Determinants of the use of health care services: multilevel analysis in the Metropolitan Region of Sao Paulo.

OBJECTIVE To evaluate the individual and contextual determinants of the use of health care services in the metropolitan region of Sao Paulo. METHODS Data from the Sao Paulo Megacity study - the Brazilian version of the World Mental Health Survey multicenter study - were used. A total of 3,588 adults living in 69 neighborhoods in the metropolitan region of Sao Paulo, SP, Southeastern Brazil, including 38 municipalities and 31 neighboring districts, were selected using multistratified sampling of the non-institutionalized population. Multilevel Bayesian logistic models were adjusted to identify the individual and contextual determinants of the use of health care services in the past 12 months and presence of a regular physician for routine care. RESULTS The contextual characteristics of the place of residence (income inequality, violence, and median income) showed no significant correlation (p > 0.05) with the use of health care services or with the presence of a regular physician for routine care. The only exception was the negative correlation between living in areas with high income inequality and presence of a regular physician (OR: 0.77; 95%CI 0.60;0.99) after controlling for individual characteristics. The study revealed a strong and consistent correlation between individual characteristics (mainly education and possession of health insurance), use of health care services, and presence of a regular physician. Presence of chronic and mental illnesses was strongly correlated with the use of health care services in the past year (regardless of the individual characteristics) but not with the presence of a regular physician. CONCLUSIONS Individual characteristics including higher education and possession of health insurance were important determinants of the use of health care services in the metropolitan area of Sao Paulo. A better understanding of these determinants is essential for the development of public policies that promote equitable use of health care services.

INTRODUCTION

The Brazilian Unified Health System (SUS), established in 1988, was designed to be a decentralized system with an emphasis on community services, including the Estratégia Saúde da Família (ESF – Family Health Strategy). At present, SUS suffers from underfunding and lack of trained personnel, particularly in disadvantaged areas, and this has been limiting the equitable access of poor population groups to health care units. On the other hand, increased use of health care services is observed in regions with better socioeconomic conditions, particularly for services related to specialized medical care provided by private health plans.

The unequal use of health care services can affect the society as a whole. The systematic exclusion of population groups from health care services can lead to the emergence and dissemination of new diseases, as observed in cases of limited access to immunization schemes. Therefore, a study of the determinants of the use of health care services is essential for identification of population groups with no or limited access to these services and can help develop public health policies.

Previous studies have analyzed the individual determinants of the use of health care services and have identified historically excluded groups, including low-income, poorly educated, and immigrant groups. However, the determinants of health and access to health care services are not restricted to individual factors. Multilevel analyses that evaluate the contextual determinants of the use of health care services are also necessary to better understand the complex network of access to these services. However, few Brazilian studies have addressed these topics.

Other Brazilian studies have identified some individual determinants of access to health care services. An analysis of the use of dental care services indicated that wealthier individuals consulted dentists 2.8 times more often than poorer individuals in the past 12 months. A study involving older people living in the municipality of Sao Paulo concluded that possession of health insurance was a determining factor for the use of health care services. Another study analyzed data from the Pesquisa Nacional de Amostragem de Domicilios (PNAD – National Household Survey) and reported that the use of health care services was 1.8 times higher among patients with chronic diseases.

Individual income (ability to pay for health care services) is often cited as the main factor involved in access to health care services in the international literature, particularly in the United States. Studies conducted in countries with universal access to health services have helped to identify contextual factors that influence the use of health care services using a multilevel methodology. A study conducted in Canada revealed that the use of mental health services was higher among individuals with mental illnesses living in districts with better socioeconomic conditions. Furthermore, a French study showed that residents of the richest areas use health care services more often, even after adjustments for individual characteristics.

The place of residence can affect the use of health care services for several reasons. The geographical distribution and local availability of health care units can create barriers to the use of health services, and a short walking distance to health units is a good predictor of their use. In addition, other studies have shown the importance of social capital (community participation and social cohesion). More equalitarian neighborhoods and those with less violence have greater social capital, which is associated with increased use of health services, possibly because of the better information network on health care systems available for the local population. Another hypothesis is that individuals who live in neighborhoods with worse socioeconomic conditions have more health problems because of pollution and violence and therefore are more likely to use health services.

The presumed universality of access and the known social inequality allow for interesting opportunities for analysis of the contextual determinants of the use of health services in Brazil, particularly with regard to income inequality and violence, in which the Brazilian indicators are consistently worse compared with other developed countries. Previous studies have indicated the contextual importance of income inequality and violence on the health of residents of Sao Paulo, , and this should stimulate an analysis of the use of health care services as a possible mediator of the correlation between contextual factors and health.

The aim of this study was to analyze the prevalence and factors associated with the use of health services by adults.

METHODS

We analyzed the results of the Sao Paulo Megacity study (Andrade et al ). The research was based on questionnaires given to a representative sample of the population aged ≥ 18 years living in the metropolitan region of Sao Paulo (MRSP), composed of the municipality of Sao Paulo (11,104,715 residents in 2007) and its 38 neighboring districts (8,844,543 residents).

Respondents were selected using multistratified sampling of the non-institutionalized population in the MRSP, comprising six distinct selection stages. The initial objective was to identify 5,000 households. The questionnaires were administered between May 2005 and May 2007 by trained interviewers. The initial study population consisted of 5,037 individuals (response rate: 81.3%). Of these, 37 (0.7%) were excluded because of difficulties to identify the place of residence. Only subjects who lived in the same location for more than 5 years were included to avoid the misconception that the place of origin has immediate effect on the health and behavior of individuals. A total of 3,588 individuals were included in the final analysis.

The questionnaires were administered during home visits with the support and supervision of the responsible academic staff. The collection instrument used was the Composite International Diagnostic Interview (WMH-CIDI) translated and adapted to Portuguese. Use of health care services was analyzed by calculating the number of consultations with health professionals in the past 12 months, dichotomized between 0 and ≥ 1 owing to the distribution asymmetry, i.e., high frequency of zero values. Presence of a regular physician for routine care was analyzed by answering the following question: “Do you have a physician who you usually consult when you need routine care?”. The following individual variables were included in the multilevel models: age, gender, individual income (by tertiles because of non-linearity), and education (primary, high school, and higher education). Presence of chronic diseases in the past 12 months was evaluated, and each disease was assessed on an individual basis. The most prevalent diseases considered for analysis were as follows: cardiovascular diseases (heart attack, heart disease, hypertension, stroke), respiratory diseases (allergies, asthma, chronic obstructive pulmonary disease, and emphysema), and migraine. Major depression and anxiety disorders (panic disorder, agoraphobia, simple phobia, social phobia, generalized anxiety disorder, obsessive compulsive disorder, post-traumatic stress disorder, and separation anxiety) were the most prevalent mental illnesses in the initial study, identified using the WMH-CIDI questionnaire according to the operational criteria established by the Diagnostic and Statistical Manual of Mental Disorders (DSM-IV) in the last 12 months.

The second level of the multilevel analysis included 38 adjacent districts (average of 232,751 residents in 2007) in the MRSP in addition to the municipality of Sao Paulo (MSP), divided according to its 31 neighborhoods (average of 355,467 residents), totaling 69 areas. Median income, level of income inequality (measured by the Gini index), and level of violence (using the homicide rate adjusted for age as proxy) in each of the 69 neighborhoods were calculated using data from the Brazilian Institute of Geography and Statistics (IBGE) Census of 2010 and from Departamento de Informática do SUS (DATASUS –Department of Informatics of SUS).

Multilevel Bayesian logistic models were adjusted using individuals as the first level and place of residence (municipality or districts) as the second level. Bayesian inference was adopted using the Markov Chain Monte Carlo (MCMC) method because of its effect on the decrease of bias in the multilevel logistic models. It also allowed calculation of the deviance information criterion (DIC) to test the model fit (goodness-of-fit), in which lower values indicate better fit.

The multilevel models were calculated separately for the two dependent variables: use of health care services in the past 12 months and presence of a regular physician for routine care. The models were initially adjusted without inclusion of the independent variables (null model) to test the initial variance attributable to the place of residence. Subsequently, the models were adjusted using the individual variables and contextual variables. After the model with the best fit (lower DIC) was identified, the most prevalent chronic diseases (cardiovascular diseases, respiratory diseases, and migraine) and mental diseases (anxiety disorder and major depression) were included.

MLwiN 2.25 software, specialized in multilevel analyses, was used for statistical analysis. The models were adjusted using least squares generalized for the distribution values. The first 500 simulations were discarded as burn-ins, followed by 10,000 new iterations. Median odds ratios (MOR) were calculated to assess the percentage of variance attributable to the place of residence (second level of the model).

RESULTS

The final study group consisted of 3,588 individuals. Of these, 56.3% were women, 84.0% were under 60 years, 14.9% had complete or incomplete higher education, and 41.4% reported having health insurance (Table 1).

Table 1

Profile of the study population that used health care services in the past 12 months and the presence of a regular physician for routine care. Metropolitan region of Sao Paulo, Southeastern Brazil, 2007.

Variable	Total		Use of health care services		Regular physician
	n	%	n	%	n	%
Total	3,588	100	2,995	83.5	1,702	47.4
Gender
Male	1,569	43.7	1,182	75.3	647	41.2
Female	2,019	56.3	1,813	89.8*	1,055	52.2*
Age (years)
18 to 39	1,541	42.9	1,257	81.6	622	40.4
40 to 59	1,474	41.1	1,232	83.6	749	50.8*
≥ 60	573	16.0	506	88.3*	331	57.8*
Education
Primary education	1,918	53.5	1,573	82.0	853	44.5
High school education	1,136	31.7	950	83.6	534	47.0
College/University education	534	14.9	472	88.4*	315	59.0*
Health insurance
Yes	1,486	41.4	1,334	89.8	1,037	69.8
No	2,102	58.6	1,661	79.0*	665	31.6*
Income
Low	1,175	32.7	947	80.6	469	39.9
Average	1,211	33.7	1,011	83.5	572	47.2*
High	1,202	33.5	1,037	86.3*	661	55.0*
Income inequality
Low	1,219	34.0	1,024	84.0	576	47.2
Average	1,216	33.9	995	81.8	579	47.6
High	1,153	32.1	976	84.6	547	47.4
Median income
Low	1,223	34.1	1,022	83.6	562	45.9
Average	1,198	33.4	984	82.1	549	45.8
High	1,167	32.5	989	84.7	591	50.6*
Violence
Low	1,184	33.0	1,013	85.6	618	52.2
Average	1,205	33.6	1,006	83.5	548	45.5*
High	1,199	43.7	976	81.4*	536	44.7*

* Significant difference (p < 0.05) using simple logistic regression analysis in relation to the first category of the variable.

More than 80.0% of the individuals reported at least one medical visit in the previous year. Simple logistic regression analysis indicated that women, individuals above 60 years of age, those with health insurance, those having higher education, and those with higher income were more likely (p < 0.05) to have consulted a physician in the past year. On the other hand, individuals living in regions with high violence were less likely to have consulted in the past year.

In addition, 47.4% of the individuals reported having a regular physician for routine care. Simple logistic regression analysis also indicated that the correlation was statistically significant for women, individuals belonging to older age groups, those with higher education, those with health insurance, those with average individual income, and those living in areas with high median income and low violence. Presence of a physician for routine care was strongly correlated with possession of health insurance. In addition, 69.8% individuals with health insurance reported having a regular physician in contrast with 31.6% individuals without health insurance.

Table 2 presents the multilevel models for the individual and contextual determinants of the use of health care services in the past 12 months. In the null model, the variance attributable to the place of residence (second level) was not statistically significant (p > 0.05) and the MOR was 1.24, i.e., area heterogeneity increased the chance of using a health care service in the past year by 24.0% for an individual chosen at random. The DIC was 3211.24. Inclusion of individual characteristics (model 1) decreased the DIC to 3043.99, indicating better model fit. Women, individuals with higher education, those with higher income, and those belonging to older age groups were more likely to have consulted a health professional in the past year (p < 0.05). Health insurance was included in model 2 with a statistically significant presence. Model 2 showed the best fit (DIC = 2990.11) (Table 2). Inclusion of contextual variables (models 3, 4, and 5) did not produce statistically significant results. A marginally significant result (OR: 0.78, 95%CI 0.60;1.02) was observed only for average income inequality (compared with low income inequality). The variance in the second level (place of residence) was not significant (p > 0.05) for the models with contextual variables, and the DIC value indicated worse fit compared with model 2.

Table 2

Multilevel models for the individual and contextual determinants of the use of health care services in the past 12 months. Metropolitan region of Sao Paulo, Southeastern Brazil, 2007.

Variable	Null model		Model 1		Model 2		Model 3		Model 4		Model 5
			OR	95%CI	OR	95%CI	OR	95%CI	OR	95%CI	OR	95%CI
Gender
Male			0.33	0.28;0.40	0.33	0.27;0.40	0.33	0.27;0.40	0.33	0.27;0.40	0.33	0.27;0.40
Age			1.02	1.01;1.02	1.01	1.01;1.02	1.01	1.01;1.02	1.02	1.01;1.02	1.02	1.01;1.02
Education
Primary education
High school education			1.43	1.15;1.79	0.23	1.00;1.60	1.25	0.99;1.57	1.27	1.01;1.60	1.27	1.01;1.60
College/University education			1.77	1.29;2.45	1.37	0.97;1.93	1.37	0.97;1.93	1.38	1.00;1.91	1.36	0.98;1.89
Individual income
Low
Average			1.20	0.97;1.49	1.08	0.86;1.36	1.09	0.88;1.36	1.10	0.88;1.38	1.09	0.87;1.37
High			1.30	1.02;1.65	1.09	0.84;1.40	1.10	0.86;1.42	1.11	0.86;1.43	1.09	0.85;1.41
Health insurance					2.21	1.79;2.73	2.24	1.80;2.78	2.21	1.79;2.74	2.23	1.69;2.94
Median income
Low
Average							0.81	0.61;1.07
High							0.86	0.64;1.15
Income inequality
Low
Average									0.78	0.60;1.02
High									0.91	0.70;1.19
Violence
Low
Average											1.03	0.78;1.37
High											0.97	0.73;1.27
Contextual variance (SD)	0.050	(0.035)	0.041	(0.031)	0.053	(0.033)	0.055	(0.034)	0.038	(0.034)	0.053	(0.033)
Mean odds ratio	1.24	1.09;1.48	1.21	1.03;1.39	1.25	1.11;1.42	1.26	1.09;1.42	1.20	1.03;1.40	1.25	1.06;1.41
DIC	3.211.24		3.043.99		2.990.11		2.990.93		2.991.70		2.992.91

DIC: deviance information criterion

Table 3 presents the multilevel models for the use of health care services in the past year with the inclusion of the most prevalent chronic diseases and mental disorders. Model 2 (Table 2) was included as the starting point in all cases because it presented the best fit. Chronic and mental illnesses were analyzed individually and showed statistically significant results in models 6, 7, 8, 9, and 10. As in previous models, the variance in the second level was not significant (p > 0.05) in all cases. The model with the best fit was the one that included cardiovascular diseases (DIC = 2919.60). In model 11, which included all chronic and mental diseases evaluated, only depression was not statistically significant (OR: 1.21, 95%CI 0.82;1.78). Furthermore, model 11 presented the best fit among the models analyzed (DIC = 2882.44).

Table 3

Multilevel models for the correlation between the presence of chronic and mental illnesses and the use of health care services in the past 12 months. Metropolitan region of Sao Paulo, Southeastern Brazil, 2007.

Variable	Model 6		Model 7		Model 8		Model 9		Model 10		Model 11
	OR	95%CI	OR	95%CI	OR	95%CI	OR	95%CI	OR	95%CI	OR	95%CI
Gender
Male	0.34	0.28;0.42	0.35	0.29;0.43	0.37	0.30;0.44	0.34	0.30;0.38	0.34	0.29;0.41	0.40	0.33;0.48
Age	1.00	1.00;1.01	1.01	1.01;1.02	1.02	1.01;1.02	1.01	1.01;1.02	1.01	1.01;1.02	1.01	1.00;1.01
Education
Primary education
High school education	1.27	1.00;1.61	1.23	0.96;1.57	1.32	1.05;1.66	1.27	1.01;1.60	1.29	1.01;1.64	1.29	1.02;1.62
College/University education	1.43	1.02;1.99	1.30	0.92;1.83	1.43	1.02;2.00	1.35	0.98;1.87	1.35	0.96;1.90	1.42	1.01;1.99
Individual income
Low
Average	1.14	0.91;1.44	1.09	0.88;1.37	1.10	0.87;1.38	1.09	0.87;1.37	1.08	0.86;1.36	1.15	0.90;1.45
High	1.16	0.90;1.50	1.09	0.85;1.41	1.12	0.87;1.44	1.10	0.85;1.42	1.10	0.85;1.42	1.16	0.90;1.51
Health insurance	2.32	1.87;2.86	2.21	1.77;2.77	2.22	1.78;2.76	2.23	1.86;2.67	2.24	1.81;2.78	2.29	1.83;2.86
Cardiovascular disease	3.08	2.32;4.08									2.74	2.09;3.61
Respiratory disease			1.99	1.53;2.59							1.77	1.36;2.31
Migraine					1.70	1.35;2.16					1.41	1.11;1.78
Depression							1.63	1.14;2.33			1.21	0.82;1.78
Anxiety									1.85	1.40;2.45	1.54	1.14;2.07
Contextual variance (SD)	0.050	(0.040)	0.052	(0.035)	0.45	(0.037)	0.053	(0.033)	0.047	(0.033)	0.051	(0.036)
Mean odds ratio	1.24	1.04;1.44	1.24	1.08;1.42	1.22	1.03;1.41	1.25	1.03;1.40	1.23	1.03;1.41	1.24	1.00;1.42
DIC	2.919.6		2.965.09		2.972.92		2.991.70		2.973.26		2.882.44

DIC: deviance information criterion

Tables 4 and 5 followed the same methodology to evaluate the presence of a physician for routine care. As in the other variables, the variance attributable to the place of residence was not statistically significant (p > 0.05) in any model evaluated. Women, individuals belonging to older age groups, and those with more education had a greater correlation with the presence of a regular physician in all models evaluated. The variable of having health insurance was most strongly correlated with the presence of a regular physician in all models evaluated. The contextual characteristics of the place of residence showed no significant correlation with the presence of a regular physician. The exception was income inequality: living in regions with high income inequality was correlated with a lower probability of having a regular physician after controlling for individual factors (Table 4, model 4). In the models that included only one chronic or mental illness (Table 5, models 6-10), presence of cardiovascular or respiratory diseases was correlated with having a regular physician. Only cardiovascular diseases were significantly correlated with having a regular physician when all diseases were included in the model.

Table 4

Multilevel models for the individual and contextual determinants of the presence of a regular physician for routine care. Metropolitan region of Sao Paulo, Southeastern Brazil, 2007.

Variable	Null model		Model 1		Model 2		Model 3		Model 4		Model 5
			OR	95%CI	OR	95%CI	OR	95%CI	OR	95%CI	OR	95%CI
Gender
Male			0.61	0.53;0.70	0.58	0.50;0.68	0.58	0.50;0.67	0.58	0.50;0.67	0.58	0.50;0.67
Age			1.03	1.02;1.03	1.03	1.02;1.03	1.03	1.02;1.03	1.03	1.02;1.03	1.03	1.02;1.03
Education
Primary education
High school education			1.56	1.32;1.84	1.24	1.03;1.49	1.23	1.02;1.49	1.24	1.03;1.49	1.23	1.02;1.49
College/University education			2.02	1.61;2.52	1.25	0.98;1.59	1.27	1.00;1.61	1.27	1.00;1.63	1.26	0.97;1.63
Individual income
Low
Average			1.24	1.05;1.46	0.95	0.79;1.15	0.96	0.80;1.16	0.95	0.79;1.15	0.95	0.79;1.14
High			1.40	1.17;1.67	0.88	0.71;1.08	0.90	0.74;1.09	0.88	0.72;1.09	0.88	0.72;1.08
Health insurance					5.31	4.49;6.27	5.32	4.52;6.28	5.33	4.54;6.26	5.32	4.54;6.23
Median income
Low
Average							0.87	0.68;1.12
High							0.83	0.65;1.05
Income inequality
Low
Average									0.89	0.70;1.12
High									0.77	0.60;0.99
Violence
Low
Average											1.01	0.78;1.30
High											1.02	0.79;1.33
Contextual variance (SD)	0.043	(0.030)	0.031	(0.021)	0.058	(0.032)	0.059	(0.033)	0.056	(0.031)	0.066	(0.036)
Mean odds ratio	1.22	1.03;1.38	1.18	1.04;1.09	1.26	1.11;1.42	1.26	1.11;1.43	1.26	1.10;1.41	1.28	1.12;1.45
DIC	4.955.52		4.758.92		4.310.18		4.310.62		4.309.70		4.312.08

DIC: deviance information criterion

Table 5

Multilevel models for the correlation between the presence of chronic and mental illnesses and the presence of a regular physician for routine care. Metropolitan region of Sao Paulo, Southeastern Brazil, 2007.

Variable	Model 6		Model 7		Model 8		Model 9		Model 10		Model 11
	OR	95%CI	OR	95%CI	OR	95%CI	OR	95%CI	OR	95%CI	OR	95%CI
Gender
Male	0.59	0.51;0.69	0.59	0.51;0.69	0.60	0.51;0.69	0.59	0.50;0.68	0.59	0.51;0.68	0.61	0.52;0.72
Age	1.02	1.01;1.03	1.02	1.02;1.03	1.03	1.02;1.03	1.03	1.02;1.03	1.03	1.02;1.03	1.02	1.01;1.03
Education
Primary education
High school education	1.25	1.03;1.51	1.21	1.01;1.45	1.24	1.03;1.49	1.24	1.03;1.49	1.23	1.03;1.47	1.26	1.03;1.52
College/University education	1.30	1.01;1.66	1.22	0.96;1.56	1.25	0.98;1.61	1.26	0.98;1.61	1.24	0.97;1.59	1.30	1.00;1.68
Individual income
Low
Average	0.97	0.80;1.17	0.95	0.79;1.14	0.96	0.80;1.16	0.94	0.79;1.13	0.95	0.79;1.14	0.97	0.81;1.16
High	0.91	0.73;1.12	0.88	0.72;1.08	0.89	0.73;1.10	0.87	0.72;1.06	0.88	0.72;1.08	0.90	0.73;1.09
Health insurance	5.45	4.61;6.45	5.32	4.52;6.26	5.32	4.54;6.23	5.33	4.52;6.28	5.32	4.54;6.24	5.45	4.66;6.38
Cardiovascular disease	1.62	1.36;1.94									1.58	1.31;1.90
Respiratory disease			1.19	1.00;1.41							1.14	0.95;1.36
Migraine					1.12	0.95;1.32					1.04	0.88;1.24
Depression							1.05	0.83;1.34			0.97	0.75;1.24
Anxiety									1.15	0.95;1.40	1.10	0.91;1.34
Contextual variance (SD)	0.066	(0.034)	0.066	(0.034)	0.057	(0.032)	0.060	(0.032)	0.060	(0.032)	0.063	(0.034)
Mean odds ratio	1.28	1.11;1.44	1.28	1.13;1.44	1.26	1.10;1.41	1.26	1.12;1.42	1.26	1.11;1.42	1.27	1.09;1.43
DIC	4.283.38		4.307.45		4.310.46		4.311.49		4.309.20		4.288.01

DIC: deviance information criterion

DISCUSSION

The results indicate that the contextual characteristics of the place of residence are not a statistically significant barrier to the use of health care services in the MRSP, contrary to the situation observed in other municipalities. , In contrast, individual factors, including education and possession of health insurance, were the determinants of the use of health care services in the past 12 months as well as the determinants of having a regular physician.

Recent studies have indicated a correlation between the place of residence in the MRSP and presence of chronic and mental diseases. , However, in the present study, use of health care services appeared to be unaffected by the place of residence. In the null model, without the inclusion of individual or contextual independent variables, the variance attributable to the place of residence was not statistically significant for any of the dependent variables studied. Furthermore, contextual variables (median income, income inequality, and violence) were not statistically significant for most cases, except for the correlation between living in a region with high inequality and lower probability of having a regular physician.

These results have implications for planning the distribution of health care services in the MRSP. Living in poorer, more unequal, or more violent areas does not appear to significantly affect the use of health care services. This may be the result of the planning strategies for health care services, such as the expansion of the ESF, which has benefited areas with worse socioeconomic conditions and reduced inequalities in access to health care in the past decade.

On the other hand, possession of health insurance had a strong and consistent importance in the use of health care services. Possession of health insurance was significantly correlated with the use of health care services in the past year and with the presence of a regular physician in all models. In addition, presence of chronic and mental illnesses was strongly correlated with the use of health care services in the past year. On the other hand, having a regular physician showed a weak correlation with the presence of chronic and mental illnesses, except for cardiovascular diseases.

Possession of private health insurance was correlated with an increased likelihood of using health care services and of having a regular physician even when individual variables such as education and income were included in the model. This indicates an independent correlation between possession of private health insurance and access to health care services and goes beyond the correlation with socioeconomic factors. This may be because individuals with more severe health problems are more likely to purchase health insurance (this phenomenon is known as adverse selection in economic theory). Another possibility is that possession of health insurance unquestionably increases the use of health care services, particularly in relation to preventive and routine care.

Education was an important variable correlated with the use of health care services and its effect was greater than that found for individual income. This is in line with theories that argue that the effect of income on health would be, to some extent, a proxy for the effect of education on health, in which people with more education would be more willing to invest in their own health. Therefore, regardless of the presence or absence of serious health problems (such as chronic and mental illnesses), individuals with higher education would use health care services more frequently, particularly for preventive and routine care.

The present study has some limitations. Use of health care services in the past year was analyzed retrospectively, i.e., the analysis depended on the memory of individuals. Despite the short study period (12 months), this analysis cannot overlook the occurrence of recall bias. Moreover, it was not possible to establish a temporal relationship between the onset of chronic and mental illnesses and the use of health care services. One possibility is that individuals living in areas with worse socioeconomic conditions or in areas with social inequalities would have access to health care services but would take more time to consult a health care professional after the onset of the disease. Another limitation is that it was not possible to assess the quality of health care services on an individual basis.

Use of and spending on health care services has increased worldwide, and the trend is that this growth will continue for decades. Identification of determinants that preclude individuals from using health care services is an important issue in public health. The present study indicates that the contextual characteristics of the place of residence are not a significant barrier to the use of health care services in the MRSP. At the same time, education and possession of health insurance are important determinants of the use of these services. At present, when access to health care services for the Brazilian population is being extensively discussed in the media and in the political sphere, it is important to understand these determinants with the view of implementing policies that promote equitable use of these services.

INTRODUÇÃO

O Sistema Único de Saúde (SUS), criado em 1988, foi concebido como um sistema descentralizado com ênfase em serviços comunitários como o Estratégia Saúde da Família (ESF). Atualmente, o SUS sofre com subfinanciamento e falta de pessoal bem treinado, particularmente em áreas desfavorecidas, o que tem obstruído o acesso equitativo da população mais pobre às unidades de saúde. Por outro lado, verifica-se uma elevada utilização de serviços em regiões mais ricas, principalmente de assistência médica especializada, fornecidos pelos planos de saúde privados.

O uso desigual de serviços de saúde pode afetar a sociedade como um todo. A exclusão sistemática de alguns grupos populacionais dos serviços de saúde pode levar ao surgimento e à disseminação de novas doenças, como no caso da dificuldade de acesso à vacinação. O estudo dos determinantes do uso de serviços de saúde é importante para identificar parcelas da população com pouco ou nenhum acesso, o que pode auxiliar na elaboração de políticas públicas de saúde.

A maioria dos estudos na literatura tem analisado os determinantes individuais do uso de serviços de saúde, permitindo a identificação de grupos historicamente excluídos como indivíduos de baixa renda, baixa escolaridade e imigrantes. Os determinantes de saúde e de acesso a serviços, porém, não se restringem a fatores individuais. Análises multinível que examinem também os determinantes contextuais do uso de serviços são necessárias para compreender a complexa rede de acesso a serviços. No entanto, estudos que englobem essas duas vertentes ainda são raros na literatura brasileira.

Estudos brasileiros permitiram identificar alguns determinantes individuais do acesso a serviços de saúde. Uma análise do uso de serviços odontológicos mostrou que indivíduos mais ricos consultaram dentistas 2,8 vezes mais que os mais pobres nos 12 meses anteriores. Um estudo de idosos residentes em São Paulo, SP, concluiu que dispor de seguro saúde era fator determinante do uso de serviços de saúde. Em um outro estudo, em que os dados da PNAD foram analisados, a utilização dos serviços de saúde foi 1,8 vez maior entre os portadores de doenças crônicas.

A renda individual (capacidade de pagar pelos serviços) é frequentemente apontada como o principal fator de acesso aos serviços na literatura internacional, sobretudo nos Estados Unidos. Por outro lado, estudos em países com universalidade de acesso têm ajudado a identificar fatores contextuais que determinam o uso de serviços de saúde, utilizando uma metodologia multinível. Uma análise realizada no Canadá indicou que o uso de serviços de saúde mental foi maior entre indivíduos com alguma doença mental que residiam em bairros com melhores condições socioeconômicas. Um estudo francês mostrou que indivíduos residentes em área mais ricas usaram mais os serviços de saúde, mesmo após ajustes por características individuais.

O local de residência pode ter efeito no uso de serviços por diversas razões. A distribuição geográfica de serviços de saúde e a disponibilidade local dos serviços podem produzir barreiras para a sua utilização, sendo a curta distância para os serviços de saúde um bom preditor do seu uso. Além disso, pesquisas apontam para a importância do capital social (participação comunitária e coesão social). Bairros mais igualitários e com menos violência possuem maior capital social, o que está relacionado ao maior uso de serviços de saúde, possivelmente pela melhor rede de informações sobre sistemas de saúde da população local. Outra hipótese é que indivíduos que moram em bairros mais pobres apresentarão mais problemas de saúde devido à poluição e violência da região e, portanto, utilizarão mais os serviços de saúde.

A pressuposta universalidade de acesso e a conhecida desigualdade social trazem oportunidades interessantes para a análise dos determinantes contextuais do uso de serviços de saúde no Brasil. Principalmente no caso da desigualdade de renda e da violência, em que os indicadores brasileiros são consistentemente piores em relação a qualquer país desenvolvido. Estudos apontam para a importância contextual da desigualdade de renda e da violência na saúde dos residentes de São Paulo, , o que traz interesse para uma análise do uso de serviços como um possível mediador da associação entre fatores contextuais e saúde.

O objetivo do presente estudo foi analisar a prevalência e fatores associados à utilização de serviços de saúde por adultos.

MÉTODOS

Foram analisados os resultados do estudo São Paulo Megacity (Andrade et al ). A pesquisa foi baseada em questionários aplicados a uma amostra representativa da população ≥ 18 anos da Região Metropolitana de São Paulo (RMSP), composta pelo município de São Paulo (11.104.715 residentes em 2007) e seus 38 municípios adjacentes (8.844.543 residentes).

Os respondentes foram selecionados por amostragem multiestratificada da população não institucionalizada da RMSP, constituída por seis fases distintas de seleção. O objetivo inicial foi de identificar 5.000 domicílios. Os questionários foram aplicados entre maio de 2005 e maio de 2007 por entrevistadores treinados. A amostra inicial foi composta por 5.037 indivíduos (taxa de resposta de 81,3%). Desses, 37 (0,7%) foram excluídos devido a dificuldades de identificação do local de residência. Foram incluídos apenas indivíduos que residiam por mais de cinco anos no mesmo local, para evitar a falácia de que o local de origem tem efeito imediato na saúde e no comportamento dos indivíduos. Foram incluídos 3.588 indivíduos na análise final.

Os questionários foram aplicados em visitas domiciliares com apoio e supervisão da equipe acadêmica responsável. O instrumento de coleta utilizado foi o Composite International Diagnostic Interview (WMH-CIDI) traduzido e adaptado para o idioma português. O uso de serviços de saúde foi analisado pelo número de consultas com profissionais de saúde nos últimos 12 meses, dicotomizado entre zero / uma ou mais, devido à assimetria da distribuição – alta frequência de valores iguais a zero. Foi analisada a presença de médico de referência para cuidados de rotina pela resposta à pergunta: “O(A) sr(a) tem um médico a quem geralmente consulta quando precisa de cuidados de rotina?”. As seguintes variáveis individuais foram incluídas nos modelos multinível: idade, sexo, renda individual (apresentada por tercis devido à não-linearidade) e escolaridade (fundamental, ensino médio e superior). A presença de doenças crônicas foi referente aos últimos 12 meses, questionadas uma a uma. As mais prevalentes foram consideradas para a análise: doenças cardiovasculares (ataques cardíacos, doença cardíaca, hipertensão, acidente vascular cerebral), doenças respiratórias (alergias, asma, doença pulmonar obstrutiva crônica e enfisema) e enxaqueca. Depressão maior e transtornos de ansiedade (transtorno de pânico, agorafobia, fobia simples, fobia social, transtorno ansioso generalizado, transtorno obsessivo compulsivo, transtorno de estresse pós-traumático e ansiedade de separação) foram as doenças mentais mais prevalentes no estudo inicial, identificadas por meio do questionário WMH-CIDI de acordo com critérios operacionais do Diagnostic and Statistical Manual of Mental Disorders (DSM-IV), referentes aos últimos 12 meses.

O segundo nível da análise multinível foi composto pelos 38 municípios adjacentes (média de 232.751 residentes em 2007) da RMSP mais o Município de São Paulo (MSP), dividido segundo suas 31 subprefeituras (média de 355.467 residentes), totalizando 69 áreas. A renda mediana, o nível de desigualdade de renda (medido pelo índice de Gini) e o nível de violência (utilizando como proxy a taxa de homicídios ajustada por idade) para cada uma das 69 áreas foram calculados utilizando os dados do Censo Demográfico do IBGE, 2010, e do Departamento de Informática do SUS (DATASUS).

Foram ajustados modelos multinível logísticos Bayesianos, com indivíduos como primeiro nível e o local de residência (município ou, no caso do MSP, subprefeitura) como segundo. Foi utilizada inferência Bayesiana pelo método de Monte Carlo via Cadeias de Markov (MCMC) pelo seu efeito na diminuição de vieses em modelos logísticos multinível. Além disso, permite o cálculo do deviance information criterion (DIC) para testar o ajuste do modelo (goodness-of-fit), em que valores menores indicam melhor ajuste.

Os modelos multinível foram calculados separadamente para as duas variáveis dependentes: uso de serviço de saúde nos últimos 12 meses e presença de médico de referência para cuidados de rotina. Os modelos foram primeiramente ajustados sem a inclusão de variáveis independentes (modelo nulo), para testar a variância inicial atribuível ao local de residência. Na sequência foram ajustados modelos com as variáveis individuais e depois com as contextuais. Após a identificação do modelo com o melhor ajuste (menor DIC), foram incluídas as doenças crônicas (doenças cardiovasculares, doenças respiratórias e enxaqueca) e as mentais (transtorno de ansiedade e depressão maior) mais prevalentes.

Foi utilizado o software MLwiN 2.25, especializado em análises multinível, para as análises estatísticas. Os modelos foram ajustados segundo mínimos quadrados generalizados para os valores da distribuição. As primeiras 500 simulações foram descartadas como burn-ins, seguidas de 10.000 novas iterações. Foram calculadas median odds ratios (MOR) para analisar a proporção da variância atribuível ao local de residência (segundo nível do modelo).

RESULTADOS

A amostra final foi composta por 3.588 indivíduos. Desses, 56,3% era do sexo feminino, 84,0% tinha menos de 60 anos, 14,9% possuía nível superior completo ou incompleto e 41,4% referiu possuir seguro de saúde (Tabela 1).

Tabela 1

Análise descritiva da amostra total e para indivíduos com uso serviços de saúde nos últimos 12 meses e presença de médico de referência para cuidados de rotina. Região Metropolitana de São Paulo, SP, 2007.

Variável	Total		Uso de serviços de saúde		Médico de referência
	n	%	n	%	n	%
Total	3.588	100,0	2.995	83,5	1.702	47,4
Sexo
Masculino	1.569	43,7	1.182	75,3	647	41,2
Feminino	2.019	56,3	1.813	89,8*	1.055	52,2*
Idade (anos)
18 a 39	1.541	42,9	1.257	81,6	622	40,4
40 a 59	1.474	41,1	1.232	83,6	749	50,8*
≥ 60	573	16,0	506	88,3*	331	57,8*
Escolaridade
Fundamental	1.918	53,5	1.573	82,0	853	44,5
Médio	1.136	31,7	950	83,6	534	47,0
Superior	534	14,9	472	88,4*	315	59,0*
Seguro saúde
Sim	1.486	41,4	1.334	89,8	1.037	69,8
Não	2.102	58,6	1.661	79,0*	665	31,6*
Renda
Baixa	1.175	32,7	947	80,6	469	39,9
Média	1.211	33,7	1.011	83,5	572	47,2*
Alta	1.202	33,5	1.037	86,3*	661	55,0*
Desigualdade de renda
Baixa	1.219	34,0	1.024	84,0	576	47,2
Média	1.216	33,9	995	81,8	579	47,6
Alta	1.153	32,1	976	84,6	547	47,4
Renda mediana
Baixa	1.223	34,1	1.022	83,6	562	45,9
Média	1.198	33,4	984	82,1	549	45,8
Alta	1.167	32,5	989	84,7	591	50,6*
Violência
Baixa	1.184	33,0	1.013	85,6	618	52,2
Média	1.205	33,6	1.006	83,5	548	45,5*
Alta	1.199	43,7	976	81,4*	536	44,7*

* Diferença significativa (p < 0,05) da regressão logística simples em relação à primeira categoria da variável.

Mais de 80,0% da amostra relatou pelo menos uma consulta médica no ano anterior. A análise por regressão logística simples mostrou que mulheres e indivíduos com mais de 60 anos, com seguro saúde, escolaridade superior e alta renda apresentaram maior chance (p < 0,05) de terem consultado um médico no último ano. Por outro lado, indivíduos residentes em regiões com alta violência apresentaram menor probabilidade de referir consulta no último ano.

Pouco menos da metade da amostra (47,4%) referiu possuir um médico de referência para cuidados de rotina. Na regressão logística simples, a associação foi estatisticamente significativa para mulheres, indivíduos mais velhos, indivíduos com curso superior, com seguro saúde, com renda individual média e alta e indivíduos residentes em áreas com renda mediana alta e baixa violência. Possuir médico de referência para cuidados de rotina associou-se fortemente a ter seguro saúde: 69,8% dos indivíduos com seguro saúde declararam ter um médico de referência em contraste com a 31,6% sem seguro.

A Tabela 2 apresenta os modelos multinível referentes aos determinantes individuais e contextuais do uso de serviço de saúde nos últimos 12 meses. No modelo nulo, a variância atribuível ao local de residência (segundo nível) não foi estatisticamente significativa (p > 0,05) e o MOR foi de 1,24, i.e., a heterogeneidade entre as áreas aumentou em 24,0% a chance de ter usado um serviço de saúde no último ano para um indivíduo escolhido aleatoriamente. O DIC foi de 3.211,24. A inclusão das características individuais (modelo 1) diminuiu o DIC para 3.043,99, indicando melhor ajuste do modelo. Mulheres e indivíduos com maior escolaridade, alta renda e mais velhos apresentaram maior chance de referirem uma consulta com profissional de saúde no último ano (p < 0,05). Seguro saúde foi incluído para o modelo 2, com presença estatisticamente significativa. Esse modelo apresentou o melhor ajuste (DIC = 2.990,11) (Tabela 2). A inclusão das variáveis contextuais (modelos 3, 4 e 5) não apresentou resultados estatisticamente significativos. Observou-se resultado próximo da significância (OR 0,78; IC95% 0,60;1,02) apenas para desigualdade de renda média (em relação à baixa). A variância referente ao segundo nível (local de residência) não foi significativa (p > 0,05) nesses casos de modelos com variáveis contextuais e o valor do DIC indicou pior ajuste em comparação ao modelo 2.

Tabela 2

Modelos multinível para os determinantes individuais e contextuais do uso de serviços de saúde nos últimos 12 meses. Região Metropolitana de São Paulo, SP, 2007.

Variável	Modelo nulo		Modelo 1		Modelo 2		Modelo 3		Modelo 4		Modelo 5
			OR	IC95%	OR	IC95%	OR	IC95%	OR	IC95%	OR	IC95%
Sexo
Masculino			0,33	0,28;0,40	0,33	0,27;0,40	0,33	0,27;0,40	0,33	0,27;0,40	0,33	0,27;0,40
Idade			1,02	1,01;1,02	1,01	1,01;1,02	1,01	1,01;1,02	1,02	1,01;1,02	1,02	1,01;1,02
Escolaridade
Fundamental
Médio			1,43	1,15;1,79	0,23	1,00;1,60	1,25	0,99;1,57	1,27	1,01;1,60	1,27	1,01;1,60
Superior			1,77	1,29;2,45	1,37	0,97;1,93	1,37	0,97;1,93	1,38	1,00;1,91	1,36	0,98;1,89
Renda individual
Baixa
Média			1,20	0,97;1,49	1,08	0,86;1,36	1,09	0,88;1,36	1,10	0,88;1,38	1,09	0,87;1,37
Alta			1,30	1,02;1,65	1,09	0,84;1,40	1,10	0,86;1,42	1,11	0,86;1,43	1,09	0,85;1,41
Seguro saúde					2,21	1,79;2,73	2,24	1,80;2,78	2,21	1,79;2,74	2,23	1,69;2,94
Renda mediana
Baixa
Média							0,81	0,61;1,07
Alta							0,86	0,64;1,15
Desigualdade de renda
Baixa
Média									0,78	0,60;1,02
Alta									0,91	0,70;1,19
Violência
Baixa
Média											1,03	0,78;1,37
Alta											0,97	0,73;1,27
Variância contextual (DP)	0,050	(0,035)	0,041	(0,031)	0,053	(0,033)	0,055	(0,034)	0,038	(0,034)	0,053	(0,033)
Mean odds ratio	1,24	1,09;1,48	1,21	1,03;1,39	1,25	1,11;1,42	1,26	1,09;1,42	1,20	1,03;1,40	1,25	1,06;1,41
DIC	3.211,24		3.043,99		2.990,11		2.990,93		2.991,70		2.992,91

DIC: deviance information criterion

A Tabela 3 apresenta os modelos multinível para a variável de uso de serviço de saúde no último ano com a inclusão das doenças crônicas e dos transtornos mentais mais prevalentes. O modelo 2 (Tabela 2) foi incluído como ponto de partida para todos os casos, pois apresentou o melhor ajuste. As doenças crônicas e mentais, analisadas individualmente, apresentaram resultados estatisticamente significativos (modelos 6, 7, 8, 9 e 10). Como nos modelos anteriores, a variância referente ao segundo nível não foi significativa (p > 0,05) em todos os casos. O modelo que apresentou melhor ajuste foi o que incluiu as doenças cardiovasculares (DIC = 2919,60). O modelo 11, que incluiu todas as doenças crônicas e mentais analisadas, apenas a depressão não foi estatisticamente significativa (OR 1,21; IC95% 0,82;1,78). O modelo 11 apresentou o melhor ajuste entre os analisados (DIC = 2.882,44).

Tabela 3

Modelos multinível para a associação entre presença de doenças crônicas e mentais e o uso de serviços de saúde nos últimos 12 meses. Região Metropolitana de São Paulo, SP, 2007.

Variável	Modelo 6		Modelo 7		Modelo 8		Modelo 9		Modelo 10		Modelo 11
	OR	IC95%	OR	IC95%	OR	IC95%	OR	IC95%	OR	IC95%	OR	IC95%
Sexo
Masculino	0,34	0,28;0,42	0,35	0,29;0,43	0,37	0,30;0,44	0,34	0,30;0,38	0,34	0,29;0,41	0,40	0,33;0,48
Idade	1,00	1,00;1,01	1,01	1,01;1,02	1,02	1,01;1,02	1,01	1,01;1,02	1,01	1,01;1,02	1,01	1,00;1,01
Escolaridade
Fundamental
Médio	1,27	1,00;1,61	1,23	0,96;1,57	1,32	1,05;1,66	1,27	1,01;1,60	1,29	1,01;1,64	1,29	1,02;1,62
Superior	1,43	1,02;1,99	1,30	0,92;1,83	1,43	1,02;2,00	1,35	0,98;1,87	1,35	0,96;1,90	1,42	1,01;1,99
Renda individual
Baixa
Média	1,14	0,91;1,44	1,09	0,88;1,37	1,10	0,87;1,38	1,09	0,87;1,37	1,08	0,86;1,36	1,15	0,90;1,45
Alta	1,16	0,90;1,50	1,09	0,85;1,41	1,12	0,87;1,44	1,10	0,85;1,42	1,10	0,85;1,42	1,16	0,90;1,51
Seguro saúde	2,32	1,87;2,86	2,21	1,77;2,77	2,22	1,78;2,76	2,23	1,86;2,67	2,24	1,81;2,78	2,29	1,83;2,86
Doenças cardiovasculares	3,08	2,32;4,08									2,74	2,09;3,61
Doenças respiratórias			1,99	1,53;2,59							1,77	1,36;2,31
Enxaqueca					1,70	1,35;2,16					1,41	1,11;1,78
Depressão							1,63	1,14;2,33			1,21	0,82;1,78
Ansiedade									1,85	1,40;2,45	1,54	1,14;2,07
Variância contextual (DP)	0,050	(0,040)	0,052	(0,035)	0,45	(0,037)	0,053	(0,033)	0,047	(0,033)	0,051	(0,036)
Mean odds ratio	1,24	1,04;1,44	1,24	1,08;1,42	1,22	1,03;1,41	1,25	1,03;1,40	1,23	1,03;1,41	1,24	1,00;1,42
DIC	2.919,6		2.965,09		2.972,92		2.991,70		2.973,26		2.882,44

DIC: deviance information criterion

As Tabelas 4 e 5 seguiram a mesma sequência para a variável presença de médico de referência para cuidados de rotina. Assim como na variável anterior, em nenhum modelo a variância atribuível ao local de residência foi estatisticamente significativa (p > 0,05). Indivíduos mais velhos, com maior escolaridade e mulheres apresentaram maior associação com dispor de médico de referência em todos os modelos. A presença de seguro saúde foi a variável mais fortemente associada com presença de médico de referência em todos os modelos. Características do local de residência não apresentaram associação significativa com a presença desse profissional. A exceção foi desigualdade de renda: residir em região com alta desigualdade de renda associou-se à menor probabilidade de presença de médico de referência, após controle pelos fatores individuais (modelo 4 da Tabela 4). Nos modelos com a inclusão de uma só doença crônica ou mental (Tabela 5, modelos 6 a 10), a presença de doenças cardiovasculares ou doenças respiratórias associou-se a ter médico de referência. Apenas as doenças cardiovasculares apresentaram associação significativa com ter médico de referência quando todas as doenças foram incluídas em conjunto no modelo.

Tabela 4

Modelos multinível para os determinantes individuais e contextuais da presença de médico de referência para cuidados de rotina. Região Metropolitana de São Paulo, SP, 2007.

Variável	Modelo Nulo		Modelo 1		Modelo 2		Modelo 3		Modelo 4		Modelo 5
			OR	IC95%	OR	IC95%	OR	IC95%	OR	IC95%	OR	IC95%
Sexo
Masculino			0,61	0,53;0,70	0,58	0,50;0,68	0,58	0,50;0,67	0,58	0,50;0,67	0,58	0,50;0,67
Idade			1,03	1,02;1,03	1,03	1,02;1,03	1,03	1,02;1,03	1,03	1,02;1,03	1,03	1,02;1,03
Escolaridade
Fundamental
Médio			1,56	1,32;1,84	1,24	1,03;1,49	1,23	1,02;1,49	1,24	1,03;1,49	1,23	1,02;1,49
Superior			2,02	1,61;2,52	1,25	0,98;1,59	1,27	1,00;1,61	1,27	1,00;1,63	1,26	0,97;1,63
Renda individual
Baixa
Média			1,24	1,05;1,46	0,95	0,79;1,15	0,96	0,80;1,16	0,95	0,79;1,15	0,95	0,79;1,14
Alta			1,40	1,17;1,67	0,88	0,71;1,08	0,90	0,74;1,09	0,88	0,72;1,09	0,88	0,72;1,08
Seguro saúde					5,31	4,49;6,27	5,32	4,52;6,28	5,33	4,54;6,26	5,32	4,54;6,23
Renda mediana
Baixa
Média							0,87	0,68;1,12
Alta							0,83	0,65;1,05
Desigualdade de renda
Baixa
Média									0,89	0,70;1,12
Alta									0,77	0,60;0,99
Violência
Baixa
Média											1,01	0,78;1,30
Alta											1,02	0,79;1,33
Variância contextual (DP)	0,043	(0,030)	0,031	(0,021)	0,058	(0,032)	0,059	(0,033)	0,056	(0,031)	0,066	(0,036)
Mean odds ratio	1,22	1,03;1,38	1,18	1,04;1,09	1,26	1,11;1,42	1,26	1,11;1,43	1,26	1,10;1,41	1,28	1,12;1,45
DIC	4.955,52		4.758,92		4.310,18		4.310,62		4.309,70		4.312,08

DIC: deviance information criterion

Tabela 5

Modelos multinível para a associação entre presença de doenças crônicas e mentais e a presença de médico de referência para cuidados de rotina. Região Metropolitana de São Paulo, SP, 2007.

Variável	Modelo 6		Modelo 7		Modelo 8		Modelo 9		Modelo 10		Modelo 11
	OR	IC95%	OR	IC95%	OR	IC95%	OR	IC95%	OR	IC95%	OR	IC95%
Sexo
Masculino	0,59	0,51;0,69	0,59	0,51;0,69	0,60	0,51;0,69	0,59	0,50;0,68	0,59	0,51;0,68	0,61	0,52;0,72
Idade	1,02	1,01;1,03	1,02	1,02;1,03	1,03	1,02;1,03	1,03	1,02;1,03	1,03	1,02;1,03	1,02	1,01;1,03
Escolaridade
Fundamental
Médio	1,25	1,03;1,51	1,21	1,01;1,45	1,24	1,03;1,49	1,24	1,03;1,49	1,23	1,03;1,47	1,26	1,03;1,52
Superior	1,30	1,01;1,66	1,22	0,96;1,56	1,25	0,98;1,61	1,26	0,98;1,61	1,24	0,97;1,59	1,30	1,00;1,68
Renda individual
Baixa
Média	0,97	0,80;1,17	0,95	0,79;1,14	0,96	0,80;1,16	0,94	0,79;1,13	0,95	0,79;1,14	0,97	0,81;1,16
Alta	0,91	0,73;1,12	0,88	0,72;1,08	0,89	0,73;1,10	0,87	0,72;1,06	0,88	0,72;1,08	0,90	0,73;1,09
Seguro saúde	5,45	4,61;6,45	5,32	4,52;6,26	5,32	4,54;6,23	5,33	4,52;6,28	5,32	4,54;6,24	5,45	4,66;6,38
Doenças cardiovasculares	1,62	1,36;1,94									1,58	1,31;1,90
Doenças respiratórias			1,19	1,00;1,41							1,14	0,95;1,36
Enxaqueca					1,12	0,95;1,32					1,04	0,88;1,24
Depressão							1,05	0,83;1,34			0,97	0,75;1,24
Ansiedade									1,15	0,95;1,40	1,10	0,91;1,34
Variância contextual (DP)	0,066	(0,034)	0,066	(0,034)	0,057	(0,032)	0,060	(0,032)	0,060	(0,032)	0,063	(0,034)
Mean odds ratio	1,28	1,11;1,44	1,28	1,13;1,44	1,26	1,10;1,41	1,26	1,12;1,42	1,26	1,11;1,42	1,27	1,09;1,43
DIC	4.283,38		4.307,45		4.310,46		4.311,49		4.309,20		4.288,01

DIC: deviance information criterion

DISCUSSÃO

Os resultados encontrados indicam que as características do local de residência não constituem uma barreira estatisticamente significativa ao uso dos serviços para a RMSP, ao contrário do observado em outras cidades. , Fatores individuais, como a escolaridade e ter plano de saúde, por outro lado, foram determinantes do uso de serviço de saúde nos últimos 12 meses e de ter médico de referência.

Estudos recentes têm apontado para a associação entre características do local de residência na RMSP e presença de doenças crônicas e mentais. , Entretanto, no presente estudo, o uso de serviços de saúde parece não ser afetado pelo local de residência. O modelo nulo, sem a inclusão de variáveis independentes individuais ou contextuais, não apresentou resultado estatisticamente significativo da variância atribuível ao local de residência para nenhuma das variáveis dependentes no presente estudo. A inclusão das variáveis contextuais (renda mediana, desigualdade de renda e violência) também não apresentou significância estatística para a maioria dos casos, exceto entre morar em uma região com alta desigualdade e menor probabilidade de possuir um médico de referência.

Esses resultados trazem implicações para o planejamento da distribuição dos serviços de saúde na RMSP. Residir em área mais pobre, mais desigual ou mais violenta parece não afetar significativamente o uso de serviços de saúde. Isso pode ser resultado do planejamento de serviços de saúde, como a ampliação da ESF, que tem avançado em direção aos locais mais pobres e diminuído as desigualdades de acesso na última década.

Por outro lado, verificou-se a forte e consistente importância do seguro de saúde para o uso de serviços. Possuir seguro de saúde esteve significativamente associado ao uso de serviços de saúde no último ano e à presença de médico de referência em todos os modelos. A presença de doenças crônicas e mentais associou-se fortemente ao uso de serviços de saúde no último ano. Por outro lado, ter médico de referência teve fraca associação com a presença de doenças crônicas e mentais, exceto para doenças cardiovasculares.

Possuir seguro privado de saúde associou-se à maior probabilidade de uso de serviços de saúde e de ter médico de referência mesmo quando variáveis como educação e renda individual foram incluídas no modelo. Isso indica associação independente do seguro privado com o acesso a serviços de saúde, que vai além da sua associação com determinantes socioeconômicos. Isso pode decorrer do fato de que indivíduos com problemas de saúde mais graves têm maior probabilidade de comprar seguro de saúde (fenômeno conhecido na teoria econômica como seleção adversa). Outra possibilidade é que possuir seguro de saúde aumente de fato o uso dos serviços de saúde, principalmente para consultas preventivas ou de rotina.

Escolaridade foi importante para o uso de serviços de saúde e apresentou efeito acima do encontrado para a renda individual. Isso está de acordo com teorias que defendem que o efeito da renda na saúde seria, em parte, uma proxy do efeito da escolaridade, em que pessoas com mais anos de educação estariam mais dispostas a investir na sua própria saúde. Assim, independentemente da presença ou não de problemas graves de saúde (como doenças crônicas e mentais), indivíduos com maior escolaridade frequentariam mais os serviços de saúde, principalmente para consultas preventivas ou de rotina.

O estudo tem algumas limitações. A variável de uso de serviços de saúde no último ano foi analisada retrospectivamente, i.e., dependeu da memória dos indivíduos. Apesar do curto período de interesse (12 meses) não se pode descartar a presença de viés de memória. Além disso, não foi possível estabelecer uma relação temporal entre o aparecimento das doenças crônicas e mentais e o uso de serviços de saúde. Uma possibilidade é que indivíduos que residam em regiões mais pobres ou mais desiguais tenham acesso aos serviços de saúde, mas demorem mais tempo para consultar um profissional de saúde após o aparecimento da doença. Uma outra limitação é que não foi possível avaliar a qualidade dos serviços prestados aos diferentes indivíduos.

O uso e os gastos com serviços de saúde têm aumentado em todos os países, e a tendência é que esse crescimento continue por décadas. Identificar os determinantes que levam à exclusão dos indivíduos dos serviços de saúde é uma questão importante em saúde pública. O presente estudo indica que as características do local de residência não são uma barreira significativa ao uso dos serviços para a RMSP. Ao mesmo tempo, a escolaridade e a presença de seguro de saúde são determinantes importantes do uso dos serviços. Neste momento, em que se discute amplamente na mídia e na esfera política a questão do acesso de serviços de saúde para a população brasileira, é importante ampliar a compreensão de seus determinantes e a implementação de políticas que facilitem uso equitativo desses serviços.