Fatores clínicos e sociodemográficos associados a recuperação da marcha de indivíduos após acidente vascular cerebral trombolisado na fase aguda / Clinical and sociodemographic factors associated with gait recovery in individuals after thrombolysis for acute ischemic stroke

O tratamento trombolítico promove reperfusão cerebral após acidente vascular cerebral (AVC) isquêmico, e é considerado o tratamento mais eficaz na fase aguda, estando associado a melhores desfechos clínicos e funcionais. Entre as principais sequelas após AVC estão a hemiparesia e o déficit de equilíbrio, que repercutem diretamente na locomoção do indivíduo. Objetivo: Investigar quais fatores estão associados com a recuperação da marcha na fase aguda do AVC trombolisado. Métodos: Trata-se de um estudo longitudinal, com 32 indivíduos na fase aguda do AVC trombolisado. Os indivíduos foram avaliados nas primeiras horas após terem sido submetidos à terapia trombolítica, e após 7 dias ou no momento da alta da unidade de internamento. Resultados: O desfecho principal foi a presença ou não de marcha independente até o sétimo dia de internamento ou até a alta da unidade. A variável resposta foi o número de dias necessário para recuperar a marcha, sendo analisada em 3 categorias: "1 dia", "2 dias" e "3 ou mais dias". Dos 32 indivíduos da amostra apenas 4 não andaram em até 7 dias após o AVC e cerca de 50% andou no primeiro dia de internamento. Houve associação significativa entre a Escala de Equilíbrio de Berg e o tempo para andar. Conclusão: O estudo sugere que a maioria dos indivíduos submetidos à trombólise para tratamento de AVC isquêmico recupera a capacidade de andar dentro de sete dias da ocorrência do evento, e que esta recuperação está associada ao equilíbrio nas primeiras horas após o AVC.

The thrombolytic treatment promotes cerebral reperfusion after ischemic stroke and it is considered the most effective treatment in the acute phase. The thrombolysis is associated with better clinical and functional outcomes. Hemiparesis and balance deficits are important sequelae after a stroke and both affect the individual's locomotion. Objective: The aim of this study was to investigate what factors are associated with gait recovery in the acute phase of stroke after thrombolysis. Method: This is a longitudinal study, including 32 individuals in the acute phase of stroke after thrombolytic treatment. The individuals were evaluated in the first hours after thrombolytic therapy, and then, after 7 days or at the time of discharge from the inpatient unit. Results: The main outcome was the presence or absence of independent gait until the seventh day of hospitalization or until discharge from the unit. The response variable was the number of days required to recover gait, being analyzed in 3 categories: "1 day", "2 days" and "3 or more days". Of the 32 individuals in the sample, only 4 did not walk within 7 days after the stroke and about 50% walked on the first day of hospitalization. There was a significant association between the Berg Balance Scale and the time to walk. Conclusions: This study suggests that most individuals undergoing thrombolysis for the treatment of ischemic stroke recover their capacity to walk within seven days of the event and this recovery is associated with balance in the first hours after stroke.

Fatores associados à limitação da mobilidade funcional em idosos do Município de São Paulo, Brasil: análise comparativa ao longo de 15 anos / Factors associated with limitations in functional mobility in elderly in the city of São Paulo, Brazil: a comparative analysis of 15 years / Factores asociados a la limitación de la morbilidad funcional en ancianos del Municipio de São Paulo, Brasil: análisis comparativo a lo largo de 15 años

Este estudo teve como objetivo analisar a prevalência de limitação na mobilidade funcional autorreferida e os fatores associados no período entre os anos 2000 e 2015, em idosos residentes no Município de São Paulo, Brasil. Para as presentes análises foram utilizados os dados das quatro ondas (2000, 2006, 2010 e 2015) do Estudo Saúde, Bem Estar e Envelhecimento (SABE). Foram conduzidos modelos de regressão para analisar as características demográficas, socioeconômicas, comportamentais e relativas à saúde dos indivíduos associadas à limitação da mobilidade em cada onda do estudo, e análise multinível para a comparação entre as quatro ondas. Os resultados indicaram aumento nas prevalências de limitações na mobilidade autorreferida, mais evidente no ano de 2006. Foi observado, ainda, associação com condições crônicas de saúde, como a história de AVC (RP = 1,43; IC95%: 1,29; 1,58, em 2000), a presença de doenças osteoarticulares (RP = 1,35; IC95%: 1,23; 1,49, em 2015), e a queixa de "dor nas costas" (RP = 1,33; IC95%: 1,22; 1,45, em 2006), bem como com aspectos socioeconômicos, como a renda insuficiente (RP = 1,17; IC95%: 1,07; 1,28, em 2010). Em um contexto de envelhecimento populacional acelerado, esses resultados trazem informações relevantes para a promoção de políticas públicas voltadas à prevenção de declínio da mobilidade em pessoas idosas.

The study aimed to analyze the prevalence of self-reported limitation of functional mobility and associated factors from 2000 to 2015 in elderly residing in the city of São Paulo, Brazil. The analyses used data from the four waves (2000, 2006, 2010, and 2015) in the Health, Well-Being, and Aging Study (SABE). Regression models were conducted to analyze the demographic, socioeconomic, behavioral, and health-related characteristics of individuals associated with limitations of mobility in each wave of the study, and multilevel analysis was performed for comparison between the four waves. The results showed an increase in the prevalence of self-reported limitations in mobility, most evident in the year 2006. There was also an association between chronic health conditions such as history of stroke (PR = 1.43; 95%CI: 1.29; 1.58, in 2000), presence of osteoarticular diseases (PR = 1.35; 95%CI: 1.23; 1.49, in 2015), and complaint of "backache" (PR = 1.33; 95%CI: 1.22; 1.45, in 2006), as well as with socioeconomic aspects such as insufficient income (PR = 1.17; 95%CI: 1.07; 1.28, in 2010). In a context of rapid population aging, these results provide relevant information for promoting public policies to prevent the decline in mobility in the elderly.

Este estudio tuvo como objetivo analizar la prevalencia de limitación en la movilidad funcional autoinformada y sus factores asociados durante el período entre los años 2000 y 2015, en ancianos residentes en el Municipio de São Paulo, Brasil. Para los análisis actuales se utilizaron los datos de cuatro oleadas (2000, 2006, 2010 y 2015) del Estudio Salud, Bienestar y Envejecimiento (SABE). Se aplicaron modelos de regresión para analizar las características demográficas, socioeconómicas, comportamentales y relativas a la salud de los individuos, asociadas a la limitación de la movilidad en cada oleada del estudio, y un análisis multinivel para la comparación entre las 4 oleadas. Los resultados indicaron un aumento en las prevalencias de limitaciones respecto a la movilidad autoinformada, pero fue evidente en el año 2006. Se observó, incluso, una asociación con las condiciones crónicas de salud, como un historial de ACV (RP = 1,43; IC95%: 1,29; 1,58, en 2000), la presencia de enfermedades osteoarticulares (RP = 1,35; IC95%: 1,23; 1,49, en 2015), y la queja de "dolor de espalda" (RP = 1,33; IC95%: 1,22; 1,45, en 2006), así como con aspectos socioeconómicos, como la renta insuficiente (RP = 1,17; IC95%: 1,07; 1,28, en 2010). En un contexto de envejecimiento poblacional acelerado, esos resultados presentan información relevante para la promoción de políticas públicas dirigidas a la prevención del declive de la movilidad en personas ancianas.

Envelhecendo na cidade: análises longitudinais do declínio da mobilidade e sobrevida de idosos com múltiplas estratégias / Aging in the city: longitudinal analyses of the mobility decline and survival of older people with multiple strategies

Objetivo: Esta tese é apresentada no formato de quatro artigos científicos, que estão articulados em torno do objetivo geral, que foi analisar o declínio da mobilidade funcional e a mortalidade em idosos residentes no município de São Paulo. O primeiro artigo identificou os fatores associados ao declínio da mobilidade funcional em idosos ao longo de 15 anos de acompanhamento. O segundo analisou a sobrevida dos idosos por 10 anos de acordo com a mobilidade funcional por meio de regressões de Cox, tendo como desfecho o óbito por todas as causas e as principais causas específicas. O terceiro artigo testou a performance de algoritmos de machine learning na predição de óbito por causas específicas, utilizando como preditores testes de desempenho físico, variáveis de saúde e características sociodemográficas. O quarto artigo analisou a performance dos algoritmos de machine learning para predizer declínio funcional em tarefas de mobilidade. Métodos: Os dados utilizados nas análises dos quatro artigos foram provenientes do Estudo Saúde, Bem-Estar e Envelhecimento (SABE), de múltiplas coortes e representativo para a população de residentes do município de São Paulo com idade igual ou superior a 60 anos. No primeiro artigo, foi realizada uma análise seriada de regressões multinível das quatro ondas do estudo, ocorridas em 2000, 2006, 2010 e 2015, com o objetivo de analisar a prevalência de limitação na mobilidade e as diferenças entre as ondas. Foram ajustadas, também, regressões logísticas separadas para cada onda, para analisar os fatores associados ao declínio da mobilidade. O segundo artigo utilizou regressões de Cox para analisar o tempo até o óbito por todas as causas e por causas específicas, de acordo com a condição de mobilidade, avaliada por dois testes (velocidade da marcha e o teste de levantar e sentar 5 vezes). Para o terceiro artigo, aprovado para publicação na revista Age and Ageing, foi realizada uma predição multinomial com cinco categorias: óbito por doenças do aparelho circulatório, óbito por doenças do aparelho respiratório, óbito por neoplasias, óbito por outras causas específicas e não óbito. Algoritmos preditivos de machine learning foram treinados em 70% da amostra, e em seguida testados nos 30% restantes. No quarto artigo foram utilizados algoritmos de machine learning para predizer a dificuldade na realização de tarefas de mobilidade, como caminhar, subir escadas, agachar e ajoelhar e carregar objetos. Nos dois últimos artigos, a capacidade preditiva dos modelos foi testada por meio da área abaixo da curva ROC, além de outras métricas como a sensibilidade e especificidade. Resultados: O primeiro artigo encontrou um aumento da prevalência de limitação na mobilidade após o ano 2000, mesmo após o ajuste por outros fatores. Foram também verificadas associações do declínio da mobilidade com condições crônicas de saúde e aspectos socioeconômicos. O segundo artigo identificou que o teste de levantar e sentar apresentou associação mais consistente com a mortalidade (HR=1.03, IC95%1.00-1.05) do que a velocidade da marcha. Além disso, indivíduos com imobilidade apresentaram um risco aumentado de morrer por todas as causas (HR=1.71, IC95%1.21-2.42) e por doenças do aparelho circulatório (HR=2.14, IC95%1.25-3.65). No terceiro artigo, o desfecho em que os algoritmos apresentaram melhor poder preditivo foi a mortalidade por doenças do aparelho respiratório (AUC-ROC=0.89). Os algoritmos com melhor desempenho foram o light gradient boosted machine e extreme gradient boosting. No quarto artigo, o random forest foi o algoritmo com melhor performance e os desfechos com as melhores performances preditivas foram a dificuldade de agachar e ajoelhar (AUC-ROC: 0.81) e carregar pesos (AUC-ROC: 0.80). Conclusão: Os resultados da tese trazem novas evidências acerca do declínio da mobilidade funcional e mortalidade de pessoas idosas no Brasil. Além disso, demonstrou que algoritmos preditivos de machine learning podem ser ferramentas importantes para o rastreio de idosos em risco de desfechos negativos e o estabelecimento de medidas preventivas personalizadas.

Objective: This thesis is presented in the format of four articles articulated around the general objective, which was to analyze the functional mobility decline and mortality in older residents from the municipality of São Paulo. The first article identified the associated factors of the decline in functional mobility in older adults over a 15-year follow-up. The second analyzed the 10-years mortality from all-cause and the main specific causes of death in older individuals according to functional mobility by Cox regression models. The third article tested the performance of machine learning algorithms in predicting death from specific causes, using physical performance tests, health and sociodemographic features as predictors. The fourth article analyzed the performance of machine learning algorithms to predict functional decline in mobility tasks. Methods: The data used in the four articles analysis were from the Health, Well-Being, and Aging (SABE) Study, characterized by multiple cohorts and by a representative sample of the older residents from the municipality of São Paulo, aged 60 years and over. In the first article, we performed serial analysis of multilevel regressions of the four waves of the study, collected in 2000, 2006, 2010, and 2015, with the aim of analyzing the prevalence of limitation in mobility and the differences between the waves. Separate logistic regressions were also adjusted for each wave, to analyze the factors associated with the mobility decline. The second article used Cox regressions to analyze the time to all-cause and specific-cause of death, according to the mobility condition, assessed by two tests (gait speed and the 5 times chair stand test). For the third article, approved for publication in the journal Age and Ageing, a multinomial prediction was made with five categories: death from diseases of the circulatory system, death from diseases of the respiratory system, death from neoplasms, death from other specific causes and non-death. Predictive machine learning algorithms were trained in 70% of the sample, and then tested in the remaining 30%. In the fourth article, machine learning algorithms were used to predict the difficulty in performing mobility tasks, such as walking, climbing stairs, crouching and kneeling and carrying objects. In the last two articles, the predictive performance of the models was tested using the area under ROC curve, in addition to other metrics, such as sensitivity and specificity. Results: The first article found an increase in the prevalence of mobility limitations after the year 2000, even after adjusting for other factors. Associations between the decline in mobility with chronic health conditions and socioeconomic aspects were also verified. The second article identified that the stand-up test presented a more consistent association with mortality (HR = 1.03, 95% CI 1.00-1.05) than gait speed. In addition, individuals with immobility had an increased risk of dying from all causes (HR = 1.71, 95% CI 1.21-2.42) and from diseases of the circulatory system (HR = 2.14, 95% CI 1.25-3.65). In the third article, the outcome which the best performance of the algorithms was mortality from diseases of the respiratory system (AUC-ROC = 0.89). The algorithms with best performance were the light gradient boosted machine and extreme gradient boosting. In the fourth article, the random forest presented the best performance and the outcomes with the best predictions were the difficulty of stooping, crouching or kneeling (AUC-ROC: 0.81) and carrying weights (AUC-ROC: 0.80). Conclusion: The results bring new evidence about the decline in functional mobility and mortality of older people in Brazil. In addition, it demonstrated that predictive machine learning algorithms could be important tools to screen older adults at risk of poor outcomes and could help to assign personalized preventive interventions.

Machine learning para análises preditivas em saúde: exemplo de aplicação para predizer óbito em idosos de São Paulo, Brasil / Machine learning for predictive analyses in health: an example of an application to predict death in the elderly in São Paulo, Brazil / Machine learning para análisis predictivos en salud: ejemplo de aplicación para la predicción de óbitos en ancianos de São Paulo, Brasil

Este estudo objetiva apresentar as etapas relacionadas à utilização de algoritmos de machine learning para análises preditivas em saúde. Para isso, foi realizada uma aplicação com base em dados de idosos residentes no Município de São Paulo, Brasil, participantes do estudo Saúde Bem-estar e Envelhecimento (SABE) (n = 2.808). A variável resposta foi representada pela ocorrência de óbito em até cinco anos após o ingresso do idoso no estudo (n = 423), e os preditores, por 37 variáveis relacionadas ao perfil demográfico, socioeconômico e de saúde do idoso. A aplicação foi organizada de acordo com as seguintes etapas: divisão dos dados em treinamento (70%) e teste (30%), pré-processamento dos preditores, aprendizado e avaliação de modelos. Na etapa de aprendizado, foram utilizados cinco algoritmos para o ajuste de modelos: regressão logística com e sem penalização, redes neurais, gradient boosted trees e random forest. Os hiperparâmetros dos algoritmos foram otimizados por validação cruzada 10-fold, para selecionar aqueles correspondentes aos melhores modelos. Para cada algoritmo, o melhor modelo foi avaliado em dados de teste por meio da área abaixo da curva (AUC) ROC e medidas relacionadas. Todos os modelos apresentaram AUC ROC superior a 0,70. Para os três modelos com maior AUC ROC (redes neurais e regressão logística com penalização de lasso e sem penalização, respectivamente), foram também avaliadas medidas de qualidade da probabilidade predita. Espera-se que, com o aumento da disponibilidade de dados e de capital humano capacitado, seja possível desenvolver modelos preditivos de machine learning com potencial para auxiliar profissionais de saúde na tomada de melhores decisões.

This study aims to present the stages related to the use of machine learning algorithms for predictive analyses in health. An application was performed in a database of elderly residents in the city of São Paulo, Brazil, who participated in the Health, Well-Being, and Aging Study (SABE) (n = 2,808). The outcome variable was the occurrence of death within five years of the elder's entry into the study (n = 423), and the predictors were 37 variables related to the elder's demographic, socioeconomic, and health profile. The application was organized according to the following stages: division of data in training (70%) and testing (30%), pre-processing of the predictors, learning, and assessment of the models. The learning stage used 5 algorithms to adjust the models: logistic regression with and without penalization, neural networks, gradient boosted trees, and random forest. The algorithms' hyperparameters were optimized by 10-fold cross-validation to select those corresponding to the best models. For each algorithm, the best model was assessed in test data via area under the ROC curve (AUC) and related measures. All the models presented AUC ROC greater than 0.70. For the three models with the highest AUC ROC (neural networks and logistic regression with LASSO penalization and without penalization, respectively), quality measures of the predicted probability were also assessed. The expectation is that with the increased availability of data and trained human capital, it will be possible to develop predictive machine learning models with the potential to help health professionals make the best decisions.

El objetivo de este estudio fue presentar las etapas relacionadas con la utilización de algoritmos de machine learning para análisis predictivos en salud. Para tal fin, se realizó una aplicación en base a datos de ancianos residentes en el Municipio de São Paulo, Brasil, participantes en el estudio Salud Bienestar y Envejecimiento (SABE) (n = 2.808). La variable respuesta se representó mediante la ocurrencia de óbito en hasta 5 años tras la inclusión del anciano en el estudio (n = 423), y los predictores fueron representados por 37 variables relacionadas con el perfil demográfico, socioeconómico y de salud del anciano. El aplicación se organizó según las siguientes etapas: división de los datos en formación (70%) y test (30%), pre-procesamiento de los predictores, aprendizaje y evaluación de modelos. En la etapa de aprendizaje, se utilizaron cinco algoritmos para el ajuste de modelos: regresión logística con y sin penalización, redes neuronales, gradient boosted trees y random forest. Los hiperparámetros de los algoritmos se optimizaron mediante una validación cruzada 10-fold, para seleccionar aquellos correspondientes a los mejores modelos. Para cada algoritmo, el mejor modelo se evaluó con datos de la prueba del área debajo de la curva (AUC) ROC y medidas relacionadas. Todos los modelos presentaron AUC ROC superior a 0,70. Para los tres modelos con mayor AUC ROC (redes neuronales y regresión logística con penalización de Lasso y sin penalización, respectivamente) también se evaluaron medidas de calidad de la probabilidad pronosticada. Se espera que, con el aumento de la disponibilidad de datos y de capital humano capacitado, sea posible desarrollar modelos predictivos de machine learning con potencial para ayudar a profesionales de salud en la toma de mejores decisiones.

Elderly persons who live alone in Brazil and their lifestyle / Quem são e como vivem os idosos que moram sozinhos no Brasil

Abstract Objective: to assess the prevalence of elderly persons living alone in Brazil, based on covariates of health status, behavior and socio-demographic characteristics. Method: data from 11,967 individuals (aged 60 or over) were obtained from the National Health Survey (Brazil, 2013). Living alone was defined as residing in a one-person household. The prevalence of individuals living alone was stratified by socio-demographic conditions and geographic region. Living alone was also assessed as a factor for outcomes of physical functioning, behavior and health conditions. Poisson regression models were used to evaluate the prevalence ratios and a 95% confidence interval was applied. Results: in Brazil, 15.3% of people aged 60 years and over live alone. This condition is more prevalent in higher income regions; however, more lower-income individuals were affected. Prevalence was higher among women and individuals aged 75 years or more. Living alone was associated with difficulties in instrumental activities of daily living (prevalence ratio 1.15; 95% confidence interval 1.04-1.28); the reporting of an illness in the two prior to the study (PR=1.35; 95%CI=1.16-1.57); watching television (five or more hours daily) (PR=1.40; 95%CI=1.26-1.56) and falls in the previous year (PR=1.35; 95%CI=1.10-1.66). Elderly persons living alone also had worse eating habits, with a less frequent intake of meat, beans and salads than their counterparts who lived with others. Conclusion: elderly persons living alone in Brazil have a worse health status and health-related habits. These findings represent a challenge and should motivate social and health policies aimed at fulfilling the greater needs of adults who grow old alone.

Objetivo: avaliar a prevalência de idosos morando sozinhos no Brasil, segundo condições de saúde, comportamento e características sociodemográficas. Método: dados de 11.967 indivíduos (60 anos ou mais) foram obtidos da Pesquisa Nacional de Saúde (Brasil, 2013). Morar sozinho foi definido por residir em domicílios unipessoais. A prevalência de indivíduos que moram sozinhos foi estratificada por condições sociodemográficas e regiões geográficas. Morar sozinho também foi avaliado como fator para resultados sobre funcionalidade física, comportamento e condições de saúde. Modelos de regressão de Poisson avaliaram razões de prevalência e intervalos de confiança (95%). Resultados: no Brasil, 15,3% das pessoas (60 anos ou mais) moram sozinhas. Essa condição foi ainda mais prevalente em regiões de renda mais elevada; mas foram mais afetados os indivíduos de baixa renda. Houve maior prevalência entre mulheres e pessoas com 75 anos ou mais. Morar sozinho foi associado a dificuldades nas atividades instrumentais da vida diária (razão de prevalência 1,15; intervalo de confiança de 95% 1,04-1,28); ao relato de alguma doença durante as duas semanas anteriores (RP=1,35; IC95%=1,16-1,57); assistir televisão (cinco ou mais horas diárias) (RP=1,40; IC95%=1,26-1,56) e quedas no último ano (RP=1,35; IC95%=1,10-1,66). Indivíduos idosos que moram sozinhos também relataram piores hábitos alimentares, menor consumo de carne, feijão e saladas do que seus colegas que moram acompanhados. Conclusão: os idosos que vivem sozinhos no Brasil apresentam pior estado de saúde e hábitos relacionados à saúde. Esses achados são desafiadores e devem impulsionar políticas sociais e de saúde para o atendimento das maiores necessidades dos adultos que envelhecem sozinhos.

Determinantes sociais da mobilidade funcional e quedas em idosos do município de São Paulo: uma análise multinível / Social determinants of functional mobility and falls in elderly residents of São Paulo, Brazil a multilevel analysis

Introdução: Estudos recentes têm mostrado que as quedas são a causa externa de morte mais importante entre idosos, podendo levar a hospitalização, lesões, dependência e aumento nos custos dos serviços sociais e de saúde. O comprometimento da mobilidade funcional é um importante fator de risco para quedas, mas aspectos sociais, ambientais e comportamentais também podem influenciar nesse evento. Objetivo: Identificar os aspectos socioeconômicos e contextuais associados com a mobilidade funcional e quedas em idosos residentes no município de São Paulo. Métodos: Foram utilizados os dados do Estudo Saúde, Bem-Estar e Envelhecimento (SABE), uma amostra representativa para os indivíduos com idade igual ou superior a 60 anos do município de São Paulo, em 2010. As variáveis dependentes do estudo foram a ocorrência de alguma queda no último ano e o comprometimento da mobilidade funcional, mensurada pelo teste Timed Up and Go (TUG). Fatores individuais (estado marital, raça-cor, anos de estudo e percepção de suficiência de renda) e contextuais (Índice de Gini, área verde- habitante, taxa de homicídio e percentual de domicílios em favelas) foram analisados por modelos logísticos multiníveis. Resultados: De 1.190 idosos inclusos, 29 por cento relataram ter caído no último ano e 46 por cento apresentaram comprometimento da mobilidade funcional

Introduction: Recent studies show that falls are the most important external cause of death in elders, leading to hospitalization, injuries, dependency, and to increased costs of health and social care services. Functional mobility impairment is a risk factor for falling, but social, environmental and behavioral aspects may also affect this event. Objective: To identify the socioeconomics and contextual aspects associated with functional mobility and falls in elderly residents of the Municipality of São Paulo, Brazil. Methods: We used data from Health, Wellbeing and Aging (SABE) Study, a representative study of individuals aged 60 and older of the Municipality of São Paulo in 2010. The dependent variables of interest were the occurrence of any fall in the last year and functional mobility impairment, assessed by the Timed Up and Go (TUG) test. Individual (marital status, race, years of schooling and perception of income sufficiency) and contextual (Gini coefficient, green areas per capita, and homicide rate) factors were analyzed by multilevel logistic models. Results: From the sample of 1,190 elderly individuals, 29 per cent reported a fall in the last year and 46 per cent had mobility impairment