Artigos

1 INTRODUÇÃO
A Assembleia Geral das Nações Unidas, em dezembro de 2020, proclamou a Década do Envelhecimento Saudável (2021-2030), enfatizando a importância de compreender a população idosa e implementar ações e políticas públicas para esse grupo. Nessa perspectiva, o Envelhecimento Saudável emerge como um marco político e social, visando otimizar oportunidades de saúde, participação e segurança à medida que a população envelhece, melhorando a qualidade de vida1,2. O estilo de vida adotado por idosos tem impacto no processo de envelhecimento, riscos socioeconômicos e biológicos. Fatores externos, como acesso aos serviços de saúde, condição de saúde e qualidade de vida, têm efeitos variados em pessoas que residem em diferentes contextos3.
Há distintas definições de vulnerabilidade. Segundo Adger (2006)6, a vulnerabilidade é definida pela interação entre exposição a riscos, sensibilidade individual e capacidade adaptativa, sendo influenciada por variáveis sociais, econômicas e ambientais. No presente artigo, adotou-se o modelo proposto por Barbosa et al. (2019)?, segundo o qual a vulnerabilidade da saúde da população em envelhecimento saudável abrange o risco de desenvolver complicações decorrentes de doenças crônicas. Essa exposição está relacionada a fatores como alimentação, consumo de álcool, tabagismo e percepção do estado de saúde. Por outro lado, o uso de serviços de saúde, a prática de atividade física e os cuidados com a saúde bucal constituem respostas individuais que fortalecem a capacidade adaptativa, ou seja, contribuem para a prevenção de doenças crônicas e reduzem os níveis de exposição e sensibilidade?,?. Ressalta-se, contudo, que o próprio conceito de envelhecimento saudável carece de maior precisão teórica e crítica, podendo ocultar desigualdades sociais nas possibilidades reais de participação na velhice2
Assim, compreender a vulnerabilidade em saúde da população idosa nordestina é essencial para subsidiar políticas públicas regionalizadas e coerentes com as diretrizes da Década do Envelhecimento Saudável (2021-2030), proposta pela Organização Pan-Americana da Saúde (OPAS) 7. O recorte adotado permite, portanto, um aprofundamento analítico coerente com os objetivos do estudo, concentrando-se em um território emblemático das desigualdades brasileiras e constituindo uma etapa inicial para futuras comparações inter-regionais.
Nesse contexto, a análise da vulnerabilidade em saúde torna-se ainda mais relevante quando observada sob a ótica regional. O foco exclusivo na região Nordeste do Brasil justifica-se por sua posição singular no contexto demográfico, socioeconômico e sanitário do país. De acordo com a Pesquisa Nacional de Saúde (PNS-2019), as desigualdades regionais em determinantes sociais e em indicadores de saúde são particularmente marcantes no Nordeste, o que influencia a capacidade adaptativa e os resultados em saúde da população idosa8. Além disso, o rápido processo de envelhecimento brasileiro ocorre de forma heterogênea entre as regiões, refletindo desigualdades estruturais históricas que impactam diretamente o envelhecimento ativo e saudável2.
Portanto, o objetivo deste estudo é analisar a vulnerabilidade em saúde da população idosa na Região Nordeste do Brasil, com foco na comparação entre áreas urbanas e rurais, por meio da criação do Índice de Vulnerabilidade da Saúde da População em Envelhecimento Saudável (IVSPES). Foram utilizados dados da Pesquisa Nacional de Saúde – 2019 (PNS) para a elaboração do IVSPES nos estados nordestinos, considerando ambas as áreas urbanas e rurais. O índice é composto por um conjunto de indicadores distribuídos nas dimensões de exposição (21 indicadores), sensibilidade (18) e capacidade adaptativa (15). Para sua construção, empregou-se a técnica de análise multivariada, com uso da análise fatorial (AF) e da análise de agrupamento, o que possibilitou uma abordagem metodológica mais coerente para compreender a vulnerabilidade da saúde no envelhecimento saudável na região.
2 METODOLOGIA
Dados, unidade de observação e recorte dos indivíduos para o IVSPEA
Os dados utilizados foram obtidos a partir da Pesquisa Nacional de Saúde (PNS) de 2019, realizada pelo Ministério da Saúde, em parceria com o Instituto Brasileiro de Geografia e Estatística (IBGE) e a Fundação Oswaldo Cruz (Fiocruz). A PNS 2019 constitui um amplo inquérito representativo da população brasileira, aplicado em domicílios particulares em todo o território nacional, fornecendo estimativas para áreas urbanas e rurais, bem como para as grandes regiões do país, unidades da federação (UFs), capitais e regiões metropolitanas8.
Para a elaboração do IVSPES as unidades de observação consideradas foram os domicílios localizados nos estados da Região Nordeste do Brasil, tendo sido adotado o plano amostral completo, com recorte para indivíduos com 60 anos ou mais. A PNS 2019 segue um rigoroso plano amostral probabilístico por conglomerados em múltiplos estágios, o que garante representatividade estatística para diferentes níveis geográficos, incluindo áreas urbanas e rurais, estados e regiões do Brasil9.
Dimensões e indicadores da vulnerabilidade da saúde da população em envelhecimento saudável das capitais da Região Nordeste do Brasil
O IVSPES foi calculado a partir de um conjunto de indicadores distribuídos nas três dimensões que compõem o conceito de vulnerabilidade: exposição (21 indicadores), sensibilidade (18) e capacidade adaptativa (15). A seleção desses indicadores baseou-se no referencial conceitual de vulnerabilidade proposto por Braga et al. (2010)? e Barbosa et al. (2019)?, garantindo coerência teórica entre os componentes do índice e as dimensões analíticas que o sustentam.
Vulnerabilidade=f(exposição,sensibilidade e capacidade adaptativa) (1)
A vulnerabilidade é definida por três dimensões fundamentais: exposição, sensibilidade e capacidade adaptativa. A exposição refere-se à interação com ameaças, como desastres naturais ou riscos à saúde, que aumentam o impacto potencial sobre os indivíduos e grupos sociais. A sensibilidade diz respeito à suscetibilidade de uma população a esses impactos, influenciada por fatores socioeconômicos, condições de saúde e acesso a recursos. Já a capacidade adaptativa envolve a habilidade de responder e se ajustar aos desafios, mobilizando recursos materiais, institucionais e humanos para mitigar danos e promover resiliência. Essa dimensão é essencial para reduzir a vulnerabilidade e fortalecer a capacidade de recuperação e adaptação das comunidades diante de mudanças ambientais e sociais?,?.
Seguindo o modelo proposto por Barbosa et al. (2019)?, assume-se que a vulnerabilidade da saúde da população em envelhecimento saudável compreende o risco de enfrentar complicações decorrentes de doenças crônicas. Isso significa que as pessoas idosas estão mais expostas a essas condições, o que pode estar relacionado a fatores como estilo de vida, alimentação, consumo de álcool, tabagismo e percepção do estado de saúde, elementos que aumentam a sensibilidade diante de comorbidades. Além disso, o uso de serviços de saúde, a prática de atividade física e os cuidados com a saúde bucal configuram respostas individuais que promovem a capacidade adaptativa, contribuindo para a prevenção de doenças crônicas e a redução de níveis mais elevados de exposição e sensibilidade?,?.
No caso da dimensão exposição, os indicadores foram extraídos dos seguintes módulos da PNS (2019): i) Módulo N – Percepção do estado de saúde; e ii) Módulo P – Estilos de vida. O Módulo N investiga a autopercepção de saúde, a presença de doenças crônicas e o uso de serviços de saúde, enquanto o Módulo P analisa hábitos e comportamentos, como alimentação, prática de atividade física e tabagismo. A compreensão dos estilos de vida da população é fundamental para identificar padrões comportamentais que possam contribuir tanto para a promoção da saúde quanto para o aumento do risco de doenças crônicas e outros agravos10.
Na dimensão sensibilidade, os indicadores foram selecionados a partir do Módulo Q – Doenças crônicas, que inclui questões sobre fatores de risco associados a essas condições, como hábitos alimentares, prática de atividade física, tabagismo, consumo de álcool e histórico familiar. A análise dos dados do Módulo Q, em conjunto com outras informações da PNS, permite que pesquisadores e profissionais de saúde identifiquem áreas prioritárias de intervenção, desenvolvam estratégias mais eficazes de prevenção e controle e promovam melhorias na qualidade de vida das pessoas afetadas por doenças crônicas no Brasil9.
Por fim, na dimensão capacidade adaptativa, os indicadores foram extraídos dos seguintes módulos: i) Módulo J – Utilização de serviços de saúde; ii) Módulo P – Estilos de vida; e iii) Módulo U – Saúde bucal. O Módulo J reúne informações sobre o uso e o acesso aos serviços de saúde, incluindo frequência de consultas médicas, uso de serviços de emergência, internações hospitalares e utilização de medicamentos, permitindo identificar barreiras de acesso e desafios do sistema de saúde9. Em conjunto, esses módulos oferecem uma visão abrangente da saúde da população idosa, possibilitando identificar vulnerabilidades e subsidiar a formulação de ações e políticas públicas voltadas a esse grupo populacional.
Construção do IVSPES aplicando a Análise Fatorial (AF)
A construção de índices multidimensionais geralmente se fundamenta na análise fatorial (AF), técnica estatística empregada para identificar padrões subjacentes em conjuntos de variáveis inter-relacionadas. Trata-se de uma ferramenta poderosa para reduzir a dimensionalidade dos dados, preservando ao máximo as informações originais11. Conforme destacado por Blbas et al.12, a AF permite investigar as interações entre um grande conjunto de variáveis e interpretá-las a partir de fatores latentes. Dessa forma, as variáveis mais correlacionadas são agrupadas em fatores que explicam parte da variação observada nas variáveis originais. Desse modo, a escolha da análise fatorial para a construção do IVSPES possibilitou sintetizar variáveis inter-relacionadas em fatores latentes, que explicam a variabilidade observada nos dados e identificam dimensões subjacentes da vulnerabilidade. Assim, o método contribui para reduzir a complexidade do fenômeno estudado e aperfeiçoar a comparabilidade dos resultados13.
Na análise multivariada, foram empregadas as técnicas de análise fatorial exploratória (AFE) e análise de componentes principais (ACP), utilizando-se o software SPSS Statistics 20. A ACP gera tantos fatores quanto o número de variáveis originais; entretanto, apenas alguns desses fatores explicam de forma significativa a variância total dos dados12-14. De acordo com Hair et al. 15, o uso adequado da análise fatorial requer o cumprimento de determinadas etapas e pressupostos metodológicos. As etapas propostas pelos autores são seis: i) Formulação do problema de estudo; ii) Determinação da matriz de correlações; iii) Escolha do método de extração fatorial; iv) Definição do número e do tipo de rotações dos fatores; v) Cálculo das cargas fatoriais ou seleção das variáveis substitutas; e vi) Avaliação do ajuste e da validade do modelo.
De acordo com Fávero e Belfiore13, a representação geral da modelagem da AF pode ser expressa pela equação 2:

X_i= a_i F+?_i (2)

Sendo que:
X_i = i-ésimo escore da variável analisada;
F = fator aleatório comum para todas as variáveis medidas;
?_i = componente aleatório
a_i = constante chamada de carga fatorial (loading), que mede a importância dos fatores na composição de cada variável (correlação).
Para viabilizar a aplicação da análise fatorial (AF), é necessário que a matriz de correlação entre as variáveis observadas não se assemelhe a uma matriz identidade. Essa condição é avaliada por meio do teste de esfericidade de Bartlett, que utiliza a estatística qui-quadrado (?²). Um p-valor inferior a 10% indica a rejeição da hipótese nula de que a matriz de correlação é uma matriz identidade, confirmando a existência de correlações significativas entre as variáveis. Adicionalmente, para verificar a adequação da amostra à AF, utiliza-se o índice Kaiser-Meyer-Olkin (KMO), cujo valor deve idealmente situar-se no intervalo 0,5 ? KMO ? 1, sendo que valores mais próximos de 1 indicam maior adequação da técnica11, 13,¹6. Um valor de KMO próximo de 0 sugere que a AF pode não ser apropriada, em razão da correlação fraca entre as variáveis, enquanto valores elevados apontam para uma estrutura de correlação suficientemente forte para justificar o uso do método.
Para complementar a validação da AF, considera-se também a proporção da variância total explicada pela combinação dos fatores estimados, a qual deve ultrapassar 50%, assegurando que os fatores extraídos representem adequadamente o conjunto das variáveis analisadas13-16. É importante observar que a baixa correlação de uma variável com as demais não implica, necessariamente, sua exclusão do modelo, uma vez que ela pode representar um fator específico ou isolado17. Neste estudo, a técnica empregada para a extração dos fatores foi a Análise de Componentes Principais (ACP), que consiste em uma combinação linear das variáveis observadas, com o objetivo de maximizar a explicação da variância total. Quanto ao método de rotação ortogonal, adotou-se o Varimax, que busca minimizar o número de variáveis com altas cargas em um mesmo fator, facilitando a interpretação e a clareza dos fatores obtidos11,18.
Cálculo do IVSPES, padronização e agregação dos indicadores
O IVSPES foi desenvolvido com base no conceito de vulnerabilidade da pessoa em processo de envelhecimento, conforme proposto por Barbosa et al. (2019)?. O cálculo do índice foi realizado em três etapas principais: i) execução de uma análise fatorial (AF) para cada uma das dimensões; ii) padronização dos indicadores; e iii) agregação dos indicadores. Para isso, estimou-se o modelo de análise fatorial a fim de obter os subíndices correspondentes a cada uma das dimensões selecionadas, conforme representado na equação 3.
?IV?_j=?_(i=1)^n??w_i f_ij (3)?
Sendo:
IVj = Subíndice de Vulnerabilidade do j-ésimo índivíduo dos estados do Nordeste
wi = Peso atribuído ao i-ésimo componente principal (wi = percentual da variância explicada pelo componente i / percentual da variância explicada por todos os fatores).
fij = escore fatorial do i-ésimo componente para o j-ésimo indivíduo dos estados do Nordeste com 60 anos ou mais
i= 1, ..., n (componentes principais)
j = 1, ..., 7.736 (moradores das capitais do nordeste com 60 anos ou mais) considerando a zona rural e urbana de cada estado (quando aplicável)
Após a estimação da análise fatorial (AF) para cada uma das dimensões, procedeu-se à padronização dos indicadores, etapa essencial para permitir a comparação, agregação e hierarquização dos resultados. A padronização foi realizada por meio do método Min–Max, que transforma os valores originais em uma escala de 0 a 1, onde 0 representa a menor vulnerabilidade e 1 a maior vulnerabilidade19-21. Esse procedimento considerou tanto a pior situação (relação direta dos fatores com o índice) quanto a melhor situação (relação inversa dos fatores com o índice), garantindo que todos os indicadores apresentassem direcionalidade uniforme na composição do IVSPES:I_pji= (I_ji- I_jr)/(I_jm- I_jr ) (4)
Sendo:
Ipji = Valor padronizado do indicador j na i-ésima estado nordestino
Iji = Valor do indicador j na i-ésima estado nordestina
Ijr = Valor do indicador j em pior situação
Ijm = Valor do indicador j em melhor situação
Após a agregação dos três subíndices, foi calculado o índice global: IVSPES, que nessa etapa final corresponde à média aritmética dos subíndices, conforme evidenciado pelo procedimento matemático da equação 4 21:
?IVSPES?_j=?_(i=1)^k?E_ij/?Emax?_i (4)
Sendo:
?IVSPES?_j= Índice de Vulnerabilidade da Saúde da População em Envelhecimento Saudável no j-ésimo estado nordestino
Eij= escore do i-ésimo indicador obtido na no j-ésimo estado nordestino
Emaxi= escore máximo do i-ésimo indicador
i = 1, ........, k, número de indicadores (k=55) no momento da aplicação da AF
j = 1, ........., n, número de pessoas com 60 anos ou mais (n=7.736) considerando a zona rural e urbana de cada estado (quando aplicável).
Como observado, o IVSPES foi calculado para cada um dos estados da Região Nordeste do Brasil. A aplicação da análise fatorial (AF) foi possível devido à disponibilidade e organização dos dados, os quais consideraram o número de indivíduos com 60 anos ou mais em estado, com indicadores representativos das zonas urbana e rural. Após o cálculo, os valores obtidos foram sumarizados por capital, permitindo a construção de um panorama comparativo regional. O IVSPES varia de 0 a 1, indicando maior vulnerabilidade à medida que o valor se aproxima de 1. Trata-se, contudo, de uma medida relativa, que possibilita comparações apenas entre as capitais nordestinas. Assim, um índice baixo não significa baixa vulnerabilidade em termos absolutos, mas apenas menor vulnerabilidade em relação às demais capitais; da mesma forma, um índice elevado não indica alta vulnerabilidade absoluta, e sim maior vulnerabilidade em comparação regional.
No entanto, considerando que a vulnerabilidade resulta da combinação entre a exposição e a sensibilidade, associadas à ausência de capacidade adaptativa, a parcela correspondente a esta última dimensão foi invertida, sendo subtraída de 122,23, conforme o procedimento da equação (5)
?IVPES?_j= 1/3 [?SE?_j+?SS?_j+(1-?SC?_j)] (5)
Onde:
?IVPES?_j= Índice de Vulnerabilidade da Saúde da População em Envelhecimento Saudável (IVSPES) para o j-ésimo indivíduo dos estados do Nordeste
?SE?_j=Subíndice da dimensão Exposição para o j-ésimo índivíduo das capitais do Nordeste
?SS?_j=Subíndice da dimensão Sensibilidade para o j-ésimo indivíduo dos estados do Nordeste
?SC?_j=Subíndice da dimensão Capacidade Adaptativa para o j-ésimo indivíduo dos estados do nordeste
j = 1, ........., n, número de pessoas com 60 anos ou mais (n=7.736) considerando a zona rural e urbana de cada estado (quando aplicável).
Análise de agrupamento e o mapa temático
Após a construção do IVSPES, foi realizada uma análise de agrupamento pelo método k-médias, com o objetivo de hierarquizar os estados nordestinos em classes distintas de vulnerabilidade. Inicialmente, pretendia-se estabelecer três classes: i) estados com menores níveis de vulnerabilidade; ii) estados com níveis intermediários de vulnerabilidade; e iii) estados com maiores níveis de vulnerabilidade. No entanto, os resultados empíricos evidenciaram apenas duas classes, correspondentes a estados com níveis intermediários e estados com maiores níveis de vulnerabilidade. A ausência de um grupo com baixos níveis de vulnerabilidade indica que, de modo geral, os estados do Nordeste apresentam uma vulnerabilidade expressiva, o que reforça o caráter estrutural das desigualdades regionais observadas.
Conforme Hair et al.15, a análise de agrupamento consiste em um conjunto de técnicas multivariadas voltadas a identificar e agrupar observações com base em suas semelhanças e diferenças, permitindo uma interpretação mais clara dos padrões regionais de vulnerabilidade. Neste estudo, empregou-se o método não hierárquico (k-médias), adequado para análises comparativas e interpretações agregadas por grupos.

3 RESULTADOS E DISCUSSÃO
Os resultados revelam padrões de vulnerabilidade na população idosa do Nordeste brasileiro semelhantes aos observados em países de baixa e média renda24. Em comparação com nações desenvolvidas, como Canadá e Suécia, onde políticas integradas de saúde pública asseguram maior equidade no acesso a serviços de saúde e assistência social25, constata-se uma maior vulnerabilidade da população idosa brasileira, especialmente nas áreas rurais.
No caso específico da Região Nordeste, é possível destacar que: i) cerca de 45,7% das pessoas em envelhecimento saudável possuem renda per capita entre ½ e 1 salário-mínimo; ii) 57,6% se autodeclaram pretas; iii) a maior parcela (34,9%) encontra-se na faixa etária entre 60 e 65 anos; e iv) 75,4% não possuem instrução ou têm apenas o ensino fundamental incompleto. Entre os estados da Região Nordeste, aqueles que apresentam piores condições de envelhecimento saudável, considerando os indicadores de renda per capita, cor e escolaridade, são: Maranhão, Alagoas, Pernambuco e Bahia.
Ao se analisar cada um desses estados com base nos piores indicadores em cada categoria (ver Tabela 1), observa-se um padrão de vulnerabilidade socioeconômica persistente, refletindo desigualdades estruturais que impactam diretamente o envelhecimento saudável na região.
INSERIR TABELA 1 AQUI

A análise dos indicadores socioeconômicos e demográficos dos estados do Nordeste revelou desafios estruturais em diferentes dimensões. No que se refere à renda per capita, Maranhão e Sergipe apresentam distribuição desigual, com grande parcela da população concentrada nas faixas de menor renda, especialmente nas áreas rurais. A distribuição étnico-racial também reflete profundas desigualdades, como observado na Paraíba e no Piauí, onde a população parda representa uma parcela expressiva, o que pode estar associado a barreiras sociais e econômicas persistentes. Em relação à faixa etária, o Rio Grande do Norte destaca-se pela concentração de idosos entre 71 e 75 anos, enquanto a Bahia apresenta um percentual elevado de pessoas entre 76 e 84 anos, evidenciando desafios crescentes para os sistemas de saúde e de assistência social. No aspecto educacional, Ceará e Sergipe enfrentam baixos níveis de escolaridade entre a população idosa, fator que pode limitar o acesso a oportunidades de emprego, restringir a autonomia social e econômica e comprometer o desenvolvimento humano regional.
Diante das análises, observam-se disparidades significativas nas condições de envelhecimento saudável, considerando indicadores socioeconômicos como renda per capita, etnia, faixa etária e escolaridade, o que reforça a importância de políticas públicas direcionadas para garantir o bem-estar da população idosa. É essencial que os governos e órgãos responsáveis considerem as particularidades de cada estado e implementem medidas específicas para enfrentar os desafios identificados, promovendo a inclusão social, o acesso equitativo a serviços de saúde e educação, bem como oportunidades de trabalho digno para as pessoas idosas26. Além disso, é fundamental fortalecer a cooperação entre os estados e a sociedade civil, buscando soluções colaborativas e intersetoriais para reduzir as desigualdades. O enfrentamento das disparidades socioeconômicas no envelhecimento saudável requer uma abordagem integrada e sustentável, que considere não apenas as necessidades imediatas, mas também os desafios de longo prazo, a fim de garantir um futuro mais justo e equitativo para a população idosa³.
As condições aqui identificadas para os idosos nos estados da Região Nordeste referem-se ao ano de 2019, refletindo o contexto socioeconômico e sanitário daquele período. Contudo, é importante reconhecer que as dinâmicas sociais, econômicas e de saúde estão em constante transformação, o que exige revisões contínuas das estratégias e ações voltadas à melhoria da qualidade de vida da população idosa nessas localidades26.
Para o cumprimento do objetivo proposto e a elaboração do Índice, tornou-se essencial avaliar a viabilidade da aplicação da Análise Fatorial (AF), utilizando o teste Kaiser-Meyer-Olkin (KMO) como indicador da adequação da amostra. Verificou-se que os valores de KMO para todas as dimensões estão dentro da faixa considerada satisfatória, permitindo a continuidade da AF, com variância acumulada de 78,07%, 78,77% e 73,01%, respectivamente. Esse resultado é corroborado pelo teste de esfericidade de Bartlett, que indica que a matriz de correlação entre as variáveis não é uma matriz identidade, validando, portanto, a prosseguimento da análise (Tabela 2).

INSERIR TABELA 2 AQUI

Os níveis de significância obtidos nos testes de esfericidade de Bartlett (p-valor = 0,000) para todas as análises indicam a rejeição da hipótese nula de que a matriz de correlações seja uma matriz identidade, o que confirma a existência de correlações significativas entre as variáveis. Em outras palavras, como a matriz de correlações difere da matriz identidade, conclui-se que há inter-relações consistentes entre as variáveis analisadas, condição necessária para a aplicação da Análise Fatorial (AF). Na etapa de extração e rotação dos fatores, foram inicialmente selecionados diversos indicadores para cada uma das dimensões: i) Dimensão Exposição – 17 indicadores; ii) Dimensão Sensibilidade – 22 indicadores; e iii) Dimensão Capacidade Adaptativa – 16 indicadores. Após a estimação da AF para cada uma das dimensões, obteve-se a quantidade final de indicadores e fatores retidos, conforme apresentado na Tabela 3, que sintetiza os resultados do processo de redução e agrupamento das variáveis.
Após a estimação da Análise Fatorial (AF), a dimensão Exposição foi composta por cinco variáveis, distribuídas em duas cargas fatoriais. Foram apresentados os índices correspondentes de comunalidades para cada variável, obtidos a partir da estimativa dos componentes principais. A dimensão Sensibilidade foi estruturada com dez variáveis, distribuídas em cinco fatores, enquanto a dimensão Capacidade Adaptativa reuniu sete variáveis, organizadas em quatro cargas fatoriais. Conforme preconizado por Mingote27, foram consideradas cargas fatoriais com valores iguais ou superiores a 0,50 como critério de retenção. As variáveis excluídas apresentaram resultados insatisfatórios tanto na matriz anti-imagem, com valores da diagonal principal inferiores a 0,5, quanto nas comunalidades, que não atingiram níveis adequados para permanência no modelo.
Na dimensão Exposição, foram identificados dois componentes principais (Fator 1 e Fator 2). Ao analisar as cargas fatoriais, observa-se que o Fator 1 apresenta maior associação com os indicadores P019P, P020P e P022P, conforme destacado em negrito na Tabela 3, enquanto o Fator 2 está mais fortemente relacionado aos indicadores P010P e P012P. Os indicadores P010P e P012P referem-se ao consumo de álcool. O P010P mede o consumo de bebidas alcoólicas uma vez ou mais por semana, ao passo que o P012P indica o consumo abusivo de álcool nos últimos 30 dias. Esses indicadores refletem os padrões de consumo de álcool entre a população idosa, permitindo identificar comportamentos de risco associados à saúde. Por outro lado, os indicadores P019P e P020P estão relacionados ao tabagismo. O P019P corresponde ao uso atual de produtos derivados do tabaco, enquanto o P020P se refere ao hábito atual de fumar tabaco. Tais variáveis contribuem para compreender a prevalência do tabagismo entre os idosos e seus possíveis impactos na saúde. O indicador P022P, por sua vez, aborda as tentativas de cessação do tabagismo nos últimos 12 meses entre fumantes atuais, fornecendo informações relevantes sobre a eficácia dos programas de interrupção do tabagismo e as barreiras enfrentadas pela população idosa nesse processo
Na dimensão Sensibilidade, foram identificados cinco componentes principais (Fator 1, Fator 2, Fator 3, Fator 4 e Fator 5). O Fator 1 apresentou forte associação com os indicadores Q003P e Q005P, enquanto o Fator 2 esteve relacionado aos indicadores Q002P, Q004P, Q007P e Q019P. O Fator 3 mostrou correlação significativa com os indicadores Q009P e Q010P, ao passo que o Fator 4 apresentou maior carga fatorial nos indicadores Q007P e Q022P. Por fim, o Fator 5 esteve associado ao indicador Q021P.
Esses indicadores estão relacionados às condições crônicas de saúde e ao acesso aos cuidados médicos entre a população idosa, aspectos fundamentais para compreender sua vulnerabilidade no contexto do envelhecimento saudável. Indicadores como o diagnóstico médico autorreferido de hipertensão arterial (Q002P), diabetes (Q004P), doença cardíaca (Q007P) e asma (Q009P) fornecem informações relevantes sobre a prevalência dessas condições de saúde entre pessoas idosas. A presença dessas doenças crônicas aumenta a vulnerabilidade da população idosa, pois implica necessidade de acompanhamento contínuo da saúde, uso regular de medicamentos, maior risco de complicações e limitações nas atividades cotidianas, impactando diretamente sua qualidade de vida e autonomia23.

INSERIR TABELA 3 AQUI

Além disso, indicadores relacionados à realização de exames de sangue para medir glicemia (Q003P) e colesterol/triglicerídeos (Q005P) nunca realizados evidenciam possíveis lacunas no acesso aos cuidados de saúde preventivos. A ausência de exames de rotina pode levar a diagnósticos tardios ou à subestimação de condições crônicas, o que eleva o risco de complicações e compromete a qualidade de vida da população idosa. Os indicadores de limitações nas atividades habituais decorrentes do diabetes (Q021P) e de doenças do coração (Q022P) oferecem informações sobre o impacto funcional dessas condições no cotidiano das pessoas idosas, contribuindo para a compreensão de sua vulnerabilidade. Portanto, essa análise é essencial para identificar áreas prioritárias de intervenção e subsidiar o desenvolvimento de políticas e ações voltadas à promoção da saúde da população idosa, com vistas a favorecer um envelhecimento mais ativo, saudável e digno23.
Na dimensão Capacidade Adaptativa, foram identificados quatro componentes principais (Fator 1, Fator 2, Fator 3 e Fator 4). O Fator 1 apresentou forte associação com os indicadores J002P, J011P e U006P; o Fator 2, com os indicadores U004P e U005P; o Fator 3, com o indicador P003P; e o Fator 4, com o indicador P001P. Os indicadores considerados fornecem uma visão abrangente dos hábitos de saúde, do acesso aos cuidados odontológicos e dos padrões alimentares entre a população idosa, aspectos diretamente relacionados à vulnerabilidade no envelhecimento saudável, sobretudo ao se considerar a relação inversa entre capacidade adaptativa e vulnerabilidade. A realização de consulta odontológica nos últimos 12 meses (J002P) e o atendimento odontológico pelo Sistema Único de Saúde (SUS) (U006P) constituem indicadores relevantes de acesso aos cuidados de saúde bucal. A ausência de acesso regular a esses serviços pode indicar uma menor capacidade adaptativa da população idosa, aumentando sua vulnerabilidade a problemas de saúde bucal e comprometendo seu bem-estar geral28.
A utilização de práticas integrativas e complementares nos últimos 12 meses (J011P), assim como o acesso a essas práticas, pode indicar uma abordagem mais holística da saúde, contribuindo para uma melhor capacidade adaptativa e, consequentemente, reduzindo a vulnerabilidade da população idosa29. Os indicadores relacionados aos hábitos alimentares, como o consumo regular de feijão (P001P) e de peixe (P003P), desempenham um papel relevante na manutenção da saúde e da capacidade adaptativa da população idosa. Uma alimentação equilibrada e rica em nutrientes favorece o fortalecimento do organismo, contribuindo para uma melhor saúde geral e reduzindo a vulnerabilidade a doenças30.
Por fim, a perda total dos dentes (U004P) constitui um indicador crítico da saúde bucal, pois limita a capacidade de mastigação e alimentação adequada, impactando negativamente a nutrição, a autoestima e a qualidade de vida da pessoa idosa. Ao analisar conjuntamente as três dimensões da vulnerabilidade no envelhecimento saudável: exposição, sensibilidade e capacidade adaptativa, torna-se possível uma compreensão aprofundada dos desafios enfrentados pela população idosa no campo da saúde. Destaca-se, nesse contexto, a importância de considerar os fatores ambientais, sociais e econômicos, incluindo o acesso a serviços de saúde, as condições de moradia e a exposição a riscos ambientais, que influenciam de forma decisiva a vulnerabilidade e o bem-estar das pessoas idosas24,31.
A sensibilidade das pessoas idosas é influenciada por fatores individuais e coletivos, como condições de saúde pré-existentes, características demográficas e acesso aos cuidados de saúde. Além disso, grupos mais vulneráveis, como idosos de baixa renda ou com comorbidades, tendem a ser mais sensíveis a eventos adversos de saúde32. Cabe ainda destacar que a capacidade adaptativa desempenha um papel crucial na determinação da vulnerabilidade em saúde. Uma capacidade adaptativa robusta pode auxiliar os idosos a enfrentar e superar desafios, como doenças crônicas, mudanças ambientais e limitações funcionais. Esse componente envolve o acesso a recursos materiais e institucionais, o suporte social, a resiliência emocional e a capacidade de autogestão da própria saúde, fatores essenciais para reduzir vulnerabilidades e promover o envelhecimento saudável.
Para a determinação dos pesos dos índices calculados, foram consideradas as proporções das variâncias explicadas (%) e das variâncias acumuladas (%). Conforme descrito na metodologia da pesquisa, no contexto da extração de dois fatores pela Análise Fatorial (AF), foram computados dois conjuntos de pesos correspondentes a cada dimensão analisada. A Tabela 4 apresenta os resultados das estimativas essenciais utilizadas para o cálculo dos índices, evidenciando a contribuição de cada fator na composição final do IVSPES.

INSERIR TABELA 4 AQUI

Os índices brutos foram calculados a partir dos resultados da Análise Fatorial (AF), considerando a proporção da variância explicada por cada fator em relação à variância total explicada (w_i), bem como os fatores gerados pela AF, representados pelos escores fatoriais (F_i). O cálculo seguiu as equações apresentadas a seguir, que expressam a relação entre os pesos fatoriais, os escores estimados e a composição dos subíndices de vulnerabilidade:
?EX?_i= ???w_i F_i ?=0,61F_1+0,39F_2 (4)
?SEN?_i= ???w_i F_i ?=0,23F_1+0,21F_2++0,21F_3++0,19F_4++0,17F_5 (5)
?CA?_i= ???w_i F_i ?=0,30F_1+0,29F_2++0,21F_3++0,20F_4 (6)
Os índices ?EX?_i, ?SEN?_ie ?CA?_i apresentaram 78,07%, 78,77% e 73,00% de variância, explicada pelas variáveis originais, sendo extraído pelos fatores, dois no primeiro, cinco no segundo e quatro no terceiro índice. Após o cálculo dos índices brutos, foi realizada a padronização por meio do método Min-Max, considerando a pior situação (relação direta dos fatores para o índice) e a melhor situação (relação inversa dos fatores para o índice), de modo que ele pudesse variar entre 0 e 1. Todavia, uma vez que a vulnerabilidade é determinada pela interação entre exposição e sensibilidade, associadas à baixa capacidade adaptativa, é possível mensurar o grau de vulnerabilidade da população idosa em processo de envelhecimento saudável nos estados nordestinos. Assim, quanto mais próximo de 1, maior é a vulnerabilidade; quanto mais próximo de 0, menor.
No que se refere à distribuição do IVSPES por estado, observa-se que Alagoas, Bahia, Paraíba, Pernambuco, Piauí e Sergipe apresentam os maiores índices (0,58 ? IVSPES ? 0,58), indicando níveis mais elevados de vulnerabilidade. Por sua vez, Ceará, Maranhão e Rio Grande do Norte situam-se em uma faixa intermediária (0,57 ? IVSPES ? 0,57). Dessa forma, não há estados com baixos níveis de vulnerabilidade na região, evidenciando que a classificação resultou em apenas duas categorias hierárquicas.
A inexistência de estados com baixos níveis de vulnerabilidade e a concentração dos resultados em valores elevados reforçam o alto grau de vulnerabilidade das populações idosas do Nordeste, evidenciando um padrão regional de fragilidade que demanda atenção específica em políticas públicas voltadas ao envelhecimento saudável e à redução das desigualdades socioespaciais.
Estados com distribuição de renda desigual, baixos níveis de escolaridade e disparidades étnicas significativas tendem a apresentar maiores índices de vulnerabilidade entre a população idosa. Além disso, a alta prevalência de doenças crônicas, como hipertensão arterial, diabetes, doenças cardíacas e asma, constitui um fator adicional de vulnerabilidade, uma vez que essas condições demandam cuidados contínuos, envolvem risco de complicações e podem gerar limitações nas atividades diárias23. O acesso a recursos e serviços de saúde também se configura como um determinante essencial. A falta de acesso regular a exames de rotina pode resultar em diagnósticos tardios ou na subestimação de condições crônicas, agravando o quadro de vulnerabilidade25. Outros indicadores comportamentais, como a frequência do consumo de álcool e tabaco, refletem padrões de estilo de vida que podem impactar negativamente a saúde da população idosa33. Em síntese, a vulnerabilidade da população idosa no Nordeste é fortemente influenciada por fatores socioeconômicos, condições de saúde e acesso desigual a recursos e serviços.

5 CONSIDERAÇÕES FINAIS
Este estudo analisou a vulnerabilidade da saúde da população idosa na Região Nordeste do Brasil por meio do IVSPES, com base em dados da PNS10. Os resultados revelaram disparidades significativas entre os estados, evidenciando desafios persistentes, como o acesso limitado a serviços de saúde, a infraestrutura precária e a maior prevalência de condições crônicas não tratadas. A variação dos índices entre os estados reforça a necessidade de intervenções adaptadas às especificidades socioeconômicas e sanitárias de cada território. Foram identificadas diferenças relevantes no acesso aos serviços de saúde, no estado nutricional e na prevalência de doenças crônicas, o que fornece subsídios importantes para a formulação de políticas públicas direcionadas à população idosa nordestina. Além disso, recomenda-se a expansão da aplicação do IVSPES para outras regiões do Brasil e contextos internacionais, a fim de ampliar a compreensão sobre a vulnerabilidade na velhice e contribuir para o desenvolvimento de políticas públicas mais eficazes, equitativas e sustentáveis

Financiamento
Produto oriundo do Edital R No 61/2023 – Programa de Apoio a Equipes de Pesquisa – Fundação Edson Queiroz – Universidade de Fortaleza (UNIFOR).

Declaração de Disponibilidade de Dados
Os dados de pesquisa estão disponíveis mediante solicitação ao autor de correspondência.
As fontes dos dados utilizados na pesquisa estão indicadas no corpo do artigo.

REFERÊNCIAS
1. Instituto de Estudos para Políticas de Saúde. Envelhecimento populacional e saúde dos idosos: o Brasil está preparado? São Paulo: Estudo Institucional, n. 10; 2023.
2. Jensen PH, Skjøtt-Larsen J. Theoretical challenges and social inequalities in active ageing. Int J Environ Res Public Health [serial on the Internet]2021; 18(17):9156. Available from: https://pubmed.ncbi.nlm.nih.gov/34501746/
3. Garbaccio JL, Tonaco LAB, Estevão WG, Bacelos JB. Envelhecimento e qualidade de vida de idosos residentes da zona rural. Rev Bras Enferm [serial on the Internet]2018; 78(2):776-784. Available from: https://www.scielo.br/j/reben/a/pC3sjdGyJnPbyC9PXygQRrF/?format=pdf&lang=en
4. Barbosa KTF, Oliveira FMRL, Fernandes MGM. Vulnerability of the elderly: a conceptual analysis. Rev Bras Enferm [serial on the Internet]2019; 72(Suppl 2): 37-344. Available from: http://www.revenf.bvs.br/scielo.php?script=sci_arttext&pid=S0034-71672019000800337&lng=pt.
5. Braga LS, Macinko J, Proietti FA, César CC, Lima-Costa MF. Diferenciais intraurbanos de vulnerabilidade da população idosa. Cad Saude Publica [serial on the Internet]2010; 26(12):2307-2315. Available from: https://www.scielo.br/j/csp/a/MKpSxmgyKfXdmbtxjtk5ykd/?format=html&lang=pt
6. Adger WN. Vulnerability. Glob Environ Change [serial on the Internet]2006; 16(3):268-281. Available from: https://www.sciencedirect.com/science/article/abs/pii/S0959378006000422
7. Vega E, Morsch, P. A década do envelhecimento saudável (2021–2030) na região das Américas. Estud Sobre Envelhec [serial on the Internet]2021; 32(80): 24-35. Available from: https://www.sescsp.org.br/editorial/ed-80-a-decada-do-envelhecimento-saudavel-2021-2030-na-regiao-das-americas/
8. Stopa SR, Szwarcwald CL, Oliveira MM, Gouvea ECDP, Vieira MLFP, Freitas MPS, Sardinha LMV, Macário EM. National Health Survey 2019: history, methods and perspectives. Epidemiol Serv Saúde [serial on the Internet]2020; 29(5): e2020315. Available from: http://scielo.iec.gov.br/scielo.php?script=sci_arttext&pid=S1679-49742020000500035&lng=pt.
9. Instituto Brasileiro de Geografia e Estatística (IBGE). Pesquisa nacional de saúde: 2019: informações sobre domicílios, acesso e utilização dos serviços de saúde: Brasil, grandes regiões e unidades da federação. Rio de Janeiro: IBGE; 2020.
10. Instituto Brasileiro de Geografia e Estatística (IBGE). Pesquisa Nacional de Saúde 2019: percepção do estado de saúde, estilos de vida, doenças crônicas e saúde bucal. Rio de Janeiro: IBGE, 2020.
11. Fávero LPL, Belfiore PP, Silva FL, Chan BL. Análise de dados: modelagem multivariada para tomada de decisões. São Paulo: Campus, 2009.
12. Blbas HTA, Mahmood SH, Omer CA. A Comparison results of fator analysis and cluster analysis to the migration of young people from the Kurdistan Region to Europe. ZJPAS, 2017, 29(4):44-55. DOI: https://dx.doi.org/10.21271/ZJPAS.29.4.5
13. Fávero LP, Belfiore P. Manual de análise de dados: estatística e modelagem multivariada com Excel®, SPSS® e Stata®. Rio de Janeiro: Elsevier Brasil, 2017.
14. Silveira BC, Silva RG, Carvalho L. A. Índice relativo de qualidade de vida da região norte: uma aplicação da análise fatorial. RBGDR [serial on the Internet]2009 [citado 17º de janeiro de 2026];4(4). Disponível em: https://www.rbgdr.net/revista/index.php/rbgdr/article/view/175
15. Hair JF, Black WC, Babin BJ, Anderson RE, Tatham RL. Multivariate Data Analysis. Upper Saddle River: Pearson Prentice Hall; 2006.
16. Hair JF, Black WC, Babin BJ, Anderson RE, Tatham RL. Análise multivariada de dados. Porto Alegre: Bookman; 2005.
17. Dillon WR, Goldstein M. Multivariate analysis: Methods and applications. New York: Wiley; 1984.
18. Johnson RA, Wichern DW. Applied multivariate statistical analysis. Upper Saddle River: Pearson Prentice Hall; 2007.
19. Nardo M, Saisana M, Saltelli A, Tarantola S, Hoffman A, Giovannin E. Handbook on constructing composite indicators: methodology and user guide. OECD Statistics Working Papers. OECD Publishing: Paris, France, No. 2005/03, 2005; 164. DOI: https://doi.org/10.1787/533411815016.
20. Salvati L, Zitti M, Ceccarelli T, Perini L. Developing a synthetic index of land vulnerability to drought and desertification. Geographical Research [serial on the Internet]2009; 47(3):280-291. Available from: https://onlinelibrary.wiley.com/doi/10.1111/j.1745-5871.2009.00590.x
21. Briguglio L, Cordina G, Farrugia N, Vella S. Economic vulnerability and resilience: concepts and measurements. Oxf Dev Stud [serial on the Internet]2009; 37(3), 229–247. Available from: https://www.tandfonline.com/doi/abs/10.1080/13600810903089893?utm_source=researchgate.net&utm_medium=article
22. Birkmann J, Jamshed A, McMillan JM, Feldmeyer D, Totin E, Solecki W, Ibrahim ZZ, Roberts D, Kerr RB, Poertner HO, Pelling M, Djalante R, Garschagen M, Filho WL, Guha-Sapir D, Alegría A. Understanding human vulnerability to climate change: A global perspective on index validation for adaptation planning. Sci Total Environ [serial on the Internet]2022; 803:150065. DOI: https://doi.org/10.1016/j.scitotenv.2021.150065. Available from: https://www.sciencedirect.com/science/article/pii/S0048969721051408

23. dos Santos EA, Fortini RM, Cardoso LCB, Zanuncio JC. Climate change in Brazilian agriculture: vulnerability and adaptation assessment. Int. J. Environ Sci Technol [serial on the Internet]2023; 20:10713–10730. DOI: https://doi.org/10.1007/s13762-022-04730-7
24. Sousa EC, Sousa JS, Albuquerque E, Lessa LCR, Carvalho JNF. Índice de pobreza multidimensional do nordeste brasileiro: uma análise no período de 2009-2015. Res Soc Dev [serial on the Internet]2021; 10(17):e257101725129-e257101725129. Available from: https://rsdjournal.org/rsd/article/view/25129/22146
25. Moslehi S, Dehghani A, Masoumi G, Shirazi FB. Vulnerability management of the elderly during COVID-19 pandemic: A systematic review. HDQ, 2023; 8(2):77-86. DOI: http://dx.doi.org/10.32598/hdq.8.2.310.3
26. Jeste DV. Non-medical social determinants of health in older adults. Int Psychogeriatr [serial on the Internet]2022; 34(9):755-756. Available from: https://pubmed.ncbi.nlm.nih.gov/36008366/
27. Mohanty SK, Abhilasha, Mishra RS, Upadhyay AK, O’Donnell O, Maurer J. Sociodemographic and geographic inequalities in diagnosis and treatment of older adults’ chronic conditions in India: a nationally representative population-based study. BMC Health Serv Res [serial on the Internet]2023; 23(1):332. Available from: https://pubmed.ncbi.nlm.nih.gov/37013518/
28. Robledo LMG, Cano-Gutiérrez C, Garcia EV. Healthcare for older people in Central and South America. Age Ageing [serial on the Internet]2022; 51(5):afac017. Available from: https://pubmed.ncbi.nlm.nih.gov/35604089/
29. Mingoti SA. Análise de Dados através de Métodos de Estatística Multivariada: uma abordagem aplicada. Belo Horizonte: Editora UFMG; 2005.
30. Kovács N, Liska O, Idara-Umoren EO, Mahrouseh N, Varga O.Trends in dental care utilization among the elderly using longitudinal data from 14 European countries: A multilevel analysis. PLoS One [serial on the Internet]2023; 18(6):e0286192. Available from: https://pubmed.ncbi.nlm.nih.gov/37294829/
31. Garcia-Cerde R, Medeiros PFP, Silva LF, Valente JY, Andreoni S, Sanchez, ZM, Rezende LFM. Use of integrative and complementary health practices by Brazilian population: results from the 2019 National Health Survey. BMC Public Health [serial on the Internet]2023; 23(1):1153. Available from: https://pubmed.ncbi.nlm.nih.gov/37316825/
32. Sidelkovskiy A, Gasiyk O. Gerontological aspects of healthy nutrition. INJ [serial on the Internet]2023 Jul. 9 [cited 2026 Jan. 17]; 19(3):80-2. Available from: https://inj-journal.com/index.php/journal/article/view/1002
33. Angeler D, Eyre HA, Berk M, Allen CR, Hynes W, Linkov I. Adaptation, Transformation and Resilience in Healthcare: Comment on" Government Actions and Their Relation to Resilience in Healthcare During the COVID-19 Pandemic in New South Wales, Australia and Ontario, Canada". Int J Health Policy Manag [serial on the Internet]2022; 11(9):1949-1952. Available from: https://pubmed.ncbi.nlm.nih.gov/35247939/