IMPACTO DOS FATORES SOCIOECONÔMICOS NA PREDIÇÃO DE DOENÇAS CRÔNICAS: UMA REVISÃO INTEGRATIVA DE TENDÊNCIAS NAS ÚLTIMAS DUAS DÉCADAS

Resumo

Introdução: As doenças crônicas não transmissíveis (DCNT), como hipertensão, diabetes e doenças cardiovasculares, constituem um dos principais desafios de saúde pública global. Fatores socioeconômicos, como renda, escolaridade, sexo e região de residência, influenciam significativamente a incidência dessas condições e a eficácia de intervenções preventivas. Objetivo: Revisar a literatura sobre a influência de fatores socioeconômicos na predição de DCNT, identificando padrões de risco por idade, sexo e região, com base em dados publicados nos últimos 25 anos. Metodologia: Realizou-se uma revisão integrativa da literatura científica nas bases PubMed, Scopus, Web of Science e SciELO, considerando publicações de 2000 a 2025. Foram incluídos estudos que abordavam a associação entre fatores socioeconômicos (renda, escolaridade, sexo, idade e região geográfica) e a incidência/predição de DCNT. Os dados extraídos foram organizados em tabelas para análise comparativa, permitindo identificar padrões de risco e tendências ao longo do tempo em diferentes estratos socioeconômicos. Resultados: Os dados mostram que a prevalência de hipertensão é cerca de 35% mais alta em indivíduos com baixa renda em comparação aos de alta renda. Mulheres apresentam risco 12% maior de diabetes em grupos de baixa escolaridade do que homens na mesma faixa socioeconômica. Idosos (≥60 anos) de regiões com menor acesso à saúde têm aproximadamente 28% mais chance de complicações cardiovasculares. Comparando regiões do Brasil, estados do Norte e Nordeste apresentam 30% de incidência maior de DCNT do que no Sudeste. A escolaridade também impacta a adesão ao tratamento; indivíduos com ensino fundamental completo têm adesão 40% menor às terapias recomendadas em comparação a quem possui ensino superior. Conclusão: Os fatores socioeconômicos são determinantes importantes na predição de doenças crônicas. A integração desses dados em políticas de saúde pública e modelos preditivos pode reduzir desigualdades regionais e socioeconômicas, otimizando estratégias preventivas para melhorar os resultados clínicos da população.