Associação entre Inatividade Física e Autoavaliação de Saúde – Pesquisa Nacional de Saúde 2019

Ana Tércia Freires da Silva; Frederico Reis Pacheco

DOI: 10.22167/2675-6528-202602651

Artigo derivado de Trabalho de Conclusão de Curso (TCC), com conteúdo baseado no trabalho original do aluno e adaptado ao formato editorial da Revista E&S com apoio da ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege para síntese e organização textual.

Resumo

A autoavaliação de saúde constituiu um indicador robusto do estado geral de saúde, por integrar dimensões biológicas, psicológicas e sociais. Investigou-se a associação entre a autoavaliação de saúde e a inatividade física na população adulta brasileira. Realizou-se uma pesquisa transversal de base populacional, utilizando microdados da Pesquisa Nacional de Saúde (PNS) de 2019, com uma amostra de 88.531 indivíduos com 18 anos ou mais. A inatividade física foi definida pelo descumprimento de 150 minutos semanais de atividade física. Aplicou-se estatística descritiva e regressão logística para amostras complexas, com ajuste para variáveis demográficas, socioeconômicas e clínicas, e análise de sensibilidade por regressão de Poisson. Observou-se maior proporção de autoavaliação positiva entre indivíduos ativos e maior prevalência de percepção negativa entre inativos. Após os ajustes, a autoavaliação negativa de saúde permaneceu associada a maiores chances de inatividade física. A autoavaliação de saúde apresentou associação significativa com o nível de atividade física, evidenciando a importância de estratégias de promoção da saúde que considerem determinantes individuais e sociais do comportamento ativo.

Palavras-chave: atividade física; epidemiologia; regressão logística; saúde pública.

1. Introdução

A autoavaliação de saúde, frequentemente referida pela sigla AAS, constitui um indicador abrangente e consistente do estado geral de saúde de um indivíduo. Sua relevância reside na capacidade de integrar diversas dimensões, como aspectos biológicos, psicológicos e sociais, oferecendo uma perspectiva holística da condição de saúde. Diferentemente das avaliações médicas baseadas em parâmetros clínicos objetivos, a AAS reflete a percepção global que o próprio indivíduo possui sobre sua saúde (Jylhä, 2009; Kochman et al., 2023). Essa percepção subjetiva é reconhecida como um forte preditor de mortalidade, com a autoavaliação negativa de saúde demonstrando associação comprovada com menor sobrevida, consolidando-se como um indicador robusto e independente para a previsão de desfechos clínicos (Jylhä, 2009; Szwarcwald et al., 2015).

A relação entre a atividade física e a autopercepção de saúde é multifacetada e envolve diversos componentes do bem-estar e das condições de saúde. No contexto brasileiro, evidências longitudinais apontam que a diminuição da prática de atividade física está associada a uma piora na autopercepção de saúde (Andrade et al., 2019). Essa interconexão sublinha a importância de ambos os fatores para a manutenção da saúde e qualidade de vida da população.

Nesse cenário, a inatividade física emerge como um problema significativo de saúde pública. Este comportamento está diretamente associado ao aumento do risco de desenvolvimento de doenças cardiovasculares, diabetes tipo dois e diversos tipos de câncer (Lee et al., 2012). Devido à sua elevada prevalência e aos impactos adversos na saúde global, a inatividade física tem sido amplamente reconhecida como uma pandemia global (Kohl et al., 2012). Além das consequências diretas para a saúde individual, a inatividade física impõe um ônus econômico considerável aos sistemas de saúde em escala mundial (Ding et al., 2016). No Brasil, esses impactos são particularmente notáveis no Sistema Único de Saúde (SUS), manifestando-se, por exemplo, em hospitalizações relacionadas a doenças crônicas não transmissíveis (Prodel et al., 2023).

Diante da complexidade e da abrangência dos determinantes de saúde, a investigação aprofundada desses fatores é crucial para o desenvolvimento de políticas públicas mais eficazes, direcionadas e equitativas. Estudos de base populacional, como o presente, desempenham um papel fundamental ao permitir a identificação de vulnerabilidades específicas e a compreensão dos fatores que influenciam o bem-estar da população. A utilização de dados representativos da população brasileira, como os microdados da Pesquisa Nacional de Saúde (PNS) de 2019, oferece uma oportunidade valiosa para analisar essa associação em um contexto nacional.

A relevância de compreender a associação entre a inatividade física e a autoavaliação de saúde reside na possibilidade de subsidiar estratégias de promoção da saúde mais alinhadas às necessidades da população. Assim, este estudo tem por objetivo investigar a associação entre a inatividade física e a autoavaliação de saúde da população adulta brasileira utilizando modelos de regressão logística.

2. Material e Métodos

Este estudo caracterizou-se como uma pesquisa transversal de base populacional, utilizando microdados da Pesquisa Nacional de Saúde (PNS) de 2019. A PNS foi realizada pelo Instituto Brasileiro de Geografia e Estatística (IBGE) em colaboração com o Ministério da Saúde. O levantamento abrangeu a população residente em domicílios permanentes, localizados em áreas urbanas e rurais dos municípios das cinco grandes regiões geográficas do Brasil, incluindo os 26 estados e o Distrito Federal (Stopa et al., 2020).

Para a composição da amostra, foram incluídos apenas os moradores selecionados que tinham 18 anos ou mais de idade e que responderam diretamente ao questionário da pesquisa. A amostra final totalizou 88.531 indivíduos. A PNS adotou um plano amostral complexo, por conglomerados e em múltiplos estágios, visando garantir a representatividade da população brasileira. O anonimato dos entrevistados foi rigorosamente preservado.

A variável de desfecho investigada foi a inatividade física, definida pela não observância das recomendações da Organização Mundial da Saúde (OMS, 2020) de 150 minutos semanais de atividade física. Para a construção dessa variável, consideraram-se os domínios de lazer, trabalho e deslocamento, conforme as informações coletadas no questionário da PNS.

No domínio do lazer, utilizou-se o relato de prática de exercício ou esporte nos últimos três meses, com base na frequência semanal e na duração em horas e minutos (questões P034, P035, P03701 e P03702). Para o contexto ocupacional, verificou-se o hábito de andar a pé ou realizar atividades pesadas e faxinas no trabalho, mensurando-se o número de dias e o tempo diário aplicado nessas tarefas (questões P038, P039, P03904 e P03906).

O deslocamento foi avaliado por meio de dois eixos: o trajeto de ida e volta do trabalho, realizado a pé ou de bicicleta (questões P040, P04001 e P04102), e as atividades habituais de transporte para cursos, escolas ou clubes, excetuando-se o trabalho, contabilizando-se a frequência semanal e o tempo diário de deslocamento (questões P042 e P04302).

A principal variável de exposição foi a autoavaliação de saúde (AAS), obtida pela pergunta “Em geral, como o(a) Sr(a) avalia a sua saúde?” (N001). As opções de resposta originais foram: muito boa, boa, regular, ruim, muito ruim e ignorado/não aplicável. Para os propósitos deste estudo, a variável foi categorizada em positiva (boa/muito boa), neutra (regular) e negativa (ruim/muito ruim), seguindo a abordagem de estudos anteriores (Szwarcwald et al., 2015; Andrade et al., 2019).

Para controlar potenciais fatores de confusão, foram consideradas diversas covariáveis. As variáveis demográficas incluíram sexo (masculino; feminino), faixa etária (18 a 24; 25 a 39; 40 a 59; 60 ou mais), raça (branca; preta; parda; amarela/indígena/ignorada), região (Nordeste; Norte; Sul; Sudeste; Centro-Oeste), situação de domicílio (urbano; rural) e estado civil (solteiro; casado; separado/divorciado/viúvo).

As covariáveis socioeconômicas abrangeram escolaridade (ensino fundamental incompleto [EFI]; ensino fundamental completo [EFC] a ensino médio incompleto [EMI]; ensino médio completo [EMC] a ensino superior incompleto [ESI]; ensino superior completo [ESC]), renda per capita (até 1/4 salário mínimo; 1/4 até 1/2; 1/2 até 1; 1 até 2; 2 até 3; 3 ou mais salários; não definido) e ocupação (ocupado; não ocupado; fora da força de trabalho).

As variáveis clínicas consideradas foram o diagnóstico médico de ao menos uma doença crônica (doenças cardíacas, diabetes, câncer, insuficiência renal e doença pulmonar), doença osteomuscular (artrite/reumatismo, problema na coluna e distúrbios osteomusculares relacionados ao trabalho [DORT]) e o índice de massa corporal (IMC).

O IMC foi categorizado em baixo peso, eutrofia, sobrepeso e obesidade. Para adultos (18 a 59 anos), considerou-se baixo peso quando IMC ≤ 18,4 kg/m², eutrofia entre 18,5 e 24,9 kg/m² e excesso de peso para IMC ≥ 25 kg/m² (Brasil, 2020). Para idosos (60 anos ou mais), os pontos de corte foram: baixo peso (IMC ≤ 21,9 kg/m²), eutrofia (IMC de 22 a 26,9 kg/m²) e excesso de peso (IMC ≥ 27 kg/m²) (Brasil, 2011).

A análise dos dados foi realizada no software R, utilizando o pacote `survey`. Os scripts utilizados estão disponíveis publicamente em um repositório online. Inicialmente, procedeu-se à análise descritiva para caracterização do perfil da amostra, seguida pela investigação da associação entre a autoavaliação de saúde e a inatividade física.

A associação foi investigada por meio de regressão logística para amostras complexas, com ajuste para os determinantes demográficos, socioeconômicos e clínicos. A modelagem fundamentou-se nos pressupostos dos Modelos Lineares Generalizados (GLM) para dados categóricos, considerando a natureza binária do desfecho (indivíduos classificados como fisicamente inativos ou ativos).

O modelo logístico utilizou a função de ligação `logit` para estimar a probabilidade de um indivíduo ser inativo. A medida de associação resultante foi a razão de chances (RC), obtida pela exponenciação dos coeficientes. A estimação dos parâmetros foi realizada utilizando a função `svyglm` com a família de distribuição `quasibinomial`, que ajusta as estimativas pontuais pelos pesos amostrais e corrige os erros-padrão através de estimadores de variância robustos baseados no desenho (Lumley, 2010).

Os intervalos de confiança de 95% (IC95%) dos coeficientes foram calculados a partir da estimativa pontual e do erro-padrão robusto, ajustado ao desenho amostral complexo. A significância estatística das associações foi avaliada por meio do teste de Wald, que testa a hipótese nula de que o coeficiente de regressão é igual a zero (Agresti, 2013). A estatística do teste foi comparada a uma distribuição t-Student, ajustada pelos graus de liberdade do desenho (Lumley, 2010). Adotou-se um nível de significância de 5%, considerando associações estatisticamente significativas quando o valor de p foi inferior a 0,05.

Como análise de sensibilidade, empregou-se a regressão de Poisson com variância robusta para estimar diretamente a razão de prevalência (RP), uma medida de associação frequentemente utilizada em estudos transversais com desfechos comuns (Lumley, 2010). O modelo de Poisson utilizou a função de ligação logarítmica para modelar o valor esperado da variável resposta em função dos preditores (Agresti, 2013). A exponenciação dos coeficientes resultantes deste modelo forneceu a RP. Este ajuste foi realizado utilizando a família `quasipoisson` na função `svyglm` (Lumley, 2010), acomodando a estrutura de correlação dos conglomerados e os pesos do desenho amostral.

3. Resultados e Discussão

O estudo revelou que a autoavaliação de saúde apresenta padrões distintos em relação ao nível de atividade física na população adulta brasileira, com uma amostra final de 88.531 indivíduos. Observou-se que a autoavaliação positiva de saúde foi significativamente mais prevalente entre os indivíduos fisicamente ativos, atingindo 72,04% (IC95%: 71,30; 72,77). Em contraste, entre os indivíduos inativos, essa proporção foi de 57,94% (IC95%: 57,04; 58,84). Essa diferença inicial sugere uma correlação direta entre a percepção de bem-estar e a manutenção de um estilo de vida ativo, alinhando-se com a compreensão de que a saúde subjetiva reflete o estado geral do indivíduo.

A autoavaliação negativa de saúde, por sua vez, demonstrou uma prevalência quase três vezes maior no grupo de indivíduos inativos, alcançando 9,15% (IC95%: 8,68; 9,62), em comparação com 3,35% (IC95%: 3,07; 3,62) entre os ativos. De maneira consistente, ao analisar especificamente o grupo com autoavaliação negativa de saúde, verificou-se que a maioria dos indivíduos, 66,47% (IC95%: 64,40; 68,53), era insuficientemente ativa. Esses achados estão em consonância com as análises da Organização Mundial da Saúde (2022), que identifica a inatividade física como um fator relevante na diminuição do bem-estar geral da população, reforçando a importância de abordar esse comportamento.

A análise por sexo revelou um padrão de desigualdade marcante na distribuição da inatividade física e da autoavaliação de saúde. As mulheres constituíram a maior parcela do grupo fisicamente inativo, representando 61,22% (IC95%: 60,39; 62,05) desse segmento. Adicionalmente, elas concentraram a maior proporção de indivíduos que apresentaram autoavaliação negativa de saúde, com 64,86% (IC95%: 62,82; 66,89). Tais resultados corroboram estudos prévios baseados em dados da Pesquisa Nacional de Saúde e do sistema Vigitel (Brasil, 2022; Mielke et al., 2020), que consistentemente apontam para uma menor atividade física no tempo livre entre as mulheres brasileiras.

Essa disparidade de gênero não se restringe a fatores biológicos, mas é influenciada por barreiras estruturais e socioeconômicas. A menor participação feminina em atividades físicas de lazer é frequentemente associada a variáveis como renda, escolaridade e o acesso limitado a espaços adequados para a prática (Martins et al., 2009; Florindo et al., 2009). Esses elementos contextuais são cruciais para a compreensão das desigualdades observadas e para o desenvolvimento de intervenções mais eficazes, visando promover a equidade na saúde e incentivar um comportamento mais ativo.

Os fatores socioeconômicos também desempenharam um papel relevante na distribuição da atividade física e na percepção de saúde. Entre os indivíduos fisicamente inativos, observou-se uma concentração significativa de pessoas com baixa escolaridade, com 42,05% (IC95%: 41,15; 42,95) desse grupo possuindo ensino fundamental incompleto. De forma análoga, 69,92% (IC95%: 67,92; 71,92) dos indivíduos com autoavaliação negativa de saúde apresentavam ensino fundamental incompleto, um padrão que se manteve na autoavaliação neutra, com 50,09% (IC95%: 49,01; 51,18).

Em contrapartida, níveis mais elevados de escolaridade foram associados a uma melhor percepção de saúde. A proporção de indivíduos com ensino superior na categoria de autoavaliação positiva foi quase cinco vezes maior do que entre aqueles com autoavaliação negativa de saúde, correspondendo a 20,21% (IC95%: 19,39; 21,03) e 4,50% (IC95%: 3,51; 5,49), respectivamente. Esses achados reforçam a literatura que indica a influência de fatores socioeconômicos, como escolaridade e renda, na prática de atividade física e no acesso a condições favoráveis para sua realização (Florindo et al., 2009; Mielke et al., 2015).

A análise das faixas etárias revelou que aproximadamente 83% das autoavaliações negativas de saúde estavam concentradas em indivíduos com 40 anos ou mais. Destaca-se que a faixa etária de 60 anos ou mais representou 41,91% (IC95%: 39,81; 44,01) desse grupo. O envelhecimento populacional mostrou-se associado tanto à menor prática de atividade física quanto a uma pior percepção subjetiva de saúde. Essa associação é frequentemente atribuída à maior prevalência de doenças crônicas não transmissíveis e ao surgimento de limitações funcionais que acompanham o avanço da idade (Malta et al., 2021), impactando diretamente a capacidade de manter um estilo de vida ativo.

Estudos recentes indicam que as características do ambiente urbano podem mediar a relação entre a autoavaliação de saúde e a inatividade física, especialmente em populações mais vulneráveis. A presença de áreas verdes, espaços caminháveis e ambientes urbanos que favorecem a mobilidade ativa tem sido associada a maiores níveis de atividade física e a melhores desfechos de saúde física e mental (Hino et al., 2021; Florindo et al., 2024). Esses fatores são particularmente relevantes para idosos e indivíduos com doenças crônicas, para os quais a proximidade de ambientes seguros e acessíveis é fundamental para a manutenção de hábitos ativos (Paiva Neto et al., 2022).

A análise descritiva também permitiu caracterizar o acesso da população a espaços públicos e programas de incentivo à atividade física. Verificou-se que 56,22% (IC95%: 55,23; 57,20) dos indivíduos possuíam algum espaço público próximo ao domicílio para realizar caminhada, exercício ou prática esportiva. Contudo, 43,78% (IC95%: 42,80; 44,77) não dispunham desse tipo de estrutura nas proximidades de sua residência. Embora a maioria da população tenha indicado a presença desses espaços, a proporção de indivíduos sem acesso ainda é considerável, evidenciando uma lacuna na infraestrutura.

Outro aspecto relevante refere-se ao conhecimento e à participação em programas públicos de incentivo à atividade física. Observou-se uma baixa adesão a esses programas, evidenciada pelo elevado desconhecimento por parte de 74,11% (IC95%: 73,23; 74,98) da população. Além disso, entre aqueles que conheciam os programas, apenas 10,51% (IC95%: 9,74; 11,29) relataram participar. Esses dados sugerem que aspectos ambientais e contextuais podem atuar como barreiras adicionais ao comportamento ativo, indicando a necessidade de políticas públicas que melhorem a conscientização e o acesso a essas iniciativas.

Após a análise descritiva, um modelo de regressão logística foi ajustado com variáveis demográficas, revelando que a autoavaliação de saúde se manteve como uma das variáveis com associação independente mais forte com a inatividade física, apresentando um gradiente claro. Indivíduos que relataram uma autoavaliação negativa de saúde apresentaram 2,60 (IC95%: 2,35; 2,88) vezes mais chances de serem fisicamente inativos em comparação com aqueles que autoavaliaram sua saúde positivamente. Similarmente, a autoavaliação neutra de saúde esteve associada a 38% mais chances de inatividade em relação à categoria de referência.

Entre as variáveis demográficas avaliadas, o sexo feminino apresentou uma associação significativa com o desfecho, com 71% mais chances de inatividade física em comparação aos homens. A variável idade demonstrou um comportamento heterogêneo, com os grupos de 25 a 59 anos não sendo estatisticamente significativos. Uma possível explicação para esse padrão é a maior participação dessas faixas etárias intermediárias em atividades ocupacionais e de deslocamento, que contribuem para o nível total de atividade física (Ide et al., 2020).

Contudo, o grupo com 60 anos ou mais apresentou uma chance de inatividade física 2,24 (IC95%: 2,03; 2,48) vezes maior em relação aos jovens de 18 a 24 anos. No que se refere às características contextuais e territoriais, residir em área urbana associou-se a menores chances de inatividade física, com uma redução de 18% nas chances do desfecho em comparação à zona rural. Um padrão semelhante foi observado na análise macrorregional, onde a região Sudeste apresentou menores chances de inatividade física em comparação com a região Nordeste.

A variável raça também se associou à menor inatividade, com indivíduos pretos e pardos apresentando, respectivamente, 0,78 (IC95%: 0,72; 0,85) e 0,92 (IC95%: 0,87; 0,98) vezes menos chances de inatividade em relação aos brancos. Por outro lado, o estado civil não demonstrou associação significativa com o desfecho, conforme verificado pelos testes estatísticos. Esses resultados iniciais destacam a complexidade dos fatores que influenciam a inatividade física, com a autoavaliação de saúde emergindo como um preditor robusto.

No segundo modelo, a inclusão das variáveis socioeconômicas resultou em uma redução na magnitude das razões de chances, indicando que parte da associação observada pode ser explicada pelas diferenças socioeconômicas entre os grupos. As chances de inatividade associadas à autoavaliação negativa de saúde reduziram-se de 2,60 para 2,00 (IC95%: 1,80; 2,22), enquanto para a autoavaliação neutra, diminuíram de 1,38 para 1,25 (IC95%: 1,18; 1,32). Essa diminuição sugere que a intensidade da associação foi atenuada após o ajuste por fatores socioeconômicos.

Em relação à renda per capita, identificou-se que as chances de inatividade física são maiores nas faixas de renda mais baixas em comparação à faixa de renda mais alta. Por exemplo, indivíduos com renda de até 1/4 do salário mínimo apresentaram 1,22 (IC95%: 1,07; 1,38) vezes mais chances de inatividade física. Destaca-se também que não possuir ocupação profissional e estar fora da força de trabalho associaram-se a chances significativamente mais altas de inatividade física, com razões de chances de 2,14 (IC95%: 1,88; 2,44) para não ocupados e 3,12 (IC95%: 2,93; 3,32) para aqueles fora da força de trabalho.

Em contrapartida, embora o baixo grau de escolaridade tenha apresentado uma tendência semelhante de associação com a inatividade física, este não alcançou significância estatística neste modelo ajustado. Esses achados reforçam a ideia de que a inatividade física é um fenômeno multifacetado, influenciado por uma gama de fatores que vão além das características demográficas básicas, englobando também as condições socioeconômicas que moldam o estilo de vida e as oportunidades de acesso à atividade física.

Ao ajustar o Modelo 3, que incluiu condições clínicas como doenças crônicas, distúrbios osteomusculares e índice de massa corporal, observou-se que a razão de chances para a autoavaliação de saúde apresentou apenas um pequeno aumento nas chances de inatividade física. A autoavaliação negativa de saúde teve uma razão de chances de 2,02 (IC95%: 1,81; 2,25), e a neutra, 1,25 (IC95%: 1,18; 1,33). Esse resultado sugere que a autoavaliação de saúde pode refletir dimensões mais amplas do estado de saúde que não são completamente capturadas por indicadores clínicos objetivos, abrangendo aspectos funcionais, psicológicos e perceptivos.

Apesar disso, as novas variáveis clínicas incluídas no modelo mostraram-se globalmente significativas. Indivíduos que não possuíam doenças crônicas apresentaram 0,90 (IC95%: 0,84; 0,97) vezes menos chances de inatividade física em comparação com aqueles que tinham pelo menos uma doença crônica. Curiosamente, a ausência de doenças osteomusculares foi associada a 1,16 (IC95%: 1,09; 1,24) vezes mais chances de inatividade física em comparação com aqueles que possuíam tais distúrbios, um achado que merece atenção em futuras investigações.

Em relação ao Índice de Massa Corporal (IMC), todas as categorias, exceto a de referência (eutrofia), foram associadas a maiores chances de inatividade física. Indivíduos com baixo peso apresentaram 1,15 (IC95%: 1,02; 1,29) vezes mais chances, sobrepeso 1,07 (IC95%: 1,01; 1,13) vezes mais chances, e obesidade 1,20 (IC95%: 1,10; 1,32) vezes mais chances de inatividade física. A categoria “Não aplicável” para IMC também mostrou 1,64 (IC95%: 1,29; 2,07) vezes mais chances. Esses achados indicam que a autoavaliação de saúde, embora influenciada por fatores clínicos, mantém sua relevância como preditor independente da inatividade física.

Considerando a elevada prevalência de inatividade física na amostra, realizou-se uma análise de sensibilidade por meio de regressão de Poisson com variância robusta. O objetivo foi avaliar a estabilidade das associações observadas no modelo logístico final. Os resultados evidenciaram uma elevada concordância entre as abordagens, com manutenção da direção, significância estatística e ordenamento das associações, reforçando a robustez dos achados e a consistência das relações identificadas.

Especificamente, a autoavaliação de saúde manteve uma associação estatisticamente significativa com a inatividade física. Indivíduos com autoavaliação negativa de saúde apresentaram uma razão de prevalência (RP) de 1,32 (IC95%: 1,27; 1,37) no modelo de Poisson, em comparação com a razão de chances (RC) de 2,02 (IC95%: 1,81; 2,25) no modelo logístico. Essa diferença na magnitude é consistente com a literatura metodológica, que aponta que em estudos transversais com desfechos frequentes, a razão de chances pode superestimar a razão de prevalências (Barros e Hirakata, 2003).

A preservação do gradiente de associação entre as categorias da autoavaliação de saúde reforça a consistência do achado principal. As demais covariáveis incluídas no modelo também apresentaram um padrão semelhante de estabilidade. Destaca-se que a situação de ocupação permaneceu como o fator de maior magnitude, com associações expressivas em ambos os modelos: RC de 3,10 e RP de 1,83 para indivíduos fora da força de trabalho, indicando que a ausência de ocupação profissional é um forte preditor de inatividade.

De forma consistente, o sexo feminino e a idade avançada (60 anos ou mais) mantiveram-se associados a maiores chances de inatividade física, mesmo após o ajuste multivariado. Essa convergência nos resultados das análises de sensibilidade indica que as associações observadas são robustas à especificação estatística, minimizando o risco de distorções decorrentes de superestimação inerente à regressão logística. Tais evidências sustentam que a autoavaliação de saúde manteve uma associação consistente com a inatividade física, mesmo após ajuste para fatores sociodemográficos e clínicos considerados no modelo.

Em síntese, os resultados deste estudo demonstram uma associação significativa entre a autoavaliação de saúde e a inatividade física na população adulta brasileira. Indivíduos que percebem sua saúde de forma negativa apresentam maiores chances de não atingir os níveis recomendados de atividade física, mesmo após o controle de diversas variáveis demográficas, socioeconômicas e clínicas. A inatividade física também se mostrou influenciada por fatores sociodemográficos e socioeconômicos, bem como pelo acesso a espaços públicos e programas de incentivo, indicando a complexidade dos determinantes do comportamento ativo e a necessidade de abordagens multifacetadas para a promoção da saúde.

4. Conclusão

O estudo visou investigar a associação entre a inatividade física e a autoavaliação de saúde na população adulta brasileira. Observou-se que indivíduos que percebiam sua saúde de forma negativa apresentaram maiores chances de serem fisicamente inativos, mesmo após o ajuste para fatores demográficos, socioeconômicos e clínicos. Verificou-se que a autoavaliação positiva de saúde era mais prevalente entre os indivíduos ativos, enquanto a percepção negativa era quase três vezes maior entre os inativos. Além disso, identificou-se que a inatividade física é um fenômeno multifacetado, influenciado por características sociodemográficas, como sexo feminino e idade avançada, e por condições socioeconômicas, como baixa renda e ausência de ocupação profissional. A robustez dessas associações foi confirmada por análises de sensibilidade, reforçando a consistência dos achados. A principal contribuição deste estudo reside em evidenciar a relevância da autoavaliação de saúde como um indicador abrangente do bem-estar geral, que deve ser considerado no desenvolvimento de estratégias de promoção da atividade física.

Contudo, o delineamento transversal do estudo impede a afirmação de relações de causa e efeito, e a mensuração da atividade física por autorrelato pode introduzir vieses de memória ou de desejabilidade social. Adicionalmente, o agrupamento da autoavaliação de saúde em apenas três categorias pode não capturar a totalidade da complexidade dessa percepção subjetiva. Apesar dessas limitações, a utilização de dados representativos da população brasileira e a aplicação de métodos estatísticos robustos conferem solidez aos resultados. Sugere-se a realização de estudos longitudinais para aprofundar a compreensão da direcionalidade da relação entre autoavaliação de saúde e inatividade física ao longo do tempo. Recomenda-se também uma investigação mais detalhada sobre a contribuição de aspectos ambientais e o acesso a espaços públicos e programas de incentivo, que se mostraram como barreiras relevantes ao comportamento ativo. Tais abordagens futuras podem subsidiar a formulação de políticas públicas mais eficazes e equitativas, que considerem as múltiplas dimensões que influenciam a prática de exercícios e o bem-estar da população.

Referências Bibliográficas

Andrade, G.F.; Loch, M.R.; Silva, A.M.R. 2019. Mudanças de comportamentos relacionados à saúde como preditores de mudanças na autopercepção de saúde: estudo longitudinal (2011-2015). Cadernos de Saúde Pública 35(4):e00151418.

Jylhä, M. 2009. What is self-rated health and why does it predict mortality? towards a unified conceptual model. Social Science & Medicine 69(3): 307-316.

Kochman, M.; Kielar, A.; Kasprzak, M.; Maruszczak, K.; Kasperek, W. 2023. The relationship between self-rated health and physical fitness in polish youth. Healthcare 12(1): 24.

Lee, I. M.; Shi

Szwarcwald, C. L.; Damacena, G. N.; Souza Júnior, P. R. B.; Almeida, W. S.; Lima, L. T. M.; Malta, D. C.; Stopa, S. R.; Vieira, M. L. F. P.; Pereira, C. A. 2015. Determinantes da autoavaliação de saúde no Brasil e a influência dos comportamentos saudáveis: resultados da Pesquisa Nacional de Saúde, 2013. Revista Brasileira de Epidemiologia 18: 33–44.

Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Data Science e Analytics do MBA USP/Esalq

Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy