Arq Bras Cardiol abc Arquivos Brasileiros de Cardiologia Arq. Bras. Cardiol. 0066-782X 1678-4170 Sociedade Brasileira de Cardiologia - SBC yvX6pGqfNYNdNTG9ZvwGZgR S0066-782X2019000600749 S0066-782X2019005006101 10.5935/abc.20190049 Original Article The Relationship between Lifestyle and Costs Related to Medicine Use in Adults 0000-0003-1576-8090 Fernandes Romulo Araujo 1 2 0000-0003-2646-1350 Mantovani Alessandra Madia 1 0000-0003-4273-9375 Codogno Jamile Sanches 1 2 0000-0002-2803-1058 Turi-Lynch Bruna Camilo 1 0000-0002-1009-8553 Pokhrel Subhash 3 0000-0003-3615-344X Anokye Nana 3 Universidade Estadual Paulista Instituto de Biociências Programa de Pós-Graduação em Ciências da Motricidade Rio Claro SP Brazil Programa de Pós-Graduação em Ciências da Motricidade - Instituto de Biociências - Universidade Estadual Paulista (UNESP), Rio Claro, SP - Brazil Universidade Estadual Paulista Faculdade de Ciências e Tecnologia Departmento de Educação Física Presidente Prudente SP Brazil Departmento de Educação Física - Faculdade de Ciências e Tecnologia - Universidade Estadual Paulista (UNESP), Presidente Prudente, SP - Brazil Brunel University Institute of Environment - Health and Societies Uxbridge London United Kingdom Institute of Environment - Health and Societies - Brunel University - Uxbridge, London - United Kingdom Mailing Address: Rômulo Araújo Fernandes, Roberto Simonsen Avenue, 305. Centro Educacional. Postal Code 19060-900. Presidente Prudente, SP - Brazil. Email: romulo_ef@yahoo.com.br

Author contributions

Conception and design of the research: Fernandes RA; Acquisition of data and Analysis and interpretation of the data: Mantovani AM; Statistical analysis: Mantovani AM, Anokye N; Writing of the manuscript: Codogno JS, Turi-Lynch BC, Anokye N; Critical revision of the manuscript for intellectual content: Codogno JS, Turi-Lynch BC, Pokhrel S.

Potential Conflict of Interest

No potential conflict of interest relevant to this article was reported.

 14 03 2019 06 2019 112 6 749 755 25 05 2018 18 09 2018 19 09 2018 This is an Open Access article distributed under the terms of the Creative Commons Attribution License, which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited Abstract Background:

The unhealthy lifestyle is growing and this can have repercussions on health status demanding actions on the occurrence of diseases and leads to increased expenses.

 Objective:

To examine the interrelationship between the costs of medicine use and lifestyle behaviors.

 Methods:

A cohort study with 118 participants, age around 51.7 ± 7.1 years old. It was collected personal and anthropometric data and information about medicine of continuous use to calculate the costs. Lifestyle variables included habitual physical activity (PA) assessed by pedometer, sedentary behavior by Baecke questionnaire, sleep quality by mini sleep questionnaire and self-report of smoke and alcohol consumption. Statistical analyses were performed by BioEstat (version 5.2) and the significance level set at p-value < 0.05.

 Results:

In 12 months, 62 subjects bought 172 medicines, representing an overall cost of US$ 3,087.01. Expenditures with drugs were negatively related to PA (r = -0.194, p-value = 0.035 and r = -0.281, p-value = 0.002), but positively related with sleep quality (r = 0.299, p-value=0.001 and r = 0.315, p-value = 0.001) and age (r = 0.274, p-value = 0.003). Four multivariate models were executed considering lifestyle behaviors in different moments of cohort and medicine costs, and all these models identify important relationship between lifestyle behaviors with expenditures with drugs.

 Conclusion:

Worse sleep quality seems to increase the costs related to medicine use in adults, while obesity and ageing play a relevant role in this phenomenon and alcohol consumption seems a variable with relevant economic impact.

 Keywords: Quality of Life Sedentary Lifestyle Obesity Sports Medicine Longevity Health Behavior, Exercíse FAPESP 2017/50026-7 2015/20460-1 Introduction

Over the last decades, the occurrence of obesity and chronic diseases has increased dramatically among adults worldwide.1 On the other hand, advances in medical sciences, development of new generation of medicines/therapies, have significantly improved quality of life and longevity.2,3

In developing countries, the use of any medicine is reported by 60% of the adult population, while the use of three or more medicines in the last two weeks is reported by about 18% of the population.4 A similar pattern is observed in Central Eastern Europe where more than 20% of adults (18 years plus) report three or more medicine use.5 Narayan et al.3 found that in a period of nine years (from 2005 to 2013) the use of drugs for prevention purposes (aspirin, clopidogrel, statins and bisphosphonates) increased significantly among New Zealand adults aged 65 years or more (about 19.5%, 2.9%, 7% and 2.3%, respectively).

The dramatic rise in the prevalence of obesity and its associations with the development of metabolic and cardiovascular diseases would explain, at least in part, this increase trend.1,6 In fact, wide access to medicines by population signifies an improvement in the prevention/treatment of diseases.2 However, the potential adverse drug reactions generated by the use of unprescribed medicines constitute a global public health concern related to high healthcare costs.7,8

The economic burden related to medicine use involves not only health care costs resulting from inappropriate medication but also the purchase of prescribed and unprescribed medicines (public and out of pocket expenses).7,9 For example, in a period of five years from 2000 to 2004, the Brazilian Ministry of Health expended US$ 916 million in programs to provide high-cost drugs to population.10 Despite the increasing economic burden related to medicines use, little is known about its underlying determinants. We need to know these determinants in order to identify target areas for policy making on managing health budgets, particularly in health systems in developing settings.

Unhealthy lifestyle behaviors (alcohol consumption, smoking, poor sleep habits and sedentary behaviors [SB]) have been shown to play an important role in the development of many diseases,11 but their direct relationship with the costs related to medicines use is unclear. For example, the occurrence of sleep disorders is highly prevalent in adults,12 but its economic burden is unknown.13 A longitudinal study carried out with 11,698 American employees identified that how worse were the sleep disorder reported the health care costs to increase in average US$ 725.15.13 Similarly, in a 12-months study carried out in Taiwan, adults with positive diagnosis to obstructive sleep apnea were 66% more expensive (in terms of physician diagnoses, medications, treatments, surgeries, laboratory tests and diagnostic imaging) than those adults without the same diagnosis (US$ 1,734.10 versus US$ 1,041.30, respectively).14 Conversely, improved levels of physical activity (PA) could reduce costs related to medicine use in adults,15,16 but its role in the potential relationship between unhealthy lifestyle behaviors and costs of medicine use has not been studied to date.

In this study, we examine the interrelationship between costs of medicine use and lifestyle behaviors (both healthy and unhealthy).

 Methods Sample

The data comes from a cohort study carried out in the city of Presidente Prudente which presents human development index 0.806,17 placed on western Sao Paulo State (which is the state of the most industrialized Brazilian federation) from February/June 2014 (baseline) to May/December 2015 (follow-up). Sample size estimation was based on an equation for the correlation coefficient. Due to the absence of specific data about the relationship between lifestyle behaviors and health care costs in Brazil,16,18 we have adopted a correlation coefficient of 0.30 between PA and health care costs,16,18 z = 1.96 and power of 80% (adopting the above-mentioned parameters, the minimum sample size required for this study was 86 participants). The inclusion criteria for participants were: 40-65 years old, no diagnosis of previous cardiovascular complications (e.g. stroke, heart attack), no diabetes complications (amputation or visual problems), no regular medication use, and no physical disability.

Invitation to participate in the study was conducted using advertisements (ie posters) in the Sao Paulo State University in Presidente Prudente and gyms/fitness centers across the city. Interested participants contacted the research staff, who then checked the profile of the participants against the inclusion criteria (participants who met all the inclusion criteria signed a written consent form). One hundred ninety-eight adults contacted the research staff and were considered eligible and undertook baseline assessment. The analysis herein covered 118 subjects (44 men and 74 women) assessed at both baseline and follow-up (12 months later). The excluded people were due to (a) dropouts (n = 62) and (b) provision of less than seven days of pedometer use at baseline (n = 18).

All procedures (questionnaires, pedometers and body composition assessment) were performed by trained staff of researchers (Professors, MSc and PhD students) following the protocols of the Laboratory of Investigation in Exercise (LIVE), Brazil.19 The Ethics committee of the Sao Paulo State University (UNESP), campus of Presidente Prudente, approved the study.

 Costs of medicines use

At baseline, the participants were given a questionnaire (in diary form) for medicine use and instructions (further clarification offered face to face by research staff) on how to fulfil the questionnaire. The participants reported the following data: (a) number and type of all medicines (prescribed and unprescribed); (b) how they obtained the medicines - through the Brazilian National Health System [BNHS] or out of pocket expenditure. The diary was filled for each of the 12 months of the cohort study. At the end of the follow-up period, the research staff collected back the completed diaries (Table 1). To calculate the cost of medicines, we used national prices presented by BNHS (for medicines delivered by the BNHS) and market prices from drug stores in the study area (medicines obtained via personal expenses). Costs were computed in Brazilian currency (Real$) and converted to US dollar (US$) using the cambial information provided by the Central Bank of Brazil.

Most frequently bought medicines according to anatomical therapeutic chemical code
Anatomical Therapeutic Chemical Code Types of medicine Number of medicines bought
Digestive tract and metabolism 18 33
Blood and Blood-forming organs 2 2
Cardiovascular system 31 42
Dermatological 1 1
Genito-urinary system and sex hormones 9 25
Hormones, except sexual and insulin 10 10
Systemic anti-infective agents 1 1
Anti-neoplastics and immune modulators 1 2
Muscle-skeletal system 7 9
Nervous system 28 38
Antiparasitics 1 2
Respiratory system 3 3
Sensory organs 1 1
Other 1 3
Overall 114 172
Lifestyle behavioral variables

PA was measured using both objective and subjective measures at baseline and follow-up. Objective measure of PA was collected using pedometers (Yamax digiwalker, SW200 model, Japan), and specified in terms of step count. At both assessments periods (baseline and follow-up), pedometers were worn by participants for seven consecutive days. The pedometers were fixed laterally at the hip and were taken off only during periods of sleep and water-based activities. Participants logged (at the end of each day) the total step count. In the present study, PA denoted the number of days (out of 14 days assessed) that ≥7,500 steps were achieved. In line with Tudor-Locke et al.,20 participants who reached ≥7,500 steps/day were classified as “sufficiently active”. The subjective measure of PA was collected using Baecke’s questionnaire.21 The questionnaire is composed of 16 questions about three PA domains (occupational, sports participation and leisure-time PA).

Data on SB at work (both baseline and follow up) were captured using the following question: “At work I sit”…; potential responses were: never [score attributed = 1], seldom [score attributed = 2], sometimes [score attributed = 3], often [score attributed = 4] and very often [score attributed = 5]).

Quality of sleep was assessed at baseline and follow up using the Mini-Sleep Questionnaire,22 which includes 10 questions, each one with seven possible answers (ranging from never to always). The sum of these 10 answers generates a numerical score ranging from 10 to 70 points (higher scores indicate worse sleep quality).

Participants also self-reported at baseline and follow-up smoking status (yes or no current smoker) and weekly alcohol consumption (number of days per week with alcohol consumption).

 Covariates

Covariates were data collected via questionnaire (sex [male or female], date of birth [chronological age estimated using the difference between birthday and date of assessment] and formal schooling [in years]). Clinical data also were evaluated (body fatness [dual-energy X-ray absorptiometry], systolic and diastolic blood pressure respectively). Researchers performed the clinical measures in university facilities with controlled temperature and followed standardized procedures.

 Statistical analyses

Descriptive statistics were undertaken using mean, 95% confidence intervals (95%CI) and proportions as appropriate. Due to non-parametric distribution (attested by Kolmogorov-Smirnov test), the costs of medicine use were converted into base-10 logarithms.

Both the Pearson correlation and linear regression were conducted to assess the relationship between the costs of medicines and the independent variables. In the former approach, Pearson correlation (expressed as standardized coefficients [“r” values]) analyzed the relationship of the costs of medicine use with lifestyle behaviors (sleep quality, PA, SB at work, smoking and alcohol consumption) and covariates (sex, age, schooling, blood pressure and body fatness) separately. In the latter, linear regression models (expressed as unstandardized coefficients [β values]) were fitted to examine the relationship between the costs of medicine use and lifestyle behaviors controlling for all covariates. For each approach, four models were fitted based on different specifications of lifestyle behaviors ([A] only baseline values, [B] only follow-up values, [C] difference between follow-up and baseline and [D] sum of baseline and follow-up), to explore the differential relationship these specifications may present. Diagnosis of multicollinearity and homoscedasticity were assessed and the linear regression models were considered adequately fit.

All analyzes were performed using BioEstat (version 5.2) and the significance level was set at p-value < 0.05.

 Results

At baseline, the mean age of the sample was 51.7 ± 7.1 years, ranging from 40 to 68 years (Table 2). Alcohol was consumed on average 2.1 days per week, while 5.1% of the sample were smokers. Expenses on medicine use were reported by 52.5% of the sample. During 12-months of follow-up, 62 subjects bought 172 medicines (Table 2), representing an overall cost of US$ 3,087.01 for the entire sample. There was no missing data.

Summarized characteristics of the sample (n = 118)
Variables Descriptive Statistic
Mean (95%CI) Median (IR)
Age (years)baseline 51.7 (50.4 to 53.1) 51.1 (10.1)
Body weight (kg)baseline 74.6 (71.7 to 77.4) 72.6 (16.6)
Height (m)baseline 1.65 (1.63 to 1.67) 1.65 (0.15)
BMI (Kg/m2)baseline 26.92 (26.3 to 27.5) 26.41 (5.98)
Costs with medicine (US$) follow-up 26.16 (17.7 to 34.62) 1.19 (42.91)
Alcohol consumption (days) baseline 2.1 (1.9 to 2.3) 2 (2)
Alcohol consumption (days) follow-up 1.9 (1.7 to 2.2) 1 (2)
Sleep quality (MSQ score) baseline 26.6 (24.7 to 28.4) 25 (13)
Sleep quality (MSQ score) follow-up 26.8 (24.8 to 28.7) 26 (15)
PA (≥7,500 steps/day) baseline 2.3 (1.8 to 2.7) 1 (5)
PA (≥7,500 steps/day) follow-up 1.9 (1.5 to 2.3) 1 (4)
SB at work (score) baseline 3.2 (2.9 to 3.4) 3 (2)
SB at work (score) follow-up 3.1 (2.9 to 3.3) 3 (2)
Smoking (yes [%]) baseline 5.1% (1.1% to 9.1%) ---
Smoking (yes [%]) follow-up 5.9% (1.6% to 10.1%) ---
Medicine use (yes [%]) follow-up 52.5 (43.5% to 61.5%) ---

95% CI: 95% confidence interval; IR: interquartile range; BMI: body mass index; MSQ: mini-sleep questionnaire; PA: physical activity; SB: sedentary behavior.

PA decreased significantly from baseline to follow-up (p-value = 0.024), while the score for SB at work (p-value = 0.396), sleep quality (p-value = 0.951) and alcohol consumption (p-value = 0.100) remained stable between baseline and follow-up.

In the bivariate analysis, costs of medicine use were negatively related to PA baseline (r = -0.194; p-value = 0.035), PA follow-up (r = -0.281; p-value = 0.002), but positively related with sleep quality baseline (r = 0.299; p-value= 0.001) and sleep quality follow-up (r = 0.315; p-value = 0.001), and age baseline (r = 0.274; p-value = 0.003). Gender, education, SB at work, alcohol consumption and smoking were not significantly related with costs of medicine use. There was no interrelationships among the lifestyle behaviors.

In the multivariate model considering lifestyle behaviors at baseline (Model-A), sleep quality and body fatness were positively related to higher 12-months medicine costs, while alcohol consumption was negatively related to it. Model-A explained 19.1% of all variance in the outcome (Table 3). In the multivariate model considering lifestyle behaviors at follow-up (Model-B), only sleep quality was positively related to higher 12-months medical costs. Model-B explained 21.9% of all variance in the medicine costs.

Linear regression describing the relationship between 12-months medicine costs (dependent variable) and lifestyle behaviors (n= 118)
Independent variables Model - A Model - B Model - C Model - D
Baseline Follow-up Follow-up minus Baseline Baseline plus Follow-up
β (β95%CI) β (β95%CI) β (β95%CI) β (β95%CI)
PA (steps) -0.011 (-0.078 to 0.056) -0.048 (-0.122 to 0.027) -0.18 (-0.092 to 0.056) -0.017 (-0.058 to 0.025)
Sleep quality (MSQ score) 0.018 (0.001 to 0.034) 0.018 (0.002 to 0.033) 0.004 (-0.017 to 0.026) 0.011 (0.002 to 0.019)
Alcohol consumption (days) -0.137 (-0.272 to -0.002) -0.111 (-0.241 to 0.019) 0.034 (-0.140 to 0.208) -0.073 (-0.145 to -0.001)
Smoking (yes) 0.157 (-0.514 to 0.828) 0.424 (-0.224 to 1.072) 0.819 (-0.376 to 2.014) 0.170 (-0.172 to 0.513)
SB at work (frequency) 0.021 (-0.114 to 0.157) 0.017 (-0.123 to 0.157) 0.023 (-0.154 to 0.201) 0.006 (-0.070 to 0.082)
Sex (female)* -0.447 (-0.900 to 0.007) -0.341 (-0.780 to 0.098) -0.302 (-0.731 to 0.126) -0.421 (-0.872 to 0.029)
Age (years)* 0.021 (-0.004 to 0.047) 0.020 (-0.004 to 0.044) 0.029 (0.003 to 0.056) 0.019 (-0.005 to 0.044)
Body fatness (%)* 0.023 (0.003 to 0.043) 0.019 (-0.002 to 0.039) 0.027 (0.007 to 0.048) 0.020 (-0.001 to 0.040)
SBP (mmHg)* -0.005 (-0.028 to 0.019) -0.005 (-0.028 to 0.017) -0.004 (-0.028 to 0.020) -0.005 (-0.028 to 0.018)
DBP (mmHg)* 0.017 (-0.010 to 0.044) 0.021 (-0.005 to 0.047) 0.014 (-0.014 to 0.043) 0.020 (-0.007 to 0.046)
Schooling (years)* 0.084 (-0.024 to 0.193) 0.091 (-0.020 to 0.202) 0.080 (-0.026 to 0.187) 0.092 (-0.019 to 0.202)
Linear regression parameters
R 0.527 0.549 0.473 0.548
r 2 0.278 0.301 0.224 0.300
r 2adjusted 0.191 0.219 0.131 0.217

only baseline values were used; Model-A: lifestyle behaviors inserted as baseline values; Model-B: lifestyle behaviors inserted as follow-up values; Model-C: lifestyle behaviors inserted as follow-up minus baseline values; Model-D: lifestyle behaviors inserted as baseline plus follow-up values; 95%CI: 95% confidence interval; PA: physical activity; MSQ: mini-sleep questionnaire; SB: sedentary behavior; SBP: systolic blood pressure; DBP: diastolic blood pressure.

In the multivariate model considering changes over time in lifestyle behaviors (Model-C), age and body fatness were positively related to higher 12-months medicine costs. Model-C explained 13.1% of all variance in the medicine costs. In Model-D (sum of baseline and follow-up values), sleep quality had a positive relationship with medicine use (Table 3). On the other hand, alcohol consumption was negatively related to costs of medicine use. Model-D explained 21.7% of all variance in the medicine costs.

 Discussion

This study shows that lifestyle behaviors particularly worse sleep quality leads to higher costs related to medicine use. Body fatness was also found to be an important predictor - positive effect on costs. In overall, 52.5% of adults reported any medicine use during the cohort period, while 20.5% (n = 24) of these same adults reported the use of three or more medicines. These rates are similar to Brazilian (18%) and European (20%) surveys, in which population-based samplings were carried out.4,5

Another similarity with previous studies observed in our findings is that drugs for the treatment of cardiovascular diseases were the most reported by the participants. A study carried out in New Zealand examining the trends of medicine use in adults aged ≥ 65 years from 2005 to 2013 identified that the use of drugs to prevent cardiovascular events (aspirin and statins) increased significantly.3 The dynamics observed for medicines to the treatment of cardiovascular diseases seems affected by aging as well (in our study, a relevant covariate in the multivariate models). Previous data have identified that consumption of aspirin and dipyridamole increased in older adults at a higher rate than observed in younger ones.3

The increased amount paid by older adults can be supported by the natural effects that ageing exert over organs of the human body and their functions,23 but also boosted by the reduced PA observed in older groups.24 In the analyzed sample, although the effect of age on costs with medicine use was not mediated by PA, they were related with other in crude analyzes, denoting the relevance of actions targeting the improvement of PA practice mainly in population groups composed of older adults.23,24

In this sample, the higher cost with medicines in adults with sleep disorders can represent not only the treatment of the sleep disorders itself, but also the use of medicines to relief its symptoms and hence to maintain the daily activities, such as work.13,25

The findings related to alcohol consumptions were surprising because usually the higher alcohol consumption is linked to higher health care costs,26,27 and not the opposite as observed in our study. In fact, the linkage between alcohol consumption and health care costs can be direct (e.g. diseases directly linked to alcohol consumption) and indirect (e.g. traffic car accident), but it is important to take into account that some kinds of alcoholic drinks have healthy characteristics, such as anti-inflammatory properties observed in the red wine.28 Therefore, the explanation for our interesting finding could be due to both the type and amount of alcohol consumed. However, our study looked at only the number of days per week with alcohol consumption, and not amount and type of alcohol consumed, which characterizes a limitation in our study.

Other limitations of the study are worth mentioning. The first limitation of the study is the small sample size. The current study has statistical power of 80% to detect coefficient of correlation of 0.256 or higher, while the relationship between some behaviors and costs with medicine are around r = 0.110.16 Even considering the fact that the inclusion of covariates increases the power of multivariate models,29 the reduced sample size may have been responsible for the absence of significant relationship between PA and costs with medicine. Another limitation related to objective measures of PA is the logging of data by the participants because every day they had to note the number of steps displayed in the pedometer. Although this method is widely used,19 it could have led to misreporting. As above mentioned, the absence of measures of amount and kind of alcoholic drinks and sedentary behavior (by screen time on TV or computer) constitute limitations as well. Further studies could explore the impact of these.

 Conclusions

Worse sleep quality seems to increase the costs related to medicine use in adults, while obesity and ageing play a relevant role in this phenomenon. Moreover, alcohol consumption seems a variable with relevant economic impact, but further studies are necessary to identify clearly the direction of its relationship with medicine costs.

Sources of Funding

There were no external funding sources for this study.

Study Association

This article is part of the thesis of Doctoral submitted by Alessandra Madia Mantovani, from Universidade Estadual Paulista.

Ethics approval and consent to participate

This study was approved by the Ethics Committee of the Faculdade de Ciências e Tecnologia da Universidade Estadual Paulista under the protocol number 349.306/2013.

 Acknowledgment

To the Fundação de Amparo a Pesquisa do Estado de São Paulo (FAPESP) (process number: 2017/50026-7 and 2015/20460-1) and to the Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES).

 References 1 NCD Risk Factor Collaboration (NCD-RisC). Trends in adult body-mass index in 200 countries from 1975 to 2014: a pooled analysis of 1698 population-based measurement studies with 19·2 million participants. Lancet. 2016;387(10026):1377-96. NCD Risk Factor Collaboration Trends in adult body-mass index in 200 countries from 1975 to 2014: a pooled analysis of 1698 population-based measurement studies with 19·2 million participants Lancet 2016 387 10026 1377 1396 2 Holloway KA, Henry D. WHO essential medicines policies and use in developing and transitional countries: an analysis of reported policy implementation and medicines use surveys. PLoS Med. 2014;11(9):e1001724. Holloway KA Henry D WHO essential medicines policies and use in developing and transitional countries: an analysis of reported policy implementation and medicines use surveys PLoS Med 2014 11 9 e1001724 3 Narayan SW, Tordoff JM, Nishtala PS. Temporal trends in the utilisation of preventive medicines by older people: A 9-year population-based study. Arch Gerontol Geriatr. 2016 Jan-Feb;62:103-11. Narayan SW Tordoff JM Nishtala PS Temporal trends in the utilisation of preventive medicines by older people: A 9-year population-based study Arch Gerontol Geriatr Jan-Feb 2016 62 103 111 4 Bertoldi AD, Hallal PC, Barros AJ. Physical activity and medicine use: evidence from a population-based study. BMC Public Health. 2006 Sep 6;6:224. Bertoldi AD Hallal PC Barros AJ Physical activity and medicine use: evidence from a population-based study BMC Public Health 2006 09 06 6 224 224 5 Vogler S, Österle A, Mayer S. Inequalities in medicine use in Central Eastern Europe: an empirical investigation of socioeconomic determinants in eight countries. Int J Equity Health. 2015 Nov 5;14:124. Vogler S Österle A Mayer S Inequalities in medicine use in Central Eastern Europe: an empirical investigation of socioeconomic determinants in eight countries Int J Equity Health 2015 11 05 14 124 124 6 Fernandes RA, Zanesco A. Early sport practice is related to lower prevalence of cardiovascular and metabolic outcomes in adults independently of overweight and current physical activity. Medicina (Kaunas). 2015;51(6):336-42. Fernandes RA Zanesco A Early sport practice is related to lower prevalence of cardiovascular and metabolic outcomes in adults independently of overweight and current physical activity Medicina (Kaunas) 2015 51 6 336 342 7 Hyttinen V, Jyrkkä J, Valtonen H. A systematic review of the impact of potentially inappropriate medication on health care utilization and costs among older adults. Med Care. 2016;54(10):950-64. Hyttinen V Jyrkkä J Valtonen H A systematic review of the impact of potentially inappropriate medication on health care utilization and costs among older adults Med Care 2016 54 10 950 964 8 White KG. UK interventions to control medicines wastage: a critical review. Int J Pharm Pract. 2010;18(3):131-40. White KG UK interventions to control medicines wastage: a critical review Int J Pharm Pract 2010 18 3 131 140 9 Arsenijevic J, Pavlova M, Rechel B, Groot W. Catastrophic health care expenditure among older people with chronic diseases in 15 european countries. PLoS One. 2016;11(7):e0157765. Arsenijevic J Pavlova M Rechel B Groot W Catastrophic health care expenditure among older people with chronic diseases in 15 european countries PLoS One 2016 11 7 e0157765 10 Brandão CM, Guerra AA Jr, Cherchiglia ML, Andrade EL, Almeida AM, da Silva GD, et al. Expenses of the Brazilian Ministry of Health for high-cost drugs: a demographic and clinical analysis. Value Health. 2011;14(5 Suppl 1):S71-7. Brandão CM Guerra AA Jr Cherchiglia ML Andrade EL Almeida AM da Silva GD Expenses of the Brazilian Ministry of Health for high-cost drugs: a demographic and clinical analysis Value Health 2011 14 5 Suppl 1 S71 S77 11 Shi Z, Zhang T, Byles J, Martin S, Avery JC, Taylor AW. Food habits, lifestyle factors and mortality among oldest old chinese: The Chinese Longitudinal Healthy Longevity Survey (CLHLS). Nutrients. 2015;7(9):7562-79. Shi Z Zhang T Byles J Martin S Avery JC Taylor AW Food habits, lifestyle factors and mortality among oldest old chinese: The Chinese Longitudinal Healthy Longevity Survey (CLHLS) Nutrients 2015 7 9 7562 7579 12 Zanuto EA, de Lima MC, de Araújo RG, da Silva EP, Anzolin CC, Araujo MY, et al. Sleep disturbances in adults in a city of Sao Paulo state. Rev Bras Epidemiol. 2015;18(1):42-53. Zanuto EA de Lima MC de Araújo RG da Silva EP Anzolin CC Araujo MY Sleep disturbances in adults in a city of Sao Paulo state Rev Bras Epidemiol 2015 18 1 42 53 13 Hui SK, Grandner MA. Trouble sleeping associated with lower work performance and greater health care costs: longitudinal data from Kansas State Employee Wellness Program. J Occup Environ Med. 2015;57(10):1031-8. Hui SK Grandner MA Trouble sleeping associated with lower work performance and greater health care costs: longitudinal data from Kansas State Employee Wellness Program J Occup Environ Med 2015 57 10 1031 1038 14 Kao LT, Lee HC, Lin HC, Tsai MC, Chung SD. Healthcare service utilization by patients with obstructive sleep apnea: a population-based study. PLoS One. 2015;10(9):e0137459. Kao LT Lee HC Lin HC Tsai MC Chung SD Healthcare service utilization by patients with obstructive sleep apnea: a population-based study PLoS One 2015 10 9 e0137459 15 Codogno JS, Fernandes RA, Sarti FM, Freitas Júnior IF, Monteiro HL. The burden of physical activity on type 2 diabetes public healthcare expenditures among adults: a retrospective study. BMC Public Health. 2011 May 4;11:275. Codogno JS Fernandes RA Sarti FM Freitas IF Júnior Monteiro HL The burden of physical activity on type 2 diabetes public healthcare expenditures among adults: a retrospective study BMC Public Health 04 05 2011 11 275 275 16 Codogno JS, Turi BC, Kemper HC, Fernandes RA, Christofaro DG, Monteiro HL. Physical inactivity of adults and 1-year health care expenditures in Brazil. Int J Public Health. 2015;60(3):309-16. Codogno JS Turi BC Kemper HC Fernandes RA Christofaro DG Monteiro HL Physical inactivity of adults and 1-year health care expenditures in Brazil Int J Public Health 2015 60 3 309 316 17 Turi BC, Monteiro HL, Fernandes RA, Codogno JS. The impact of physical activity on mitigation of health care costs related to diabetes mellitus: findings from developed and developing settings. Curr Diabetes Rev. 2016;12(4):307-11. Turi BC Monteiro HL Fernandes RA Codogno JS The impact of physical activity on mitigation of health care costs related to diabetes mellitus: findings from developed and developing settings Curr Diabetes Rev 2016 12 4 307 311 18 Instituto Brasileiro De Geografia e Estatística (IBGE). Cidades e estados [mapa na internet]. Rio de Janeiro; [s.d.] [citado 11 set. 2018]. Disponível em: https://www.ibge.gov.br/estatisticas-novoportal/por-cidade-estado-estatisticas.html?t=destaques&c=3541406. Instituto Brasileiro De Geografia e Estatística Cidades e estados [mapa na internet] Rio de Janeiro [s.d.] 11 set. 2018 Disponível em: https://www.ibge.gov.br/estatisticas-novoportal/por-cidade-estado-estatisticas.html?t=destaques&c=3541406 19 Mantovani AM, Duncan S, Codogno JS, Lima MC, Fernandes RA. Different amounts of physical activity measured by pedometer and the associations with health outcomes in adults. J Phys Act Health. 2016;13(11):1183-91. Mantovani AM Duncan S Codogno JS Lima MC Fernandes RA Different amounts of physical activity measured by pedometer and the associations with health outcomes in adults J Phys Act Health 2016 13 11 1183 1191 20 Tudor-Locke C, Schuna JM Jr, Barreira TV, Mire EF, Broyles ST, Katzmarzyk PT, et al. Normative steps/day values for older adults: NHANES 2005-2006. J Gerontol A Biol Sci Med Sci. 2013;68(11):1426-32. Tudor-Locke C Schuna JM Jr Barreira TV Mire EF Broyles ST Katzmarzyk PT Normative steps/day values for older adults: NHANES 2005-2006 J Gerontol A Biol Sci Med Sci 2013 68 11 1426 1432 21 Baecke JA, Burema J, Frijters JE. A short questionnaire for the measurement of habitual physical activity in epidemiological studies. Am J Clin Nutr. 1982;36(5):936-42. Baecke JA Burema J Frijters JE A short questionnaire for the measurement of habitual physical activity in epidemiological studies Am J Clin Nutr 1982 36 5 936 942 22 Falavigna A, de Souza Bezerra ML, Teles AR, Kleber FD, Velho MC, da Silva RC, et al. Consistency and reliability of the Brazilian Portuguese version of the Mini-Sleep Questionnaire in undergraduate students. Sleep Breath. 2011;15(3):351-5. Falavigna A de Souza Bezerra ML Teles AR Kleber FD Velho MC da Silva RC Consistency and reliability of the Brazilian Portuguese version of the Mini-Sleep Questionnaire in undergraduate students Sleep Breath 2011 15 3 351 355 23 Wichi RB, De Angelis K, Jones L, Irigoyen MC. A brief review of chronic exercise intervention to prevent autonomic nervous system changes during the aging process. Clinics (Sao Paulo). 2009;64(3):253-8. Wichi RB De Angelis K Jones L Irigoyen MC A brief review of chronic exercise intervention to prevent autonomic nervous system changes during the aging process Clinics (Sao Paulo) 2009 64 3 253 258 24 Milanović Z, Pantelić S, Trajković N, Sporiš G, Kostić R, James N. Age-related decrease in physical activity and functional fitness among elderly men and women. Clin Interv Aging. 2013;8:549-56. Milanović Z Pantelić S Trajković N Sporiš G Kostić R James N Age-related decrease in physical activity and functional fitness among elderly men and women Clin Interv Aging 2013 8 549 556 25 Araujo MY, Sarti FM, Fernandes RA, Monteiro HL, Turi BC, Anokye N, et al. Association between costs related to productivity loss and modified risk factors among users of the Brazilian National Health System. J Occup Environ Med. 2017;59(3):313-19. Araujo MY Sarti FM Fernandes RA Monteiro HL Turi BC Anokye N Association between costs related to productivity loss and modified risk factors among users of the Brazilian National Health System J Occup Environ Med 2017 59 3 313 319 26 Gómez-Restrepo C, Gómez-García MJ, Naranjo S, Rondón MA, Acosta-Hernández AL. Alcohol consumption as an incremental factor in health care costs for traffic accident victims: evidence in a medium sized Colombian city. Accid Anal Prev. 2014 Dec;73:269-73. Gómez-Restrepo C Gómez-García MJ Naranjo S Rondón MA Acosta-Hernández AL Alcohol consumption as an incremental factor in health care costs for traffic accident victims: evidence in a medium sized Colombian city Accid Anal Prev 12 2014 73 269 273 27 Neramitpitagkul P, Lertpitakpong C, Yothasamut J, Thavorncharoensap M, Chaikledkaew U, Teerawattananon Y. Economic impact on health-care costs related to major diseases including HIV/AIDS due to alcohol drinking among Thai populations. Value Health. 2009;12(Suppl 3):S97-100. Neramitpitagkul P Lertpitakpong C Yothasamut J Thavorncharoensap M Chaikledkaew U Teerawattananon Y Economic impact on health-care costs related to major diseases including HIV/AIDS due to alcohol drinking among Thai populations Value Health 2009 12 Suppl 3 S97 100 28 Kwan HY, Chao X, Su T, Fu X, Tse AK, Fong WF, et al. The anticancer and antiobesity effects of Mediterranean diet. Crit Rev Food Sci Nutr. 2017;57(1):82-94. Kwan HY Chao X Su T Fu X Tse AK Fong WF The anticancer and antiobesity effects of Mediterranean diet Crit Rev Food Sci Nutr 2017 57 1 82 94 29 Lingsma H, Roozenbeek B, Steyerberg E; IMPACT investigators. Covariate adjustment increases statistical power in randomized controlled trials. J Clin Epidemiol. 2010;63(12):1391. Lingsma H Roozenbeek B Steyerberg E IMPACT investigators Covariate adjustment increases statistical power in randomized controlled trials J Clin Epidemiol 2010 63 12 1391 1391 Artigo Original Relação entre Estilo de Vida e Custos Relacionados ao Uso de Medicamentos em Adultos 0000-0003-1576-8090 Fernandes Romulo Araujo 1 2 0000-0003-2646-1350 Mantovani Alessandra Madia 1 0000-0003-4273-9375 Codogno Jamile Sanches 1 2 0000-0002-2803-1058 Turi-Lynch Bruna Camilo 1 0000-0002-1009-8553 Pokhrel Subhash 3 0000-0003-3615-344X Anokye Nana 3 Programa de Pós-Graduação em Ciências da Motricidade - Instituto de Biociências - Universidade Estadual Paulista (UNESP), Rio Claro, SP - Brasil Departmento de Educação Física - Faculdade de Ciências e Tecnologia - Universidade Estadual Paulista (UNESP), Presidente Prudente, SP - Brasil Institute of Environment - Health and Societies - Brunel University - Uxbridge, London - United Kingdom Correspondência: Rômulo Araújo Fernandes, Roberto Simonsen Avenue, 305. Centro Educacional. CEP 19060-900. Presidente Prudente, SP - Brasil. Email: romulo_ef@yahoo.com.br

Contribuição dos autores

Concepção e desenho da pesquisa: Fernandes RA; Obtenção de dados e Análise e interpretação dos dados: Mantovani AM; Análise estatística: Mantovani AM, Anokye N; Redação do manuscrito: Codogno JS, Turi-Lynch BC, Anokye N; Revisão crítica do manuscrito quanto ao conteúdo intelectual importante: Codogno JS, Turi-Lynch BC, Pokhrel S.

Potencial conflito de interesses

Declaro não haver conflito de interesses pertinentes.

 Resumo Fundamento:

O estilo de vida pouco saudável está se expandindo e isso pode ter repercussões no estado de saúde, exigindo ações contra a ocorrência de doenças e levando ao aumento de gastos.

 Objetivo:

Examinar a interrelação entre os custos do uso de medicamentos e comportamentos de estilo de vida.

 Métodos:

Estudo de coorte com 118 participantes com idade de 51,7 ± 7,1 anos. Foram coletados dados pessoais e antropométricos e informações sobre medicamentos de uso contínuo para calcular os custos. As variáveis de estilo de vida incluíram: atividade física (AF) habitual, avaliada por pedômetro; comportamento sedentário, pelo questionário de Baecke; qualidade do sono, através do Mini Questionário do Sono, e autorrelato de tabagismo e consumo de álcool. As análises estatísticas foram realizadas no programa BioEstat (versão 5.2), e o nível de significância estabelecido como p < 0,05.

 Resultados:

Em 12 meses, 62 indivíduos compraram 172 medicamentos, representando um custo total de US$ 3.087,01. Gastos com medicamentos foram negativamente relacionados à AF (r = -0,194, p-valor = 0,035 e r = -0,281, p-valor = 0,002), mas relacionaram-se positivamente com a qualidade do sono (r = 0,299, p-valor=0,001 e r=0,315, p-valor = 0,001) e idade (r = 0,274, p-valor = 0,003). Quatro modelos multivariados foram executados, considerando os comportamentos de estilo de vida em diferentes momentos da coorte e custos dos medicamentos, e todos esses modelos identificam relações importantes entre comportamentos de estilo de vida e gastos com medicamentos.

 Conclusão:

A pior qualidade do sono parece aumentar os custos relacionados ao uso de medicamentos em adultos, enquanto a obesidade e o envelhecimento desempenham um papel relevante nesse fenômeno, e o consumo de álcool parece ser uma variável com impacto econômico significativo.

 Palavras-chave: Qualidade de Vida Estilo de Vida Sedentário Obesidade Medicina Esportiva Longevidade Comportamento Relacionado à Saúde Exercício FAPESP 2017/50026-7 2015/20460-1 Introdução

Nas últimas décadas, a ocorrência de obesidade e doenças crônicas aumentou dramaticamente nos adultos em todo o mundo.1 Por outro lado, os avanços nas ciências médicas, o desenvolvimento de novas gerações de medicamentos/terapias, melhoraram significativamente a qualidade de vida e a longevidade.2,3

Nos países em desenvolvimento, o uso de qualquer medicamento é relatado por 60% da população adulta, enquanto o uso de três ou mais medicamentos nas duas semanas anteriores é relatado por cerca de 18% da população.4 Um padrão similar é observado na Europa Centro-Oriental, onde mais de 20% dos adultos (18 anos ou mais) relatam o uso de três ou mais medicamentos.5 Narayan et al.,3 descobriram que em um período de nove anos (de 2005 a 2013), o uso de medicamentos para fins de prevenção (aspirina, clopidogrel, estatinas e bisfosfonatos) aumentaram significativamente entre os adultos da Nova Zelândia com 65 anos ou mais (cerca de 19,5%, 2,9%, 7% e 2,3%, respectivamente).

O aumento dramático na prevalência da obesidade e suas associações com o desenvolvimento de doenças metabólicas e cardiovasculares explicariam, pelo menos em parte, essa tendência de aumento.1,6 Na realidade, o amplo acesso a medicamentos pela população significa uma melhoria na prevenção/tratamento de doenças.2 Entretanto, as potenciais reações adversas a medicamentos geradas pelo uso de medicamentos não prescritos constituem uma preocupação global de saúde pública, relacionada aos altos custos da saúde.7,8

A carga econômica relacionado ao uso de medicamentos envolve não apenas os custos dos tratamentos de saúde resultantes do uso inadequado de medicamentos, mas também a compra de medicamentos prescritos e não prescritos (despesas públicas e pessoais).7,9 Por exemplo, em um período de cinco anos, de 2000 a 2004, o Ministério da Saúde do Brasil gastou o equivalente a US$ 916 milhões em programas para fornecer medicamentos de alto custo à população.10 Apesar do crescente gasto relacionado ao uso de medicamentos, pouco se sabe sobre seus determinantes subjacentes. Precisamos conhecer esses determinantes para identificar áreas-alvo para a formulação de políticas de gerenciamento dos orçamentos da saúde, particularmente em sistemas de saúde de locais em desenvolvimento.

Comportamentos de estilo de vida não saudáveis (consumo de álcool, tabagismo, maus hábitos de sono e comportamentos sedentários [CS]) demonstraram ter um papel importante no desenvolvimento de muitas doenças,11 mas a sua relação direta com os custos relacionados ao uso de medicamentos não está clara. Por exemplo, a ocorrência de distúrbios do sono é altamente prevalente em adultos,12 mas sua carga econômica é desconhecida.13 Um estudo longitudinal realizado com 11.698 empregados americanos identificou que, quanto pior o distúrbio do sono, os custos da assistência médica aumentavam em média US$ 725.15.13 De maneira similar, em um estudo de 12 meses realizado em Taiwan, adultos com o diagnóstico positivo de apneia obstrutiva do sono apresentaram um custo 66% maior (em termos de diagnósticos, medicamentos, tratamentos, cirurgias, exames laboratoriais e diagnóstico por imagem) do que os adultos sem o mesmo diagnóstico (US$ 1,734.10 versus US$ 1,041.30, respectivamente).14 Em contrapartida, uma melhora nos níveis de atividade física (AF) poderia reduzir os custos relacionados ao uso de medicamentos em adultos,15,16 embora o seu papel na potencial relação entre comportamentos de vida pouco saudáveis e custos do uso de medicamentos ainda não foi tenha sido estudado até o momento.

Neste estudo, examinamos a interrelação entre os custos do uso de medicamentos e os comportamentos de estilo de vida (saudáveis e não-saudáveis).

 Métodos Amostra

Os dados são provenientes de um estudo de coorte realizado na cidade de Presidente Prudente, com índice de desenvolvimento humano 0,806,17 situada no oeste de São Paulo (que é o estado da federação brasileira mais industrializado), no período de fevereiro/junho de 2014 (linha de base) a maio/dezembro de 2015 (seguimento). A estimativa do tamanho da amostra foi baseada em uma equação para o coeficiente de correlação. Devido à ausência de dados específicos sobre a relação entre comportamentos de estilo de vida e custos com a saúde no Brasil,16,18 adotamos um coeficiente de correlação de 0,30 entre AF e custos com a saúde,16,18 z = 1,96 e poder de 80% (adotando os parâmetros acima mencionados, o tamanho mínimo da amostra necessário para este estudo foi de 86 participantes). Os critérios de inclusão para os participantes foram: ter entre 40 e 65 anos de idade, sem diagnóstico de complicações cardiovasculares anteriores (por exemplo, acidente vascular cerebral, ataque cardíaco), sem complicações decorrentes da diabetes (amputação ou problemas visuais), sem uso regular de medicamentos e sem incapacidade física.

O convite para participar do estudo foi feito através de anúncios (cartazes) na Universidade Estadual de São Paulo, em Presidente Prudente, e ginásios/academias em toda a cidade. Os participantes interessados entraram em contato com a equipe de pesquisa, que verificou o perfil dos participantes em relação aos critérios de inclusão (os participantes que preencheram todos os critérios de inclusão assinaram um termo de consentimento por escrito). Cento e noventa e oito adultos entraram em contato com a equipe de pesquisa e foram considerados elegíveis, sendo então submetidos a uma avaliação inicial. A análise deste estudo abrangeu 118 indivíduos (44 homens e 74 mulheres) avaliados tanto no linha de base como no seguimento (12 meses depois). Participantes foram excluídos devido a: (a) desistências (n = 62) e (b) disponibilidade de menos de sete dias para o uso de pedômetro no início do estudo (n = 18).

Todos os procedimentos (questionários, pedômetros e avaliação da composição corporal) foram realizados por equipe treinada de pesquisadores (docentes, mestrandos e doutorandos) segundo os protocolos do Laboratório de Investigação em Exercício (LIVE), Brasil.19 O comitê de ética da Universidade Estadual de São Paulo (UNESP), campus de Presidente Prudente, aprovou o estudo.

 Custos do uso de medicamentos

No início do estudo, os participantes receberam um questionário (em forma de diário) para anotar o uso de medicamentos e contendo instruções (e esclarecimentos adicionais oferecidos pessoalmente pela equipe de pesquisa) sobre como preencher o questionário. Os participantes relataram os seguintes dados: (a) número e tipo de todos os medicamentos (prescritos e não prescritos); (b) como conseguiram os medicamentos - através do Sistema Único de Saúde (SUS) ou despesa pessoal. O diário foi preenchido para cada um dos 12 meses do estudo de coorte. Ao final do período de seguimento, a equipe de pesquisa recolheu os diários preenchidos (Tabela 1). Para calcular o custo dos medicamentos, foram utilizados os preços nacionais indicados pelo SUS (para medicamentos entregues pelo SUS) e os preços de mercado das farmácias na área de estudo (medicamentos obtidos por meio de despesas pessoais). Os custos foram calculados em moeda brasileira (Real - R$) e convertidos para dólar norte-americano (US$) utilizando as informações de câmbio fornecidas pelo Banco Central do Brasil.

Medicamentos mais frequentemente comprados de acordo com a classificação Anatômica Terapêutica Química
Classificação Anatômica Terapêutica Química Tipos de medicamento Número de medicamentos comprados
Trato digestivo e metabolismo 18 33
Sangue e órgãos formadores de sangue 2 2
Sistema cardiovascular 31 42
Dermatológico 1 1
Sistema genito-urinário e hormônios sexuais 9 25
Hormônios, exceto sexuais e insulina 10 10
Agentes anti-infecciosos sistêmicos 1 1
Antineoplásicos e moduladores imunológicos 1 2
Sistema musculoesquelético 7 9
Sistema nervoso 28 38
Antiparasitários 1 2
Sistema respiratório 3 3
Órgãos sensoriais 1 1
Outros 1 3
Geral 114 172
Variáveis comportamentais do estilo de vida

A AF foi medida utilizando-se medidas objetivas e subjetivas no início do estudo e no seguimento. A medida objetiva da AF foi coletada utilizando pedômetros (Yamax digiwalker, modelo SW200, Japão) e especificada em termos de contagem de passos. Em ambos os períodos de avaliação (basal e seguimento), os pedômetros foram utilizados pelos participantes por sete dias consecutivos. Os pedômetros foram fixados lateralmente no quadril e retirados somente durante os períodos de sono e atividades aquáticas. Os participantes registraram (ao final de cada dia) a contagem total de passos. No presente estudo, a AF representou o número de dias (dos 14 dias avaliados) em que foi alcançada uma quantidade de passos ≥7,500. De acordo com Tudor-Locke et al.,20 participantes que alcançaram ≥ 7.500 passos/dia foram classificados como “suficientemente ativos”. A medida subjetiva da AF foi coletada por meio do questionário de Baecke.21 O questionário é composto por 16 questões sobre três domínios da AF (ocupacional, atividades esportivas e AF de lazer).

Os dados sobre CS no trabalho (basais e de seguimento) foram obtidos utilizando-se a seguinte pergunta: “No trabalho, eu sento”…; as respostas possíveis eram: nunca [pontuação atribuída = 1], raramente [pontuação atribuída = 2], algumas vezes [pontuação atribuída = 3], frequentemente [pontuação atribuída = 4] e muito frequentemente [pontuação atribuída = 5]).

A qualidade do sono foi avaliada na linha de base e no seguimento utilizando-se o Mini Questionário do Sono,22 que inclui 10 questões, cada uma com sete respostas possíveis (variando de nunca a sempre). A soma dessas 10 respostas gera um escore numérico que varia de 10 a 70 pontos (escores mais altos indicam pior qualidade do sono).

Os participantes também auto-relataram o tabagismo (fumante atual ou não) e o consumo de álcool semanal (número de dias por semana com consumo de álcool) no início do estudo e no seguimento.

 Covariáveis

As covariáveis consistiram em dados coletados através de questionário (sexo [masculino ou feminino], data de nascimento [idade cronológica estimada pela diferença entre a data de nascimento e a data da avaliação] e escolaridade formal [em anos]). Dados clínicos também foram avaliados (gordura corporal [absorciometria radiológica de dupla energia], pressão arterial sistólica e diastólica). Os pesquisadores realizaram as medidas clínicas em instalações universitárias com temperatura controlada e de acordo com procedimentos padronizados.

 Análise estatística

A estatística descritiva foi realizada utilizando média, intervalos de confiança de 95% (IC 95%) e proporções, conforme apropriado. Devido à distribuição não paramétrica (demonstrada pelo teste de Kolmogorov-Smirnov), os custos de uso de medicamentos foram convertidos em logaritmos de base 10.

Tanto a correlação de Pearson quanto a regressão linear foram realizadas para avaliar a relação entre os custos dos medicamentos e as variáveis independentes. Na primeira abordagem, a correlação de Pearson (expressa como coeficientes padronizados [valores de “r”]) analisou separadamente a relação dos custos de uso de medicamentos com comportamentos de estilo de vida (qualidade do sono, AF, CS no trabalho, tabagismo e consumo de álcool) e covariáveis (sexo, idade, escolaridade, pressão arterial e gordura corporal). Para as covariáveis, modelos de regressão linear (expressos como coeficientes não padronizados [valores de β]) foram ajustados para avaliar a relação entre os custos do uso de medicamentos e o comportamentos de estilo de vida, controlando todas as covariáveis. Para cada abordagem, quatro modelos foram ajustados com base em diferentes especificações de comportamentos de estilo de vida ([A] apenas valores basais, [B] apenas valores de seguimento, [C] diferença entre seguimento e valores basais e [D] soma dos valores basais e de seguimento) para explorar a relação diferencial que essas especificações podem apresentar. Os diagnósticos de multicolinearidade e homocedasticidade foram avaliados e os modelos de regressão linear foram considerados adequados.

Todas as análises foram realizadas utilizando-se o software BioEstat (versão 5.2) e o nível de significância foi estabelecido em p < 0,05.

 Resultados

Na linha de base, a média de idade da amostra foi de 51,7 ± 7,1 anos, variando de 40 a 68 anos (Tabela 2). O álcool foi consumido em média 2,1 dias por semana, enquanto 5,1% da amostra eram fumantes. As despesas com uso de medicamentos foram relatadas por 52,5% da amostra. Durante 12 meses de seguimento, 62 indivíduos compraram 172 medicamentos (Tabela 2), representando um custo total de US$ 3.087,01 para toda a amostra. Não havia dados faltantes.

Características resumidas da amostra (n = 118)
Variáveis Estatística descritiva
Média (IC95%) Mediana (IIQ)
Idade (anos)basal 51,7 (50,4 to 53,1) 51.1 (10.1)
Peso corporal (kg)basal 74,6 (71,7 to 77,4) 72.6 (16.6)
Altura (m)basal 1,65 (1,63 to 1,67) 1.65 (0.15)
IMC (Kg/m2)basal 26,92 (26,3 to 27,5) 26.41 (5.98)
Custos com medicamentos (US$) seguimento 26,16 (17,7 to 34,62) 1.19 (42.91)
Consumo de álcool (dias)basal 2,1 (1,9 to 2,3) 2 (2)
Consumo de álcool (dias)seguimento 1,9 (1,7 to 2,2) 1 (2)
Qualidade do sono (escore MQS)basal 26,6 (24,7 to 28,4) 25 (13)
Qualidade do sono (escore MQS)seguimento 26,8 (24,8 to 28,7) 26 (15)
AF (≥7,500 passos/dia)basal 2,3 (1,8 to 2,7) 1 (5)
AF (≥7,500 passos/dia)seguimento 1,9 (1,5 to 2,3) 1 (4)
CS no trabalho (escore)basal 3,2 (2,9 to 3,4) 3 (2)
CS no trabalho (escore)seguimento 3,1 (2,9 to 3,3) 3 (2)
Tabagismo (sim [%])basal 5,1% (1,1% to 9,1%) ---
Tabagismos (sim [%])seguimento 5,9% (1,6% to 10,1%) ---
Uso de medicamentos (sim [%])seguimento 52,5 (43,5% to 61,5%) ---

IC95%: intervalo de confiança de 95%; IIQ: intervalo interquartil; IMC: índice de massa corporal; MQS: mini questionário do sono; AF: atividade física; CS: comportamento sedentário

A AF diminuiu significativamente desde a linha de base até o seguimento (p-valor = 0,024), enquanto a pontuação para CS no trabalho (p-valor = 0,396), qualidade do sono (p-valor = 0,951) e consumo de álcool (p-valor = 0,100) manteve-se estável da linha de base até o seguimento.

Na análise bivariada, os custos do uso de medicamentos foram negativamente relacionados com a AFbasal (r = -0,194; p-valor = 0,035), AFseguimento (r = -0,281; p-valor = 0,002), mas positivamente relacionados com o qualidade do sonobasal (r = 0,299; p-valor = 0,001) e qualidade do sonoseguimento (r = 0,315; p-valor = 0,001) e idadebasal (r = 0,274; p-valor = 0,003). Sexo, educação, CS no trabalho, consumo de álcool e tabagismo não foram significativamente relacionados com os custos do uso de medicamentos. Não houve interrelações entre os comportamentos de estilo de vida.

No modelo multivariado, considerando-se os comportamentos de estilo de vida na linha basal (Modelo A), a qualidade do sono e a gordura corporal foram positivamente relacionadas com maiores custos do uso de medicamentos em 12 meses, enquanto o consumo de álcool foi negativamente relacionado. O Modelo A explicou 19,1% de toda a variância no desfecho (Tabela 3). No modelo multivariado, considerando-se os comportamentos de estilo de vida no seguimento (Modelo B), apenas a qualidade do sono foi positivamente relacionada com maiores custos de uso de medicamentos em 12 meses. O Modelo B explicou 21,9% de toda a variância nos custos relacionados ao uso de medicamentos.

Regressão linear descrevendo a relação entre os custos dos medicamentos em 12 meses (variável dependente) e os comportamentos de estilo de vida (n = 118)
Variáveis independentes Modelo - A Modelo - B Modelo - C Modelo - D
Basal Basal Seguimento menos Basal Basal mais Seguimento
β (βIC95%) β (βIC95%) β (βIC95%) β (βIC95%)
AF (passos) -0,011 (-0,078 a 0,056) -0,048 (-0,122 a 0,027) -0,18 (-0,092 a 0,056) -0,017 (-0,058 a 0,025)
Qualidade do sono (escore MQS) 0,018 (0,001 a 0,034) 0,018 (0,002 a 0,033) 0,004 (-0,017 a 0,026) 0,011 (0,002 a 0,019)
Consumo de álcool (dias) -0,137 (-0,272 a -0,002) -0,111 (-0,241 a 0,019) 0,034 (-0,140 a 0,208) -0,073 (-0,145 a -0,001)
Tabagismo (sim) 0,157 (-0,514 a 0,828) 0,424 (-0,224 a 1,072) 0,819 (-0,376 a 2,014) 0,170 (-0,172 a 0,513)
CS no trabalho (frequência) 0,021 (-0,114 a 0,157) 0,017 (-0,123 a 0,157) 0,023 (-0,154 a 0,201) 0,006 (-0,070 a 0,082)
Sexo (feminino)* -0,447 (-0,900 a 0,007) -0,341 (-0,780 a 0,098) -0,302 (-0,731 a 0,126) -0,421 (-0,872 a 0,029)
Idade (anos)* 0,021 (-0,004 a 0,047) 0,020 (-0,004 a 0,044) 0,029 (0,003 a 0,056) 0,019 (-0,005 a 0,044)
Gordura corporal (%)* 0,023 (0,003 a 0,043) 0,019 (-0,002 a 0,039) 0,027 (0,007 a 0,048) 0,020 (-0,001 a 0,040)
PAS (mmHg)* -0,005 (-0,028 a 0,019) -0,005 (-0,028 a 0,017) -0,004 (-0,028 a 0,020) -0,005 (-0,028 a 0,018)
PAD (mmHg)* 0,017 (-0,010 a 0,044) 0,021 (-0,005 a 0,047) 0,014 (-0,014 a 0,043) 0,020 (-0,007 a 0,046)
Escolaridade (anos)* 0,084 (-0,024 a 0,193) 0,091 (-0,020 a 0,202) 0,080 (-0,026 a 0,187) 0,092 (-0,019 a 0,202)
Parâmetros de regressão linear
R 0,527 0,549 0,473 0,548
r 2 0,278 0,301 0,224 0,300
r 2ajustado 0,191 0,219 0,131 0,217

apenas valores basais foram utilizados; Modelo A: comportamentos de estilo de vida inseridos como valores basais; Modelo B: comportamentos de estilo de vida inseridos como valores de seguimento; Modelo-C: comportamentos de estilo de vida inseridos como seguimento menos os valores basais; Modelo-D: comportamentos de estilo de vida inseridos como valores basais mais os valores de seguimento; IC95%: intervalo de confiança de 95%; AF: atividade física; MQS: Mini Questionário do Sono; CS: comportamento sedentário; PAS: pressão arterial sistólica; PAD: pressão arterial diastólica.

No modelo multivariado, considerando-se as mudanças ao longo do tempo nos comportamentos relacionados ao estilo de vida (Modelo C), a idade e a gordura corporal foram positivamente relacionadas a maiores gastos com medicamentos em 12 meses. O Modelo C explicou 13,1% de toda a variância nos gastos com medicamentos. No Modelo D (somatória dos valores basais e de seguimento), a qualidade do sono apresentou uma relação positiva com o uso de medicamentos (Tabela 3). Por outro lado, o consumo de álcool foi negativamente relacionado aos custos de uso de medicamentos. O Modelo D explicou 21,7% de toda a variância nos gastos com medicamentos.

 Discussão

Este estudo mostra que comportamentos de estilo de vida, particularmente uma pior qualidade do sono, levam a custos mais altos relacionados ao uso de medicamentos. A gordura corporal também mostrou ser um importante preditor - efeito positivo nos custos. No total, 52,5% dos adultos relataram o uso de algum medicamento durante o período de coorte, enquanto 20,5% (n=24) desses mesmos adultos relataram o uso de três ou mais medicamentos. Essas taxas são semelhantes às de pesquisas brasileiras (18%) e europeias (20%), nas quais foram realizadas amostragens de base populacional.4,5

Outra semelhança com estudos anteriores, observada em nossos achados, é que os medicamentos para o tratamento de doenças cardiovasculares foram os mais relatados pelos participantes. Um estudo realizado na Nova Zelândia, examinando as tendências de uso de medicamentos em adultos com idade maior ou igual a 65 anos, no período de 2005 a 2013, identificou que o uso de medicamentos para prevenir eventos cardiovasculares (aspirina e estatinas) havia aumentado significativamente.3 A dinâmica observada para medicamentos utilizados no tratamento de doenças cardiovasculares também parece ser afetada pelo envelhecimento (em nosso estudo, uma covariável relevante nos modelos multivariados). Dados anteriores identificaram que o consumo de aspirina e dipiridamol aumentou em idosos a uma taxa mais alta do que a observada em jovens.3

O aumento dos gastos pelos idosos pode ser explicado pelos efeitos naturais que o envelhecimento exerce sobre os órgãos do corpo humano e suas funções,23 mas também é impulsionado pela redução da AF observada na população mais idosa.24 Na amostra analisada, embora o efeito da idade nos gastos com medicamentos não tenha sido mediada pela AF, eles foram relacionados com outros efeitos na análise bruta, denotando a relevância de ações voltadas para a melhoria da prática de AF, principalmente em grupos populacionais compostos por idosos.23,24

Nesta amostra, o maior custo com medicamentos em adultos com distúrbios do sono pode indicar não apenas o tratamento dos próprios distúrbios do sono, mas também o uso de medicamentos para aliviar seus sintomas e, consequentemente, manter as atividades diárias, como o trabalho.13,25

Os achados relacionados ao consumo de bebidas alcoólicas foram surpreendentes, pois, geralmente, um maior consumo de álcool está vinculado a maiores gastos com a saúde,26,27 e não o contrário, como observado em nosso estudo. De fato, a ligação entre o consumo de álcool e os custos com a saúde pode ser direta (por exemplo, com doenças relacionadas diretamente ao consumo de álcool) e indireta (por exemplo, acidentes de trânsito), mas é importante considerar que alguns tipos de bebidas alcoólicas têm características positivas na saúde - como as propriedades anti-inflamatórias observadas no vinho tinto.28 Portanto, a explicação para o nosso surpreendente achado pode estar relacionado tanto ao tipo quanto à quantidade de álcool consumido. No entanto, nosso estudo analisou apenas o número de dias por semana com consumo de álcool, e não a quantidade e o tipo de bebida alcóolica consumida, o que caracteriza uma limitação em nosso estudo.

Outras limitações do estudo são dignas de menção. A primeira limitação do estudo é o pequeno tamanho da amostra. O presente estudo possui poder estatístico de 80% para detectar um coeficiente de correlação de 0,256 ou superior, enquanto a relação entre alguns comportamentos e gastos com medicamentos estão em torno de r = 0,110.16 Mesmo considerando o fato de que a inclusão de covariáveis aumenta o poder de modelos multivariados,29 o tamanho reduzido da amostra pode ter sido responsável pela ausência de relação significativa entre a AF e os custos de uso de medicamentos. Outra limitação relacionada às medidas objetivas da AF é o registro de dados pelos participantes, pois todos os dias eles tinham que anotar o número de passos exibidos no pedômetro. Embora este método seja amplamente utilizado,19 ele pode levar a erros de registro. Como mencionado acima, a ausência de medições relacionadas à quantidade e ao tipo de bebidas alcoólicas e ao comportamento sedentário (pelo tempo de tela na TV ou computador) também constituem limitações. Novos estudos poderiam explorar o impacto dessas medições.

 Conclusões

A pior qualidade do sono parece aumentar os custos relacionados ao uso de medicamentos em adultos, enquanto a obesidade e o envelhecimento desempenham um papel relevante nesse fenômeno. Além disso, o consumo de álcool parece ser uma variável com impacto econômico relevante, mas estudos adicionais são necessários para identificar claramente a direção dessa relação com os gastos com medicamentos.

Fontes de financiamento

O presente estudo não teve fontes de financiamento externas.

Vinculação acadêmica

Este artigo é parte de tese de Doutorado de Alessandra Madia Mantovani pela Universidade Estadual Paulista.

Aprovação ética e consentimento informado

Este estudo foi aprovado pelo Comitê de Ética da Faculdade de Ciências e Tecnologia da Universidade Estadual Paulista sob o número de protocolo 349.306/2013. Todos os procedimentos envolvidos nesse estudo estão de acordo com a Declaração de Helsinki de 1975, atualizada em 2013. O consentimento informado foi obtido de todos os participantes incluídos no estudo.

 Agradecimento

À Fundação de Amparo a Pesquisa do Estado de São Paulo (FAPESP) (processos número: 2017/50026-7 e 2015/20460-1) e à Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES).