É necessária uma assinatura do JoVE para visualizar este conteúdo. Faça login ou inicie seu teste gratuito.
Artigo de investigação
Este estudo comparou a carga histórica e futura da doença do prolapso uterino entre a China e os países do G20, utilizando dados do Global Burden of Disease (GBD) 2023. Embora a China tenha apresentado uma carga padronizada de idades menor do que o G20 no geral, espera-se que o número absoluto de casos aumente devido ao envelhecimento populacional. Esses achados destacam a necessidade de estratégias de prevenção e manejo direcionadas e específicas para cada idade.
Este estudo longitudinal observacional utilizou o banco de dados Global Burden of Disease (GBD) 2023 para analisar e projetar de forma abrangente a carga do prolapso uterino (UP) na China e nos países do G20 de 1990 a 2050. Incidência, óbitos, prevalência, anos de vida ajustados por deficiência (DALYs), anos vividos com incapacidade (YLDs) e anos de vida perdidos (YLLs) foram avaliados, incluindo suas taxas padronizadas por idade (ASRs). As tendências de 1990 a 2023 foram analisadas usando regressão Joinpoint (calculando a variação percentual média anual, AAPC), juntamente com seus respectivos intervalos de confiança (IC) de 95% e análise de decomposição. A carga futura até 2050 foi projetada usando modelos autoregressivos de média móvel integrada (ARIMA) e coorte de período etário bayesiano (BAPC). De 1990 a 2023, os ASRs para incidência, prevalência, DALYs e YLDs da UP na China mostraram uma tendência de queda, com AAPCs de −0,47 (IC 95% −0,51 a −0,44), −0,52 (IC 95% −0,56 a −0,47), −0,50 (IC 95% −0,54 a −0,46) e −0,52 (IC 95% −0,55 a −0,48), respectivamente. Um aumento transitório foi observado entre 2010 e 2015. A ASR para mortes permaneceu próxima a zero, enquanto a ASR para YLLs aumentou (AAPC = 2,12, IC 95% 1,32–2,93). Os países do G20 apresentaram tendências de queda semelhantes para encargos não fatais, com reduções mais pronunciadas do que na China. Projeções indicam que, de 2023 a 2050, os ASRs para incidência, prevalência, DALYs e YLDs continuarão a cair tanto na China quanto nos países do G20, com uma queda mais rápida prevista na China. Consequentemente, espera-se que o ônus padronizado por idade entre as mulheres chinesas permaneça menor que a média do G20. Em conclusão, embora a carga padronizada de UP da China seja historicamente e prospectivamente menor do que o agregado do G20, o aumento dos números absolutos devido ao envelhecimento populacional indica uma carga substancial futura de saúde. Isso ressalta a necessidade de a China desenvolver estratégias de prevenção e controle direcionadas, específicas para cada faixa etária.
O prolapso uterino (UP), também conhecido como prolapso dos órgãos pélvicos (POP), é um distúrbio do assoalho pélvico prevalente entre as mulheres. É caracterizado pelo deslocamento do útero de sua posição anatômica normal para ou fora da vagina 1,2. Essa condição é frequentemente associada a sintomas como pressão abdominal baixa, disfunção urinária e defecatória, e desconforto sexual, que comprometem a qualidade de vida e o funcionamento social dospacientes 3. As mudanças anatômicas associadas à UP incluem alterações nas posições axiais do útero e da vagina. Pesquisas anteriores demonstraram que mulheres com prolapso frequentemente apresentam retroversão e retroflexão do útero, além de um deslocamento para trás e para baixo dos eixos uterino evaginal 4.
A UP reflete uma deterioração nas estruturas de suporte do assoalho pélvico, abrangendo o músculo levantador do ano e a fáscia do assoalho pélvico, levando à descida doútero 5. Os fatores de risco associados à UP podem ser amplamente categorizados em fatores não modificáveis, como idade, menopausa, predisposição genética e raça, e fatores modificáveis, que incluem aspectos relacionados ao estilo de vida e à fertilidade. Esses fatores modificáveis incluem gestações múltiplas, modo de parto, obesidade, constipação crônica, tosse crônica e outras atividades que aumentam consistentemente a pressão abdominal e comprometem a integridade do tecidoconjuntivo 6,7. A avaliação clínica da UP envolve histórico histórico, exame físico e avaliaçãofuncional 8. Notavelmente, diferentes ferramentas diagnósticas forneceram estimativas variadas de prevalência, com 25,0% relatados por questionário e 41,8% identificados por exameclínico 9.
O tratamento da UP depende da gravidade da condição e dos sintomas apresentados. As estratégias de manejo podem incluir exercícios de fortalecimento do assoalho pélvico, como exercícios de Kegel, uso de pessários vaginais e diversas intervençõescirúrgicas. Um estudo revelou que combinar Kegels com yoga melhora a função do assoalho pélvico e melhora a qualidadede vida 10. O treinamento respiratório também beneficia a função do assoalhopélvico. Embora o tratamento com pessário seja eficaz em aproximadamente 90% dos casos, a taxa de continuação a longo prazo cai para 60% devido a complicações como aumento do corrimento vaginal (84%) e desconforto (20%)12. A cirurgia é recomendada para pacientes com sintomas graves ou que não respondem ao tratamento conservador. Diversos métodos cirúrgicos, incluindo reparo de malha e colpopexia sacra, podem tratar efetivamente o prolapso dos órgãospélvicos 13–17. No entanto, a cirurgia traz riscos como exposição à rede, dor erecidiva 18–21, e pode não resolver completamente todos os sintomas, especialmente aqueles relacionados à função sexual e sintomas do tratourinário 22,23.
O diagnóstico e o manejo da UP ainda enfrentam vários desafios, incluindo diagnóstico tardio, tratamento inadequado e insuficiente conscientização do paciente. Essas questões são influenciadas por fatores socioculturais, raciais e econômicos, bem como por variações nos comportamentos de busca por saúdede 24 a 26 anos. Um estudo que cobre o período de 1990 a 2019 indica que quase 40% das mulheres no mundo podem experimentar prolapso uterino ao longo da vida. Com o envelhecimento da população global, espera-se que a incidência de prolapso uterino aumente ainda mais nas próximasdécadas. Um estudo transversal nacional realizado na China relatou uma prevalência de 9,6% de prolapso uterino sintomático entre mulheres adultas, com a prevalência aumentando progressivamente apartir dos 28 anos. Regionalmente, a prevalência padronizada por idade em regiões de baixo Índice Sociodemográfico (IDS) é 2,3 vezes maior do que em regiões de alto IDS, com a maior carga de doenças observada na África Subsaariana e Sulda Ásia 29.
O tratamento e a gestão a longo prazo da UP impõem um ônus econômico substancial devido aos consideráveis recursos médicos necessários. Embora o manejo conservador seja geralmente mais econômico do que a intervenção cirúrgica, a cirurgia continua sendo uma opção indispensável para inúmeros casosgraves. Além disso, complicações pós-operatórias, incluindo disfunção urinária e problemas relacionados à malha, podem aumentar ainda mais os custos de saúde e a carga para o paciente30,31. Os estudos atuais sobre carga de doenças têm como alvo principal doenças de alta mortalidade, com dados epidemiológicos limitados sobre UP, especialmente em países em desenvolvimento como a China. Além disso, os estágios iniciais da UP frequentemente passam despercebidos ou não são reportados, resultando em sua negligência nas políticas de saúde pública e na distribuição de recursos. Até onde sabemos, nenhum estudo anterior comparou de forma abrangente a carga histórica, projeções futuras, padrões específicos por idade e decomposição da carga do prolapso uterino entre a China e o agregado do G20, utilizando o conjunto de dados mais recente do GBD 2023.
O G20 é um fórum internacional composto pelos governos de 204 grandes economias, incluindo Argentina, Austrália, Brasil, Canadá, União Europeia, França, Alemanha, Índia, Indonésia, Itália, Japão, México, República da Coreia e32 Federação Russa. A União Europeia é tratada como uma única entidade. Neste estudo, o agregado do G20 foi usado como um marco internacional em nível macro para facilitar a comparação entre a carga de doenças da China e as regiões econômicas globais mais amplas. Como a China é um membro constituinte do G20, a comparação deve ser interpretada como uma avaliação da posição relativa da China dentro do peso geral do G20, e não como uma comparação com uma população externa totalmente independente. Este estudo teve como objetivo comparar a carga histórica, tendências temporais, padrões específicos de idade, fatores impulsionadores e projeções futuras de prolapso uterino na China e no agregado do G20, utilizando dados do estudo Global Burden of Disease 2023. O objetivo é elucidar a distribuição populacional, as tendências temporais e as variações regionais da UP, além de avaliar a carga atribuível. Os resultados podem fornecer uma base científica para que governos nacionais formulem estratégias de prevenção, otimizem a alocação de recursos médicos, aumentem a conscientização sobre questões de saúde específicas das mulheres, promovam o diagnóstico e tratamento precoces, e integrem a saúde do assoalho pélvico feminino em iniciativas de prevenção de doenças crônicas e promoção do envelhecimento. Um resumo detalhado desse arcabouço analítico abrangente é fornecido na Figura 1.
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Aprovação Ética e Consentimento para Participar
Este estudo foi uma análise de dados resumidos, disponíveis publicamente e desidentificados do Estudo Global Burden of Disease 2023 (GBD 2023). Como a pesquisa não envolveu interação direta com humanos ou animais, coleta de novos dados primários ou acesso a qualquer informação individualmente identificável, foi considerada isenta da exigência de aprovação formal por um conselho de revisão institucional (IRB) ou comitê de ética. O estudo foi conduzido de acordo com os princípios estabelecidos na Declaração de Helsinque. O uso dos dados GBD está em conformidade com seus termos de uso e políticas de acesso a dados.
Fontes de Dados
Este estudo é uma análise secundária de dados agregados desidentificados publicados no estudo GBD 2023. A ferramenta de consulta online GHDx (https://ghdx.healthdata.org/gbd–results–tool) foi empregada para obter dados sobre a carga da doença relacionados ao prolapso uterino na China e em países do G20 de 1990 a 2023. Casos de prolapso uterino foram identificados usando a hierarquia de causas GBD 2023 sob a categoria "Prolapso genital", que abrange o prolapso uterino. Os códigos ICD-10 correspondentes mapeados pelo Instituto de Métricas e Avaliação de Saúde (IHME) incluem N81.2 (prolapso uterovaginal incompleto), N81.3 (prolapso uterovaginal completo), N81.4 (prolapso uterovaginal não especificado) e N81.9 (prolapso genital feminino não especificado). A identificação de causa do GBD para prolapso uterino foi obtida diretamente da Ferramenta de Resultados do GBD, e as estimativas de carga da doença foram extraídas seguindo as definições padronizadas de causa do GBD e os procedimentos de codificação. A análise da carga da doença no GBD 2023 estimou a incidência, prevalência, morte, YLDs, YLLs e DALYs. O estudo examinou características epidemiológicas analisando diferenças geográficas e etárias na carga da doença ao longo do tempo e do espaço. Os dados foram processados usando análise EAPC (Estimada de Variação Percentual Anual), o modelo de ponto de junção, o modelo ARIMA, o modelo BAPC e análise de decomposição. Os métodos de cálculo específicos são consistentes com os relatados em estudosanteriores 27,33,34,35.
Análise EAPC
O EAPC foi uma medida amplamente aceita para quantificar a tendência dos ASRs em intervalos de tempo específicos, e foi calculado com base no modelo de regressão ajustado ao logaritmo natural das taxas. O modelo de regressão foi definido como: ln (taxa)=α+βx+ε, e o EAPC foi calculado como 100×(exp(β)- 1). O intervalo de confiança (IC) de 95% também foi determinado pelo modelo de regressão linear.
onde ln (taxa) é o logaritmo natural do ASR, x denota ano civil, α é o intercepto, β representa o coeficiente de inclinação e ε é o termo de erro. Se o EAPC > 0 e seu IC 95% também for > 0, há uma tendência significativa de alta. Se o EAPC < 0 e o IC 95% for < 0, há uma tendência significativa de queda. Se o IC de 95% inclui 0, a tendência não é estatisticamente significativa; ou seja, a mudança foi estável ao longo do tempo.
Análise de Ponto de Junção
O modelo de regressão Joinpoint foi empregado para calcular a variação percentual anual (APC) e a variação percentual anual média (AAPC), juntamente com seus respectivos intervalos de confiança (IC) de 95%, a fim de determinar as tendências de longo prazo das mudanças significativas para UP na China e nos países do G20 de 1990 a 2023. Esse modelo estabelece regressão segmentada baseada nas características temporais da distribuição da doença, dividindo a faixa de tempo em diferentes intervalos, cada um dos quais passa por ajuste e otimização de tendência, evitando efetivamente a subjetividade das análises típicas de tendências baseadas em tendências lineares. A direção da tendência foi determinada com base no AAPC calculado a partir do modelo final; especificamente, quando o IC de 95% não inclui 0, significa que a tendência é significativa, AAPC > 0 indica uma tendência de aumento, e APPC < 0 indica uma tendência decrescente.
Análise do BAPC
O modelo APC foi ampliado usando métodos estatísticos bayesianos (BAPC), que integram padrões históricos de dados, fatores de incerteza e conhecimento prévio para melhorar a precisão e robustez das predições, lidando assim de forma eficaz com ruído e ambiguidades nos dados. As projeções do BAPC para 2024 a 2038 foram criadas usando um parâmetro de suavização de 5 para efeitos de idade, período e coorte, com pesos padronizados baseados na população padrão mundial.
Análise ARIMA
O modelo ARIMA é um modelo popular em econometria que pode analisar o comportamento de séries temporais estacionárias e não estacionárias, bem como o impacto de planos e políticas em resultados específicos ao longo dotempo 34. No modelo ARIMA (p, d, q), 'p' representa a contagem de termos autoregressivos, 'd' indica a ordem de diferença, e 'q' denota a contagem de termos da média móvel. Os métodos de cálculo específicos são consistentes com os relatados em estudos anteriores. Para cada previsão, serão obtidos o Valor previsto, limite superior, limite inferior e IC de 95% de cada ano, assim como os parâmetros de desempenho do modelo de previsão (arquivo _eval.csv). O modelo de série temporal ARIMA foi usado para prever os próximos 27 anos (2024-2050), e o desempenho do modelo foi avaliado. O desempenho do modelo foi avaliado usando diagnósticos padrão de previsão, incluindo o Critério de Informação de Akaike (AIC), o Critério de Informação Bayesiano (BIC), análise de autocorrelação residual e avaliação de boa do ajuste. Os gráficos residuais não demonstraram violações significativas das suposições do modelo, apoiando a adequação dos modelos de previsão selecionados para a projeção de carga. O Auto.arima era usado para selecionar automaticamente os parâmetros ótimos do ARIMA(p,d,q) e o AICc (AIC modificado) era usado para selecionar o melhor modelo. Com base no método de predição bootstrap, o valor da predição e o intervalo de confiança foram calculados simulando os possíveis caminhos futuros.
Análises de decomposição
Realizamos uma decomposição de Das Gupta (fatoração de Kitagawa–Das Gupta) da variação nas contagens absolutas entre 1990 e 2023. A análise foi principalmente dividida em três componentes: o efeito do envelhecimento (mudanças na estrutura etária), o efeito do tamanho populacional (crescimento da população total) e o efeito de mudança epidemiológica (mudanças nas taxas específicas por idade). Os nomes das colunas de dados são os seguintes: 'overall_difference' indica a mudança total; 'a_effect' indica o efeito do envelhecimento; 'p_effect' representa o efeito do tamanho da população; 'r_effect' significa o efeito de mudança epidemiológica; 'a_percent', 'p_percent' e 'r_percent' denotam a contribuição percentual de cada efeito respectivo; 'val_1990' e 'val_2023' representam o número de casos em 1990 e 2023, respectivamente; e 'mudança' refere-se à diferença em 'diff1'. A magnitude de cada fator no gráfico resultante ilustra sua influência proporcional, com valores positivos e negativos indicando um efeito de aumento ou mitigação, respectivamente. Pontos pretos no gráfico servem como marcadores para a mudança total.
Software de análise
A análise estatística e visualização de dados neste estudo foram realizadas utilizando o pacote de software R e o programa Joinpoint (Consulte a Tabela de Materiais para detalhes). Um valor p < 0,05 foi considerado estatisticamente significativo.
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Tendências gerais de prolapso uterino DALYs, Mortes, Incidência, Prevalência, YLDs, YLLs na China e em países do G20
No geral, o número de casos de prolapso uterino na China aumentou de 1.051.197,19 em 1990 (UI 95%: 871.473,64–1254.781,07) para 2218.831,76 em 2023 (UI 95%: 1829.927,18–2655.003,13), representando um crescimento de 111,08%. No mesmo período, a prevalência acumulada na China aumentou 126,06% em relação ao ano anterior. Em 2023, u...
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Este estudo realizou uma análise abrangente das mudanças na carga da doença causada pelo prolapso uterino na China e nos países do G20 de 1990 a 2023, utilizando análise de estratificação etária e decomposição. Para prever e analisar a carga futura da doença, foram utilizados o modelo de séries temporais ARIMA e o modelo bayesiano de períodos de idade (BAPC) para prever e analisar a carga futura da doença. Os resultados revelaram tanto semelhanças quanto diferenças notáveis. A carga de d...
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Os autores declaram que não têm conflitos de interesse a relatar.
Financiamento
Esta pesquisa não recebeu nenhuma bolsa específica de agências financiadoras dos setores público, comercial ou sem fins lucrativos.
Disponibilidade de Dados
Os dados utilizados neste estudo foram obtidos do Global Burden of Disease Study 2023 (GBD 2023), disponível publicamente. Os autores agradecem com gratidão o trabalho do Institute for Health Metrics and Evaluation (IHME) e de toda a rede colaborativa do GBD na produção e compartilhamento desse recurso inestimável. Todos os dados brutos utilizados neste estudo foram submetidos como materiais suplementares.
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
| Nome | Empresa | Número de catálogo | Comentários |
|---|---|---|---|
| ARIMA model | R (forecast package) | – | Previsão de série temporal da carga de doença |
| BAPC model | R (BAPC package) | Versão 0.0.36 (depende do INLA (v24.11.25).) | Predição Bayesiana de idade-período-coorte |
| GBD 2023 data | Global Health Data Exchange | – | Fonte de dados de carga de prolapso uterino |
| Joinpoint Regression Program | National Cancer Institute | Versão 5.1.0.0 | Análise de tendência usando APC e AAPC |
| R software | R Foundation for Statistical Computing | Versão 4.4.1 | Análise estatística e visualização |
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.