PREDIÇÃO DA DOENÇA PULMONAR OBSTRUTIVA CRÔNICA: INFLUÊNCIA DE FATORES AMBIENTAIS, DEMOGRÁFICOS E COMPORTAMENTAIS NOS ÚLTIMOS 25 ANOS NO BRASIL

Resumo

Introdução: A Doença Pulmonar Obstrutiva Crônica (DPOC) é uma das principais causas de morbidade e mortalidade no mundo, caracterizada por limitação persistente do fluxo aéreo e resposta inflamatória crônica a partículas nocivas. No Brasil, entre 2000 e 2019, foram registradas mais de 1,1 milhão de mortes associadas à DPOC, representando cerca de 5% de todos os óbitos nacionais. O envelhecimento populacional, o tabagismo e a exposição ambiental continuam sendo fatores importantes para o avanço da doença. Objetivo: Avaliar como variáveis sociodemográficas, comportamentais e ambientais influenciam o risco e a mortalidade por DPOC, identificando padrões preditivos que auxiliam em estratégias de prevenção e manejo clínico. Metodologia: Foi conduzida uma revisão integrativa da literatura e de dados secundários do DATASUS, PubMed e Scopus, abrangendo publicações e registros de 2000 a 2025. Foram incluídos estudos que correlacionam DPOC com fatores como tabagismo, poluição atmosférica, idade, sexo, região geográfica, condições socioeconômicas e comorbidades respiratórias e cardiovasculares. Os dados foram organizados por faixa etária, sexo e macrorregião, utilizando análises descritivas e comparativas. Resultados: A mortalidade padronizada por DPOC reduziu 25,8% no período analisado, de 37,8 para 28,0 por 100 mil habitantes, embora os homens mantenham risco 1,5 vez maior. A média de idade ao óbito passou de 73,2 para 76,0 anos. As regiões Sul e Sudeste concentram as maiores taxas (8,1% e 5%). Os principais fatores preditivos incluem tabagismo (≈70% dos casos), baixa renda e escolaridade (risco 35% maior) e poluição ambiental (15% dos casos). As comorbidades mais associadas foram insuficiência respiratória (44%), pneumonia (31%) e doenças cardiovasculares (15%), com pico de mortalidade no inverno. Conclusão: A DPOC permanece como relevante problema de saúde pública, influenciada por fatores ambientais e sociais. Modelos preditivos que integrem essas variáveis podem auxiliar na redução de desigualdades e na formulação de políticas preventivas eficazes.