ABSTRACT
A adesão ao tratamento farmacológico em doenças crônicas como a hipertensão arterial, é fundamental para o controle, prevenção de complicações e diminuição da mortalidade. Identificar os fatores que levam a não adesão ao programa de controle de hipertensão arterial, em Unidades Básicas de Saúde de Campo Grande, MS e produzir um modelo de predição desta condição foi o objetivo do presente estudo. Utilizou-se o método de caso-controle, aninhado a coorte de pacientes cadastrados no programa, no período de 2002 a 2005. Foi utilizada regressão logística tendo como variável-resposta ?adesão ao programa?. As associações significativas identificadas na análise univariada foram: características socioeconômicas, da doença, do tratamento e as relacionadas ao programa. Para prever a adesão, mantiveram-se no modelo as seguintes variáveis: dificuldade em ir ao programa, renda familiar, presença de diabetes, escolaridade e viver com companheiro. Com base no modelo, a probabilidade do paciente ser classificado corretamente como aderente, é de aproximadamente, 80% e como não aderente, 67%. O modelo identifica precocemente, pacientes vulneráveis à não adesão ao programa propiciando que este institua medidas voltadas aos prováveis, não aderentes.
Adherence to the pharmacological treatment of chronic diseases such as arterial hypertension is decisive in their control, in preventing complications, and in decreasing mortality rates. To identify factors that led patients to drop out of an arterial hypertension control program available at local district clinics of the government-run National Health Service in Campo Grande, MS, Brazil, and to design a model to predict adherence. A nested case?control study was conducted on subjects selected from within a cohort of patients enrolled in the above program, from 2002 to 2005. Binary logistic regression was used, with ?adherence to program? as the binary response variable. Data were subjected to logistic regression analysis to generate a model capable of predicting adherence. Factors identified: difficulty in going to the venue where the program was available, family income, presence of diabetes, level of education and living with a partner. When the logistic regression model was used, the probability of a patient being correctly classified as adherent and nonadherent was approximately 80% and 67%, respectively. The model enables early identification of patients prone to nonadherence to the control program, thus making it possible to implement measures directed at potentially nonadherent participants.