, Ambaw F. Multimorbidity of chronic non-communicable diseases in low- and middle-income countries: A scoping review. J Comorb. 2020 Oct 16:10:2235042X20961919.

53. Álvarez-Gálvez J, Ortega-Martín E, Carretero-Bravo J, Pérez-Muñoz C, Suárez-Lledó V, Ramos-Fiol B. Social determinants of multimorbidity patterns: A systematic review. Front Public Health. 2023 Mar 27:11:1081518.

54. Masters RK, Link BG, Phelan JC. Trends in education gradients of ‘preventable’ mortality: A test of fundamental cause theory. Soc Sci Med. 2015 Feb:127:19-28.

55. Galenkamp H, Huisman M, Bramm AW, Schellevis FG, Deeg DJH. Disease prevalence based on older people’s self-reports increased, but patient–general practitioner agreement remained stable, 1992–2009. J Clin Epidemiol. 2014 Jul;67(7):773-80.

56. Scott AJ, Webb TL, James MMS, Rowse G, Weich S. Improving sleep quality leads to better mental health: A meta-analysis of randomised controlled trials. Sleep Med Rev. 2021 Dec:60:101556.

57. Lydic R, Baghdoyan HA. Prefrontal Cortex Metabolome Is Modified by Opioids, Anesthesia, and Sleep. Physiology (Bethesda). 2021 Jul 1;36(4):203-219.

58. Nicholson K, Rodrigues R, Anderson KK, Wilk P, Guaiana G e Stranges S. Comportamentos do Sono e Ocorrência de Multimorbidade em Adultos de Meia Idade e Idosos: Descobertas do Estudo Longitudinal Canadense sobre Envelhecimento (CLSA). Sleep Med. 2020;75:156–62.

59. Liu P, Liu Z, Bi H, Liu M, Gong L, He Q. Current Status and Related Factors of Chronic Diseases and Co-morbidities Among Middle-Aged and Old Mongolian Residents in Eastern Pastoral Areas of Inner Mongolia. Mod Prev Med. 2020;47(23):4303–4306.

60. Kyprianidou M, Panagiotakos D, Kambanaros M, Makris KC, Christophi CA. Quality of Sleep in the Cypriot Population and Its Association With Multimorbidity: A Cross-Sectional Study. Front Public Health. 2021 Oct 29;9:693332.

61. Wang X, Wang R, Zhang D. Bidirectional associations between sleep quality/duration and multimorbidity in middle-aged and older people Chinese adults: a longitudinal study. BMC Public Health. 2024 Mar 5;24:708.

62. Nistor P, Chang-Kit. B, Nicholson K, Anderson KK, Stranges S. The relationship between sleep health and multimorbidity in community dwelling populations: Systematic review and global perspectives. Sleep Med. 2023 Sep:109:270-284.

63. Chagas AS, Mattos CNB, Dipp T. Qualidade do sono está associada a determinantes sociodemográficos e clínicos em usuários acompanhados na Atenção Primária à Saúde durante a pandemia de COVID-19. Rev Bras Med Fam Comunidade. 2024;19(46):3820.
?