Development and Validation of a Conceptual Epidemiological and Economic Model for Predicting Obesity in Low- and Middle-Income Countries: A Systematic Review and Meta-Synthesis–Informed Approach

A obesidade já não é apenas um problema para as nações ricas; ela está aumentando rapidamente nos países de baixa e média renda, onde as pessoas enfrentam uma dupla carga de desnutrição e taxas crescentes de excesso de peso. Essa mudança traz um pesado custo para a saúde, elevando os casos de diabetes, doenças cardíacas e acidente vascular cerebral, ao mesmo tempo em que sobrecarrega os sistemas de saúde que já possuem recursos limitados. Para tomar decisões inteligentes sobre como gastar dinheiro e desenhar programas de saúde, os oficiais precisam de uma forma de olhar para o futuro. Eles precisam de ferramentas que possam estimar quantas pessoas se tornarão obesas, quais doenças virão a seguir e quanto tudo isso custará. Nos países de alta renda, cientistas há muito utilizam simulações computacionais para responder a essas perguntas, mas essas ferramentas foram construídas usando dados e suposições de nações mais ricas, tornando-as pouco confiáveis para lugares com diferentes dietas, estilos de vida e acesso à saúde.

Uma equipe de pesquisadores partiu para construir um novo tipo de mapa especificamente para esses cenários de recursos limitados. O objetivo deles era criar um modelo conceitual — uma forma estruturada de pensar sobre como a obesidade se espalha e custa dinheiro — que pudesse ser usado para prever o futuro da condição em países de baixa e média renda. Para fazer isso, eles não começaram do zero. Em vez disso, reuniram todos os estudos disponíveis que já tivessem tentado modelar a obesidade e seu impacto econômico, procurando padrões em como especialistas haviam descrito a doença anteriormente. Eles vasculharam centenas de artigos, mantendo apenas aqueles que utilizavam simulações computacionais para rastrear como as pessoas passam de um peso normal para o sobrepeso e, depois, para a obesidade e, finalmente, para complicações graves de saúde. Eles encontraram 31 estudos que atendiam aos seus critérios rigorosos, publicados entre 1997 e 2024. A maioria desses estudos utilizava um tipo específico de simulação computacional chamado modelo de Markov, que rastreia grupos de pessoas conforme elas passam por diferentes estágios de saúde ao longo do tempo, enquanto outros utilizavam árvores de decisão ou outros métodos de simulação.

A partir desta coleção de trabalhos passados, os pesquisadores identificaram seis estados de saúde fundamentais que formam a espinha dorsal de seu novo modelo. Esses estados representam a jornada que uma pessoa pode percorrer: começando com um peso normal, passando para o sobrepeso, depois para a obesidade e, potencialmente, desenvolvendo diabetes, acidente vascular cerebral ou doença cardiovascular. Ao combinar a evidência dos 31 estudos, eles sintetizaram esses seis estados em um único framework unificado. Este framework atua como um esqueleto para uma nova ferramenta, mostrando exatamente como as diferentes partes do problema se conectam. Por exemplo, ilustra como a transição de um peso normal para a obesidade aumenta o risco de desenvolver diabetes e como essa doença, por sua vez, adiciona ônus econômico a um país. Os pesquisadores então levaram esse rascunho de modelo a um painel de três especialistas especializados em obesidade, economia e saúde pública em países de baixa e média renda. Esses especialistas revisaram a estrutura para garantir que ela fizesse sentido no mundo real, verificando se capturava os riscos e resultados corretos para essas regiões específicas. Os especialistas concordaram que o modelo era válido, completo e estava pronto para ser usado como base para estudos futuros mais detalhados.

O resultado é o primeiro modelo conceitual projetado especificamente para prever tendências de obesidade e seus custos econômicos em países de baixa e média renda. Os pesquisadores enfatizam que este é um passo fundamental, não uma resposta final. O modelo fornece uma estrutura clara que os formuladores de políticas podem usar para inserir dados locais, permitindo que simulem diferentes cenários. Por exemplo, um governo poderia usar este framework para testar como um novo programa de dieta poderia alterar o número de pessoas com diabetes nos próximos dez anos e quanto dinheiro isso economizaria. O estudo destaca que, embora o modelo seja uma ferramenta poderosa, sua precisão depende inteiramente da qualidade dos dados locais inseridos nele. Sem números precisos sobre quantas pessoas estão atualmente com sobrepeso ou quanto custa o tratamento em um país específico, as previsões não serão precisas. No entanto, ao estabelecer uma linguagem e uma estrutura comuns para esses problemas, os pesquisadores forneceram um ponto de partida vital. Este trabalho permite que os líderes em cenários de recursos limitados deixem de lado o acaso e avancem em direção ao planejamento baseado em evidências, ajudando a alocar fundos escassos para as estratégias de prevenção e gestão que terão o maior impacto em suas populações.