Arq Bras Cardiol abc Arquivos Brasileiros de Cardiologia Arq. Bras. Cardiol. 0066-782X 1678-4170 Sociedade Brasileira de Cardiologia - SBC Vd7PkvTLYhHRJCSTQGYknfm S0066-782X2025001000302 00302 10.36660/abc.20240744 Artigo Original Consumo Abusivo de Álcool em Cardiopatas: Análise de Risco pelo Comportamento de Estilo de Vida – Projeto PROSA (Projeto Saúde e Álcool) 0000-0003-4440-8078 Martinelli-Filho Martino Concepção e desenho da pesquisa e Obtenção de financiamento Análise e interpretação dos dados Redação do manuscrito Revisão crítica do manuscrito quanto ao conteúdo 1 0000-0003-4492-1621 Spaggiari Caio Vitale Análise e interpretação dos dados Redação do manuscrito Revisão crítica do manuscrito quanto ao conteúdo 1 Baroni Roberta Vanalli Obtenção de dados Revisão crítica do manuscrito quanto ao conteúdo 1 Gomes Cinthya Ibrahim Guirao Obtenção de dados Revisão crítica do manuscrito quanto ao conteúdo 1 Hueb Thiago Ovanessian Obtenção de dados Revisão crítica do manuscrito quanto ao conteúdo 1 Martins Sergio Augusto Mezzalira Obtenção de dados Revisão crítica do manuscrito quanto ao conteúdo 1 Pedrosa Anísio Alexandre Andrade Obtenção de dados Revisão crítica do manuscrito quanto ao conteúdo 1 Nishioka Silvana Angelina Dório Obtenção de dados Revisão crítica do manuscrito quanto ao conteúdo 1 0000-0001-9660-253X Siqueira Sergio Freitas de Concepção e desenho da pesquisa e Obtenção de financiamento Obtenção de dados Análise e interpretação dos dados Análise estatística Redação do manuscrito Revisão crítica do manuscrito quanto ao conteúdo 1 Hospital das Clínicas Faculdade de Medicina Universidade de São Paulo São Paulo SP Brasil Instituto do Coração do Hospital das Clínicas da Faculdade de Medicina da Universidade de São Paulo, São Paulo, SP – Brasil : Martino Martinelli Filho • Instituto do Coração do Hospital das Clínicas da Faculdade de Medicina da Universidade de São Paulo – Av. Dr. Eneas de Carvalho Aguiar, 44. CEP 05403-900, São Paulo, SP - Brasil E-mail: martinomartinelli@uol.com.br

Marcio Bittencourt

Não há conflito com o presente artigo.

 07 11 2025 10 2025 122 10 e20240744 27 02 2025 23 05 2025 18 06 2025 Este é um artigo de acesso aberto distribuído sob os termos da licença de atribuição pelo Creative Commons Resumo Fundamento

A ingestão moderada de álcool parece ter um efeito protetor cardiovascular, enquanto o consumo nocivo de álcool (CNA) está associado a altas taxas de doenças crônicas e mortalidade. A quantidade de álcool ingerido tem sido associada a comportamentos de estilo de vida; no entanto, essa relação ainda não foi avaliada em pacientes com doença cardíaca (DC).

 Objetivo

Avaliar a associação entre o estilo de vida e o CNA em pacientes com DC.

 Métodos

Trata-se de um estudo observacional que incluiu um grupo de pacientes com DC e um grupo de voluntários, com o objetivo de avaliar a associação entre o CNA e o comportamento de estilo de vida utilizando um escore de estilo de vida (o escore LBS). O consumo de álcool foi avaliado por meio do teste AUDIT-C. O LBS foi desenvolvido atribuindo-se 1 ponto para cada variável — tabagismo; sobrepeso ou obesidade (índice de massa corporal ≥24,9); ansiedade; depressão; e falta de atividade física — e classificado como saudável (0/1 ponto), regular (2/3 pontos) ou não saudável (4/5 pontos). A análise estatística adotou como nível de significância o valor de p < 0,05.

 Resultados

O estudo incluiu 1999 pacientes com DC e 2081 voluntários. A análise de regressão, controlada por idade e sexo, revelou que os escores de estilo de vida regular e não saudável são preditores independentes do CNA em pacientes com DC (OR = 1,35, p = 0,04 e OR = 1,76, p = 0,001, respectivamente), similarmente ao observado nos voluntários. A validação temporal demonstrou boa capacidade de discriminação do modelo de regressão (ROC = 0,80). Além disso, melhorias no escore de estilo de vida (LBS) foram associadas à redução do CNA (p = 0,02).

 Conclusões

Este estudo demonstrou que a avaliação do risco de HAC por meio de um novo escore de estilo de vida é um preditor confiável em pacientes com DC. Também foi observado que a melhora nos comportamentos de estilo de vida pode contribuir para a redução do CNA.

Consumo Abusivo de Álcool em Cardiopatas: Análise de Risco pelo Comportamento de Estilo de Vida – Projeto PROSA (Projeto Saúde e Álcool)

Palavras chaves: Consumo Excessivo de Bebidas Alcoólicas Estilo de Vida Cardiopatias Introdução

Diversos estudos sugerem potenciais benefícios cardiovasculares do consumo leve a moderado de álcool na população geral, indicando um efeito protetor contra doenças cardiovasculares.1-4 No entanto, para compreender a real relação entre consumo de álcool e desfechos em saúde, deve-se considerar diversas variáveis de confusão, o que ainda não foi avaliado em pacientes com doença cardíaca (DC).5-7

Nesse sentido, a adoção de um estilo de vida saudável tem sido associada à redução do risco de doenças crônicas importantes, incluindo câncer, infarto, hipertensão, acidente vascular cerebral, diabetes e distúrbios do ritmo cardíaco.1,2 Em contraste, o consumo nocivo de álcool (CNA) é reconhecido como um fator que contribui negativamente para os desfechos em saúde, agravando doenças crônicas e aumentando tanto a morbidade quanto a mortalidade.8-10 Em pacientes com DC, a correlação entre consumo de álcool e desfechos em saúde segue um padrão dose-resposta.11 Nesse contexto, o CNA pode ter consequências graves ao agravar condições pré-existentes e representar ameaças significativas à saúde dos pacientes.10-12

As iniciativas globais de saúde – exemplificadas pela Organização Mundial da Saúde (OMS) – têm buscado promover pesquisas voltadas à compreensão e redução da prevalência do CNA em diversas populações.13 O principal desafio permanece em estabelecer uma relação causal entre o consumo de álcool e o início ou a progressão de doenças crônicas.

Nesse contexto, esforços têm sido direcionados à avaliação dos riscos potenciais do consumo de álcool, especialmente em indivíduos com condições de saúde pré-existentes, associando esses riscos a comportamentos de estilo de vida. O tabagismo, por exemplo, não apenas apresenta uma forte associação com a doença pulmonar obstrutiva crônica e o câncer de pulmão, como também é reconhecido por sua correlação com o CNA.14-18

O desenvolvimento de uma ferramenta de avaliação do estilo de vida específica para a população, o Lifestyle Behavior Score (LBS), é fundamental para identificar fatores associados aos padrões de consumo de álcool e permitir análises estatísticas robustas adaptadas a populações específicas. Assim, nossa hipótese propõe uma forte associação entre um LBS não saudável e o CNA, particularmente em pacientes com DC. Portanto, este estudo tem como objetivo avaliar a associação entre o LBS e o CNA em indivíduos com e sem DC.

 Métodos

Este é um estudo prospectivo que incluiu duas coortes distintas: pacientes com DC e voluntários, categorizados de acordo com o padrão de consumo de álcool.

População do estudo

A coorte de pacientes com DC incluiu pacientes clinicamente estáveis, diagnosticados com qualquer forma de cardiomiopatia, em seguimento ambulatorial no Instituto do Coração (InCor), no Hospital das Clínicas da Faculdade de Medicina da Universidade de São Paulo (HCFMUSP). A coorte de voluntários foi recrutada entre familiares ou cuidadores dos pacientes com DC, e entre funcionários do hospital. Ambas as coortes incluíram indivíduos de qualquer sexo, gênero ou raça, com 18 anos de idade ou mais. Consentimento informado foi obtido de todos os participantes, e o protocolo do estudo foi aprovado pelo Comitê de Ética do InCor-HCFMUSP (CAAE 61741916.0.0000.0068 número do protocolo de aprovação 1.846.682, 02 de dezembro, 2016).

 Consumo de álcool, padrão do consumo e escore de comportamento de estilo de vida

Para avaliar o consumo de álcool, aplicamos o Alcohol Use Disorders Identification Test (C) (Material Suplementar).19-21 No entanto, o AUDIT-C não especifica o tipo de bebida alcoólica consumida e, por isso, utilizamos o questionário institucional Q-PROSA (Material Suplementar) para avaliar com maior precisão o tipo de bebida preferido – cerveja, destilados e/ou vinho – bem como as quantidades consumidas. Os participantes foram caracterizados de acordo com a quantidade de álcool ingerida. O CNA foi classificado como >28g de etanol por dia para homens e >14g de etanol por dia para mulheres, ou como consumo episódico excessivo (binge) conforme o escore do AUDIT-C.

Para avaliar o comportamento relacionado ao estilo de vida, diversos fatores foram avaliados por meio de questionários padronizados. Os níveis de depressão e ansiedade foram avaliados utilizando a Escala Hospitalar de Ansiedade e Depressão (HADS, Hospital Anxiety and Depression Scale),22 e os níveis de atividade física foram mensurados usando o Questionário Internacional de Atividade Física (IPAQ, International Physical Activity Questionnaire).23 O status de tabagismo, a escolaridade e a renda foram avaliados por meio de perguntas objetivas. Além disso, medidas de peso e altura foram obtidas de todos os participantes. Todos os questionários utilizados eram versões validadas para a língua portuguesa do Brasil.

O LBS foi construído atribuindo-se um ponto para cada uma das seguintes variáveis: tabagismo; sobrepeso ou obesidade (Índice de Massa Corporal, IMC ≥ 24,9 Kg/m2); ansiedade (pontuação HADS > 10); depressão (pontuação HADS > 10); e sedentarismo (menos de 600 MET-minutos/semana segundo o IPAQ) (Figura 1). O comportamento de estilo de vida saudável foi pontuado como 0 ou 1 ponto, o estilo de vida regular como 2 ou 3 pontos, e o estilo de vida não saudável como 4 ou 5 pontos. Os dados do estudo foram coletados e gerenciados utilizando o REDCap – uma ferramenta de captura eletrônica de dados para pesquisa hospedada no HCFMUSP.24

– Fuxograma do estudo; IMC: Índice de Massa Corporal; HADS: Hospital Anxiety and Depression Scale; IPAQ: International Physical Activity Questionnaire; AUDIT-C Alcohol Use Disorders Identification Test; LBS: Escore de estilo de vida; MET: Metabolic Equivalent of Task.

Todos os dados foram coletados no basal e no final do estudo. O estudo foi planejado para um período de três anos de seguimento.

 Desfechos do estudo

O desfecho primário foi a correlação entre os escores do LBS e a incidência de CNA entre pacientes com DC. Foram realizadas análises estatísticas para avaliar a capacidade preditiva do modelo LBS na estimativa das taxas de CNA nas coortes de pacientes com DC e de voluntários. O desfecho secundário envolveu o monitoramento das mudanças no LBS ao longo do tempo e a análise de sua relação com as variações nos níveis de CNA. Isso incluiu o acompanhamento longitudinal para avaliar como as flutuações no LBS correspondem a mudanças no comportamento de consumo de álcool.

 Análise estatística e tamanho da amostra

Dado o número limitado de dados disponíveis na literatura sobre o Lifestyle Behavior Score (LBS) e o CNA, não foi realizado cálculo formal do tamanho amostral. Em vez disso, foram definidas, por conveniência, duas grandes coortes de 2000 indivíduos cada.

As variáveis foram expressas como frequências e porcentagens ou médias e desvios padrão, conforme apropriado. A normalidade dos dados foi avaliada pelo teste de Shapiro–Wilk, e as diferenças entre os grupos foram analisadas utilizando o teste t para amostras independentes ou o teste do qui-quadrado. Além disso, a maioria das variáveis foi registrada em formatos dicotômicos ou categóricos, com base em pontos de corte consensuais estabelecidos ou julgamento clínico.

O modelo de treinamento para previsão do CNA com base no LBS foi avaliado por meio de regressão logística multivariada com abordagem stepwise. As variáveis foram selecionadas para inclusão nos modelos logísticos com base em dois critérios: valor de p inferior a 0,25 na análise univariada e ausência de colinearidade. A qualidade de ajuste foi avaliada pelo teste de Hosmer-Lemeshow (HL). A validação interna foi realizada utilizando a técnica de bootstrap logístico com 1000 réplicas amostrais. As capacidades de discriminação do modelo foram avaliadas por meio de curvas ROC (Receiver Operating Characteristic), sensibilidade e especificidade.

O modelo preditivo para CNA com base no LBS foi inicialmente desenvolvido com dados de voluntários e, posteriormente, aplicado a pacientes com DC. A validação temporal foi realizada para avaliar a generalização e aplicabilidade do LBS na predição de CNA. Nesse contexto, um subgrupo aleatório da coorte total foi reavaliado três anos após os exames basais (Figura 2). Esse delineamento foi parcialmente influenciado por restrições operacionais durante a pandemia de COVID-19. A ausência de reavaliação em parte da amostra está alinhada com o conceito de “ausência completamente aleatória” (MCAR, do inglês missing completely at random).25 Para sustentar a hipótese de MCAR, foi confirmado que a falta de acompanhamento não estava associada às características basais ou variáveis de desfecho em nenhuma das fases, conforme avaliado por meio de regressão de modelo misto. Nesse sentido, a validação temporal foi conduzida tanto para os voluntários e pacientes com DC em conjunto, quanto apenas para os pacientes com DC. Testamos a capacidade do modelo logístico multivariado com efeitos aleatórios de considerar medições repetidas durante o acompanhamento, comparando-o ao modelo de regressão logística multivariado que utilizou dados do momento posterior para avaliar a validade temporal do modelo preditivo. Além disso, utilizamos o teste do qui-quadrado para investigar a relação entre alterações no LBS e mudanças associadas no CNA. Um valor de p <0,05 foi considerado estatisticamente significativo.

– Fluxograma de validação temporal do modelo do escore de comportamento de estilo de vida para predição do consumo nocivo de álcool.

Os dados foram analisados usando o software STATA (Stata Corp LP, College Station, TX, USA) versão 16.

 Resultados Características basais

Um total de 4080 indivíduos foi incluído no estudo, sendo 1999 (49,0%) com DC e 2081 (51,0%) voluntários. Entre eles, 341 (17,1%) participantes da coorte com DC e 771 (37,0%) do grupo de voluntários foram classificados como apresentando CNA. A média de idade da população total foi de 57,7 ± 16 anos. Participantes do sexo masculino foram mais prevalentes na coorte com DC (64,3%) em comparação ao grupo de voluntários (40,0%). A coorte com DC era mais velha, apresentava menor nível de escolaridade, mas distribuição de renda semelhante à dos voluntários. Todas as características demográficas e clínicas da população do estudo estão detalhadas na Tabela 1.

– Características basais da coorte do estudo
Variável População N = 4080 Doença cardíaca n = 1999 Voluntários n = 2081
Idade, anos ± DP 57,9±16,0 63,5±14,4 45,6±14,0
Sexo masculino – n (%) 2116 (51,9) 1283 (64,3) 818 (40,0)
Escolaridade – n (%)
Fundamental 1411 (34,6) 1018 (50,9) 393 (18,9)
Ensino médio 1446 (35,4) 529 (26,5) 917 (44,1)
Ensino superior 968 (23,7) 340 (17,0) 628 (30,2)
Pós-graduação 164 (3,9) 37 (1,9) 127 (6,1)
Renda familiar mensal* – n (%)
< $523 377 (9,2) 165 (8,3) 212 (10,2)
$523-1,568 2529 (62,0) 1344 (67,2) 1185 (56,9)
$1,568-$2,613 683 (16,7) 335 (16,8) 348 (16,7)
> $2,613 434 (10,6) 140 (7,0) 294 (14,1)
Hipertensão – n (%) 1612 (39,5) 1275 (63,8) 337 (16,2)
Dislipidemia (n, %) 941 (23,0) 823 (41,2) 118 (5,7)
Diabetes – n (%) 666 (16,3) 563 (28,2) 103 (4,9)
DRC – n (%) 91 (2,2) 91 (4,6) -
DPOC – n (%) 27 (0,7) 27 (1,4) -
Tabagismo – n (%) 455 (11,1) 200 (10,0) 255 (12,3)
Obesidade – n (%) 1106 (27,1) 472 (23,6) 634 (30,5)
Ansiedade – n (%) 321 (7,9) 158 (7,9) 163 (7,8)
Depressão – n (%) 132 (3,2) 69 (3,5) 63 (3,0)
Sedentarismo – n (%) 1572 (38,5) 854 (42,7) 578 (27,8)
Escore de estilo de vida – n (%)
Saudável 1572 (38,6) 720 (36,0) 852 (40,9)
Regular 1629 (40,0) 821 (41,1) 808 (38,8)
Não saudável 803 (19,7) 415 (20,8) 388 (18,6)

DP: desvio padrão; DPOC: doença pulmonar obstrutiva crônica; DRC: doença renal crônica. *reais convertidos em dólares americanos com base na paridade do poder de compra de 2023 (USD = 2,526).

 Preferências de consumo de bebidas alcoólicas

Padrões de consumo de bebidas alcoólicas categorizados por tipo de bebida para ambas as coortes são apresentados na Tabela 2. A cerveja foi a bebida mais consumida em todos os níveis de ingestão de álcool, seguida pelo vinho e pelos destilados.

– Tipos de bebidas mais consumidas segundo padrão de consumo de álcool (nocivo ou não nocivo) em pacientes com doença cardíaca e voluntários
Tipo de bebida Pacientes com doença cardíaca Voluntários
Consumo não nocivo de álcool CNA p Consumo não nocivo de álcool CNA p
n = 1598 n = 341 n = 1370 n = 771
n (%) n (%) n (%) n (%)
Cerveja 383 (24,0) 144 (42,2) <0,001 352 (25,7) 278 (36,1) 0,148
Vinho 220 (13,8) 11 (3,2) <0,001 249 (18,2) 31 (4,0) <0,001
Destilado 50 (3,1) 9 (2,6) 0,273 47 (3,4) 18 (2,3) 0,019
Variado 628 (39,3) 175 (51,3) 0,409 422 (30,8) 441 (57,2) <0,001

CNA: consumo nocivo de álcool.

 Associação entre comportamento de estilo de vida e consumo nocivo de álcool

Entre os voluntários, o UMA foi mais prevalente entre os participantes do sexo masculino. A média de idade dos participantes foi significativamente menor no grupo com CNA que no grupo de voluntários. Os preditores independentes de CNA entre os voluntários estão apresentados na Tabela 3. Entre os pacientes com DC, foram observados resultados semelhantes – a análise multivariada identificou os mesmos preditores independentes associados ao CNA. Esses preditores incluem sexo masculino (razão de chances, OR = 2,95, p < 0,0001), idade (OR = 0,95, p < 0,0001), comportamento de estilo de vida regular (OR = 1,35, p = 0,04) e estilo de vida não saudável (OR = 1,76, p = 0,001) (Tabela 4). A idade mostrou efeito protetor contra o CNA. O modelo apresentou forte poder discriminativo, com estatística GFHL de 0,97 e uma curva ROC de 0,75, atingindo sensibilidade de 60% e especificidade de 75%. Em relação à validade interna, o modelo de regressão por bootstrap produziu resultados de sensibilidade consistentes com aqueles obtidos na análise primária da coorte de pacientes com DC.

– Fatores independentes associados com consumo nocivo de álcool em voluntários
Variável (n, %) Consumo não nocivo de álcool CNA Univariada Multivariada Bootstrap
IC95% IC95% IC95%
n=1309 n=772 OR Inferior Superior p OR Inferior Superior p OR Inferior Superior p
Idade 48,5±13,7 40,7±12,9 <,0001 0,96 0,95 0,96 <,0001 0,96 0,95 0,96 <,0001
Sexo masculino 403 (30,8) 428 (55,4) 2,80 2,32 3,36 <,0001 3,00 2,46 3,68 <,0001 3,00 2,46 3,68 <,0001
Escolaridade
Fundamental 470 (35,9) 285 (36,9) ,02
Ensino médio 557 (42,6) 359 (46,5) 1,81 0,50 6,64 ,36
Ensino superior 269 (20,6) 122 (15,8) 2,58 0,72 9,20 ,15
Pós-graduação 12 (0,9) 3 (0,3) 2,42 0,88 8,67 ,17
Renda familiar
< 1 salário 117 (8,9) 95 (12,7) ,02
1 - 3 salários 765 (58,4) 418 (54,1) 0,67 0,50 0,90 ,009
3 - 5 salários 221 (16,9) 126 (16,3) 0,70 0,50 1,00 ,05
> 5 salários 279 (9,4) 155 (14,2) 0,87 0,61 1,25 ,45
Hipertensão 226 (17,3) 109 (14,1) 0,78 0,61 1,01 ,06
Dislipidemia 88 (6,7) 27 (3,5) 0,51 0,32 0,78 ,002
Diabetes 72 (5,5) 29 (2,8) 0,66 0,42 1,02 ,06
Estilo de vida
Saudável 176 (13,5) 69 (8,9) ,003
Regular 323 (24,7) 202 (26,1) 1,29 1,05 1,57 0,01 1,32 1,06 1,65 ,01 1,32 1,07 1,63 ,009
Não saudável 23 (1,76) 16 (2,1) 1,39 1,09 1,78 0,009 1,47 1,12 1,93 ,005 1,48 1,12 1,95 ,006

IC: intervalo de confiança; OR: odds ratio; CNA: consumo nocivo de álcool; valores p <0,05 foram considerados estatisticamente significativos.

– Fatores independentes associados com consumo nocivo de álcool em pacientes com doença cardíaca
Variável (n, %) Consumo não nocivo de álcool CNA Univariada Multivariada Bootstrap
IC95% IC95% IC95%
n=1659 n=340 OR Inferior Superior p OR Inferior Superior p OR Inferior Superior p
Idade 65,3±13,6 54,5±14,8 < 0,0001 0,95 0,94 0,96 <0,0001 0,95 0,94 0,96 <0,0001
Sexo masculino 1008 (65,6) 277 (81,5) 2,84 2,12 3,80 < 0,0001 2,95 2,17 3,99 <0,0001 2,95 2,16 4,03 <0,0001
Escolaridade
Fundamental 873 (52,6) 187 (55) < 0,0001
Ensino médio 368 (22,2) 162 (47,6) 2,10 1,61 2,62 < 0,0001
Ensino superior 254 (15,3) 86 (25,3) 1,18 2,11 9,20 0,002
Pós-graduação 27 (1,6) 10 (2,9) 1,72 0,82 3,63 0,15
Renda familiar
< 1 salário 137 (8,3) 28 (8,2) 0,06
1 - 3 salários 1133(68,3) 213 (62,6) 0,92 0,60 1,41 0,70
3 - 5 salários 231 (13,9) 58 (17,0) 1,22 0,74 2,02 0,42
> 5 salários 107 (6,5) 33 (9,7) 1,50 0,86 2,65 0,15
Hipertensão 1104 (66,5) 173 (51,0) 0,52 0,41 0,66 < 0,0001
Dislipidemia 706 (42,5) 120 (35,3) 0,73 0,58 0,94 0,01
Diabetes 494 (30,0) 70 (20,6) 0,61 0,47 0,81 0,001
Estilo de vida
Saudável 616 (37,1) 105 (31,0) 0,009
Regular 711 (42,9) 144 (42,4) 1,19 0,90 1,56 0,21 1,34 1,01 1,80 0,04 1,35 1,01 1,80 0,040
Não saudável 325 (19,6) 90 (26,5) 1,63 1,19 2,22 0,002 1,75 1,26 2,44 0,001 1,76 1,25 1,46 0,001

IC: intervalo de confiança; OR: odds ratio; CNA: consumo nocivo de álcool; valores p <0,05 foram considerados estatisticamente significativos.

 Modelos de validação temporal

Na avaliação de validação temporal, o modelo logístico multivariado apresentou um forte desempenho discriminativo, com uma curva ROC de 0,78, sensibilidade de 57% e especificidade de 77%. No subgrupo de pacientes com DC, a discriminação do modelo foi ainda mais acentuada, alcançando uma ROC de 0,80, sensibilidade de 72% e especificidade de 81% (Figura 3). O modelo multivariado de efeitos aleatórios não melhorou a capacidade preditiva do modelo de validação temporal (teste de razão de verossimilhança: p=0,07 com uma ROC de 0,76) quando aplicado à coorte completa, confirmando a estabilidade do modelo ao longo do tempo, independentemente das características basais dos pacientes reavaliados, e consistente com o padrão MCAR (de perda de seguimento.

– Curva ROC (Receiver Operating Characteristic) dos pacientes com doença cardíaca associada ao consumo nocivo de álcool.

Alterações nos escores de comportamento de estilo de vida estão associadas a variações no consumo nocivo de álcool

Além disso, entre os pacientes que passaram por duas avaliações, uma melhora no LBS para um status mais saudável (observada em 13,2% dos pacientes) foi seguida por uma redução no CNA (7,9%, p=0,02) após um período de acompanhamento de três anos. A mesma tendência foi observada em pacientes cujo LBS piorou, com um aumento no CNA (3,8% vs. 7,0%, p=0,01).

A Figura Central ilustra as principais conclusões do estudo.

 Discussão

Este manuscrito apresenta um novo modelo de LBS, demonstrando uma robusta capacidade preditiva para identificar o CNA na população geral, especialmente em indivíduos com DC. O desenvolvimento dessa ferramenta enfatiza a importância de categorizar os comportamentos relacionados ao estilo de vida, particularmente no contexto do manejo do risco para DC. As descobertas do nosso estudo vão ao encontro de pesquisas existentes na população geral, revelando uma correlação consistente entre comportamentos não saudáveis – como tabagismo, sedentarismo e saúde mental precária—e maiores taxas de abuso de álcool.14-18,26-28

Em nosso estudo, observamos que indivíduos mais velhos, especialmente aqueles com DC, apresentaram uma menor tendência ao CNA. O efeito protetor do envelhecimento contra o HAC em pacientes com DC é mais pronunciado do que o observado em voluntários (5% vs. 4%, respectivamente). Esse achado sugere uma maior conscientização da população com HD sobre a importância de reduzir os fatores de risco.

A proporção de homens com CNA tende a ser maior do que a de mulheres na população geral. Embora essa tendência tenha diminuído ao longo dos anos, nosso estudo revelou que o risco de HAC continua elevado entre os homens, tanto em voluntários quanto em pacientes com DC.29

Em nosso escore de LBS, consideramos o IMC como um indicador dos padrões alimentares. Curiosamente, o Departamento de Agricultura dos Estados Unidos (USDA), embora não inclua bebidas alcoólicas como um componente do padrão alimentar, enfatiza a importância de contabilizar as calorias presentes nas bebidas para manter limites alimentares saudáveis. O não cumprimento desses limites pode contribuir para um estilo de vida desfavorável.30

Além disso, consideramos a atividade física como um fator de estilo de vida com impacto significativo no consumo de álcool. Um estudo recente relatou um aumento significativo nos casos de consumo não nocivo de álcool entre aqueles com níveis mais elevados de aptidão física. Em nossa opinião, esses achados estão alinhados com o conceito de que o consumo não nocivo de álcool faz parte de um estilo de vida saudável.31,32 Além disso, o uso de tabaco, o qual está fortemente associado ao CNA,15-18 também foi incluído no escore de LBS.

Nosso estudo também incorporou o comportamento psicossocial como um componente do escore, reconhecendo sua interação significativa com o consumo de álcool e seu impacto no estilo de vida. A relação entre o consumo de álcool e o estresse é complexa. Embora o álcool possa aliviar temporariamente a ansiedade, ele também pode atuar como um fator estressor, aumentando a probabilidade de CNA em resposta ao estresse, o que é frequentemente denominado como consumo excessivo de álcool relacionado ao estresse.27 Além disso, a depressão tem sido associada ao CNA, particularmente entre estudantes universitários.28

Em resumo, a heterogeneidade dos fatores relevantes mencionados acima justifica o desenvolvimento de um sistema de pontuação como o que aplicamos na população geral e em pacientes com DC.9 Na prática, para essa população pouco estudada, os resultados do nosso escore podem orientar intervenções voltadas à melhoria do estilo de vida para combater o CNA, como programas de cessação do tabagismo, promoção da atividade física e terapias para saúde mental.

Uma limitação deste estudo é a não inclusão da avaliação do comportamento do sono em nosso escore. Embora o comportamento do sono tenha sido relatado como um fator de estilo de vida influente, sua associação com o CNA ainda não apresenta um impacto significativo quando comparado aos outros fatores incluídos no nosso escore de LBS. Outra limitação deste estudo é a ausência de validação externa formal do modelo. No entanto, esse potencial viés pode ter sido minimizado pela validação temporal realizada, que reduz a probabilidade de viés em grandes populações, especialmente em grupos homogêneos, como os pacientes com DCs.33

 Conclusões

Este estudo mostrou que o LBS, um novo escore e estilo de vida, é um preditor confiável de CNA em pacientes com DC. Ainda, observamos que uma melhora no comportamento de estilo de vida pode ajudar a reduzir o CNA.

 Material suplementar:

Para informação adicional, por favor, clique aqui.

 Referências 1. Li Y, Schoufour J, Wang DD, Dhana K, Pan A, Liu X, et al. Healthy Lifestyle and Life Expectancy Free of Cancer, Cardiovascular Disease, and Type 2 Diabetes: Prospective Cohort Study. BMJ. 2020;368:l6669. doi: 10.1136/bmj.l6669. Li Y Schoufour J Wang DD Dhana K Pan A Liu X et al Healthy Lifestyle and Life Expectancy Free of Cancer, Cardiovascular Disease, and Type 2 Diabetes: Prospective Cohort Study BMJ 2020 368 l6669 10.1136/bmj.l6669 2. van Oort S, Beulens JWJ, van Ballegooijen AJ, Grobbee DE, Larsson SC. Association of Cardiovascular Risk Factors and Lifestyle Behaviors with Hypertension: A Mendelian Randomization Study. Hypertension. 2020;76(6):1971-9. doi: 10.1161/HYPERTENSIONAHA.120.15761. van Oort S Beulens JWJ van Ballegooijen AJ Grobbee DE Larsson SC Association of Cardiovascular Risk Factors and Lifestyle Behaviors with Hypertension: A Mendelian Randomization Study Hypertension 2020 76 6 1971 1979 10.1161/HYPERTENSIONAHA.120.15761 3. Frimodt-Møller EK, Soliman EZ, Kizer JR, Vittinghoff E, Psaty BM, Biering-Sørensen T, et al. Lifestyle Habits Associated with Cardiac Conduction Disease. Eur Heart J. 2023;44(12):1058-66. doi: 10.1093/eurheartj/ehac799. Frimodt-Møller EK Soliman EZ Kizer JR Vittinghoff E Psaty BM Biering-Sørensen T et al Lifestyle Habits Associated with Cardiac Conduction Disease Eur Heart J 2023 44 12 1058 1066 10.1093/eurheartj/ehac799 4. Hansel B, Thomas F, Pannier B, Bean K, Kontush A, Chapman MJ, et al. Relationship between Alcohol Intake, Health and Social Status and Cardiovascular Risk Factors in the Urban Paris-Ile-de-France Cohort: Is the Cardioprotective Action of Alcohol a Myth? Eur J Clin Nutr. 2010;64(6):561-8. doi: 10.1038/ejcn.2010.61. Hansel B Thomas F Pannier B Bean K Kontush A Chapman MJ et al Relationship between Alcohol Intake, Health and Social Status and Cardiovascular Risk Factors in the Urban Paris-Ile-de-France Cohort: Is the Cardioprotective Action of Alcohol a Myth? Eur J Clin Nutr 2010 64 6 561 568 10.1038/ejcn.2010.61 5. Niemelä O, Bloigu A, Bloigu R, Halkola AS, Niemelä M, Aalto M, et al. Impact of Physical Activity on the Characteristics and Metabolic Consequences of Alcohol Consumption: A Cross-Sectional Population-Based Study. Int J Environ Res Public Health. 2022;19(22):15048. doi: 10.3390/ijerph192215048. Niemelä O Bloigu A Bloigu R Halkola AS Niemelä M Aalto M et al Impact of Physical Activity on the Characteristics and Metabolic Consequences of Alcohol Consumption: A Cross-Sectional Population-Based Study Int J Environ Res Public Health 2022 19 22 15048 10.3390/ijerph192215048 6. Naimi TS, Brown DW, Brewer RD, Giles WH, Mensah G, Serdula MK, et al. Cardiovascular Risk Factors and Confounders Among Nondrinking and Moderate-Drinking U.S. Adults. Am J Prev Med. 2005;28(4):369-73. doi: 10.1016/j.amepre.2005.01.011. Naimi TS Brown DW Brewer RD Giles WH Mensah G Serdula MK et al Cardiovascular Risk Factors and Confounders Among Nondrinking and Moderate-Drinking U.S. Adults Am J Prev Med 2005 28 4 369 373 10.1016/j.amepre.2005.01.011 7. Voskoboinik A, Prabhu S, Ling LH, Kalman JM, Kistler PM. Alcohol and Atrial Fibrillation: A Sobering Review. J Am Coll Cardiol. 2016;68(23):2567-76. doi: 10.1016/j.jacc.2016.08.074. Voskoboinik A Prabhu S Ling LH Kalman JM Kistler PM Alcohol and Atrial Fibrillation: A Sobering Review J Am Coll Cardiol 2016 68 23 2567 2576 10.1016/j.jacc.2016.08.074 8. Rehm J, Gmel GE Sr, Gmel G, Hasan OSM, Imtiaz S, Popova S, et al. The Relationship between Different Dimensions of Alcohol Use and the Burden of Disease-an Update. Addiction. 2017;112(6):968-1001. doi: 10.1111/add.13757. Rehm J Gmel GE Sr Gmel G Hasan OSM Imtiaz S Popova S et al The Relationship between Different Dimensions of Alcohol Use and the Burden of Disease-an Update Addiction 2017 112 6 968 1001 10.1111/add.13757 9. Biddinger KJ, Emdin CA, Haas ME, Wang M, Hindy G, Ellinor PT, et al. Association of Habitual Alcohol Intake with Risk of Cardiovascular Disease. JAMA Netw Open. 2022;5(3):e223849. doi: 10.1001/jamanetworkopen.2022.3849. Biddinger KJ Emdin CA Haas ME Wang M Hindy G Ellinor PT et al Association of Habitual Alcohol Intake with Risk of Cardiovascular Disease JAMA Netw Open 2022 5 3 e223849 10.1001/jamanetworkopen.2022.3849 10. Yeo Y, Jeong SM, Shin DW, Han K, Yoo J, Yoo JE, et al. Changes in Alcohol Consumption and Risk of Heart Failure: A Nationwide Population-Based Study in Korea. Int J Environ Res Public Health. 2022;19(23):16265. doi: 10.3390/ijerph192316265. Yeo Y Jeong SM Shin DW Han K Yoo J Yoo JE et al Changes in Alcohol Consumption and Risk of Heart Failure: A Nationwide Population-Based Study in Korea Int J Environ Res Public Health 2022 19 23 16265 10.3390/ijerph192316265 11. Costanzo S, Di Castelnuovo A, Donati MB, Iacoviello L, de Gaetano G. Cardiovascular and Overall Mortality Risk in Relation to Alcohol Consumption in Patients with Cardiovascular Disease. Circulation. 2010;121(17):1951-9. doi: 10.1161/CIRCULATIONAHA.109.865840. Costanzo S Di Castelnuovo A Donati MB Iacoviello L de Gaetano G Cardiovascular and Overall Mortality Risk in Relation to Alcohol Consumption in Patients with Cardiovascular Disease Circulation 2010 121 17 1951 1959 10.1161/CIRCULATIONAHA.109.865840 12. Whitman IR, Agarwal V, Nah G, Dukes JW, Vittinghoff E, Dewland TA, et al. Alcohol Abuse and Cardiac Disease. J Am Coll Cardiol. 2017;69(1):13-24. doi: 10.1016/j.jacc.2016.10.048. Whitman IR Agarwal V Nah G Dukes JW Vittinghoff E Dewland TA et al Alcohol Abuse and Cardiac Disease J Am Coll Cardiol 2017 69 1 13 24 10.1016/j.jacc.2016.10.048 13. World Health Organization. The Global Strategy to Reduce the Harmful Use of Alcohol. Working Document for Development of an Action Plan to Strengthen Implementation of the Global Strategy to Reduce the Harmful Use of Alcohol [Internet]. Geneva: World Health Organization; 2020 [cited 2025 Jul 09]. Available from: https://www.who.int/docs/default-source/alcohol/working-document-for-action-plan-web-consultation-november-2020.pdf?sfvrsn=6ce39316_0. World Health Organization The Global Strategy to Reduce the Harmful Use of Alcohol. Working Document for Development of an Action Plan to Strengthen Implementation of the Global Strategy to Reduce the Harmful Use of Alcohol Internet Geneva World Health Organization 2020 cited 2025 Jul 09 https://www.who.int/docs/default-source/alcohol/working-document-for-action-plan-web-consultation-november-2020.pdf?sfvrsn=6ce39316_0 14. Ng R, Sutradhar R, Yao Z, Wodchis WP, Rosella LC. Smoking, Drinking, Diet and Physical Activity-Modifiable Lifestyle Risk Factors and their Associations with Age to First Chronic Disease. Int J Epidemiol. 2020;49(1):113-30. doi: 10.1093/ije/dyz078. Ng R Sutradhar R Yao Z Wodchis WP Rosella LC Smoking, Drinking, Diet and Physical Activity-Modifiable Lifestyle Risk Factors and their Associations with Age to First Chronic Disease Int J Epidemiol 2020 49 1 113 130 10.1093/ije/dyz078 15. Chen X, Unger JB, Palmer P, Weiner MD, Johnson CA, Wong MM, et al. Prior Cigarette Smoking Initiation Predicting Current Alcohol Use: Evidence for a Gateway Drug Effect Among California Adolescents from Eleven Ethnic Groups. Addict Behav. 2002;27(5):799-817. doi: 10.1016/s0306-4603(01)00211-8. Chen X Unger JB Palmer P Weiner MD Johnson CA Wong MM et al Prior Cigarette Smoking Initiation Predicting Current Alcohol Use: Evidence for a Gateway Drug Effect Among California Adolescents from Eleven Ethnic Groups Addict Behav 2002 27 5 799 817 10.1016/s0306-4603(01)00211-8 16. Grant BF. Age at Smoking Onset and Its Association with Alcohol Consumption and DSM-IV Alcohol Abuse and Dependence: Results from the National Longitudinal Alcohol Epidemiologic Survey. J Subst Abuse. 1998;10(1):59-73. doi: 10.1016/s0899-3289(99)80141-2. Grant BF Age at Smoking Onset and Its Association with Alcohol Consumption and DSM-IV Alcohol Abuse and Dependence: Results from the National Longitudinal Alcohol Epidemiologic Survey J Subst Abuse 1998 10 1 59 73 10.1016/s0899-3289(99)80141-2 17. Lewinsohn PM, Rohde P, Brown RA. Level of Current and Past Adolescent Cigarette Smoking as Predictors of Future Substance Use Disorders in Young Adulthood. Addiction. 1999;94(6):913-21. doi: 10.1046/j.1360-0443.1999.94691313.x. Lewinsohn PM Rohde P Brown RA Level of Current and Past Adolescent Cigarette Smoking as Predictors of Future Substance Use Disorders in Young Adulthood Addiction 1999 94 6 913 921 10.1046/j.1360-0443.1999.94691313.x 18. Biederman J, Monuteaux MC, Mick E, Wilens TE, Fontanella JA, Poetzl KM, et al. Is Cigarette Smoking a Gateway to Alcohol and Illicit Drug Use Disorders? A Study of Youths with and without Attention Deficit Hyperactivity Disorder. Biol Psychiatry. 2006;59(3):258-64. doi: 10.1016/j.biopsych.2005.07.009. Biederman J Monuteaux MC Mick E Wilens TE Fontanella JA Poetzl KM et al Is Cigarette Smoking a Gateway to Alcohol and Illicit Drug Use Disorders? A Study of Youths with and without Attention Deficit Hyperactivity Disorder Biol Psychiatry 2006 59 3 258 264 10.1016/j.biopsych.2005.07.009 19. Lima CT, Freire AC, Silva AP, Teixeira RM, Farrell M, Prince M. Concurrent and Construct Validity of the Audit in an Urban Brazilian Sample. Alcohol Alcohol. 2005;40(6):584-9. doi: 10.1093/alcalc/agh202. Lima CT Freire AC Silva AP Teixeira RM Farrell M Prince M Concurrent and Construct Validity of the Audit in an Urban Brazilian Sample Alcohol Alcohol 2005 40 6 584 589 10.1093/alcalc/agh202 20. Mendez BE. Uma Versão Brasileira do AUDIT: Alcohol Use Disorders Identification Test [Dissertation]. Pelotas: Universidade Federal de Pelotas; 1999. Mendez BE Uma Versão Brasileira do AUDIT: Alcohol Use Disorders Identification Test Dissertation Pelotas Universidade Federal de Pelotas 1999 21. Moretti-Pires RO, Corradi-Webster CM. Adaptation and Validation of the Alcohol Use Disorders Identification Test (AUDIT) for a River Population in the Brazilian Amazon. Cad Saude Publica. 2011;27(3):497-509. doi: 10.1590/s0102-311x2011000300010. Moretti-Pires RO Corradi-Webster CM Adaptation and Validation of the Alcohol Use Disorders Identification Test (AUDIT) for a River Population in the Brazilian Amazon Cad Saude Publica 2011 27 3 497 509 10.1590/s0102-311x2011000300010 22. Botega NJ, Bio MR, Zomignani MA, Garcia C Jr, Pereira WA. Mood Disorders Among Inpatients in Ambulatory and Validation of the Anxiety and Depression Scale HAD. Rev Saude Publica. 1995;29(5):355-63. doi: 10.1590/s0034-89101995000500004. Botega NJ Bio MR Zomignani MA Garcia C Jr Pereira WA Mood Disorders Among Inpatients in Ambulatory and Validation of the Anxiety and Depression Scale HAD Rev Saude Publica 1995 29 5 355 363 10.1590/s0034-89101995000500004 23. Matsudo S, Araújo T, Marsudo V, Andrade D, Andrade E, Oliveira LC, et al. Questinário Internacional de Atividade Fisica (IPAQ): Estudo de Validade e Reprodutibilidade no Brasil. Rev Bras Ativ Fís Saúde. 2001;6(2):5-18. doi: 10.12820/rbafs.v.6n2p5-18. Matsudo S Araújo T Marsudo V Andrade D Andrade E Oliveira LC et al Questinário Internacional de Atividade Fisica (IPAQ): Estudo de Validade e Reprodutibilidade no Brasil Rev Bras Ativ Fís Saúde 2001 6 2 5 18 10.12820/rbafs.v.6n2p5-18 24. Harris PA, Taylor R, Minor BL, Elliott V, Fernandez M, O'Neal L, et al. The REDCap Consortium: Building an International Community of Software Platform Partners. J Biomed Inform. 2019;95:103208. doi: 10.1016/j.jbi.2019.103208. Harris PA Taylor R Minor BL Elliott V Fernandez M O'Neal L et al The REDCap Consortium: Building an International Community of Software Platform Partners J Biomed Inform 2019 95 103208 10.1016/j.jbi.2019.103208 25. Lee KJ, Carlin JB, Simpson JA, Moreno-Betancur M. Assumptions and Analysis Planning in Studies with Missing Data in Multiple Variables: Moving Beyond the MCAR/MAR/MNAR Classification. Int J Epidemiol. 2023;52(4):1268-75. doi: 10.1093/ije/dyad008. Lee KJ Carlin JB Simpson JA Moreno-Betancur M Assumptions and Analysis Planning in Studies with Missing Data in Multiple Variables: Moving Beyond the MCAR/MAR/MNAR Classification Int J Epidemiol 2023 52 4 1268 1275 10.1093/ije/dyad008 26. Shuval K, Leonard D, Chartier KG, Barlow CE, Fennis BM, Katz DL, et al. Fit and Tipsy? The Interrelationship between Cardiorespiratory Fitness and Alcohol Consumption and Dependence. Med Sci Sports Exerc. 2022;54(1):113-9. doi: 10.1249/MSS.0000000000002777. Shuval K Leonard D Chartier KG Barlow CE Fennis BM Katz DL et al Fit and Tipsy? The Interrelationship between Cardiorespiratory Fitness and Alcohol Consumption and Dependence Med Sci Sports Exerc 2022 54 1 113 119 10.1249/MSS.0000000000002777 27. Becker HC. Influence of Stress Associated with Chronic Alcohol Exposure on Drinking. Neuropharmacology. 2017;122:115-26. doi: 10.1016/j.neuropharm.2017.04.028. Becker HC Influence of Stress Associated with Chronic Alcohol Exposure on Drinking Neuropharmacology 2017 122 115 126 10.1016/j.neuropharm.2017.04.028 28. Chow MSC, Poon SHL, Lui KL, Chan CCY, Lam WWT. Alcohol Consumption and Depression Among University Students and Their Perception of Alcohol Use. East Asian Arch Psychiatry. 2021;31(4):87-96. doi: 10.12809/eaap20108. Chow MSC Poon SHL Lui KL Chan CCY Lam WWT Alcohol Consumption and Depression Among University Students and Their Perception of Alcohol Use East Asian Arch Psychiatry 2021 31 4 87 96 10.12809/eaap20108 29. McCaul ME, Roach D, Hasin DS, Weisner C, Chang G, Sinha R. Alcohol and Women: A Brief Overview. Alcohol Clin Exp Res. 2019;43(5):774-9. doi: 10.1111/acer.13985. McCaul ME Roach D Hasin DS Weisner C Chang G Sinha R Alcohol and Women: A Brief Overview Alcohol Clin Exp Res 2019 43 5 774 779 10.1111/acer.13985 30. Nourse R, Adamshick P, Stoltzfus J. College Binge Drinking and Its Association with Depression and Anxiety: A Prospective Observational Study. East Asian Arch Psychiatry. 2017;27(1):18-25. Nourse R Adamshick P Stoltzfus J College Binge Drinking and Its Association with Depression and Anxiety: A Prospective Observational Study East Asian Arch Psychiatry 2017 27 1 18 25 31. Phillips JA. Dietary Guidelines for Americans, 2020-2025. Workplace Health Saf. 2021;69(8):395. doi: 10.1177/21650799211026980. Phillips JA Dietary Guidelines for Americans, 2020-2025 Workplace Health Saf 2021 69 8 395 10.1177/21650799211026980 32. Faria RR, Siqueira SF, Haddad FA, Del Monte Silva G, Spaggiari CV, Martinelli M Filho. The Six Pillars of Lifestyle Medicine in Managing Noncommunicable Diseases - The Gaps in Current Guidelines. Arq Bras Cardiol. 2024;120(12):e20230408. doi: 10.36660/abc.20230408. Faria RR Siqueira SF Haddad FA Del Monte Silva G Spaggiari CV Martinelli M Filho The Six Pillars of Lifestyle Medicine in Managing Noncommunicable Diseases - The Gaps in Current Guidelines Arq Bras Cardiol 2024 120 12 e20230408 10.36660/abc.20230408 33. Wolff RF, Moons KGM, Riley RD, Whiting PF, Westwood M, Collins GS, et al. PROBAST: A Tool to Assess the Risk of Bias and Applicability of Prediction Model Studies. Ann Intern Med. 2019;170(1):51-8. doi: 10.7326/M18-1376. Wolff RF Moons KGM Riley RD Whiting PF Westwood M Collins GS et al PROBAST: A Tool to Assess the Risk of Bias and Applicability of Prediction Model Studies Ann Intern Med 2019 170 1 51 58 10.7326/M18-1376

Não há vinculação deste estudo a programas de pós-graduação.

Este estudo foi aprovado pelo Comitê de Ética do Hospital das Clínicas da Faculdade de Medicina da Universidade de São Paulo sob o número de protocolo CAAE 61741916.0.0000.0068, parecer número 1.846.682 de 2 de dezembro de 2016. 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.

Os autores não utilizaram ferramentas de inteligência artificial no desenvolvimento deste trabalho.

Todos os conjuntos de dados que apoiam os resultados deste estudo estão disponíveis mediante solicitação ao autor correspondente mediante solicitação e aprovação ética para análises específicas.

O estudo foi financiado por um auxílio institucional da Fundação Zerbini, com contribuições primárias da própria Fundação e da empresa AMBEV S.A. Nenhum dos patrocinadores teve qualquer influência sobre a concepção ou execução do estudo, ou divulgação dos resultados do estudo.

 10.36660/abc.20240744i Original Article Harmful Alcohol Consumption in Patients with Heart Disease: A Risk Analysis by Lifestyle Behavior – The Brazilian PROSA Project (Projeto Saúde e Álcool) 0000-0003-4440-8078 Martinelli-Filho Martino Conception and design of the research and Obtaining financing Analysis and interpretation of the data and Writing of the manuscript Critical revision of the manuscript for content 1 0000-0003-4492-1621 Spaggiari Caio Vitale Analysis and interpretation of the data and Writing of the manuscript Statistical analysis; Critical revision of the manuscript for content 1 Baroni Roberta Vanalli Acquisition of data Critical revision of the manuscript for content 1 Gomes Cinthya Ibrahim Guirao Acquisition of data Critical revision of the manuscript for content 1 Hueb Thiago Ovanessian Acquisition of data Critical revision of the manuscript for content 1 Martins Sergio Augusto Mezzalira Acquisition of data Critical revision of the manuscript for content 1 Pedrosa Anísio Alexandre Andrade Acquisition of data Critical revision of the manuscript for content 1 Nishioka Silvana Angelina Dório Acquisition of data Critical revision of the manuscript for content 1 0000-0001-9660-253X Siqueira Sergio Freitas de Conception and design of the research and Obtaining financing Acquisition of data Analysis and interpretation of the data and Writing of the manuscript Statistical analysis Critical revision of the manuscript for content 1 Brazil Instituto do Coração do Hospital das Clínicas da Faculdade de Medicina da Universidade de São Paulo, São Paulo, SP – Brazil Martino Martinelli Filho • Instituto do Coração do Hospital das Clínicas da Faculdade de Medicina da Universidade de São Paulo – Av. Dr. Eneas de Carvalho Aguiar, 44. Postal Code 05403-900, São Paulo, SP –- Brazil E-mail: martinomartinelli@uol.com.br

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

Marcio Bittencourt

 Abstract Background

Moderate alcohol intake appears to have a protective cardiovascular effect, whereas harmful alcohol consumption (HAC) is associated with a high rate of chronic diseases and mortality. The amount of alcohol intake has been associated with lifestyle behaviors; however, this relationship has not been assessed in patients with heart disease (HD).

 Objective

To evaluate the association between lifestyle behavior and HAC in HD patients.

 Methods

This is an observational study that included one group of patients with HD and one group of volunteers designed to assess the association of HAC with lifestyle behavior using a score of lifestyle behavior (the LBS score). We assessed alcohol consumption using the AUDIT-C test. LBS was developed by assigning 1 point to each variable – smoking; overweight or obese (body mass index ≥24.9); anxiety; depression and lack of physical activity, and classified into healthy (0/1 point), regular (2/3 points), or unhealthy (4/5 points). Statistical analysis adopted as a significance level p-value <0.05.

 Results

The study included 1,999 patients with HD and 2,081 volunteers. Regression analysis controlled for age and sex, revealed that regular and unhealthy LBS are independent predictors of HAC (OR= 1.35, p=0.04 and OR= 1.76, p=0.001, respectively) in HD patients, similar as volunteers. Good discrimination capability of the regression model was reported in the temporal validation (ROC 0.80). Furthermore, LBS improvements were associated with HAC reductions (p=0.02).

 Conclusions

This study showed that risk assessment for HAC using a new lifestyle score is a reliable predictor in HD patients. Also, it was observed that improving lifestyle behavior may help to reduce HAC.

Harmful Alcohol Consumption in Patients with Heart Disease: A Risk Analysis by Lifestyle Behavior – The Brazilian PROSA Project (Projeto Saúde e Álcool)

Keywords: Alcohol Consumption Life Style Heart Diseases Introduction

Numerous studies have suggested potential cardiovascular benefits of light-to-moderate alcohol consumption in general population, indicating a protective effect against cardiovascular diseases.1-4 However, understanding the true nature of the relationship between alcohol consumption and health outcomes requires consideration of confounding variables, which has not been assessed in patients with heart disease (HD).5-7

In this regard, adopting a healthy lifestyle has consistently been shown to reduce the risk of major chronic illnesses, including conditions, including cancer, heart attack, hypertension, stroke, diabetes, and heart rhythm disorders.1,2 In contrast, harmful alcohol consumption (HAC) is a known contributor to adverse health outcomes, as it exacerbates chronic diseases and increases both morbidity and mortality.8-10 Notably, in patients with HD, the correlation between alcohol consumption and health outcomes follows a dose-response pattern.11 In this context, HAC can have severe consequences by aggravating preexisting conditions and posing significant threats to patients’ health.10-12

Global health initiatives – exemplified by the World Health Organization (WHO) – have sought to promote research aimed at understanding and reducing the prevalence of HAC across diverse populations.13 The key challenge remains in establishing a causal relationship between alcohol consumption and the onset or progression of chronic diseases.

In this context, efforts have been directed toward assessing the potential risks of alcohol consumption, particularly in individuals with pre-existing health conditions, and aligning these risks with lifestyle behaviors. Smoking, for example, not only exhibits a strong association with chronic obstructive pulmonary disease and lung cancer but is also recognized for its correlation with HAC.14-18

The development of a population-specific lifestyle assessment tool, the Lifestyle Behavior Score (LBS), is crucial for identifying factors linked to patterns of alcohol consumption and enabling robust statistical analyses tailored to specific populations. Hence, we hypothesize a strong association between an unhealthy LBS and UNA, particularly in patients with HD. Therefore, this study aims to assess the association between LBS and UNA in individuals with and without HD.

 Methods

This is a prospective study that included two distinct cohorts, HD patients and volunteers, categorized by pattern of alcohol consumption.

Study population

The cohort of patients with HD included clinically stable outpatients diagnosed with any form of cardiomyopathy, who were under the care of the Heart Institute (Instituto do Coração, InCor) – General Hospital of the University of São Paulo Medical School (HCFMUSP). The cohort of volunteers was recruited from family members or caregivers of the HD patients, and from hospital staff. Both cohorts included individuals of any sex, gender or race, over 18 years of age. Informed consent was obtained from all study participants, and the study protocol was approved by the Ethics Committee of InCor and of HCFMUSP (CAAE 61741916.0.0000.0068 approval number 1.846.682 on December 2, 2016).

 Alcohol Intake, pattern of alcohol consumption and lifestyle behavior score

To evaluate alcohol intake, we applied the Alcohol Use Disorders Identification Test (AUDIT-C) (Supplemental Material).19-21 However, the AUDIT-C does not specify the type of alcoholic beverage consumed, and we then used the institutional questionnaire Q-PROSA (Supplemental Material) to more accurately assess the preferred type of beverage – beer, spirits, and/or wine – and the amounts consumed. Participants were characterized according to the amount of alcohol consumed. HAC was classified as >28g of ethanol per day for men, and >14g of ethanol per day for women or as a binge consumption according to AUDIT-C score.

To assess lifestyle behavior, several factors were assessed using standardized questionnaires. Depression and anxiety levels were assessed using the Hospital Anxiety and Depression Scale (HADS),22 and physical activity levels were measured using the International Physical Activity Questionnaire (IPAQ).23 Smoking status, schooling, and income were assessed using objective questions. Additionally, measurements of weight and height were obtained in all participants. All the questionnaires used were validated versions for the Brazilian Portuguese language.

The LBS was built by attributing one point for each variable: smoking; overweight or obese (body mass index, BMI ≥ 24.9 Kg/m2); anxiety (HADS score > 10 points); depression (HADS score > 10 points); and sedentary (less than 600 MET minutes/week per IPAQ) (Figure 1). Healthy lifestyle behavior was scored as 0 or 1 point, regular lifestyle was scored as 2 or 3 points, and unhealthy lifestyle was scored as 4 or 5 points. Study data were collected and managed using REDCap – a Research Electronic Data Capture tool hosted at HCFMUSP.24

– Study flowchart. BMI: body mass index; HADS: Hospital Anxiety and Depression Scale; IPAQ: International Physical Activity Questionnaire; LBS: Lifestyle Behavior Score; MET: Metabolic Equivalent of Task.

All data were collected at baseline and at the end of the study. The study was planned for a three-year follow-up period.

 Study endpoints

The primary endpoint was the correlation between the LBS scores and the incidence of HAC among patients with HD. Statistical analyses were performed to assess the predictive capacity of the LBS model in estimating HAC rates across both the HD and volunteer cohorts. The secondary endpoint involved monitoring changes in LBS over time and analyzing their relationship with variations in HAC levels. This included longitudinal tracking to evaluate how fluctuations in LBS correspond to shifts in alcohol consumption behavior.

 Statistical analysis and sample size

Given the limited data available in the literature on LBS and HAC, no formal sample size calculation was conducted. Instead, two large cohorts of 2,000 individuals each were defined for convenience.

Variables were expressed as frequencies and percentages or means and standard deviations, as appropriate. Normality of the data was assessed using the Shapiro–Wilk test, and group differences were evaluated using the independent-sample t-test or chi-square test. Additionally, most variables were recorded into dichotomous or categorical formats based on established consensus cutoffs or clinical judgment.

The training model for predicting HAC by LBS was assessed using the multivariate logistic regression model with a stepwise approach. Variables were selected for inclusion in the logistic models based on two criteria: a p value of less than 0.25 in the univariate analysis and the absence of collinearity. The goodness of fit was evaluated using the Hosmer-Lemeshow test (GFHL). Internal validation was performed using a logistic bootstrap technique with 1000 sample replications. The model’s discrimination capabilities were assessed using receiver operating characteristic (ROC) curves, sensitivity, and specificity.

The predictive model for HAC using LBS was initially developed with data from volunteers and subsequently applied to HD patients. Temporal validation was conducted to assess the generalizability and applicability of LBS for predicting HAC. In this context, a random subgroup of the overall cohort underwent evaluation three years after their baseline assessments (Figure 2). This design was partly shaped by operational constraints during the COVID-19 pandemic. The absence of reevaluation in part of the sample aligns with the concept of ‘missing completely at random’ (MCAR).25 To support the MCAR assumption, we confirmed that the lack of follow-up was not associated with baseline characteristics or outcome variables in either phase, as assessed by a mixed-model regression. In this regard, temporal validation was conducted for both volunteers and HD patients together, as well as for HD patients alone. We tested the logistic multivariate random-effects model’s ability to account for repeated measurements during follow-up evaluation, comparing it to the multivariate logistic regression model, which utilized data from the later time point to assess the temporal validity of the predictive model. Furthermore, we used the chi-square test to investigate the relationship between alterations in LBS and associated changes in HAC. P value <0.05 was considered statistically significant.

– Temporal validation flowchart of the Lifestyle Behavior Score Model for predicting Harmful Alcohol Consumption.

All data were analyzed using STATA (Stata Corp LP, College Station, TX, USA) software version 16.

 Results Baseline characteristics

A total of 4,080 individuals were included in the study, 1,999 (49.0%) with HD and 2,081 (51.0%) volunteers. Among them, 341 (17.1%) subjects in the HD cohort and 771 (37.0%) in the volunteer group were classified as exhibiting HAC. The mean age of the total population was 57.7 ± 16 years. Male participants were more prevalent in the HD cohort (64.3%) compared to the volunteer group (40.0%). The HD cohort was older, had lower educational attainment, but a similar income distribution when compared to volunteers. All demographic and clinical characteristics of the study population are detailed in Table 1.

– Baseline characteristics of the study cohort
Variable Population N = 4080 Heart Disease n = 1999 Volunteers n = 2081
Age – years±SD 57.9±16.0 63.5±14.4 45.6±14.0
Male Sex – n (%) 2116 (51.9) 1283 (64.3) 818 (40.0)
Schooling – n (%)
Elementary 1411 (34.6) 1018 (50.9) 393 (18.9)
High School 1446 (35.4) 529 (26.5) 917 (44.1)
University education 968 (23.7) 340 (17.0) 628 (30.2)
Postgraduate 164 (3.9) 37 (1.9) 127 (6.1)
Monthly Household Income* – n (%)
Less than $523 377 (9.2) 165 (8.3) 212 (10.2)
$523-1,568 2529 (62.0) 1344 (67.2) 1185 (56.9)
$1,568-$2,613 683 (16.7) 335 (16.8) 348 (16.7)
More than $2,613 434 (10.6) 140 (7.0) 294 (14.1)
Hypertension – n (%) 1612 (39.5) 1275 (63.8) 337 (16.2)
Dyslipidemia (n, %) 941 (23.0) 823 (41.2) 118 (5.7)
Diabetes – n (%) 666 (16.3) 563 (28.2) 103 (4.9)
CKD – n (%) 91 (2.2) 91 (4.6) -
COPD – n (%) 27 (0.7) 27 (1.4) -
Smoking – n (%) 455 (11.1) 200 (10.0) 255 (12.3)
Obesity – n (%) 1106 (27.1) 472 (23.6) 634 (30.5)
Anxiety – n (%) 321 (7.9) 158 (7.9) 163 (7.8)
Depression – n (%) 132 (3.2) 69 (3.5) 63 (3.0)
Sedentary – n (%) 1572 (38.5) 854 (42.7) 578 (27.8)
Lifestyle Score – n (%)
Healthy 1572 (38.6) 720 (36.0) 852 (40.9)
Regular 1629 (40.0) 821 (41.1) 808 (38.8)
Unhealthy 803 (19.7) 415 (20.8) 388 (18.6)

SD: standard deviation, COPD: chronic obstructive pulmonary disease, CKD: chronic kidney disease. *Brazilian Reais (R$) were converted to U.S. Dollar (USD) based on the purchasing power parity (PPP 2023: USD = 2.526).

 Alcoholic beverage preferences

Drinking patterns categorized by beverage type for both cohorts are presented in Table 2. Beer was the most consumed beverage across all levels of alcohol intake, followed by wine and spirits.

– Most commonly consumed types of beverages according to alcohol consumption pattern (harmful or non-harmful) in patients with heart disease and volunteers
Heart Disease Patients Volunteers
Non-HAC HAC p Non-HAC HAC p
n = 1598 n = 341 n = 1370 n = 771
Type of beverage n (%) n (%) n (%) n (%)
Beer 383 (24.0) 144 (42.2) <0.001 352 (25.7) 278 (36.1) 0.148
Wine 220 (13.8) 11 (3.2) <0.001 249 (18.2) 31 (4.0) <0.001
Spirit 50 (3.1) 9 (2.6) 0.273 47 (3.4) 18 (2.3) 0.019
Variado 628 (39.3) 175 (51.3) 0.409 422 (30.8) 441 (57.2) <0.001

HAC: Harmful Alcohol Consumption. Mixed means any combination of beverages.

 Association between lifestyle behavior and harmful alcohol consumption

Among volunteers, HAC more prevalent in male participants. Mean age of participants was significantly in the HAC than in the volunteer group. The independent predictors of HAC in volunteers are presented in Table 3. In HD patients, similar findings were observed –multivariate analysis identified the same independent predictors associated with HAC. These included male sex (odds ratio, OR=2.95, P<0.0001), age (OR=0.95, p<0.0001), regular lifestyle behavior (OR=1.35, p=0.04), and unhealthy lifestyle (OR=1.76, p=0.001) (Table 4). Notably, age showed a protective effect against HAC. The model displayed strong discriminative power, with a GFHL statistic of 0.97 and a ROC of 0.75, yielding a sensitivity of 60% and specificity of 75%. Regarding internal validity, the bootstrap regression outcome model produced sensitivity results consistent with those from the primary HD cohort analysis.

– Independent factors associated with harmful alcohol consumption in heart disease patients
Variable (n, %) Non-HAC HAC Univariate Multivariate Bootstrap
95.0% CI 95.0% CI 95.0% CI
n=1309 n=772 OR Lower Upper p OR Lower Upper p OR Lower Upper p
Age 48.5±13.7 40.7±12.9 <.0001 0.96 0.95 0.96 <.0001 0.96 0.95 0.96 <.0001
Male Sex 403 (30.8) 428 (55.4) 2.80 2.32 3.36 <.0001 3.00 2.46 3.68 <.0001 3.00 2.46 3.68 <.0001
Schooling
Elementary 470 (35.9) 285 (36.9) .02
High School 557 (42.6) 359 (46.5) 1.81 0.50 6.64 .36
University education 269 (20.6) 122 (15.8) 2.58 0.72 9.20 .15
Postgraduate 12 (0.9) 3 (0.3) 2.42 0.88 8.67 .17
Family income
Less than 1 income 117 (8.9) 95 (12.7) .02
1 to 3 incomes 765 (58.4) 418 (54.1) 0.67 0.50 0.90 .009
3 to 5 incomes 221 (16.9) 126 (16.3) 0.70 0.50 1.00 .05
More than 5 incomes 279 (9.4) 155 (14.2) 0.87 0.61 1.25 .45
Hypertension 226 (17.3) 109 (14.1) 0.78 0.61 1.01 .06
Dyslipidemia 88 (6.7) 27 (3.5) 0.51 0.32 0.78 .002
Diabetes 72 (5.5) 29 (2.8) 0.66 0.42 1.02 .06
Lifestyle
Healthy 176 (13.5) 69 (8.9) .003
Regular 323 (24.7) 202 (26.1) 1.29 1.05 1.57 0.01 1.32 1.06 1.65 .01 1.32 1.07 1.63 .009
Unhealthy 23 (1.76) 16 (2.1) 1.39 1.09 1.78 0.009 1.47 1.12 1.93 .005 1.48 1.12 1.95 .006

CI: confidence interval; OR: odds ratio; HAC: Harmful Alcohol Consumption. P value of <.05 were considered statistically significant.

– Independent factors associated with harmful alcohol consumption in heart disease patients
Variable (n, %) Non-HAC HAC Univariate Multivariate Bootstrap
95.0% CI 95.0% CI 95.0% CI
n=1659 n=340 OR Lower Upper p OR Lower Upper p OR Lower Upper p
Age 65.3±13.6 54.5±14.8 < 0.0001 0.95 0.94 0.96 <0.0001 0.95 0.94 0.96 <0.0001
Male Sex 1008 (65.6) 277 (81.5) 2.84 2.12 3.80 < 0.0001 2.95 2.17 3.99 <0.0001 2.95 2.16 4.03 <0.0001
Schooling
Elementary 873 (52.6) 187 (55) < 0.0001
High School 368 (22.2) 162 (47.6) 2.10 1.61 2.62 < 0.0001
University education 254 (15.3) 86 (25.3) 1.18 2.11 9.20 0.002
Postgraduate 27 (1.6) 10 (2.9) 1.72 0.82 3.63 0.15
Family income
Less than 1 income 137 (8.3) 28 (8.2) 0.06
1 to 3 incomes 1133(68.3) 213 (62.6) 0.92 0.60 1.41 0.70
3 to 5 incomes 231 (13.9) 58 (17.0) 1.22 0.74 2.02 0.42
More than 5 incomes 107 (6.5) 33 (9.7) 1.50 0.86 2.65 0.15
Hypertension 1104 (66.5) 173 (51.0) 0.52 0.41 0.66 < 0.0001
Dyslipidemia 706 (42.5) 120 (35.3) 0.73 0.58 0.94 0.01
Diabetes 494 (30.0) 70 (20.6) 0.61 0.47 0.81 0.001
Lifestyle
Healthy 616 (37.1) 105 (31.0) 0.009
Regular 711 (42.9) 144 (42.4) 1.19 0.90 1.56 0.21 1.34 1.01 1.80 0.04 1.35 1.01 1.80 0.040
Unhealthy 325 (19.6) 90 (26.5) 1.63 1.19 2.22 0.002 1.75 1.26 2.44 0.001 1.76 1.25 1.46 0.001

CI: confidence interval; OR: odds ratio; HAC: Harmful Alcohol Consumption. P value of <0.05 were considered statistically significant.

 Temporal validation models

In the temporal validation assessment, the multivariate logistic model exhibited strong discrimination performance, yielding a ROC of 0.78, a sensitivity of 57%, and a specificity of 77%. In the subgroup of HD patients, the model’s discrimination was even more pronounced, achieving a ROC of 0.80, a sensitivity of 72%, and a specificity of 81% (Figure 3). The multivariate random-effects model did not improve the predictive ability of the temporal validation model (likelihood-ratio test: P=0.07 with an ROC of 0.76) when applied to the whole cohort, confirming the model’s stability over time regardless of the baseline characteristics of reevaluated patients, and consistent with the MCAR pattern of lost follow-up.

– Receiver Operating Characteristic Curve of Heart Disease Patients Associated with Harmful Alcohol Consumption.

Changes in lifestyle behavior scores are associated to variations in harmful alcohol consumption

Moreover, among patients who underwent two evaluations, an improvement in LBS to a healthier status (observed in 13.2% of the patients) was followed by a reduction in HAC (7.9%, p=0.02) after a three-year follow-up period. The same trend was observed in patients whose LBS deteriorated, with an increase in HAC (3.8% vs. 7.0%, p=0.01).

The central illustration illustrates the main conclusions of the study.

 Discussion

This manuscript introduces a novel LBS model, demonstrating a robust predictive capacity for identifying HAC in the general population, particularly in individuals with HD. The development of this tool emphasizes the importance of categorizing lifestyle behaviors, particularly in the context of HD risk management. Our study’s novel findings align with existing research in the general population, revealing a consistent correlation between unhealthy lifestyle behaviors – such as smoking, lack of physical activity, poor mental health – and higher rates of alcohol abuse.14-18,26-28

In our study, we observed that older individuals particularly those with HD had a lower tendency for HAC. The protective effect of aging against HAC in HD patients is stronger than that observed in volunteers (5% vs 4% respectively). This finding suggests a heightened awareness of HD population about the importance of reducing exposure risks.

The proportion of men with HAC tends to be higher than that of women in the general population. Although this trend has decreased over the years, our study found that the risk of HAC remains high among men, both in volunteers and in HD patients.29

In our LSB score, we considered BMI as an indicator of dietary patterns. Interestingly, the United States Department of Agriculture (USDA), while not including alcoholic beverages as a component of the dietary pattern, emphasizes the significance of accounting for the calories present in beverages to maintain healthy dietary limits. Failing to adhere to these limits can potentially contribute to an unfavorable lifestyle.30

We also considered physical activity as a lifestyle factor with a significant impact on alcohol consumption. A recent study reported a significant increase in non-HAC cases among those with higher fitness levels. In our opinion, these findings are aligned with the concept that non-HAC is part of a healthy lifestyle.31,32 Furthermore, tobacco use, which is strongly associated with HAC,15-18 was also included in the LBS.

Our study also incorporated psychosocial behavior as a component of the score, recognizing its significant interaction with alcohol consumption and its impact on lifestyle. The relationship between alcohol consumption and stress is complex. Although alcohol can temporarily alleviate anxiety, it can also act as a stressor, increasing the likelihood of HAC in response to stress, often referred to as stress-related excessive alcohol consumption.27 Additionally, depression has been associated with HAC, particularly among university students.28

In summary, the heterogeneity of the relevant factors mentioned above justifies the development of a scoring system like the one we performed in the general population and in patients with HD.9 In practical terms, for this poorly studied population, our score results can drive interventions focused on lifestyle improvement to combat HAC, such as smoking cessation programs, promotion of physical activity, and mental health therapies.

A limitation of this study is the non-inclusion of sleep behavior evaluation in our scoring. Although sleep behavior has been reported as an influential lifestyle factor, its association with HAC still does not have a significant impact compared with the other factors included in our LBS. Another limitation of this study is the lack of formal external validation of the model. However, this potential bias may have been minimized by the temporal validation conducted, which reduces the likelihood of bias in large populations, particularly in homogenous groups like HD patients.33

 Conclusions

This study showed that LBS, a new lifestyle score, is a reliable predictor of HAC in HD patients. Also, it was observed that improving lifestyle behavior may help to reduce HAC.

 Supplemental Materials:

For additional information, please click here.

The study was funded by an institutional grant from the Zerbini Foundation, with primary contributions from the Foundation itself and the company AMBEV S.A. None of the sponsors had any influence on the study’s design or execution, or dissemination of the results.

This study was approved by the Ethics Committee of the Hospital das Clínicas da Faculdade de Medicina da Universidade de São Paulo under the protocol number CAAE 61741916.0.0000.0068, number 1,846,682 of December 2, 2016. All the procedures in this study were in accordance with the 1975 Helsinki Declaration, updated in 2013. Informed consent was obtained from all participants included in the study.

The authors did not use any artificial intelligence tools in the development of this work.

All datasets supporting the results of this study are available upon request from the corresponding author upon request and ethical approval for specific analyses.

This study was partially funded by Zerbini Foundation, with primary contributions from the Foundation itself and the company AMBEV S.A.