Factors associated with common mental disorders: a study based on clusters of women.

OBJECTIVE: to identify factors associated with common mental disorders (CMD) in a sample of adult women in Southern Brazil.
METHODS: This population-based study, composed of 1,128 women, investigated socioeconomic, behavioral and health/disease explanatory demographic variables. Five response groups were explored: one group with common mental disorders - cut-off point 6/7 in the Self-Reporting Questionnaire 20 (SRQ-20) - and four others corresponding to the different clusters found using the latent class clustering technique, also from the SRQ-20. These four clusters (low, medium-depressive, medium-digestive and high) were named (denominated) based on the mean scores in the SRQ-20 in each group and on the response patterns of the variables and factorial characteristics. The "low" cluster comprised women with lower SRQ-20 scores and, therefore less likely to present CMD. The "high" cluster, with high mean values in the SRQ-20, was related to higher psychiatric morbidity. We used the Poisson regression technique to compare the findings of the different groups.
RESULTS: We identified ten variables as factors associated with CMD. Age, education, smoking, physical activity, perception of health and number of medical appointments were the common variables for the cut-off point and cluster-based analyses. Heavy alcohol use was associated only when the sample was evaluated as a cut-off point. Social class, work situation and existence of chronic diseases were associated only when the sample was analyzed by clusters. There was a significant association in the "high" cluster with lower classes (D or E), smoking, physical inactivity, existence of chronic diseases and negative perception of health.
CONCLUSION: We identified different associated factors according to the response groups considered. New approaches allowing identification of subgroups of individuals with specific characteristics and associated factors may contribute for a more accurate understanding of CMD and provide the basis for health interventions.

INTRODUCTION

The term “common mental disorders” (CMD) refers to a group of depressive symptoms, insomnia, fatigue, irritability, forgetfulness and difficulty to concentrate, as well as somatic complaints and the feeling of being useless[1]. Such disorders, more prevalent in women, cause suffering and functional disability and have an impact on several health, economic and social outcomes[2,3].

We identified a prevalence rate of 17.6% in the year and 29.2% in life in a systematic review and meta-analysis study by Steel et al.[4], who observed a consistent effect of the female sex in relation to mood disorders and anxiety. Studies conducted in Brazil have shown high prevalence in primary health care[5] and higher odds ratio of CMD in women[6].

The Self-Reporting Questionnaire-20 (SRQ-20), one of the most recommended and used instrument for tracking common mental disorders, is validated also in Brazil[7]. Several studies of factors associated with CMD have used this instrument to define the presence of psychiatric morbidity based on the cut-off point criterion. In Brazil, the most used cut-off points for women have been 6/7[10]e 7/8[11].

Following this criterion, studies have identified that female individuals[2,3,5,12], non-white[2,13], from socially underprivileged groups (lower social class and lower income, unemployed and with low education)[2,3,12,14], smokers[13,15], heavy alcohol users[16,17], physically inactive[13], with chronic diseases[13,18] and with self-perception of bad health[13,19] had higher prevalence of CMD. Moreover, greater recourse to health services, with more appointments per year, was also identified as a marker of CMD[20]. The relation between age[2,3,12,13,21] and marital status[2,3,13,22] with CMD has shown contradictory results.

We did not find studies exploring factors associated with CMD besides the traditional analysis of observational studies, which builds the outcome from cut-off points and may not recognize subgroups or clusters. The objective of this study is to investigate factors associated with CMD in a sample of adult women in Southern Brazil using the cut-off point and also identifying clusters or subgroups using the latent class analysis technique (with the SRQ-20 instrument), followed by a Poisson regression analysis.

METHODS

The cross-sectional study “Condições de vida e saúde de mulheres adultas: estudo de base populacional no Vale dos Sinos – avaliação após 10 anos” – included a sample of 1,128 women in the town of São Leopoldo (RS). The research protocol was approved by the Unisinos Ethics Committee under No. 650,443. Each participant was informed about the objectives of the study and, after reading and signing a two-way informed consent form, underwent data collection.

The inclusion criteria were as follows: being a woman residing in one of the census tracts and households drawn from the São Leopoldo urban area, and being aged between 20 and 69 years. Women who did not reside in a drawn household at the time of the survey, women who were not physically and/or mentally fit to answer the questionnaire, or women who were pregnant were excluded.

Sampling was performed by conglomerates, with 40 census tracts drawn out of the 371 in the urban area of the town of São Leopoldo. The sample size of the baseline study was calculated to identify a risk ratio of 2.0, with a confidence level of 95% and statistical power of 80%, keeping an exposed: unexposed ratio of 2:1. We considered as unexposed those belonging in the higher education category (15 year of schooling of more). Based on these assumptions, we opted for the larger sample size calculated (1,013 women for the variable delayed cytopathological examination). We added 10% for possible losses/refusals and 15% to control confounding factors in the data analysis, totaling approximately 1,281 women. After considering the losses and refusals, which amounted to 11.9%, the final total number was 1,128 interviewed women.

The information was collected with questions of a designed instrument (covering demographic, socioeconomic and behavioral data on health/disease, use of health services, medicine, and health spending) and questions from validated instruments, of which we highlight the SRQ-20, applied to track CMD. The questionnaires were applied directly to the residents, in the households drawn. The fieldwork was conducted rigorously, and the interviewers had to undergo a training program with standardization of measurements and a pilot study. The database was double-typed for later comparison. We performed quality control using a summarized instrument composed of 10 questions applied to 10% of the sample, either by telephone or home visit.

Explanatory variables were as follows: age (20–29, 30–39, 40–49, 50–59, 60 years old or older), skin color (white and non-white), marital status (partner or no partner), education (4 years of schooling or less, 5 to 9 years of schooling, 10 to 12 years of schooling, 13 years of schooling or more), social class (A or B, C, D or E), work situation (working, retired/on medical leave/receiving a government allowance, housewife, unemployed), being the head of household or not, smoking (non-smoker, ex-smoker or smoker), heavy alcohol use, defined as ingesting more than 30 grams of alcohol a day (no or yes), recreational physical exercise, according to criteria of the International Physical Activity Questionnaire[23](IPAQ) (physically active or inactive), previous pregnancies (none, one and two or more), existence of chronic diseases, referring to diabetes or high blood pressure (no disease, either disease or both diseases), health perception (positive or negative) and number of appointments per year (1, 2–5, 6–13, 14 or more appointments).

For this study, we built a summary database composed only of the exposure variables and the SRQ-20 instrument. Once the database was built, we identified clusters in the response patterns of the SRQ-20 instrument with a latent class analysis, using the Latent GOLD 5.1 software. This technique has advantages over conventional clustering techniques[24]. The criteria for setting the number of clusters were the Bayesian (BIC), the percentage of classification error and the residuals analysis[25].

We opted for four clusters due to the lower BIC value and a satisfactory profile between the percentage of classification errors and the residuals profile. In addition to the criteria mentioned, we also considered the proportional number of women in each cluster. The clusters were named in reference to the mean SRQ-20 score and to the response patterns of the instrument variables.

Also in an exploratory manner, we performed a factor analysis of the instrument using a tetrachoric matrix and minimum values of 0.3 and 0.4 for factor loadings and communalities, respectively. The software used was FACTOR 10.9.02. This factor analysis identified two factors (Table 1). The first factor, called “depressive”, was composed of variables 6 (“Do you feel nervous, tense or worried?”), 9 (“Have you felt sad lately?”), 10 (“Have you cried more than usual?”), 11 (“Can you feel any pleasure in daily activities?”), 14 (“Do you feel useful in your life?”), 15 (“Have you been losing interest in life?”), 16 (“Do you feel like a worthless person?”), 17 (“Have you ever thought about ending your life?”) , 18 (“Do you feel tired all the time?”) , 20 (“Do you get tired easily?”). The second factor, called “digestive”, was composed of variables 7 (“Do you have poor digestion?”) and 19 (“Do you feel anything unpleasant in your stomach?”).

Table 1

Factor analysis using a tetrachoric matrix.

Variables	Factor 1 (Depressive)	Factor 2 (Digestive)	Commonality
6) Do you feel nervous, tense or worried?	0.468	0.267	0.416
7) Do you have poor digestion?	-0.108	0.888	0.702
9) Have you felt sad lately?	0.730	0.105	0.622
10) Have you cried more than usual?	0.665	0.018	0.455
11) Can you feel any pleasure in daily activities?	-0.848	0.157	0.610
14) Do you feel useful in your life?	-0.724	0.083	0.470
15) Have you lost interest in life?	0.936	-0.061	0.822
16) Do you feel that you are a worthless person?	0.854	-0.061	0.680
17) Have you ever thought about ending your life?	0.741	-0.106	0.481
18) Do you feel tired all the time?	0.674	0.191	0.620
19) Do you feel anything unpleasant in your stomach?	-0.070	0.971	0.879
20) Do you get tired easily?	0.578	0.284	0.580

Cluster 1, or “low”, had a mean SRQ of 1.94 (95% CI: 1.79–2.08), while the mean for cluster 4, or “high”, was 13.60 (95% CI: 13.25–13,93). The intermediate clusters (“medium-depressive” or 2, and “medium-digestive” or 3) had means close to the SRQ: 6.08 (95% CI: 5.87–6.29) and 7.63 (7.36–7.89), respectively, but with a more positive profile for the variables representative of the depressive factor in the first group and of digestive symptoms in the second group (Table 2). These variables called “depressive factor” and “digestive factor” were built out of the factor analysis of the instrument and had a maximum total value of 10 points and 2 points, respectively (Tables 1 and 2). After the clusters were identified, this database was migrated into SPSS and Stata 8.0 software, where we performed descriptive analyses of the sample as well as crude and adjusted analyses.

Table 2

Comparison between mean SRQ and digestive and depressive factors, according to the total sample and the different groups considered (n = 1,128).

	Sample Total (n = 1,128)	SRQ+ (Cut-off 6/7) (n = 450)	Cluster Low (n = 452)	Medium-Depressive Cluster (n = 240)	Middle-Digestive Cluster (n = 236)	Cluster High (n = 200)
Mean SRQ (95% CI)	6.07 (5.81–6.34)	10.76 (10.47–11.05)	1.94 (1.79–2.08)	6.08 (5.87–6.29)	7.63 (7.36–7.89)	13.60 (13.25–13.93)
Digestive factora (95% CI)	0.64 (0.60–0.69)	1.13 (1.05–1.21)	0.22 (0.17–0.27)	0.03 (0.01–0.04)	1.64 (1.57–1.70)	1.18 (1.06–1.30)
Depressive factorb (95% CI)	2.86 (2.71–3.01)	5.28 (5.08–5.49)	0.69 (0.62–0.76)	3,30 (3,14–3,46)	2,82 (2,66–2,98)	7,30 (7,10–7,49)

a Digestive factor: variable with values between 0-2, according to factorial findings in the sample.

b Depressive factor: variable with values between 0-10, according to factorial findings in the sample.

Regarding the response variables (response groups), 5 groups were considered. The first was the positive for CMD group, considering the cut-off point 6/7[10]. We used this group as a reference and more classic way of investigating associated factors in relation to the subject. The other four response groups were the four clusters described. We evaluated the association between explanatory variables and response variables (response groups) by prevalence ratios (PR) and confidence intervals (95% CI). The crude and adjusted analyses were performed by Poisson regression, with control for the design effect. In the adjusted analyses, all variables were initially included, sequentially removing from the analyses those that did not present a minimum p-value of 0.05. Finally, only significant variables remained in each of the five response groups considered.

RESULTS

When considering the different clusters, 40.1% of the women belonged in the “low” cluster, 21.3% in the “medium-depressive” cluster, 20.9% in the “medium-digestive” cluster, and 17.7% in the “high” cluster. As Table 3 shows, 39.9% of the women presented a positive CMD criterion, according to the cut-off point 6/7 in the SRQ-20 instrument (Table 3).

Table 3

Descriptive analysis of socioeconomic, demographic, behavioral, health and disease variables in the sample of women from the town of São Leopoldo, Southern Brazil (n = 1,128).

Groups	n	% SRQ+ (Cut-off 6/7)	% Low Cluster	% Medium-Depressive Cluster	% Medium-Digestive Cluster	% High Cluster
Variables	1,128	39.9	40.1	21.3	20.9	17.7
Age (years)
20–29	216	18.2	20.1	18.3	19.9	17.0
30–39	244	24.2	16.8	30.8	24.6	18.0
40–49	276	23.8	24.3	24.6	22.9	26.5
50–59	228	19.3	23.0	14.2	18.2	23.5
60 or older	164	14.4	15.7	12.1	14.4	15.0
Skin color
White	840	72.7	76.3	72.9	74.2	72.5
Non-white	288	27.3	23.7	27.1	25.8	27.5
Marital status
Partner	720	62.9	62.4	67.9	65.3	60.5
No partner	408	37.1	37.6	32.1	34.7	39.5
Education (years)
13 or more	114	4.8	14.6	8.0	11.0	2.1
10–12	391	30.6	38.4	35.9	35.2	27.1
5–9	417	40.4	34.8	40.5	32.6	46.4
4 or less	188	24.3	12.1	15.6	21.2	24.5
Social class
A or B	390	25.7	40.6	35.7	35.2	20.0
C	596	58.0	49.8	53.4	54.2	59.0
D or E	136	16.3	9.6	10.9	10.6	21.0
Work situation
Working	637	50.3	61.9	56.5	58.5	42.5
Retired/On leave.a	186	16.7	17.7	13.8	14.4	19.5
Housewife	182	18.7	13.5	17.6	14.0	23.0
Unemployed	121	14.3	6.9	12.1	13.1	15.0
Head of household
No	544	44.0	50.9	50.0	47.5	41.0
Yes	584	56.0	49.1	50.0	52.5	59.0
Smoking
No	661	54.0	62.4	61.3	58.5	47.0
Ex-smoker	259	21.8	23.9	21.3	26.3	19.0
Yes	208	24.2	13.7	17.5	15.3	34.0
Heavy alcohol use
No	1087	95.8	97.3	95.8	98.3	96.0
Yes	34	4.2	2.7	4.2	1.7	4.0
Physical activity
Yes	162	8.4	20.8	12.1	12.7	4.5
No	966	91.6	79.2	87.9	87.3	95.5
Pregnancies
None	172	11.3	18.8	15.4	15.3	7.0
1	254	19.8	23.7	25.4	22.0	17.0
2 or more	702	68.9	57.5	59.2	62.7	76.0
Chronic diseases
None	785	62.7	75.5	75.3	69.8	51.8
One	269	28.8	20.5	18.4	24.7	38.0
Two	66	8.5	4.0	6.3	5.5	10.2
Perception of health
Positive	748	45.6	83.4	66.3	62.7	32.0
Negative	380	54.4	16.6	33.8	37.3	68.0
Medical appointments / year
None	174	16.0	14.6	18.8	10.2	19.6
1	179	11.4	20.6	15.0	11.9	11.1
2–5	277	19.6	27.9	23.3	27.5	15.0
6–13	172	17.1	14.4	14.6	15.7	17.6
14 or more	325	35.9	22.6	28.3	34.7	36.7

a Retired / On leave: this category included women who are retired, on medical or maternity or receiving a government allowance. The numbers in bold refer to significant variables (p < 0.05) in each group considered.

Regarding socioeconomic and demographic variables, intermediate ages, between 30 and 49 years, were prevalent when the cut-off group was considered. Regarding the clusters, higher ages tended to be more prevalent in women with a higher SRQ-20. White skin color predominated in all groups, as did the marital status of having a partner. When analyzing education, the most educated group (13 years or more) was the least prevalent in the group with SRQ+ in relation to the cut-off point. In the clusters, education varied inversely with the highest SRQ-20 score. The least privileged social classes (D or E) were more prevalent in the “high” cluster. Class C was the most prevalent in all clusters and also when considering the cut-off point. Regarding work situation, the “working” status prevailed in all groups, and the distribution of women with the “head of household” status was similar, with a slight increase in prevalence in the cut-off point groups and in the “high” cluster (Table 3).

When considering the behavioral variables, non-smoking and physically inactive women predominated in all groups. Heavy alcohol use (> 30g of alcohol per day) had very little prevalence in all groups (Table 3).

Most women reported not having any chronic disease (diabetes or high blood pressure). Most also reported two or more pregnancies. Perception of positive health varied inversely with the clusters regarding the highest score in SRQ-20: the highest frequency (83.4%) was found in the “low” cluster, and the lowest (32%) in the “high” cluster. The indicator of the number of medical appointments per year varied according to the group, and it was distributed more irregularly (Table 3).

In the crude and adjusted analyses, the cluster with the highest protection for CMD, which was called “low”, presented a relationship between age, education, work situation, physical activity, perception of health and number of medical appointments per year (Table 4). Social class, smoking, physical activity, existence of chronic diseases and perception of health were associated with the “high” cluster (Table 4). In the intermediate clusters, only two factors were identified: age in the “medium-depressive” cluster, and number of medical appointments per year in the “medium-digestive” cluster (Table 5).

Table 4

Crude and adjusted analysis of groups with SRQ + according to cut-off point 6/7, “low” cluster and “high” cluster.

Groups	SRQ + (Cut-off 6/7)		Cluster 1 (Low)		Cluster 4 (High)
	PR Crude	Adjusted PR	PR Crude	Adjusted PR	Crude PR	Adjusted PR
Variables
Age (years)
20–29	1	1	1	1
30–39	1.18 (0.92–1.51)	1.20 (0.94–1.53)	0.74 (0.57–0.96)	0.73 (0.56–0.95)
40–49	1.02 (0.79–1.32)	0.90 (0.71–1.16)	0.95 (0.76–1.17)	0.98 (0.79–1.21)
50–59	1.01 (0.74–1.37)	0.79 (0.60–1.02)	1.08 (0.85–1.37)	1.24 (1.00–1.53)
60 or older	1.04 (0.79–1.39)	0.73 (0.54–0.99)	1.03 (0.79–1.33)	1.23 (0.93–1.61)
Education (years)
13 or more	1	1	1	1
10–12	1.87 (1.23–2.86)	1.59 (1.07–2.37)	0.77 (0.64–0.92)	0.90 (0.75–1.08)
5–9	2.32 (1.48–3.62)	1.71 (1.12–2.60)	0.65 (0.54–0.78)	0.84 (0.70–1.00)
4 or less	3.09 (1.92–4.98)	2.20 (1.44–3.35)	0.50 (0.35–0.73)	0.68 (0.48–0.95)
Social class
A or B
C					1.93 (1.31–2.85)	1.16 (0.80–1.69)
D or E					3.01 (2.05–4.43)	1.76 (1.19–2.58)
Work situation
Working			1	1
Retired/On leavea			0.98 (0.84–1.15)	1.06 (0.91–1.24)
Housewife			0.77 (0.59–1.00)	0.88 (0.67–1.15)
Unemployed			0.58 (0.43–0.80)	0.70 (0.53–0.92)
Smoking
No	1	1			1	1
Ex-smoker	1.03 (0.87–1.22)	0.97 (0.82–1.14)			1.03 (0.77–1.38)	0.92 (0.69–1.22)
Yes	1.43 (1.24–1.65)	1.13 (0.99–1.31)			2.30 (1.79–2.95)	1.67 (1.30–2.16)
Heavy alcohol use
No	1	1
Yes	1.42 (1.05–1.90)	1.41 (1.11–1.79)
Physical activity
Ativo	1	1	1	1	1	1
Inactive	1.82 (1.33–2.49)	1.35 (1.00–1.82)	0.64 (0.54–0.76)	0.78 (0.67–0.92)	3.56 (1.87–6.77)	2.19 (1.19–4.02)
Chronic diseases
None					1	1
One					2.15 (1.61–2.87)	1.49 (1.12–1.98)
Two					2.33 (1.44–3.78)	1.36 (0.84–2.21)
Perception of health
Positive	1	1	1	1	1	1
Negative	2.35 (2.06–2.68)	2.09 (1.86–2.34)	0.39 (0.32–0.49)	0.44 (0.35–0.55)	4.18 (3.15–5.55)	3.14 (2.31–4.27)
Medical appointments / year
None	1	1	1	1
1	0.69 (0.52–0.91)	0.74 (0.55–1.01)	1.37 (1.08–1.74)	1.29 (1.02–1.64)
2–5	0.77 (0.61–0.96)	0.87 (0.71–1.07)	1.20 (0.96–1.50)	1.08 (0.86–1.36)
6–13	1.08 (0.87–1.34)	1.21 (0.98–1.50)	1.00 (0.75–1.33)	0.93 (0.70–1.22)
14 or more	1.20 (0.96–1.50)	1.19 (0.95–1.50)	0.83 (0.63–1.09)	0.83 (0.63–1.09)

PR: prevalence ratio.

a Retired / On leave: this category included women who are retired, on medical or maternity leave or receiving a government allowance.

Table 5

Associated factors in relation to intermediate clusters.

Groups	Cluster 2 (Medium-Depressive)		Cluster 3 (Medium-Digestive)
	Crude PR	Adjusted PR	Crude PR	Adjusted PR
Variables
Agea (years)
20–29	1	1
30–39	1.49 (1.06–2.09)	1.49 (1.06–2.09)
40–49	1.05 (0.73–1.51)	1.05 (0.73–1.51)
50–59	0.73 (0.48–1.12)	0.73 (0.48–1.12)
60 or older	0.87 (0.57–1.33)	0.87 (0.57–1.33)
Appointments/yearb
None			1	1
1			1.13 (0.69–1.85)	1.13 (0.69–1.85)
2–5			1.70 (1.08–2.67)	1.70 (1.08–2.67)
6–13			1.56 (0.96–2.52)	1.56 (0.96–2.52)
14 or more			1.83 (1.12–2.98)	1.83 (1.12–2.98)

PR: prevalence ratio.

a The only significant variable in cluster 2.

b The only significant variable in cluster 3.

When considering the cut-off point group, we found a relationship between age, education, smoking, heavy alcohol use, physical activity, perception of health and number of medical appointments per year. In this group, the lowest prevalence ratios were found in older women. In the age category between 30 and 39 years, we found prevalence 20% higher than the reference category (being aged between 20 and 29 years). The “low” cluster showed a consistent trend of increasing prevalence of women as age increased. The prevalence ratio was 1.24 in the group of women aged between 50 and 59 years (Table 4).

Schooling proved to be a relevant associated factor when considering the cut-off point, with 2.2 times higher prevalence in the group between 0 and 4 years of schooling compared to the reference category of 13 years of schooling or more. This variable was also significant in the “low” cluster, as we found the lowest prevalence ratio (0.68) among women with the lowest schooling. This demonstrates the protective effect of the variable in relation to CMD. Social class showed an association only in the “high” cluster, with a prevalence ratio of 1.76 in the lower classes (D or E). Work situation, one more related socioeconomic variable, showed an inverse linear trend toward work-unemployment in the “low” cluster. The prevalence ratio was a lower (0.70) and the significance was higher among unemployed women (Table 4).

In the behavioral variable that considered smoking, the prevalence ratios were significant in the category of smokers, both in the cut-off point group (PR = 1.13) and in the “high” cluster (PR = 1.67). Heavy alcohol use (intake > 30 grams of alcohol/day) was only associated with the cut-off point group. The prevalence ratio was 1.41.

Regarding physical activity, there was an association between being physically inactive in the cut-off point groups (PR = 1.35), “low” cluster (PR = 0.78) and “high” cluster (PR = 2.19), with all confidence intervals consistent (Table 4). Similarly and significantly, the perception of health variable showed associations in the three groups. The lowest prevalence ratio of a negative perception was found in the “low” cluster (PR = 0.44), and the highest in the “high” cluster (PR = 3.14), The intermediate value was found in the cut-off point group (PR = 2.09) (Table 4).

Existence of chronic diseases was significant only in the “high” cluster, with slightly higher prevalence in the category “having one chronic disease” (PR = 1.49) compared to “having two” (PR = 1.36) (Table 4).

With regard to medical appointments, the cut-off point group showed a lower prevalence trend in relation to the reference (no appointments) in the categories between 1 and 5 appointments, and increasing prevalence in relation to a greater number of appointments (6 or more). The “low” cluster showed significance in the categories of one appointment, and 14 or more appointments. The prevalence ratios were 1.29 and 0.83, respectively (Table 4). The “medium-digestive” cluster showed a trend of progressive prevalence ratios in the same direction as the categories with the highest number of appointments. The highest value found (PR = 1.83) was the one corresponding to the category with the most appointments: 14 or more (Table 5).

We also investigated the mean SRQ-20 in each analyzed group, as well as digestive (variables 7 and 19) and depressive (variables 6, 9, 10, 11, 14, 15, 16, 17, 18 e 20) factors, defined according to factor analysis of the sample (Tables 1 and 2). Regarding the digestive factor, we observed that the “medium-digestive” cluster was the one with the highest score in this factor, higher even than the “high” cluster. The “medium-depressive” cluster was the one with the lowest score in this factor, lower even than the “low” cluster (Table 2).

DISCUSSION

The literature indicates a significant association between CMD and the female sex. Mood disorders and anxiety are more prevalent in women compared to men, who in turn are more likely to present disorders related to substance use[4]. Studies that aim to identify CMD associated factors with mental health screening instruments and their response patterns, based on specific population bases of women, add data to this context. When considering the classic view of the analysis of the factors associated with CMD based on a cut-off point, we should bear in mind that within the groups without the disease (SRQ-) or with the disease (SRQ+) – represented in this study by psychiatric morbidity –, there may be different subgroups or clusters with particular characteristics and specific associated factors.

The use of the traditional cut-off point can cause associated factors to be assigned or identified in groups that, however heterogeneous, will be “homogenized” by this methodology. The evaluation by subgroups or clusters based on the response patterns of SRQ-20 allowed us to visualize in which group each associated factor exhibited relevance. This new insight may, therefore, result in more specific studies on CMD and associated factors, questioning the traditional cut-off point.

When considering age as a factor associated with CMD, the literature has shown contradictory results[2,3,12,13,21]. Most studies reviewed found a consistent increase in the prevalence of CMD with age, which is not a finding of this study. The results found here likely reflect the increasing demands and increasing stress among younger women[13]. Due to the analysis used, which included clusters, we observed a protective effect of age in relation to CMD, with a tendency to increase the presence of older women in the SRQ-20 lowest-scoring group (“low” cluster). However, in clusters with greater probability of presenting CMD, the trend proved to be inverse. Thus, the prevalence of older women decreased as the scores in the SRQ-20 progressed (“medium-depressive” cluster and cut-off point group).

Studies have shown that social disadvantages such as low education, income, class, and unemployment remain the most consistent risk factors for CMD[2,3,12,14]. Although social class and education are related variables, in this study, these two variables presented different influence when the clusters were evaluated. As a result, higher education had a protective effect for CMD, as shown in the “low” cluster, as well as the context of labor history. The literature describes that working is supposed to have a protective effect against CMD on women, as opposed to being a housewife or being unemployed[3,21]. Social class was the only socioeconomic variable identified in the group with the highest probability of psychiatric morbidity (“high” cluster), which shows a trend of higher prevalence among the lower social classes, with a significant prevalence ratio of 1.76 in classes D or E.

In the cut-off point group, only schooling was important as a socioeconomic variable, with evidence of consistently increasing prevalence as schooling decreases. Consequently, women with worse economic or socially underprivileged conditions should experience greater mental suffering. With these data, we can assume that lower unemployment rates, increased education and access to more privileged classes would improve mental health. Each of these variables has a different influence on each group considered.

Regarding smoking, the analysis showed significance in the category of women who are currently smokers in the cut-off point group, corroborating other studies conducted in Southern Brazil[13,20]. This association was also found in the “high” cluster, but with greater magnitude. Thus, we infer that the influence of smoking occurred mainly among women with the highest SRQ, and not in intermediate values, as the cut-off point methodology might suggest.

Studies have also identified alcoholism and its relationship with CMD[13,20,26]. With the cut-off point criterion, CMD was associated with the behavioral variable of heavy alcohol use (> 30g alcohol/day). This relationship was not shown in the analysis according to the clusters, which demonstrates that the analysis based on the traditional cut-off point found different results on account of submitting women with different values of SRQ+ (which could vary from 7 to 20) to the same analysis.

The physical activity and health perception variables were significant both in the cut-off group and in the end clusters (“low” and “high”). As the literature describes, we found a beneficial effect of physical activity in relation to physical and psychosocial well-being, which is reflected in the prevalence ratios in the “low” cluster. Muscle growth and the decreased percentage of fat, optimization of cardiorespiratory conditions, decreased anxiety and depression – which impact on mood and self-esteem – are some of the possible protective effects against CMD and several chronic diseases[13]. Corroborating other studies, we found a higher prevalence of physically inactive women in the cut-off point groups and the “high” cluster, which presented higher psychiatric morbidity[13,26]. Self-perception of health considered negative presented higher prevalence ratios in the SRQ-20 highest scoring groups (cut-off point and “high” cluster), agreeing with findings in the literature[2,13,21].

Regarding the existence of chronic diseases, international research by the World Health Organization (WHO) in 17 countries showed an association between CMD and several chronic pathologies, such as diabetes, asthma, hypertension, arthritis, ulcer and heart disease[27]. Though the literature indicates an association between CMD and chronic conditions with the traditional cut-off point, this study only found an association with these conditions in the higher SRQ group (“high”). This finding suggests that measures that optimize chronic disease management may have an impact among women with higher psychiatric morbidity. In the “high” cluster, the concomitance of behavioral factors (smoking and physical inactivity) with health and disease variables (negative self-perception of health and chronic diseases) was clearly characterized.

The highest scoring cluster in the digestive factor (“medium-digestive”) presented a progressive relationship with the number of medical appointments. According to Bekhuis et al.[28], there are different combinations between depressive, anxious and somatic symptoms, which impacts on the demand for health services. In this sample, digestive symptoms motivated a greater number of medical appointments than the SRQ-20 score itself or depressive symptoms. Thus, these digestive symptoms require special care and attention to complex interpretations arising from the expressed symptoms, in order to better understand this demand.

In summary, considering the associated factors found, the “low” cluster is comprised mostly of women who are older, more educated, physically active, and have a work history, positive self-perception of health and a tendency to have few medical appointments. The “high” cluster consists of women who are from the lower classes, smokers, physically inactive and have chronic diseases and a negative self-perception of health. Women with a tendency to seek more for medical appointments, intermediate SRQ-20 values and greater expression of digestive symptoms in general belong in the middle-digestive cluster. The middle-depressive cluster, also with intermediate SRQ-20 values, is comprised of young women who report symptoms more consistent with the depressive sphere. The cut-off point group is comprised of younger women who are heavy alcoholics and smokers, physically inactive, have low education, a self-perception of poor health and a greater tendency to require medical appointments.

As limitations of this study, we can mention the impossibility of extending its findings to the general population, as the sample was restricted to women. There is also the possibility of reverse causality, since this is a cross-sectional study. In spite of this, studies of this kind are important tools to identify and describe risk groups, thus contributing to the planning of health care actions[29,30].

CONCLUSION

This study, which used latent class cluster analysis, presents a fresh, one-of-a-kind perspective on CMD and associated factors. The characterization of subgroups, defined by the response profile of the SRQ-20 instrument, allowed finding particular associated factors, which provides more specific results. In this perspective, and considering the relevance of the subject, further studies using this methodology are necessary.

INTRODUÇÃO

O termo “transtornos mentais comuns” (TMC) refere-se a um conjunto de sintomas depressivos, insônia, fadiga, irritabilidade, esquecimento e dificuldade de concentração, além de queixas somáticas e sentimento de inutilidade[1]. Esses transtornos, mais prevalentes em mulheres, causam sofrimento e incapacidade funcional, além de impactarem em diversos desfechos de saúde, econômicos e sociais[2,3].

Foram identificadas prevalências de 17,6% no ano e 29,2% na vida em estudo de revisão sistemática e metanálise de Steel et al.[4] que observou efeito consistente do sexo feminino em relação a transtornos de humor e ansiedade. Estudos realizados no Brasil demonstraram prevalência elevada na atenção primária em saúde[5] e maior razão de chance de TMC em mulheres[6].

O Self-Reporting Questionnaire-20 (SRQ-20), um dos instrumentos mais recomendados e utilizados para rastrear transtornos mentais comuns, encontra-se validado inclusive no Brasil[7]. Diversos estudos de fatores associados aos TMC utilizaram esse instrumento para definir a presença de morbidade psiquiátrica, baseando-se no critério do ponto de corte. No Brasil, os pontos de corte mais utilizados para as mulheres têm sido 6/7[10]e 7/8[11].

Seguindo esse critério, estudos identificaram que indivíduos de sexo feminino[2,3,5,12], de cor não branca[2,13], pertencentes a grupos com desvantagem social (classe social mais baixa e menor renda, desempregados e com escolaridade baixa)[2,3,12,14], tabagistas[13,15], etilistas pesados[16,17], inativos fisicamente[13], com doenças crônicas[13,18] e com autopercepção de saúde ruim[13,19] apresentaram maiores prevalências de TMC. Além disso, a maior utilização dos serviços de saúde, com mais consultas/ano, também foi identificada como marcador de TMC[20]. A relação da idade[2,3,12,13,21] e do estado conjugal[2,3,13,22] com os TMC tem demonstrado resultados contraditórios.

Não foram encontrados estudos explorando fatores associados aos TMC além da tradicional análise de estudos observacionais, que constrói o desfecho a partir de pontos de corte e pode não reconhecer subgrupos ou clusters. O presente estudo propõe-se a investigar fatores associados aos TMC em uma amostra de mulheres adultas no Sul do Brasil, utilizando o ponto de corte e também identificando clusters ou subgrupos pela técnica de análise de classe latente (com o instrumento SRQ-20), seguida de análise de regressão de Poisson.

MÉTODOS

O estudo transversal “Condições de vida e saúde de mulheres adultas: estudo de base populacional no Vale dos Sinos – avaliação após 10 anos” contemplou amostra de 1.128 mulheres no município de São Leopoldo (RS). A pesquisa teve protocolo aprovado pelo Comitê de Ética da Unisinos sob o nº 650.443. Cada participante foi esclarecida a respeito dos objetivos do estudo e, após leitura e assinatura de termo de consentimento livre e esclarecido em duas vias, procedeu-se a coleta de dados.

Estabeleceram-se como critérios de inclusão: ser mulher residente em algum dos setores censitários e domicílios sorteados da zona urbana de São Leopoldo e ter idade entre 20 e 69 anos. As mulheres que, apesar de estarem no domicílio sorteado à época da pesquisa, não residiam nesse domicílio, assim como aquelas que não apresentaram condições físicas/mentais para responder o questionário, ou que estavam grávidas, foram excluídas.

Foi realizada amostragem por conglomerados, com 40 setores censitários sorteados entre os 371 da zona urbana do município de São Leopoldo. O tamanho da amostra do estudo de base foi calculado para identificar uma razão de risco de 2,0, com um nível de confiança de 95% e poder estatístico de 80%, mantendo razão de expostos: não expostos de 2:1. Consideraram-se não expostos os pertencentes à categoria de maior escolaridade (15 ou mais anos de estudo). Com base nesses pressupostos, optou-se pelo maior tamanho de amostra calculado (1.013 mulheres para a variável exame citopatológico atrasado). Foram acrescentados 10% para eventuais perdas/recusas e 15% para controlar fatores de confusão na análise dos dados, totalizando aproximadamente 1.281 mulheres. Após consideradas as perdas e recusas, que corresponderam a 11,9%, o número total final foi de 1.128 mulheres entrevistadas.

As informações foram coletadas por meio de questões de instrumento construído (abarcando dados demográficos, socioeconômicos e comportamentais sobre saúde/doença, utilização de serviços sanitários, medicamentos e gastos em saúde) e de questões pertencentes a instrumentos validados, destacando-se o SRQ-20, aplicado para rastrear TMC. Os questionários foram aplicados diretamente às residentes, nos domicílios sorteados. Conduziu-se o trabalho de campo com rigor, e os entrevistadores foram submetidos a programa de treinamento com padronização de medidas e estudo-piloto. O banco de dados foi digitado em duplicidade para posterior comparação. Realizou-se o controle de qualidade por meio de instrumento resumido composto de 10 questões, aplicado em 10% da amostra, por contato telefônico ou visita domiciliar.

Foram consideradas como variáveis explicativas: idade (20–29, 30–39, 40–49, 50–59, 60 anos ou mais), cor da pele (branca e não branca), situação conjugal (como ou sem parceiro), escolaridade (4 anos ou menos de estudo, 5 a 9 anos de estudo, 10 a 12 anos de estudo, 13 anos de estudo ou mais), classe econômica (A ou B, C, D ou E), situação laboral (trabalhando, aposentada/afastada/recebendo benefício, dona de casa, desempregada), ser ou não chefe de família, tabagismo (não fumante, ex-fumante ou fumante), etilismo pesado, definido pela ingestão de mais de 30 gramas de álcool/dia (não ou sim), atividade física de lazer, segundo critério do International Physical Activity Questionnaire[23](IPAQ) (fisicamente ativa ou inativa), gestações prévias (nenhuma, uma e duas ou mais), presença de doenças crônicas, referindo-se a diabetes ou hipertensão arterial (nenhuma doença, alguma das doenças, ou as duas doenças), percepção de saúde (positiva ou negativa) e número de consultas por ano (1 consulta, 2–5, 6–13, 14 ou mais consultas).

Para o presente estudo, foi construído um banco de dados resumido, composto somente pelas variáveis de exposição e pelo instrumento SRQ-20. Após a construção do banco referido, identificaram-se clusters a partir dos padrões de respostas do instrumento SRQ-20, por meio de análise de classe latente com o software Latent GOLD 5.1. Essa técnica apresenta vantagens em relação às técnicas de clusterização convencionais[24]. Os critérios para definir o número de clusters foram o bayesiano (BIC), a porcentagem de erro de classificação e a análise de resíduos[25].

Optou-se por quatro clusters devido ao menor valor de BIC, assim como por um perfil satisfatório entre a porcentagem de erros de classificação e o perfil de resíduos. Além dos critérios mencionados, também se considerou o número proporcional de mulheres em cada cluster. A denominação dada aos clusters se refere a pontuação média do SRQ-20, assim como aos padrões de resposta das variáveis do instrumento.

Também de modo exploratório, realizou-se uma análise fatorial do instrumento, utilizando matriz tetracórica e valores mínimos de 0,3 e 0,4 para cargas fatoriais e comunalidades, respectivamente. O software utilizado foi o FACTOR 10.9.02. Essa análise fatorial identificou dois fatores (Tabela 1). O primeiro fator, denominado “depressivo”, foi composto pelas variáveis 6 (“Você se sente nervosa, tensa ou preocupada?”), 9 (“Você tem se sentido triste ultimamente?”), 10 (“Você tem chorado mais do que de costume?”), 11 (“Você consegue sentir algum prazer nas atividades diárias?”), 14 (“Você se sente útil na sua vida?”), 15 (“Você tem perdido o interesse pela vida?”), 16 (“Você se sente uma pessoa sem valor?”), 17 (“Você alguma vez pensou em acabar com a sua vida?”), 18 (“Você se sente cansada o tempo todo?”), 20 (“Você se cansa com facilidade?”). Já o segundo fator, denominado “digestivo”, foi composto pelas variáveis 7 (“Você tem má digestão?”) e 19 (“Você sente alguma coisa desagradável no estômago?”).

Tabela 1

Análise fatorial utilizando matriz tetracórica.

Variáveis	Fator 1 (Depressivo)	Fator 2 (Digestivo)	Comunalidade
6) Você (a sra.) se sente nervosa, tensa ou preocupada?	0,468	0,267	0,416
7) Você (a sra.) tem má digestão?	-0.108	0,888	0,702
9) Você (a sra.) tem se sentido triste ultimamente?	0,730	0,105	0,622
10) Você (a sra.) tem chorado mais do que de costume?	0.665	0,018	0,455
11) Você (a sra.) consegue sentir algum prazer nas atividades diárias?	-0,848	0,157	0,610
14) Você (a sra.) se sente útil na sua vida?	-0,724	0,083	0,470
15) Você (a sra.) tem perdido o interesse pela vida?	0,936	-0,061	0,822
16) Você (a sra.) se sente uma pessoa sem valor?	0,854	-0,061	0,680
17) Você (a sra.) alguma vez pensou em acabar com sua vida?	0,741	-0,106	0,481
18) Você (a sra.) se sente cansada o tempo todo?	0,674	0,191	0,620
19) Você (a sra.) sente alguma coisa desagradável no estômago?	-0.070	0,971	0,879
20) Você (a sra.) se cansa com facilidade?	0,578	0,284	0,580

O cluster 1, ou “baixo”, apresentou um SRQ médio de 1,94 (IC95%: 1,79–2,08), enquanto no cluster 4, ou “alto”, a média foi de 13,60 (IC95%: 13,25–13,93). Os clusters intermediários (“médio-depressivo” ou 2, e “médio-digestivo” ou 3) apresentaram médias próximas de SRQ: 6,08 (IC95%: 5,87–6,29) e 7,63 (7,36–7,89), respectivamente, porém com um perfil mais positivo para as variáveis representativas do fator depressivo no primeiro grupo e de sintomas digestivos no segundo grupo (Tabela 2). Essas variáveis denominadas “fator depressivo” e “fator digestivo” foram construídas a partir da análise fatorial do instrumento e tiveram valor total máximo de 10 pontos e 2 pontos, respectivamente (Tabelas 1 e 2). Após a identificação dos clusters, esse banco foi migrado para os softwares SPSS e Stata 8.0, onde foram realizadas análises descritivas da amostra, além de análises brutas e ajustadas.

Tabela 2

Comparação entre os SRQ médio e os fatores digestivo e depressivo, segundo a amostra total e os diferentes grupos considerados (n = 1.128).

	Amostra Total (n = 1.128)	SRQ+ (Corte 6/7) (n = 450)	Cluster Baixo (n = 452)	Cluster Médio-Depressivo (n = 240)	Cluster Médio-Digestivo (n = 236)	Cluster Alto (n = 200)
SRQ média (IC95%)	6,07 (5,81–6,34)	10,76 (10,47–11,05)	1,94 (1,79–2,08)	6,08 (5,87–6,29)	7,63 (7,36–7,89)	13,60 (13,25–13,93)
Fator digestivoa (IC95%)	0,64 (0,60–0,69)	1,13 (1,05–1,21)	0,22 (0,17–0,27)	0,03 (0,01–0,04)	1,64 (1,57–1,70)	1,18 (1,06–1,30)
Fator depressivob (IC95%)	2,86 (2,71–3,01)	5,28 (5,08–5,49)	0,69 (0,62–0,76)	3,30 (3,14–3,46)	2,82 (2,66–2,98)	7,30 (7,10–7,49)

a Fator digestivo: variável com valores entre 0–2, segundo achados fatoriais na amostra.

b Fator depressivo: variável com valores entre 0–10, segundo achados fatoriais na amostra.

Em relação às variáveis de resposta (grupos-resposta), foram contemplados 5 grupos. O primeiro foi o grupo positivo para TMC, considerando o ponto de corte 6/7[10]. Utilizou-se esse grupo a modo de referência, como uma forma mais clássica de investigar fatores associados em relação ao assunto. Os outros quatro grupos-resposta foram os quatro clusters descritos. Avaliou-se a associação entre as variáveis explicativas e as variáveis de resposta (grupos-resposta) pelas razões de prevalência (RP) e pelos intervalos de confiança (IC95%). As análises brutas e ajustadas foram realizadas por meio da regressão de Poisson, com controle para efeito de delineamento. Nas análises ajustadas, incluíram-se inicialmente todas as variáveis, retirando sequencialmente das análises aquelas que não apresentaram valor-p mínimo de 0,05. Por fim, permaneceram somente as variáveis significativas em cada um dos cinco grupos-resposta considerados.

RESULTADOS

Ao considerar os diferentes clusters, 40,1% das mulheres pertenceram ao cluster denominado “baixo”, 21,3% ao cluster “médio-depressivo”, 20,9% ao “médio-digestivo”, e 17,7% ao cluster “alto”. Como mostra a Tabela 3, 39,9% das mulheres apresentaram critério de TMC positivo, segundo o ponto de corte 6/7 no instrumento SRQ-20 (Tabela 3).

Tabela 3

Análise descritiva das variáveis socioeconômicas, demográficas, comportamentais e de saúde e doença na amostra de mulheres do município de São Leopoldo, Sul do Brasil (n = 1.128).

Grupos	n	% SRQ+ (Corte 6/7)	% Cluster Baixo	% Cluster Médio-Depressivo	% Cluster Médio-Digestivo	% Cluster Alto
Variáveis	1.128	39,9	40,1	21,3	20,9	17,7
Idade (anos)
20–29	216	18,2	20,1	18,3	19,9	17,0
30–39	244	24,2	16,8	30,8	24,6	18,0
40–49	276	23,8	24,3	24,6	22,9	26,5
50–59	228	19,3	23,0	14,2	18,2	23,5
60 ou mais	164	14,4	15,7	12,1	14,4	15,0
Cor da pele
Branca	840	72,7	76,3	72,9	74,2	72,5
Não branca	288	27,3	23,7	27,1	25,8	27,5
Situação conjugal
Com parceiro	720	62,9	62,4	67,9	65,3	60,5
Sem parceiro	408	37,1	37,6	32,1	34,7	39,5
Escolaridade (anos)
13 ou mais	114	4,8	14,6	8,0	11,0	2,1
10–12	391	30,6	38,4	35,9	35,2	27,1
5–9	417	40,4	34,8	40,5	32,6	46,4
4 ou menos	188	24,3	12,1	15,6	21,2	24,5
Classe econômica
A ou B	390	25,7	40,6	35,7	35,2	20,0
C	596	58,0	49,8	53,4	54,2	59,0
D ou E	136	16,3	9,6	10,9	10,6	21,0
Situação laboral
Trabalhando	637	50,3	61,9	56,5	58,5	42,5
Aposent./afast.a	186	16,7	17,7	13,8	14,4	19,5
Dona de casa	182	18,7	13,5	17,6	14,0	23,0
Desempregada	121	14,3	6,9	12,1	13,1	15,0
Chefe de família
Não	544	44,0	50,9	50,0	47,5	41,0
Sim	584	56,0	49,1	50,0	52,5	59,0
Tabagismo
Não	661	54,0	62,4	61,3	58,5	47,0
Ex-tabagista	259	21,8	23,9	21,3	26,3	19,0
Sim	208	24,2	13,7	17,5	15,3	34,0
Etilismo pesado
Não	1087	95,8	97,3	95,8	98,3	96,0
Sim	34	4,2	2,7	4,2	1,7	4,0
Atividade física
Sim	162	8,4	20,8	12,1	12,7	4,5
Não	966	91,6	79,2	87,9	87,3	95,5
Gestações
Nenhuma	172	11,3	18,8	15,4	15,3	7,0
1	254	19,8	23,7	25,4	22,0	17,0
2 ou mais	702	68,9	57,5	59,2	62,7	76,0
Doenças crônicas
Nenhuma	785	62,7	75,5	75,3	69,8	51,8
Uma	269	28,8	20,5	18,4	24,7	38,0
Duas	66	8,5	4,0	6,3	5,5	10,2
Percepção saúde
Positiva	748	45,6	83,4	66,3	62,7	32,0
Negativa	380	54,4	16,6	33,8	37,3	68,0
Consultas/ano
Nenhuma	174	16,0	14,6	18,8	10,2	19,6
1	179	11,4	20,6	15,0	11,9	11,1
2–5	277	19,6	27,9	23,3	27,5	15,0
6–13	172	17,1	14,4	14,6	15,7	17,6
14 ou mais	325	35,9	22,6	28,3	34,7	36,7

a Aposent./afast.: categoria que compreendeu mulheres aposentadas, afastadas, recebendo benefício ou licença-maternidade. Os valores em negrito são referentes a variáveis significativas (p < 0,05) em cada grupo considerado.

Em relação às variáveis socioeconômicas e demográficas, houve predomínio de idades intermediárias, entre 30 e 49 anos, quando considerado o grupo do ponto de corte. Já em relação aos clusters, as idades mais elevadas tenderam a ser mais prevalentes naquelas mulheres com SRQ-20 mais elevado. A cor da pele branca predominou em todos os grupos, assim como a situação conjugal de ter parceiro. Ao se analisar a escolaridade, o grupo com maior estudo (13 anos ou mais) foi o menos prevalente no grupo com SRQ+ em relação ao ponto de corte. Nos clusters, a escolaridade variou inversamente com a maior pontuação do SRQ-20. As classes econômicas menos privilegiadas (D ou E) foram mais prevalentes no cluster “alto”, sendo a classe C a mais prevalente em todos os clusters, assim como quando considerado o ponto de corte. Em relação à situação laboral, a condição de estar trabalhando prevaleceu em todos os grupos, e a distribuição de mulheres com a condição de ser chefe de família foi similar, com ligeiro aumento da prevalência nos grupos do ponto de corte e no cluster “alto” (Tabela 3).

Ao se considerar as variáveis comportamentais, as mulheres não tabagistas e fisicamente inativas predominaram em todos os grupos. O etilismo pesado (> 30g de álcool/dia) foi muito pouco prevalente em todos os grupos (Tabela 3).

A maioria das mulheres relatou não apresentar nenhuma doença crônica (diabetes ou hipertensão arterial). A maior parte também relatou duas ou mais gestações. A percepção de saúde positiva variou inversamente com os clusters em relação à maior pontuação no SRQ-20: a maior frequência (83,4%) foi encontrada no cluster “baixo”, e a menor (32%) no cluster “alto”. O indicador do número de consultas/ano variou conforme o grupo, distribuindo-se de maneira mais irregular (Tabela 3).

Nas análises brutas e ajustadas, no cluster de maior proteção para os TMC, que foi denominado “baixo”, encontrou-se relação entre idade, escolaridade, situação laboral, atividade física, percepção de saúde e número de consultas/ano (Tabela 4). A classe econômica, o tabagismo, a atividade física, a presença de doenças crônicas e a percepção de saúde estiveram associados ao cluster “alto” (Tabela 4). Nos clusters intermediários, somente dois fatores foram identificados: a idade no cluster “médio-depressivo”, e o número de consultas/ano no cluster “médio-digestivo” (Tabela 5).

Tabela 4

Análises brutas e ajustadas dos grupos com SRQ+ segundo o ponto de corte 6/7, cluster “baixo” e cluster “alto”.

Grupos	SRQ + (Corte 6/7)		Cluster 1 (Baixo)		Cluster 4 (Alto)
	RP Bruta	RP Ajustada	RP Bruta	RP Ajustada	RP Bruta	RP Ajustada
Variáveis
Idade (anos)
20–29	1	1	1	1
30–39	1,18 (0,92–1,51)	1,20 (0,94–1,53)	0,74 (0,57–0,96)	0,73 (0,56–0,95)
40–49	1,02 (0,79–1,32)	0,90 (0,71–1,16)	0,95 (0,76–1,17)	0,98 (0,79–1,21)
50–59	1,01 (0,74–1,37)	0,79 (0,60–1,02)	1,08 (0,85–1,37)	1,24 (1,00–1,53)
60 ou mais	1,04 (0,79–1,39)	0,73 (0,54–0,99)	1,03 (0,79–1,33)	1,23 (0,93–1,61)
Escolaridade (anos)
13 ou mais	1	1	1	1
10–12	1,87 (1,23–2,86)	1,59 (1,07–2,37)	0,77 (0,64–0,92)	0,90 (0,75–1,08)
5–9	2,32 (1,48–3,62)	1,71 (1,12–2,60)	0,65 (0,54–0,78)	0,84 (0,70–1,00)
4 ou menos	3,09 (1,92–4,98)	2,20 (1,44–3,35)	0,50 (0,35–0,73)	0,68 (0,48–0,95)
Classe econômica
A ou B
C					1,93 (1,31–2,85)	1,16 (0,80–1,69)
D ou E					3,01 (2,05–4,43)	1,76 (1,19–2,58)
Situação laboral
Trabalhando			1	1
Aposent./afast.a			0,98 (0,84–1,15)	1,06 (0,91–1,24)
Dona de casa			0,77 (0,59–1,00)	0,88 (0,67–1,15)
Desempregada			0,58 (0,43–0,80)	0,70 (0,53–0,92)
Tabagismo
Não	1	1			1	1
Ex-tabagista	1,03 (0,87–1,22)	0,97 (0,82–1,14)			1,03 (0,77–1,38)	0,92 (0,69–1,22)
Sim	1,43 (1,24–1,65)	1,13 (0,99–1,31)			2,30 (1,79–2,95)	1,67 (1,30–2,16)
Etilismo pesado
Não	1	1
Sim	1,42 (1,05–1,90)	1,41 (1,11–1,79)
Atividade física
Ativo	1	1	1	1	1	1
Inativo	1,82 (1,33–2,49)	1,35 (1,00–1,82)	0,64 (0,54–0,76)	0,78 (0,67–0,92)	3,56 (1,87–6,77)	2,19 (1,19–4,02)
Doenças crônicas
Nenhuma					1	1
Uma					2,15 (1,61–2,87)	1,49 (1,12–1,98)
Duas					2,33 (1,44–3,78)	1,36 (0,84–2,21)
Percepção saúde
Positiva	1	1	1	1	1	1
Negativa	2,35 (2,06–2,68)	2,09 (1,86–2,34)	0,39 (0,32–0,49)	0,44 (0,35–0,55)	4,18 (3,15–5,55)	3,14 (2,31–4,27)
Consultas/ano
Nenhuma	1	1	1	1
1	0,69 (0,52–0,91)	0,74 (0,55–1,01)	1,37 (1,08–1,74)	1,29 (1,02–1,64)
2–5	0,77 (0,61–0,96)	0,87 (0,71–1,07)	1,20 (0,96–1,50)	1,08 (0,86–1,36)
6–13	1,08 (0,87–1,34)	1,21 (0,98–1,50)	1,00 (0,75–1,33)	0,93 (0,70–1,22)
14 ou mais	1,20 (0,96–1,50)	1,19 (0,95–1,50)	0,83 (0,63–1,09)	0,83 (0,63–1,09)

RP: razão de prevalência.

a Aposent./afast.: categoria que compreendeu mulheres aposentadas, afastadas, recebendo benefício ou licença-maternidade.

Tabela 5

Fatores associados em relação aos clusters intermediários.

Grupos	Cluster 2 (Médio-Depressivo)		Cluster 3 (Médio-Digestivo)
	RP Bruta	RP Ajustada	RP Bruta	RP Ajustada
Variáveis
Idadea (anos)
20–29	1	1
30–39	1,49 (1,06–2,09)	1,49 (1,06–2,09)
40–49	1,05 (0,73–1,51)	1,05 (0,73–1,51)
50–59	0,73 (0,48–1,12)	0,73 (0,48–1,12)
60 ou mais	0,87 (0,57–1,33)	0,87 (0,57–1,33)
Consultas/anob
Nenhuma			1	1
1			1,13 (0,69–1,85)	1,13 (0,69–1,85)
2–5			1,70 (1,08–2,67)	1,70 (1,08–2,67)
6–13			1,56 (0,96–2,52)	1,56 (0,96–2,52)
14 ou mais			1,83 (1,12–2,98)	1,83 (1,12–2,98)

RP: razão de prevalência.

a Única variável significativa no cluster 2.

b Única variável significativa no cluster 3.

Quando considerado o grupo do ponto de corte, foi encontrada relação entre idade, escolaridade, tabagismo, etilismo, atividade física, percepção de saúde e número de consultas/ano. Nesse grupo, as menores razões de prevalência foram encontradas nas mulheres mais idosas e, na categoria de idade entre 30 e 39 anos, evidenciou-se uma prevalência 20% maior que a categoria de referência (ter entre 20 e 29 anos). No cluster “baixo”, houve tendência consistente de aumento da prevalência de mulheres com o aumento da idade, com razão de prevalência de 1,24 no grupo de mulheres entre 50 e 59 anos (Tabela 4).

A escolaridade apresentou-se como fator associado relevante quando considerado o ponto de corte, com prevalência 2,2 vezes maior no grupo entre 0 e 4 anos de estudo em comparação à categoria de referência de haver estudado 13 anos ou mais. No cluster “baixo”, essa variável também foi significativa, ficando constatada a menor razão de prevalência (0,68) entre as mulheres com menor estudo, o que demonstra efeito protetor da variável em relação aos TMC. Já a classe econômica apresentou associação somente no cluster “alto”, com razão de prevalência de 1,76 nas classes mais baixas (D ou E). Outra variável socioeconômica relacionada, a situação laboral, evidenciou tendência linear inversa no sentido de trabalho-desemprego no cluster “baixo”, com menor razão de prevalência (0,70) e maior significância entre as desempregadas (Tabela 4).

Na variável comportamental que considerou o tabagismo, as razões de prevalência foram significativas na categoria dos tabagistas, tanto no grupo do ponto de corte (RP = 1,13) quanto no cluster “alto” (RP = 1,67). Já o etilismo pesado (consumo > 30 gramas de álcool/dia) somente esteve associado ao grupo do ponto de corte, com uma razão de prevalência de 1,41.

Em relação à atividade física, houve associação entre ser inativo fisicamente nos grupos do ponto de corte (RP = 1,35), cluster “baixo” (RP = 0,78) e cluster “alto” (RP = 2,19), com todos os intervalos de confiança consistentes (Tabela 4). Da mesma forma e com significância, evidenciou-se também associação entre a variável percepção de saúde nos três grupos. A menor razão de prevalência de uma percepção negativa foi encontrada no cluster “baixo” (RP = 0,44), e a maior no cluster “alto” (RP = 3,14), com valor intermediário no grupo do ponto de corte (RP = 2,09) (Tabela 4).

A presença de doenças crônicas apresentou significância somente no cluster “alto”, com prevalência ligeiramente maior na categoria “apresentar uma doença crônica” (RP = 1,49) em comparação a “apresentar duas” (RP = 1,36) (Tabela 4).

No que se refere às consultas médicas, no grupo do ponto de corte constatou-se tendência de prevalências menores, em relação à referência (nenhuma consulta), nas categorias entre 1 e 5 consultas; e prevalências crescentes em relação a um maior número de consultas (6 ou mais consultas). No cluster “baixo”, houve significância nas categorias de uma consulta, e de 14 ou mais consultas, com razões de prevalência de 1,29 e 0,83, respectivamente (Tabela 4). No cluster “médio-digestivo”, houve tendência de razões de prevalência progressivas no mesmo sentido das categorias com maior número de consultas. O maior valor encontrado (RP = 1,83) foi aquele correspondente à categoria com mais consultas: 14 ou mais (Tabela 5).

Também foram investigadas as médias do SRQ-20 em cada um dos grupos analisados, assim como dos fatores digestivo (variáveis 7 e 19) e depressivo (variáveis 6, 9, 10, 11, 14, 15, 16, 17, 18 e 20), definidos segundo análise fatorial da amostra (Tabelas 1 e 2). Em relação ao fator digestivo, observou-se que o cluster “médio-digestivo” foi o que apresentou a maior pontuação nesse fator, maior inclusive que o cluster “alto”. Já o cluster “médio-depressivo” foi o que apresentou a menor pontuação nesse fator, menor até que o cluster “baixo” (Tabela 2).

DISCUSSÃO

A literatura aponta associação significativa entre TMC e o sexo feminino. Os transtornos de humor e a ansiedade são mais prevalentes em mulheres em comparação com os homens, que por sua vez têm mais chances de apresentar transtornos por uso de substâncias[4]. Estudos que pretendem identificar fatores associados aos TMC com instrumentos de rastreamento de saúde mental e seus padrões de resposta, partindo de bases populacionais específicas de mulheres, agregam dados a esse contexto. Quando considerada a visão clássica da análise dos fatores associados aos TMC a partir de um ponto de corte, deve-se ter presente que, dentro dos grupos sem presença de doença (SRQ-) ou com presença de doença (SRQ+) – no caso do presente estudo representada pela morbidade psiquiátrica –, podem existir diferentes subgrupos ou clusters, com características particulares e fatores associados específicos.

A utilização do tradicional ponto de corte pode fazer que fatores associados sejam atribuídos ou identificados em grupos que, mesmo sendo muito heterogêneos, são “homogeneizados” por essa metodologia. A avaliação por subgrupos ou clusters baseados nos padrões de respostas do SRQ-20 possibilitou vislumbrar em qual grupo cada fator associado apresentou relevância. Essa nova visão, portanto, pode trazer mais especificidade aos estudos sobre TMC e fatores associados, questionando o tradicional ponto de corte.

Ao considerar a idade como fator associado aos TMC, a literatura tem demonstrado resultados contraditórios[2,3,12,13,21]. A maioria dos estudos revisados observou aumento consistente da prevalência de TMC com a idade, o que não foi constatado no presente estudo. Os resultados aqui encontrados provavelmente refletem as demandas crescentes e o aumento do estresse entre mulheres mais jovens[13]. Devido à análise utilizada, que contemplou clusters, constatou-se efeito protetor da idade em relação aos TMC, com tendência de aumento da presença de mulheres com idades mais elevadas no grupo de menor pontuação do SRQ-20 (cluster “baixo”). Já em clusters com maior probabilidade de apresentar TMC, a tendência se mostrou inversa. Assim, houve redução das prevalências de mulheres com idades mais avançadas a medida que as pontuações no SRQ-20 progrediram (cluster “médio-depressivo” e grupo do ponto de corte).

Estudos têm mostrado que desvantagens sociais como baixo nível educacional, renda, classe econômica e desemprego permanecem sendo os fatores de risco mais consistentes para os TMC[2,3,12,14]. Apesar da classe econômica e da escolaridade serem variáveis relacionadas, neste estudo foi constatada influência diferente dessas duas variáveis quando avaliados os clusters. Assim, a maior escolaridade apresentou efeito protetor para os TMC, evidenciado no cluster “baixo”, assim como o contexto de histórico laboral. A literatura descreve que, entre as mulheres, haveria um efeito protetor do ato de trabalhar sobre os TMC, em comparação com a condição de ser dona de casa ou estar desempregada[3,21]. A classe econômica foi a única variável socioeconômica identificada no grupo com maior probabilidade de morbidade psiquiátrica (cluster “alto”), revelando tendência de maiores prevalências entre as classes econômicas mais baixas, com razão de prevalência significativa de 1,76 nas classes D ou E.

Já no grupo do ponto de corte, somente a escolaridade teve importância como variável socioeconômica, com evidência de aumento das prevalências de maneira consistente à medida que a escolaridade diminui. Existiria, portanto, maior sofrimento mental entre mulheres com piores condições econômicas ou desfavorecidas socialmente. Somadas essas informações, pode-se supor que menores taxas de desemprego, aumento da escolaridade e ascensão às classes econômicas mais favorecidas melhorariam a saúde mental. Cada uma dessas variáveis apresenta uma influência diferente em cada grupo considerado.

Em relação ao tabagismo, a análise apresentou significância na categoria das mulheres atualmente tabagistas no grupo do ponto de corte, corroborando outros estudos realizados no Sul do Brasil[13,20]. No cluster “alto”, também foi encontrada essa associação, porém com maior magnitude. Assim, infere-se que a influência do tabagismo se deu sobretudo entre mulheres com o SRQ mais elevado, e não nos valores intermediários, como poderia sugerir a metodologia do ponto de corte.

Estudos também identificaram o etilismo e sua relação com os TMC[13,20,26]. Com o critério do ponto de corte, houve associação significativa entre os TMC e a variável comportamental do etilismo pesado (> 30g de álcool/dia). Na análise segundo os clusters, essa relação não foi evidenciada, demonstrando que a análise baseada no tradicional ponto de corte encontrou resultado diferente devido ao fato de submeter mulheres com diferentes valores de SRQ+ (que poderiam variar desde 7 até 20) a uma mesma análise.

As variáveis de atividade física e de percepção de saúde foram significativas tanto no grupo do ponto de corte quanto nos clusters extremos (“baixo” e “alto”). Conforme descrito na literatura, encontrou-se efeito benéfico da atividade física em relação ao bem-estar físico e psicossocial, o que se reflete nas razões de prevalência no cluster “baixo”. O incremento muscular e a redução da porcentagem de gordura, a otimização das condições cardiorrespiratórias, a redução da ansiedade e da depressão – que impactam no humor e na autoestima – seriam alguns dos efeitos protetores contra os TMC e diversas doenças crônicas[13]. Corroborando outros estudos, foi encontrada maior prevalência de mulheres fisicamente inativas nos grupos do ponto de corte e no cluster “alto”, que apresentaram maior morbidade psiquiátrica[13,26]. A autopercepção de saúde considerada negativa apresentou maiores razões de prevalência nos grupos com maior pontuação no SRQ-20 (ponto de corte e cluster “alto”), indo ao encontro dos achados da literatura[2,13,21].

Em relação a presença de doenças crônicas, pesquisa internacional realizada pela Organização Mundial da Saúde (OMS) em 17 países revelou associação entre os TMC e diversas patologias crônicas como diabetes, asma, hipertensão, artrite, úlcera e doenças cardíacas[27]. Apesar da literatura apontar associação entre os TMC e condições crônicas com o tradicional ponto de corte, o presente estudo observou associação com essas condições apenas no grupo com SRQ mais elevado (“alto”). Esse achado sugere que medidas que otimizem o manejo de doenças crônicas podem ter impacto entre mulheres com maior morbidade psiquiátrica. No cluster “alto”, ficou claramente caracterizada a concomitância de fatores comportamentais (tabagismo e inatividade física) com variáveis de saúde e doença (autopercepção de saúde negativa e presença de doenças crônicas).

O cluster com maior pontuação no fator digestivo (“médio-digestivo”) apresentou relação progressiva com o número de consultas. Segundo Bekhuis et al.[28], existem diferentes combinações entre sintomas depressivos, ansiosos e somáticos, o que impacta na demanda por serviços de saúde. Nessa amostra, os sintomas digestivos motivaram um maior número de consultas médicas do que a própria pontuação do SRQ-20 ou sintomas depressivos. Assim, deveria haver um olhar especial para esses sintomas digestivos, atentando para interpretações complexas decorrentes dos sintomas expressados, de modo a compreender melhor essa demanda.

Em resumo, considerando os fatores associados encontrados, o cluster “baixo”é formado majoritariamente por mulheres de idade mais elevada, com maior escolaridade e histórico laboral, fisicamente ativas, com autopercepção de saúde positiva e tendência de se consultar poucas vezes com o médico. O cluster “alto” é composto por mulheres pertencentes a classes sociais mais baixas, tabagistas, inativas fisicamente, com presença de doenças crônicas e autopercepção de saúde negativa. Mulheres com tendência de procurar mais por consultas médicas, valores de SRQ-20 intermediário e maior expressão de sintomas digestivos em geral pertencem ao cluster médio-digestivo. Já o cluster médio-depressivo, também com valores intermediários no SRQ-20, é caracterizado por mulheres jovens, com relato de sintomas mais condizentes com esfera depressiva. O grupo do ponto de corte é formado por mulheres mais jovens, com menor escolaridade, etilistas pesadas e tabagistas, inativas fisicamente, com autopercepção de saúde ruim e tendência maior de procura por consultas médicas.

Como limitações do presente estudo, pode-se mencionar a impossibilidade de se estender seus achados à população em geral, haja vista que a amostra esteve restrita a mulheres. Há também possibilidade de causalidade reversa, visto que se trata de estudo de delineamento transversal. Apesar disso, estudos desse tipo são ferramentas importantes para identificar e descrever grupos de risco, contribuindo para o planejamento de ações em saúde[29,30].

CONCLUSÃO

Este estudo, que utilizou a análise de cluster por classe latente, apresenta uma perspectiva nova e diferenciada em relação aos TMC e fatores associados. A caracterização de subgrupos, definidos segundo o perfil de resposta do instrumento SRQ-20, permitiu encontrar fatores associados particulares, dando mais especificidade aos resultados. Nessa perspectiva e considerando a relevância do assunto, são necessários mais estudos com essa metodologia.