Multimorbilidad y uso de servicios de salud en una población diagnosticada con covid-19 en un municipio de la región sur de Brasil, 2020-2021: estudio transversal

Epidemiol Serv Saude ress Epidemiologia e Serviços de Saúde Epidemiol. Serv. Saúde 1679-4974 2237-9622 Secretaria de Vigilância em Saúde e Ambiente - Ministério da Saúde do Brasil Resumen Objetivo: Analizar la asociación entre multimorbilidad y uso de servicios de salud en una población diagnosticada con COVID-19, en el Sur de Brasil. Métodos: Estudio transversal con datos de un estudio longitudinal realizado en la ciudad de Río Grande, Rio Grande do Sul, Brasil, en el año 2021, con todos los individuos adultos diagnosticados con COVID-19; se realizaron análisis descriptivos y se presentaron como proporciones con intervalos de confianza del 95% (IC95%); se realizó una regresión de Poisson y se informó como razón de prevalencia (PR). Resultados: En total se incluyeron 2.919 participantes, de los cuales el 40,4% presentaba multimorbilidad (≥ 2 doenças); los resultados ajustados mostraron que los individuos con multimorbilidad tenían mayor probabilidad de utilizar la mayoría de los servicios evaluados, RP = 3,21 (IC95% 1,40;7,37) para unidades Primeros auxilios. Conclusión: La multimorbilidad se asoció con el uso de diferentes tipos de servicios de salud. INTRODUCTION Management of multiple chronic diseases, in a long-term perspective, represents a difficulty for the organization of health services, due to their complexity.1) Use of health services by individuals with multiple chronic diseases derives from the need for control/ treatment, monitoring and, above all, prevention of adverse outcomes related to the clinical picture of multimorbidity.2 Multimorbidity is described as the presence of multiple chronic conditions, involving two or more diseases simultaneously, in the same individual.1 It is positively associated with age, decreased functional capacity, reduced well-being and quality of life, as well as increased mortality.3 A study conducted in the city of Rio de Janeiro identified that activities associated with multimorbidity were hospitalizations and appointments in primary health care services provided by the Brazilian National Health System (Sistema Único de Saúde - SUS).4 During the COVID-19 pandemic, individuals infected with SARS-CoV-2 and suffering from multimorbidity were at greater risk of developing severe forms of the disease.5 In Brazil, adults and the elderly showed high prevalence of multimorbidity, ranging from 18.3 to 67.8%;6)-(9 in particular during the pandemic, multimorbidity incidence was 27% (95%CI 23.5;31.1).10 Around 72% of individuals in intensive care units (ICUs) had multimorbidity,11 and prevalence of admissions to and deaths in ICUs grew as the number of morbidities increased.12 Multimorbidity, therefore, affects health service use indicators, such as hospitalizations and simultaneous use of several services at different levels of care.13 The most current literature shows that individuals with multimorbidity use health services more,13),(14 although data on this demand is scarce among publications, especially with regard to primary and secondary health care services. In the context of the COVID-19 pandemic, there is a gap in knowledge regarding the magnitude of the relationship between health service use and multimorbidity in infected individuals. Therefore, studies that investigate the relationship between multimorbidity and use of health services following SARS-CoV-2 infection, i.e. coronavirus, can be relevant in the current scenario. Furthermore, the frequency and possibility of reinfection, in addition to the emergence of what is referred to as long COVID, requires understanding of how pre-existing health conditions among those infected impact the demand for medical services, this being a crucial fact for targeting prevention, management and allocating resources more effectively and comprehensively. The objective of this study was to assess association between multimorbidity and use of health services in a population diagnosed with COVID-19, in southern Brazil. METHODS Study design This was a cross-sectional study with individuals diagnosed as having COVID-19 between December 2020 and March 2021. Context We used data from the SulCovid study, conducted in the city of Rio Grande, in the extreme south of the state of Rio Grande do Sul, Brazil. Rio Grande is a port city. It covers an area of ​​2,817 km² and in 2021 had a population of 212,881 inhabitants, according to data from the Brazilian Institute of Geography and Statistics (Instituto Brasileiro de Geografia e Estatística - IBGE). Participants The criteria for participant inclusion in the study were: being 18 years of age or older; having been diagnosed with COVID-19 between December 2020 and March 2021, using molecular biology testing; having had COVID-19 symptoms during their illness; and having received medical care in the municipality of Rio Grande. Cases who received treatment in the municipality but lived in other cities were excluded, as were those with functional limitations and/or advanced neurological diseases that made it impossible for them to answer the questionnaire, as well as those who were deprived of liberty. After five attempts to make contact via telephone calls and a further attempt via WhatsApp, followed by three attempts to make home visits, individuals who were not located were considered to be losses. The Rio Grande Sanitary Surveillance service provided a list of individuals with molecular biology tests with positive COVID-19 results, including tests carried out in various locations such as pharmacies, laboratories and health services. Data collection took place from July to October 2021, 6.5 months after infection on average. Data sources and measurement We used data from the study entitled “Research to monitor the health of adults and elderly people after COVID-19 infection in Rio Grande - SulCovid-19”. Data collection was planned in two stages: telephone collection and home collection. For telephone collection, up to five contacts were made, on alternate days and times. Individuals who did not answer any telephone calls, nor WhatsApp calls, were selected for the home visit stage. Three home visit attempts were made in order to interview those not contacted in the previous stage. The questionnaires were administered by interviewers trained beforehand. For data collection we used electronic devices (tablets) with the REDcap platform installed. Each interview lasted approximately 15-20 minutes,15),(16 whereby participants had the option of answering the interviewer face-to-face. The questionnaire, developed to be administered during telephone calls and home visits, included semi-structured questions about (i) socioeconomic variables, (ii) symptoms during and after COVID-19 infection, (iii) medical diagnosis of morbidities, (iv) behavioral characteristics and (v) use of health services. Variables The “use of health services” outcome was investigated by asking the question “After you were infected with COVID-19, how many times did you need care in (health service)?”, with the option to provide a continuous answer (number of times the service was used), dichotomized into “no” (no service use) and “yes” (service use one or more times). Health services (primary healthcare center, private medical service, emergency care unit, private emergency room, emergency room, emergency services, specialist physicians, specialized services, pulmonologist, neurologist, cardiologist, psychiatrist, physiotherapist and psychologist) were analyzed by asking the question “After you were infected with COVID-19, did you need to seek specialized care (please tick however many options you need to)”, the reply option of which was dichotomized into: no; yes. The outcomes were built based on a combination of “emergency service” variables (emergency care unit, private emergency room, emergency room), “specialist physician” variables (pulmonologist, neurologist, cardiologist and psychiatrist) and “specialized service” variables (physiotherapist and psychologist). All variables were equally dichotomized (no; yes), taking “yes” to mean use of at least one of the services analyzed. The independent variable was multimorbidity, measured by counting self-reported morbidities in response to the question “Has a doctor told you that you have...?”, based on a list of 12 selected diseases: (i) hypertension; (ii) eye problems (cataracts, glaucoma, diabetic retinopathy and macular degeneration); (iii) arthritis or rheumatism; (iv) depression; (v) anxiety; (vi) diabetes mellitus; (vii) osteoporosis; (viii) heart problems; (ix) respiratory problems (emphysema, chronic bronchitis or chronic obstructive pulmonary disease, asthma); (x) cancer; (xi) urinary incontinence; and (xii) chronic illness other than these. Questions about depression and anxiety included the psychiatry and psychology specialties. Multimorbidity was operationalized as an ordinal variable, classified into three categories: zero to one morbidity; two morbidities; three or more morbidities.17),(18 The following variables were used as independent covariables: a) sex (male; female); b) aged (in years: 18-59; 60 or over); c) marital status (married/living with a partner; single/separated/widowed); d) income (in BRL: BRL 0 - 1,000; BRL 1,001 - 2,000; BRL 2,001 - 4,000; BRL 4,001 or more); e) hospitalization (no; yes); f) body mass index (BMI: low/normal weight; overweight; obese); and g) tobacco smoking (never smoked; smoker/former smoker). Statistical analyses Descriptive data were presented as proportions and 95% confidence intervals (95%CI). In order to identify multimorbidity patterns, principal component analysis (PCA) was performed, which allows groups of diseases to be combined based on their degree of correlation.19 First, an analysis was carried out without restrictions on the number of factors to be retained and then orthogonal varimax rotation was performed in order to obtain patterns that were not correlated with each other and improve data interpretation. The number of patterns to be extracted was defined based on the criterion of larger eigenvalues using T units and screeplot graphs, in which the points with the greatest slope indicate the number of factors to be considered in the analysis. Following these analyses, the model was built by setting the number of multimorbidity patterns to be retained. In order to verify the adequacy of the analysis, the Bartlett test was performed to identify whether there was correlation between the variables. The groups that contributed to the characterization of each pattern were those with factor loadings ≥ 0.3 or ≤ -0.3. The patterns were named based on the characteristics of the retained items: (i) the cardiovascular pattern - hypertension, diabetes mellitus and cardiovascular diseases; (ii) the musculoskeletal pattern - osteoporosis and rheumatism; and (iii) the mental disorders pattern - depression and anxiety. The p-value used in the Bartlett test was 0.000 - indicating that the variables have a significant correlation, enabling groups of diseases to be formed. The independent variables underwent a collinearity test, using Pearson’s correlation coefficient: those that showed high collinearity with each other were discarded from the model. In order to test the behavior of the variables in the adjustment of the regression models, subsequent analyses were performed with a hierarchical model in the following order: 1st - sex, age (in years), marital status and income; 2nd - smoking; 3rd - BMI; and 4th - hospital admission/hospitalization. Crude and adjusted analyses comparing results and exposures were performed using Poisson regression with robust variance adjustment, reported as prevalence ratios (PR). Analyses were also performed between the patterns identified, through PCA, and the outcomes were assessed. All associations with 95%CI without overlap between categories were considered to be statistically significant. The data were analyzed using Stata 15.0 statistical software. The study protocol was approved by the Universidade Federal do Rio Grande Research Ethics Committee: Opinion No. 4.375.6, dated November 3, 2020; Certificate of Submission for Ethical Appraisal (Certificado de Apresentação para Apreciação Ética - CAAE) No. 39081120.0.0000.5324. RESULTS Out of 4,014 individuals who tested positive for COVID-19 (Figure 1), 3,822 were eligible to participate in the study. Initially, 192 cases were excluded because they reported incomplete data, lived in a rural area and/or had no telephone contact and address available at the municipality’s Sanitary Surveillance service, had functional limitations and/or advanced neurological diseases that made it impossible for them to answer the questionnaire or because they were deprived of liberty. After losses and refusals (631 and 272, respectively), 2,919 individuals were interviewed, of which 59.6% (95%CI 57.8;61.4) did not have multimorbidity, 17.8% had two diseases (95%CI 16.5;19.3) and 22.6% had three or more chronic diseases (95%CI 21.1;24.2). Figure 1 Recruitment process of the participants of the SulCovid Study, Rio Grande, Rio Grande do Sul, Brazil, 2021 With regard to sex and age, out of the definitive sample of 2,919 participants, 59.6% were female and 83.3% were between 18 and 59 years of age (Table 1). The majority were of White/Asian race/skin color (77.9%) and reported having high school education (44.2%), 60.6% were married or lived with a partner. The study also revealed that 24.4% of participants were smokers or former smokers, and that 73.3% were overweight or obese. Regarding self-rated health, 58% of the respondents considered their health status to be good. Table 1 Sociodemographic and behavioral characteristics of individuals (n = 2,919) following COVID-19 infection, Rio Grande, Rio Grande do Sul, Brazil, 2021 Characteristics Total n (%) Multimorbidade n (%) Sex Male 1,208 (41.4) 271 (26.1) Female 1,711 (59.6) 768 (73.9) Age (in years) 18-59 2,420 (83.3) 726 (70.2) ≥ 60 482 (16.7) 308 (29.8) Schooling No schooling 15 (0.5) 353 (35.0) Elementary education 713 (24.9 376 (37.3) High school education 1,264 (44.2) 279 (27.7) Higher education 871 (30.4) Marital status Married/living with a partner 1,757 (60.6) 613 (59.5) Single/separated/divorced 1,144 (39.4) 418 (40.5) Per capita income (in BRL) 0 - 1,000 668 (26.1) 283 (30.3) 1,001 - 2,000 995 (38.9) 374 (40.0) 2,001 - 4,000 604 (23.6) 190 (20.3) 4,001 or more 288 (11.4) 88 (9.4) Smoking Never smoked 2,197 (75.6) 723 (69.6) Smoker/former smoker 708 (24.4) 316 (30.4) Body Mass Index (BMI) Low/normal weight 757 (26.7) 223 (22.2) Overweight/obese 2,076 (73.3) 781 (77.8) Hospitalization No 2,307 (96.3) 722 (92.9) Yes 88 (3.7) 55 (7.1) Compared to those who did not have multimorbidities, those who had two diseases showed greater use of the following health services: private medical service (PR = 1.41; 95%CI 1.15;1.73); emergency care unit (PR = 1.57; 95%CI 1.10;2.25); emergency room (PR = 3.24; 95%CI 1.45;7.22); emergency services (PR = 1.62; 95%CI 1.21;2.18); specialist physicians (PR = 2.34; 95%CI 2.04;4.13); specialized services (PR = 2.91; 95%CI 1.88;2.95); neurologist (PR = 2.51; 95%CI 1.08;5.83); cardiologist (PR = 2.04; 95%CI 1.41;2.95); psychiatrist (PR = 5.02; 95%CI 2.74;9.20); physiotherapist (PR = 2.26; 95%CI 1.08;4.71); and psychologist (PR = 3.30; 95%CI 2.08;5.23) (Table 2). In the case of multimorbidity involving three or more diseases, risk of using all the health services was even greater. Services that were not associated with the presence of two diseases became associated when there was the presence of three or more diseases, such as primary healthcare centers (PR = 1.47; 95%CI 1.23;1.77), private emergency rooms (PR = 3.09; 95%CI 1.78;5.36) and consultations with a pulmonologist (PR = 1.81; 95%CI 1.12;2.91). Table 2 Adjusted analysis of association between multimorbidity and use of health services in individuals (n = 2,919) following COVID-19 infection, Rio Grande, Rio Grande do Sul, Brazil, 2021 Health services Crude PRa (95%CIb) Crude PRa (95%CIb) p-value Adjusted PRa (95%CIb) Adjusted PRa (95%CIb) p-value 2 diseases ≥ 3 diseases 2 diseases ≥ 3 diseases Primary healthcare center 1.25 (1.06;1.47) 1.66 (1.45;1.90) < 0.001 1.15 (0.93;1.42) 1.47 (1.23;1.77) < 0.001 Private medical service 1.45 (1.24;1.70) 1.52 (1.32;1.76) < 0.001 1.41 (1.15;1.73) 1.69 (1.40;2.04) < 0.001 Emergency care unit 1.37 (1.02;1.85) 1.82 (1.40;3.36) < 0.001 1.57 (1.10;2.25) 1.51 (1.05;2.17) < 0.001 Private emergency room 1.55 (0.94;2.55) 2.18 (1.42;3.35) < 0.001 1.49 (0.76;2.93) 3.09 (1.78;5.36) < 0.001 Emergency room 2.27 (1.25;4.13) 3.60 (2.16;6.00) < 0.001 3.24 (1.45;7.22) 3.21 (1.40;7.37) < 0.001 Emergency servicesc 1.50 (1.18;1.90) 2.09 (1.70;2.56) < 0.001 1.62 (1.21;2.18) 1.82 (1.36;2.42) < 0.001 Specialist physiciansd 2.41 (1.99;2.92) 3.37 (2.85;3.98) < 0.001 2.34 (2.04;4.13) 2.14 (1.44;3.20) < 0.001 Specialized servicese 3.22 (2.45;4.24) 2.60 (1.95;3.46) < 0.001 2.91 (1.88;2.95) 3.04 (2.47;3.76) < 0.001 Pulmonologist 2.05 (1.47;2.87) 2.41 (1.77;3.28) < 0.001 1.67 (0.99;2.81) 1.81 (1.12;2.91) < 0.001 Neurologist 2.14 (1.22;3.74) 3.74 (2.35;5.93) < 0.001 2.51 (1.08;5.83) 2.97 (1.35;6.51) < 0.001 Cardiologist 2.25 (1.73;2.92) 4.15 (3.36;5.12) < 0.001 2.04 (1.41;2.95) 3.82 (2.78;5.24) < 0.001 Psychiatrist 5.20 (3.22;8.41) 4.92 (3.05;7.92) < 0.001 5.02 (2.74;9.20) 6.09 (3.21;11.5) < 0.001 Physiotherapist 1.93 (1.16;3.21) 2.29 (1.43;3.65) < 0.001 2.26 (1.08;4.71) 2.40 (1.20;4.84) < 0.001 Psychologist 4.34 (3.07;6.14) 3.42 (2.39;4.91) < 0.001 3.30 (2.08;5.23) 3.89 (2.45;6.17) < 0.001 a) PR: Prevalence ratio; b) 95%CI: 95% Confidence interval; c) Emergency services: emergency care unit, private emergency room and emergency room; d) Specialist physicians: pulmonologist, neurologist, cardiologist and psychiatrist; e) Specialized services: physiotherapist and psychologist. Note: Adjusted for sex, age (in years), marital status, income, hospitalization, BMI and smoking. The principle components analysis resulted in the definition of three disease patterns: a) Pattern 1 [31.1% (95%CI 29.7;33.1)], comprised of hypertension, diabetes mellitus and cardiovascular diseases; b) Pattern 2 [13.3% (95%CI 12.1;14.6)], comprised of osteoporosis and rheumatism; c) Pattern 3 [33.5% (95%CI 31.8;35.2)], comprised of depression and anxiety. Although most health services were associated with the three disease patterns (Table 3), it was possible to note that Pattern 1 (hypertension, diabetes mellitus and cardiovascular diseases) had a greater association with consultations with a cardiologist (PR = 5.02; 95% CI 3.75;6.70), compared to Patterns 2 and 3. Pattern 2 (osteoporosis and rheumatism) was the only one to be associated with consultations with a physiotherapist (PR = 2.26; 95%CI 1.20;4.27), this being a medical specialty with which Patterns 1 and 3 showed no association. However, the strong association of Pattern 3 (depression and anxiety) with psychiatric consultations (PR = 8.80; 95%CI 4.86;15.9) and psychological consultations (PR = 5.53; 95%CI 3.63;8.41) is noteworthy. Table 3 Adjusted analysis of association between patterns of chronic diseases and use of health services in individuals (n = 2,919) following COVID-19 infection, Rio Grande, Rio Grande do Sul, Brazil, 2021 Health services Pattern 1 Pattern 2 Pattern 3 Crude PRa (95%CIb) p-value Adjusted PRa (95%CIb) p-value Crude PRa (95%CIb) p-value Adjusted PRa (95%CIb) p-value Crude PRa (95%CIb) p-value Adjusted PRa (95%CIb) p-value Primary healthcare center 1,43 (1,27; 1,61) <0,001 1,36 (1,18; 1,58) <0,001 1,48 (1,28; 1,71) <0,001 1,44 (1,20; 1,73) <0,001 1,29 (1,15; 1,46) <0,001 1,13 (0,97; 1,32 0.140 Private medical service 1,23 (1,08; 1,40) <0,001 1.29 (1,08; 1,48) 0,010 1,43 (1,23; 1,66) <0,001 1,24 (1,02; 1,53) 0,070 1,37 (1,21; 1,55) <0,001 1,45 (1,24; 1,70) <0.001 Emergency care unit 1,49 (1,19; 1,87) <0,001 1,17 (0.87; 1.56) 0,650 1,19 (0,88; 1,62) 0,260 - 0,490 1,61 (1,29; 2,00) <0,001 1,37 (1,04; 1,81) 0.030 Private emergency room 1,60 (1,10; 2,35) 0,020 2,02 (1,26; 3,23) <0,001 2,27 (1,48; 3,47) <0,001 2,74 (1,63; 4,62) <0,001 1,52 (1,04; 2,21) 0,030 1,82 (1,13; 2,93) 0.040 Emergency room 1,55 (0,99; 2,43) 0,050 1,22 (0,64; 2,30) 0,620 1,97 (1,18; 3,31) 0,010 1,30 (0,61; 2,82) 0,480 2,14 (1,38; 3,33) <0,001 1,69 (0,92; 3,13) 0.070 Emergency servicesc 1,56 (1,30; 1,87) <0,001 1,37 (1,09; 1,73) 0,020 1,56 (1,25; 1,95) <0,001 1,22 (0,90; 1,64) 0,280 1,64 (1,38; 1,96) <0,001 1,42 (1,14; 1,79) <0.001 Specialist physiciansd 2,77 (2,40; 3,20) <0,001 2,76 (2,27; 3,36) <0,001 1,99 (1,69; 2,34) <0,001 1,80 (1,44; 2,24) <0,001 1,81 (1,57; 2,09) <0,001 1,89 (1,55; 2,30) <0.001 Specialized servicese 1,32 (1,05; 1,67) 0,020 1,08 (0,78; 1,48) 0,640 1,77 (1,34; 2,32) <0,001 1,41 (0,97; 2,05) 0,090 3,20 (2,53; 4,04) <0,001 2,95 (2,18; 4,00) <0.001 Pulmonologist 1,63 (1,25; 2,12) <0,001 1,09 (0,72; 1,63) 0,860 1,85 (1,36; 2,52) <0,001 1,67 (1,6; 2,62) 0,150 1,16 (0,89; 1,53) 0,270 - - Neurologist 3,09 (2,06; 4,66) <0,001 1,64 (0,89; 3,05) 0,250 2,65 (1,72; 4,09) <0,001 1,34 (0,68; 2,66) 0,650 2,40 (1,61; 3,58) <0,001 2,25 (1,25; 4,06) <0.001 Cardiologist 4,98 (4,07; 6,09) <0,001 5,38 (4,10; 7,05) <0,001 2,40 (1,97; 2,92) <0,001 2,07 (1,57; 2,73) <0,001 1,53 (1,27; 1,84) <0,001 1,55 (1,21; 1,99) <0.001 Psychiatrist 1,18 (0,81; 1,73) 0,390 1,07 (0,65; 1,75) 0,840 1,46 (0,90; 2,30) 0,130 1,33 (0,76; 2,25) 0,650 11,17 (6,70; 18,59) <0,001 9,27 (5,23; 16,40) <0.001 Physiotherapist 2,37 (1,60; 3,52) <0,001 1,85 (1,05; 3,26) 0,150 3,33 (2,22; 5,00) <0,001 2,50 (1,41; 4,42) 0,010 1,48 (1,00; 2,20) 0,050 - - Psychologist 1,17 (0,88; 1,58) 0,280 0,94 (0,63; 1,39) 0,930 1,15 (0,77; 1,70) 0,500 0,77 (0,43; 1,36) 0,720 6,16 (4,43; 8,58) <0,001 5,80 (3,86; 8,70) <0.001 a) PR: Prevalence ratio; b) 95%CI: 95% Confidence interval; c) Emergency services: emergency care unit, private emergency room and emergency room; d) Specialist physicians: pulmonologist, neurologist, cardiologist and psychiatrist; e) Specialized services: physiotherapist and psychologist. Notes: Pattern 1: hypertension, diabetes mellitus and cardiovascular diseases; Pattern 2: osteoporosis and rheumatism; Pattern 3: depression and anxiety. Adjusted for sex, age (in years), marital status, income, hospitalization, body mass index (BMI) and smoking. Table 4 presents the adjusted analysis of association between multimorbidity, in a dichotomous manner, and use of health services. With the exception of use of emergency rooms, all the analyses were statistically significant, showing that participants with multimorbidity were more likely to use the services we assessed, especially cardiologists (PR = 4.63; 95%CI 3.07;6.98) and psychiatrists (PR = 4.92; 95%CI 2.42;9.99). Table 4 Adjusted analysis of association between multimorbidity (dichotomized) and use of health services in individuals (n = 2,919) following COVID-19 infection, Rio Grande, Rio Grande do Sul, Brazil, 2021 Health services Multimorbidity Adjusted PRa (95%CIb) Primary healthcare center 1.34 (1.14;1.58) Private medical service 1.57 (1.32;1.62) Emergency care unit 1.63 (1.18;1.73) Private emergency room 2.12 (1.22;3.72) Emergency room 2.00 (0.95;4.25) Emergency servicesc 1.63 (1.26;2.12) Specialist physiciansd 3.60 (2.67;4.85) Specialized servicese 2.66 (1.81;3.91) Pulmonologist 1.70 (1.09;2.66) Neurologist 3.00 (1.28;7.08) Cardiologist 4.63 (3.07;6.98) Psychiatrist 4.92 (2.42;9.99) Physiotherapist 2.85 (1.37;5.91) Psychologist 2.95 (1.82;4.78) a) PR: Prevalence ratio; b) 95%CI: 95% Confidence interval; c) Emergency services: emergency care unit, private emergency room and emergency room; d) Specialist physicians: pulmonologist, neurologist, cardiologist and psychiatrist; d) Specialized services: physiotherapist and psychologist. Note: Adjusted for sex, age (in years), marital status, income, hospitalization, body mass index (BMI) and smoking. The results of the supplementary analysis (Supplementary Table 1) showed that, regardless of overweight or obesity, multimorbidity was associated with greater use of health services. In general terms, the results in Supplementary Tables 2 and 3 were similar to the original models, presented in Tables 2 and 3. It was also possible to note that, regarding the use of some of the services - specialist physicians, specialized services, psychiatrists, psychologists -, Pattern 3 was associated with multimorbidity only among participants in the 18-59 and 60-69 age group, but not among those aged 70 or over (Supplementary Table 4). DISCUSSION In this study, different forms of measurement made it possible to analyze association of multimorbidity with the use of different types of health services by people with COVID-19. Having several chronic diseases was associated with greater use of services. By means of principal components analysis, three patterns of multimorbidity associated with different types of health services were identified. In particular, Pattern 3, comprised of mental diseases, presented the highest prevalence ratio for psychiatric consultations and psychological consultations. Pattern 1 also stood out, presenting a high prevalence ratio for consultations with a cardiologist. The results can offer important contributions to public health in Brazil. By understanding how pre-existing health conditions influence the need for post-infection medical care, the SUS can be better prepared to deal with future demands. The conditions present in an individual can be interconnected, in a way that requires coordinated and comprehensive health care and management. Identification of disease patterns and their association with use of health services makes it possible to target care according to each person’s health conditions. This study has limitations, including measurement of multimorbidity using self-reporting, which may lead to a result that is not as accurate as measurement using objective methods, such as electronic medical records or medical examinations. This problem may be further aggravated by the fact that the participants had COVID-19, which may be associated (in some cases) with memory loss. This hypothesis is confirmed by a meta-analysis which found memory problems in around 27% of participants in the 19 studies it analyzed.20 As this is a cross-sectional study, the possibility of reverse causality also needs to be addressed. However, chronic diseases are conditions that occur throughout life, while the use of health services was assessed following diagnosis of COVID-19, with the possibility of reducing the risk of reverse causality, without however eliminating the risk. Furthermore, use of health services may be underestimated: it was assessed during the pandemic, when the majority of services were diverted to caring for COVID-19 cases. COVID-19 may have worsened these numbers even further. Studies have shown high prevalence of mental disorders, such as anxiety,21 and restricting access to health services, this being inevitable given the emergence of the pandemic, could worsen this condition. Therefore, it is possible that in the coming years, health service use involving consultations with psychiatrists and psychologists will increase considerably, placing a burden on healthcare systems. Furthermore, uncertainty about the consequences of the pandemic and the lack of commitment on the part of some government officials in the country could possibly trigger the occurrence of new cases of depression and anxiety, resulting in greater use of specialized health services. Association between multimorbidity and use of healthcare services has been demonstrated.13 Healthcare costs are also higher in individuals with multimorbidity, and can be up to 5.5 times greater than healthcare costs for individuals without multimorbidity; furthermore, each additional illness can increase the number of consultations by 3.2 times, and costs by 33%.22 The results of this study serve as a warning for primary healthcare interventions aimed at reducing future expenditure on multimorbidity management. The main finding of this study is that individuals with multimorbidity are those who most use the health services assessed. A possible explanation for this scenario lies in the fact that multimorbidity, regardless of the country’s income and gender, is associated with hospitalization and recurring hospital admission of the elderly.23 The complexity of multimorbidity is associated with both use of primary healthcare services and care provided in emergency rooms, which can culminate in cases of hospitalization and readmission to hospital. The results of this research point to individuals with multimorbidity as being those who most use the majority of health services we assessed,24 instead of seeking care in primary healthcare services. Health System users see emergency rooms as a possibility of being quickly attended to and undergoing examinations immediately, due to the availability of resources and teams trained to deal with medical emergencies. However, in many cases, care provision in primary healthcare services would be more appropriate for the management of chronic conditions, aiming to achieve a more comprehensive and continuous approach. It should be added that individuals with multimorbidity may require greater levels of care, with regard to the most serious cases resulting from COVID-19,25 implying greater use of emergency rooms. The clusters found in this study can be fundamental for guiding health service managers and making health decisions. The complexity of the interaction between one disease and another is reflected in the adverse effects it can cause. A study conducted in London, with some 826,000 medical records covering the period from 2005 to 2020, identified mental, cardiovascular, pain and liver health clusters associated with an increase in primary care consultations.26 The authors of that study also identified that on average individuals with multimorbidity had 12 primary care consultations.26 In order to prevent interactions between different morbidities, identification of clusters of diseases in primary healthcare services can can enable referral of Health System users to specialized services, avoiding unnecessary consultations with other public health professionals. Multimorbidity is a complex and interrelated condition, requiring a multi-level approach, focusing on specific issues, such as underlying biological mechanisms and determining socioeconomic factors, for example.2 Multimorbidity care must focus on multidisciplinary care. Identifying clusters of diseases can be an additional tool for health professionals, contributing to the management of care by specialist physicians in a given cluster. It is necessary to create health policies capable of dealing with individuals diagnosed with multimorbidity, respecting their characteristics and prioritizing their quality of life. Although multimorbidity prevalence is higher in high-income countries,27 the main problem may lie in low- and middle-income countries, a reality in which there is possibly less access to medical diagnosis, greater socioeconomic inequalities and poorer quality of care for people with multimorbidity. It is estimated that around 46% of cases of diabetes mellitus (approximately 175 million people) are underdiagnosed, and among these, 83.3% live in low- and middle-income countries.28 These are, therefore, two major challenges for health service managers, especially in low- and middle-income countries: the first challenge being expanding access to health services, while the second challenge relates to identifying clusters and referring them to specialized health professionals or multidisciplinary health teams, as appropriate. In conclusion, multimorbidity was associated with use of different types of health services. Patterns consisting of hypertension, diabetes mellitus and cardiovascular problems were more associated with consultations with cardiologists; pain-related patterns were associated with the use of physiotherapy services; while the psychological disorder pattern was associated with mental health services. The results of this study, based on the disease patterns observed, provide support for health service managers and health professionals in the management of multimorbidity and in the redirection of health care, contributing to the adaptation of resources and specialties to the identified prevalence of demand, in addition to promoting of comprehensiveness between the different services offered by the SUS. Although the study was carried out during the COVID-19 pandemic, its results can contribute to prevention and management, improved efficiency and access to care for chronic conditions. REFERENCES 1 1. Marengoni A, Angleman S, Melis R, Mangialasche F, Karp A, Garmen A, et al. Aging with multimorbidity: a systematic review of the literature. Ageing Res Rev. 2011;10(4):430-9. doi: 10.1016/j.arr.2011.03.003. Marengoni A Angleman S Melis R Mangialasche F Karp A Garmen A Aging with multimorbidity: a systematic review of the literature Ageing Res Rev 2011 10 4 430 439 10.1016/j.arr.2011.03.003 2 2. Skou ST, Mair FS, Fortin M, Guthrie B, Nunes BP, Miranda JJ, et al. Multimorbidity. Nat Rev Dis Primers. 2022;8(1):48. doi: 10.1038/s41572-022-00376-4. Skou ST Mair FS Fortin M Guthrie B Nunes BP Miranda JJ Multimorbidity Nat Rev Dis Primers 2022 8 1 48 10.1038/s41572-022-00376-4 3 3. Francisco PMSB, Assumpção D, Bacurau AGM, Silva DSM, Malta DC, Borim FSA. Multimorbidity and use of health services in the oldest old in Brazil. Rev Bra Epidemiol. 2021;24(Suppl 2):e210014. doi: 10.1590/1980-549720210014.supl.2. Francisco PMSB Assumpção D Bacurau AGM Silva DSM Malta DC Borim FSA Multimorbidity and use of health services in the oldest old in Brazil Rev Bra Epidemiol 2021 24 Suppl 2 e210014 10.1590/1980-549720210014.supl.2 4 4. Hone T, Stokes J, Trajman A, Saraceni V, Coeli CM, Rasella D, et al. Racial and socioeconomic disparities in multimorbidity and associated healthcare utilisation and outcomes in Brazil: a cross-sectional analysis of three million individuals. BMC Public Health. 2021;21(1):1287. doi: 10.1186/s12889-021-11328-0. Hone T Stokes J Trajman A Saraceni V Coeli CM Rasella D Racial and socioeconomic disparities in multimorbidity and associated healthcare utilisation and outcomes in Brazil: a cross-sectional analysis of three million individuals BMC Public Health 2021 21 1 1287 1287 10.1186/s12889-021-11328-0 5 5. Nunes BP, Souza ASS, Nogueira J, Andrade FB, Thumé E, Teixeira DSC, et al. Multimorbidity and population at risk for severe COVID-19 in the Brazilian Longitudinal Study of Aging. Cad Saude Publica. 2020;36(12):e00129620. doi: 10.1590/0102-311X00129620. Nunes BP Souza ASS Nogueira J Andrade FB Thumé E Teixeira DSC Multimorbidity and population at risk for severe COVID-19 in the Brazilian Longitudinal Study of Aging Cad Saude Publica 2020 36 12 e00129620 10.1590/0102-311X00129620 6 6. Nunes BP, Batista SRR, Andrade FB, Souza Junior PRB, Lima-Costa MF, Facchini LA. Multimorbidity: The Brazilian Longitudinal Study of Aging (ELSI-Brazil). Rev Saude Publica. 2018;52(Suppl 2):10s. doi: 10.11606/S1518-8787.2018052000637. Nunes BP Batista SRR Andrade FB Souza PRB Junior Lima-Costa MF Facchini LA Multimorbidity: The Brazilian Longitudinal Study of Aging (ELSI-Brazil) Rev Saude Publica 2018 52 Suppl 2 10s 10.11606/S1518-8787.2018052000637 7 7. Shi X, Lima SMS, Mota CMM, Lu Y, Stafford RS, Pereira CV. Prevalence of multimorbidity of chronic noncommunicable diseases in Brazil: Population-based study. JMIR Public Health Surveill. 2021;7(11):e29693. doi: 10.2196/2969. Shi X Lima SMS Mota CMM Lu Y Stafford RS Pereira CV Prevalence of multimorbidity of chronic noncommunicable diseases in Brazil: Population-based study JMIR Public Health Surveill 2021 7 11 e29693 10.2196/2969 8 8. Araujo MEA, Silva MT, Galvao TF, Nunes BP, Pereira MG. Prevalence and patterns of multimorbidity in Amazon Region of Brazil and associated determinants: A cross-sectional study. BMJ Open. 2018;8(11):e023398. doi: 10.1136/bmjopen-2018-023398. Araujo MEA Silva MT Galvao TF Nunes BP Pereira MG Prevalence and patterns of multimorbidity in Amazon Region of Brazil and associated determinants: A cross-sectional study BMJ Open 2018 8 11 e023398 10.1136/bmjopen-2018-023398 9 9. Carvalho JN, Roncalli ÂG, Cancela MC, Souza DLB. Prevalence of multimorbidity in the Brazilian adult population according to socioeconomic and demographic characteristics. PLoS One. 2017;12(4):e0174322. doi: 10.1371/journal.pone.0174322. Carvalho JN Roncalli ÂG Cancela MC Souza DLB Prevalence of multimorbidity in the Brazilian adult population according to socioeconomic and demographic characteristics PLoS One 2017 12 4 e0174322 10.1371/journal.pone.0174322 10 10. Delpino FM, Caputo EL, Silva MC, Reichert FF, Nunes BP, Feter N, et al. Incidence of multimorbidity and associated factors during the COVID-19 pandemic in Brazil: a cohort study. Sao Paulo Med J. 2022;140(3):447-53. doi: 10.1590/1516-3180.2021.0518.R1.15092021. Delpino FM Caputo EL Silva MC Reichert FF Nunes BP Feter N Incidence of multimorbidity and associated factors during the COVID-19 pandemic in Brazil: a cohort study Sao Paulo Med J 2022 140 3 447 453 10.1590/1516-3180.2021.0518.R1.15092021 11 11. Xu XW, Wu XX, Jiang XG, Xu KJ, Ying LJ, Ma CL, et al. Clinical findings in a group of patients infected with the 2019 novel coronavirus (SARS-Cov-2) outside of Wuhan, China: retrospective case series. BMJ. 2020;368:m606. doi: 10.1136/bmj.m606. Xu XW Wu XX Jiang XG Xu KJ Ying LJ Ma CL Clinical findings in a group of patients infected with the 2019 novel coronavirus (SARS-Cov-2) outside of Wuhan, China: retrospective case series BMJ 2020 368 m606 10.1136/bmj.m606 12 12. Cardoso JP, Calazans MIP, Carneiro ALFC, Costa CM, Monteiro ELO, Aristizábal LYG, et al. Association between multimorbidity, intensive care unit admission, and death in patients with COVID-19 in Brazil: a cross-section study, 2020. Sao Paulo Med J . 2023;141(3):e2022226. doi: 10.1590/1516-3180.2022.0226.R1.21072022. Cardoso JP Calazans MIP Carneiro ALFC Costa CM Monteiro ELO Aristizábal LYG Association between multimorbidity, intensive care unit admission, and death in patients with COVID-19 in Brazil: a cross-section study, 2020 Sao Paulo Med J 2023 141 3 e2022226 10.1590/1516-3180.2022.0226.R1.21072022 13 13. Souza ASS, Braga JU. Trends in the use of health services and their relationship with multimorbidity in Brazil, 1998-2013. BMC Health Serv Res. 2020;20(1):1080. doi: 10.1186/s12913-020-05938-4. Souza ASS Braga JU Trends in the use of health services and their relationship with multimorbidity in Brazil, 1998-2013 BMC Health Serv Res 2020 20 1 1080 10.1186/s12913-020-05938-4 14 14. Ukhanova MA, Tillotson CJ, Marino M, Huguet N, Quiñones AR, Hatch BA, et al. Uptake of preventive services among patients with and without multimorbidity. Am J Prev Med. 2020;59(5):621-9. doi: 10.1016/j.amepre.2020.04.019. Ukhanova MA Tillotson CJ Marino M Huguet N Quiñones AR Hatch BA Uptake of preventive services among patients with and without multimorbidity Am J Prev Med 2020 59 5 621 629 10.1016/j.amepre.2020.04.019 15 15. Harris PA, Taylor R, Minor BL, Elliott V, Fernandez M, O’Neal L, et al. The REDCap consortium: Building an international community of software platform partners. J Biomed Inform. 2019;95:103208. doi: 10.1016/j.jbi.2019.103208. Harris PA Taylor R Minor BL Elliott V Fernandez M O’Neal L The REDCap consortium: Building an international community of software platform partners J Biomed Inform 2019 95 103208 10.1016/j.jbi.2019.103208 16 16. Harris PA, Taylor R, Thielke R, Payne J, Gonzalez N, Conde JG. Research electronic data capture (REDCap)-A metadata-driven methodology and workflow process for providing translational research informatics support. J Biomed Inform. 2009;42(2):377-81. doi: 10.1016/j.jbi.2008.08.010. Harris PA Taylor R Thielke R Payne J Gonzalez N Conde JG Research electronic data capture (REDCap)-A metadata-driven methodology and workflow process for providing translational research informatics support J Biomed Inform 2009 42 2 377 381 10.1016/j.jbi.2008.08.010 17 17. Navickas R, Petric VK, Feigl AB, Seychell M. Multimorbidity: what do we know? What should we do? J Comorb. 2016;6(1):4-11. doi: 10.15256/joc.2016.6.72. Navickas R Petric VK Feigl AB Seychell M Multimorbidity: what do we know? What should we do? J Comorb 2016 6 1 4 11 10.15256/joc.2016.6.72 18 18. Fortin M, Stewart M, Poitras ME, Almirall J, Maddocks H. A systematic review of prevalence studies on multimorbidity: Toward a more uniform methodology. Ann Fam Med. 2012;10(2):142-51. doi: 10.1370/afm.1337. Fortin M Stewart M Poitras ME Almirall J Maddocks H A systematic review of prevalence studies on multimorbidity: Toward a more uniform methodology Ann Fam Med 2012 10 2 142 151 10.1370/afm.1337 19 19. Cattell RB. The scree test for the number of factors. Multivariate Behav Res. 1966;1(2):245-76. doi: 10.1207/s15327906mbr0102_10. Cattell RB The scree test for the number of factors Multivariate Behav Res 1966 1 2 245 276 10.1207/s15327906mbr0102_10 20 20. Premraj L, Kannapadi NV, Briggs J, Seal SM, Battaglini D, Fanning J, et al. Mid and long-term neurological and neuropsychiatric manifestations of post-COVID-19 syndrome: a meta-analysis. J Neurol Sci. 2022;434:120162. doi: 10.1016/j.jns.2022.120162. Premraj L Kannapadi NV Briggs J Seal SM Battaglini D Fanning J Mid and long-term neurological and neuropsychiatric manifestations of post-COVID-19 syndrome: a meta-analysis J Neurol Sci 2022 434 120162 10.1016/j.jns.2022.120162 21 21. Delpino FM, Silva CN, Jerônimo JS, Mulling ES, Cunha LL, Weymar MK, et al. Prevalence of anxiety during the COVID-19 pandemic: A systematic review and meta-analysis of over 2 million people. J Affect Disord. 2022;318:272-82. doi: 10.1016/j.jad.2022.09.003. Delpino FM Silva CN Jerônimo JS Mulling ES Cunha LL Weymar MK Prevalence of anxiety during the COVID-19 pandemic: A systematic review and meta-analysis of over 2 million people J Affect Disord 2022 318 272 282 10.1016/j.jad.2022.09.003 22 22. Bähler C, Huber CA, Brüngger B, Reich O. Multimorbidity, health care utilization and costs in an elderly community-dwelling population: a claims data based observational study. BMC Health Serv Res. 2015;15:23. doi: 10.1186/s12913-015-0698-2. Bähler C Huber CA Brüngger B Reich O Multimorbidity, health care utilization and costs in an elderly community-dwelling population: a claims data based observational study BMC Health Serv Res 2015 15 23 10.1186/s12913-015-0698-2 23 23. Rodrigues LP, Rezende ATO, Delpino FM, Mendonça CR, Noll M, Nunes BP, et al. Association between multimorbidity and hospitalization in older adults: systematic review and meta-analysis. Age Ageing. 2022;51(7):1-16. doi: 10.1093/ageing/afac155. Rodrigues LP Rezende ATO Delpino FM Mendonça CR Noll M Nunes BP Association between multimorbidity and hospitalization in older adults: systematic review and meta-analysis Age Ageing 2022 51 7 1 16 10.1093/ageing/afac155 24 24. Carret MLV, Fassa ACG, Domingues MR. Inappropriate use of emergency services: a systematic review of prevalence and associated factors. Cad Saude Publica. 2009;25(1):7-28. doi: 10.1590/s0102-311x2009000100002. Carret MLV Fassa ACG Domingues MR Inappropriate use of emergency services: a systematic review of prevalence and associated factors Cad Saude Publica 2009 25 1 7 28 10.1590/s0102-311x2009000100002 25 25. Chudasama YV, Zaccardi F, Gillies CL, Razieh C, Yates T, Kloecker DE, et al. Patterns of multimorbidity and risk of severe SARS-CoV-2 infection: an observational study in the U.K. BMC Infect Dis. 2021;21(1):908. doi: 10.1186/s12879-021-06600-y. Chudasama YV Zaccardi F Gillies CL Razieh C Yates T Kloecker DE Patterns of multimorbidity and risk of severe SARS-CoV-2 infection: an observational study in the U.K BMC Infect Dis 2021 21 1 908 10.1186/s12879-021-06600-y 26 26. Soley-Bori M, Bisquera A, Ashworth M, Wang Y, Durbaba S, Dodhia H, et al. Identifying multimorbidity clusters with the highest primary care use: 15 years of evidence from a multi-ethnic metropolitan population. Br J Gen Pract. 2022;72(716):e190-8. doi: 10.3399/BJGP.2021.0325. Soley-Bori M Bisquera A Ashworth M Wang Y Durbaba S Dodhia H Identifying multimorbidity clusters with the highest primary care use: 15 years of evidence from a multi-ethnic metropolitan population Br J Gen Pract 2022 72 716 e190 e198 10.3399/BJGP.2021.0325 27 27. Nguyen H, Manolova G, Daskalopoulou C, Vitoratou S, Prince M, Prina AM. Prevalence of multimorbidity in community settings: A systematic review and meta-analysis of observational studies. J Comorb. 2019;9: 2235042X19870934. doi: 10.1177/2235042X19870934. Nguyen H Manolova G Daskalopoulou C Vitoratou S Prince M Prina AM Prevalence of multimorbidity in community settings: A systematic review and meta-analysis of observational studies J Comorb 2019 9 2235042X19870934 10.1177/2235042X19870934 28 28. Beagley J, Guariguata L, Weil C, Motala AA. Global estimates of undiagnosed diabetes in adults. Diabetes Res Clin Pract. 2014;103(2):150-60. doi: 10.1016/j.diabres.2013.11.001. Beagley J Guariguata L Weil C Motala AA Global estimates of undiagnosed diabetes in adults Diabetes Res Clin Pract 2014 103 2 150 160 10.1016/j.diabres.2013.11.001 FUNDING Delpino FM received a postgraduate grant from the Conselho Nacional de Desenvolvimento Científico e Tecnológico/Ministério da Ciência, Tecnologia e Inovações (CNPq/MCTI) during the period in which the manuscript was preprared: Call for Proposals 07/2022. Nunes BP receives a level 2 Research Productivity grant from CNPq (process number 308772/2022-9). Vieira YP receives PhD scholarship from the Coordination for the Improvement of Higher Education Personnel Foundation (CAPES). The study was carried out with financial support from FAPERGS - Research Support Foundation of Rio Grande do Sul, Brazil grant number 21/2551-0000107-0 Research Program for the SUS: shared management in health - PPSUS). Supplementary Table 1 - Adjusted analysis of association between dichotomized multimorbidirty and use of health services stratified by body mass index in individuals (n = 2,919) following COVID-19 infection, Rio Grande, Rio Grande do Sul, Brazil, 2021 Supplementary Table 1 - Adjusted analysis of association between dichotomized multimorbidirty and use of health services stratified by body mass index in individuals (n = 2,919) following COVID-19 infection, Rio Grande, Rio Grande do Sul, Brazil, 2021 Health services Low - normal weight (95%CIa) Overweight (95%CIa) Obesity (95%CIa) Primary healthcare center 1.21 (0.90;1.62) 0.73 (0.53;1.01) 1.57 (1.17;2.11) Private medical service 1.53 (1.10;2.12) 1.35 (1.04;1.74) 1.96 (1.34;2.87) Emergency care unit 2.14 (1.14;4.01) 1.58 (0.94;2.64) 0.48 (0.24;0.95) Private emergency room 0.25 (0.08;0.85) 2.63 (1.08;6.48) 4.21 (0.98;18.06) Emergency room - - 2.00 (0.71;5.60) Emergency servicesb 1.71 (1.07;2.73) 1.63 (1.07;2.50) 1.51 (0.94;2.41) Specialist physiciansc 2.68 (1.52;4.72) 3.48 (2.22;5.43) 4.93 (2.73;8.92) Specialized servicesd 3.88 (1.76;8.56) 2.20 (1.27;3.79) 2.99 (1.46;6.14) Pulmonologist 10.26 (3.24;32.49) 1.61 (0.85;3.05) 2.87 (1.03;7.99) Neurologist - 2.41 (0.80;7.25) 2.97 (0.70;12.59) Cardiologist 4.11 (1.72;9.80) 4.21 (2.32;7.64) 5.72 (2.72;12.01) Psychiatrist 12.66 (1.60;99.88) 3.54 (1.32;9.51) 4.14 (1.27;13.55) Physiotherapist 2.89 (1.00;8.35) 3.82 (1.16;12.56) 3.19 (0.73;13.90) Psychologist 8.83 (2.09;37.23) 2.00 (1.04;2.85) 2.89 (1.22;6.81) a) 95%CI: 95% Confidence interval; b) Emergency services: emergency care unit, private emergency room and emergency room; c) Specialist physicians: pulmonologist, neurologist, cardiologist and psychiatrist; d) Specialized services: physiotherapist and psychologist. Note: Adjusted for sex, age (in years), marital status, income, hospitalization, body mass index (BMI) and smoking. Refers to occasions when the sample size was small and it was not possible to perform the analyses. Supplementary Table 2 - Adjusted analysis of association between multimorbidity and use of health services in individuals (n = 2,919) following COVID-19 infection, Rio Grande, Rio Grande do Sul, Brazil, 2021 Health services Crude PRa (95%CIb) p-value Adjusted PRa (95%CIb) p-value 2 diseases ≥ 3 diseases 2 diseases ≥ 3 diseases Primary healthcare center 1.25 (1.06;1.47) 1.66 (1.45;1.90) < 0.001 1.17 (0.96;1.43) 1.48 (1.25;1.75) < 0.001 Private medical service 1.45 (1.24;1.70) 1.52 (1.32;1.76) < 0.001 1.39 (1.14;1.70) 1.56 (1.29;1.88) < 0.001 Emergency care unit 1.37 (1.02;1.85) 1.82 (1.40;3.36) < 0.001 1.48 (1.04;2.09) 1.40 (0.99;1.98) < 0.001 Private emergency room 1.55 (0.94;2.55) 2.18 (1.42;3.35) < 0.001 1.80 (0.95;3.41) 3.17 (1.89;5.32) < 0.001 Emergency room 2.27 (1.25;4.13) 3.60 (2.16;6.00) < 0.001 2.32 (1.11;4.85) 2.30 (1.09;4.86) < 0.001 Emergency servicesc 1.50 (1.18;1.90) 2.09 (1.70;2.56) < 0.001 1.58 (1.18;2.10) 1.75 (1.33;2.29) < 0.001 Specialist physiciansd 2.41 (1.99;2.92) 3.37 (2.85;3.98) < 0.001 2.41 (1.87;3.10) 3.32 (2.63;4.19) < 0.001 Specialized servicese 3.22 (2.45;4.24) 2.60 (1.95;3.46) < 0.001 2.74 (1.94;3.86) 2.00 (1.37;2.93) < 0.001 Pulmonologist 2.05 (1.47;2.87) 2.41 (1.77;3.28) < 0.001 1.47 (0.88;2.47) 1.77 (1.13;2.77) < 0.001 Neurologist 2.14 (1.22;3.74) 3.74 (2.35;5.93) < 0.001 1.55 (0.64;3.73) 1.72 (0.79;3.75) < 0.001 Cardiologist 2.25 (1.73;2.92) 4.15 (3.36;5.12) < 0.001 2.12 (1.50;2.98) 3.87 (2.88;5.20) < 0.001 Psychiatrist 5.20 (3.22;8.41) 4.92 (3.05;7.92) < 0.001 5.15 (2.97;8.90) 4.43 (2.48;7.90) < 0.001 Physiotherapist 1.93 (1.16;3.21) 2.29 (1.43;3.65) < 0.001 1.73 (0.85;3.52) 1.69 (0.84;3.42) < 0.001 Psychologist 4.34 (3.07;6.14) 3.42 (2.39;4.91) < 0.001 3.58 (2.37;5.41) 2.67 (2.36;5.24) < 0.001 a) PR: Prevalence ratio; b) 95%CI: 95% Confidence interval; c) Emergency services: emergency care unit, private emergency room and emergency room; d) Specialist physicians: pulmonologist, neurologist, cardiologist and psychiatrist; e) Specialized services: physiotherapist and psychologist. Note: Adjusted for sex, age (in years), marital status, income, hospitalization, body mass index (BMI) and smoking. Supplementary Table 3 - Adjusted analysis of association between patterns of chronic diseases and use of health services in individuals (n = 2,919) following COVID-19 infection, Rio Grande, Rio Grande do Sul, Brazil, 2021 Health services Pattern 1 Pattern 2 Pattern 3 Crude PRa (95%CIb) p-value Adjusted PRa (95%CIb) p-value Crude PRa (95%CIb) p-value Adjusted PRa (95%CIb) p-value Crude PRa (95%CIb) p-value Adjusted PRa (95%CIb) p-value Primary healthcare center 1.43 (1.27;1.61) < 0.001 1.36 (1.18;1.58) < 0.001 1.48 (1.28;1.71) < 0.001 1.44 (1.20;1.73) < 0.001 1.29 (1.15;1.46) < 0.001 1.13 (0.97;1.32) 0.140 Private medical service 1.23 (1.08;1.40) < 0.001 1.29 (1.08;1.48) 0.010 1.43 (1.23;1.66) < 0.001 1.24 (1.02;1.53) 0.07 1.37 (1.21;1.55) < 0.001 1.45 (1.24;1.70) <0.001 Emergency care unit 1.49 (1.19;1.87) < 0.001 1.17 (0.87;1.56) 0.650 1.19 (0.88;1.62) 0.260 - 0.49 1.61 (1.29;2.00) < 0.001 1.37 (1.04;1.81) 0.030 Private emergency room 1.60 (1.10;2.35) 0.020 2.02 (1.26;3.23) < 0.001 2.27 (1.48;3.47) < 0.001 2.74 (1.63;4.62) < 0.001 1.52 (1.04;2.21) 0.030 1.82 (1.13;2.93) 0.040 Emergency room 1.55 (0.99;2.43) 0.050 1.22 (0.64;2.30) 0.620 1.97 (1.18;3.31) 0.010 1.30 (0.61;2.82) 0.480 2.14 (1.38;3.33) < 0.001 1.69 (0.92;3.13) 0.070 Emergency servicesc 1.56 (1.30;1.87) < 0.001 1.37 (1.09;1.73) 0.020 1.56 (1.25;1.95) < 0.001 1.22 (0.90;1.64) 0.280 1.64 (1.38;1.96) < 0.001 1.42 (1.14;1.79) < 0.001 Specialist physiciansd 2.77 (2.40;3.20) < 0.001 2.76 (2.27;3.36) < 0.001 1.99 (1.69;2.34) < 0.001 1.80 (1.44;2.24) < 0.001 1.81 (1.57;2.09) < 0.001 1.89 (1.55;2.30) < 0.001 Specialized servicese 1.32 (1.05;1.67) 0.020 1.08 (0.78;1.48) 0.640 1.77 (1.34;2.32) < 0.001 1.41 (0.97;2.05) 0.090 3.20 (2.53;4.04) < 0.001 2.95 (2.18;4.00) < 0.001 Pulmonologist 1.63 (1.25;2.12) < 0.001 1.09 (0.72;1.63) 0.860 1.85 (1.36;2.52) < 0.001 1.67 (1.6;2.62) 0.150 1.16 (0.89;1.53) 0.270 - - Neurologist 3.09 (2.06;4.66) < 0.001 1.64 (0.89;3.05) 0.250 2.65 (1.72;4.09) < 0.001 1.34 (0.68;2.66) 0.650 2.40 (1.61;3.58) < 0.001 2.25 (1.25;4.06) < 0.001 Cardiologist 4.98 (4.07;6.09) < 0.001 5.38 (4.10;7.05) < 0.001 2.40 (1.97;2.92) < 0.001 2.07 (1.57;2.73) < 0.001 1.53 (1.27;1.84) < 0.001 1.55 (1.21;1.99) < 0.001 Psychiatrist 1.18 (0.81;1.73) 0.390 1.07 (0.65;1.75) 0.840 1.46 (0.90;2.30) 0.130 1.33 (0.76;2.25) 0.650 11.17 (6.70;18.59) < 0.001 9.27 (5.23;16.40) < 0.001 Physiotherapist 2.37 (1.60;3.52) < 0.001 1.85 (1.05;3.26) 0.150 3.33 (2.22;5.00) < 0.001 2.50 (1.41;4.42) 0.010 1.48 (1.00;2.20) 0.050 X X Psychologist 1.17 (0.88;1.58) 0.280 0.94 (0.63;1.39) 0.930 1.15 (0.77;1.70) 0.500 0.77 (0.43;1.36) 0.720 6.16 (4.43;8.58) < 0.001 5.80 (3.86;8.70) < 0.001 a) PR: Prevalence ratio; b) 95%CI: 95% Confidence interval; c) Emergency services: emergency care unit, private emergency room and emergency room; d) Specialist physicians: pulmonologist, neurologist, cardiologist and psychiatrist; e) Specialized services: physiotherapist and psychologist. Notes: Pattern 1: hypertension, diabetes mellitus and cardiovascular diseases; Pattern 2: osteoporosis and rheumatism; Pattern 3: depression and anxiety. Adjusted for sex, age (in years), marital status, income, hospitalization, body mass index (BMI) and smoking. Refers to occasions when the sample size was small and it was not possible to perform the analyses. Supplementary Table 4 - Adjusted analysis of association between patterns of multimorbidity and use of health services stratified by age group in individuals (n = 2,919) following COVID-19 infection, Rio Grande, Rio Grande do Sul, Brazil, 2021 Health services Pattern 1 Pattern 2 Pattern 3 18-59 (95%CIa) 60-69 (95%CIa) ≥ 70 (95%CIa) 18-59 (95%CIa) 60-69 (95%CIa) ≥ 70 (95%CIa) 18-59 (95%CIa) 60-69 (95%CIa) ≥ 70 (95%CIa) Primary healthcare center 1.32 (1.11;1.57) 1.36 (0.87;2.11) 2.05 (0.70;5.99) 1.44 (1.14;1.82) 0.90 (0.57;1.43) 1.85 (1.04;3.29) 1.14 (0.99;1.31) 1.41 (0.94;2.12) 1.57 (1.01;2.45) Private medical service 1.18 (0.97;1.43) 1.84 (1.08;3.15) 0.51 (0.31;0.83) 1.32 (1.03;1.70) 1.24 (0.74;2.07) 0.98 (0.57;1.68) 1.38 (1.16;1.65) 2.05 (1.32;3.17) 1.81 (1.12;2.94) Emergency care unit 1.29 (1;07;1.54) 2.35 (0.77;7.10) 2.77 (1.13;6.82) 1.3 (0.94;1.88) 0.32 (0.09;1.13) 0.81 (0.28;2.35) 1.28 (0.94;1.74) 1.84 (0.86;3.93) 2.79 (0.98;7.91) Private emergency room 2.19 (1.29;3.72) 3.88 (1.88;7.94) - 2.53 (1.31;4.89) 2.82 (0.66;12.10) - 1.58 (0.95;2.64) - - Emergency room 5.65 (1.93;16.4) 3.61 (0.74;17.6) - 2.22 (1.00;4.91) 0.47 (0.06;3.36) - 1.84 (0.93;3.66) - - Emergency servicesb 1.46 (1.12;1.90) 0.58 (0.30;1.10) - 1.36 (0.95;1.95) 0.70 (0.31;1.61) 1.13 (0.46;2.76) 1.34 (1.05;1.72) 1.85 (1.00;3.43) 2.49 (1.04;5.98) Specialist physiciansc 2.68 (2.14;3.35) 3.03 (1.54;5.99) 2.53 (1.33;4.79) 1.90 (1.42;2.52) 1.35 (0.81;2.26) 1.23 (0.78;1.92) 2.05 (1.62;2.60) 1.63 (1.01;2.65) 1.29 (0.87;1.90) Specialized servicesd 1.75 (1.14;2.68) 1.68 (1.07;2.62) 0.15 (0.03;0.63) 1.68 (1.07;2.62) 0.50 (0.13;1.85) 2.12 (0.75;6.02) 3.11 (2.23;4.34) 4.45 (1.58;12.51) 1.72 (0.72;4.15) Pulmonologist 10.2 (5.56;18.9) 5.66 (2.16;1.48) 0.05 (0.0040.51) 1.52 (0.80;2.90) 1.49 (0.63;3.53) 1.40 (0.56;3.40) 1.23 (0.77;1.98) 1.16 (0.50;2.66) 0.96 (0.41;2.23) Neurologist 2.27 (1.10;4.70) 0.42 (0.13;1.33) 0.23 (0.17;0.72) 2.64 (1.14;6.11) 1.15 (0.09; 15.56) 0.32 (0.08;1.23) 3.01 (1.50;6.05) 2.40 (0.58;9.99) 2.75 (1.03;7.34) Cardiologist 5.64 (4.17;7.62) 3.74 (1.65;8.45) 2.23 (0.88;5.60) 2.03 (1.38;2.97) 1.64 (0.90;2.96) 1.29 (0.76;2.16) 1.70 (1.24;2.32) 1.64 (0.91;2.98) 1.18 (0.75;1.87) Psychiatrist 1.95 (0.96;3.96) 0.76 (0.36;1.56) 0.10 (0.03;0.42) 1.89 (0.99;3.60) 0.54 (0.12;2.34) - 9.14 (4.78;17.44) 16.32 (2.09;127.37) 2.85 (0.52;15.59) Physiotherapist 1.94 (1.00;3.76) 7.68 (2.03;28.9) 0.27 (0.09;0.77) 3.09 (1.51;6.31) 0.78 (0.17;3.49) 2.19 (0.68;7.03) 1.44 (0.77;2.71) 3.16 (0.81;12.31) 2.44 (0.86;6.89) Psychologist 2.56 (1.0;6.49) 4.88 (1.04;22.9) - 2.54 (1.02;6.32) - - 6.38 (4.15;9.80) 16.83 (2.18;129.86) 1.21 (0.30;4.91) a) 95%CI: 95% Confidence interval; b) Emergency services: emergency care unit, private emergency room and emergency room; c) Specialist physicians: pulmonologist, neurologist, cardiologist and psychiatrist; d) Specialized services: physiotherapist and psychologist. Notes: Pattern 1: hypertension, diabetes mellitus and cardiovascular diseases; Pattern 2: osteoporosis and rheumatism; Pattern 3: depression and anxiety. Adjusted for sex, age (in years), marital status, income, hospitalization, body mass index (BMI) and smoking. Refers to occasions when the sample size was small and it was not possible to perform the analyses. 10.1590/S2237-96222024V33E2023915.PT ARTIGO ORIGINAL Multimorbidade e uso de serviços de saúde em população diagnosticada com covid-19 em município da região Sul do Brasil, 2020-2021: estudo transversal 0000-0002-3562-3246 Delpino Felipe Mendes 1 concepção e delineamento análise e interpretação redação e revisão integridade 0000-0003-4828-8210 Vieira Yohana Pereira 2 concepção e delineamento análise e interpretação redação e revisão integridade 0000-0001-5730-0811 Duro Suele Manjourany 1 concepção e delineamento análise e interpretação redação e revisão integridade 0000-0002-4496-4122 Nunes Bruno Pereira 1 concepção e delineamento análise e interpretação redação e revisão integridade 0000-0001-7225-1552 Saes Mirelle de Oliveira 2 concepção e delineamento análise e interpretação redação e revisão integridade 1 Universidade Federal de Pelotas, Programa de Pós-Graduação em Enfermagem, Pelotas, RS, Brasil 2 Universidade Federal do Rio Grande, Programa de Pós-Graduação em Ciências da Saúde, Rio Grande, RS, Brasil Correspondência: Felipe Mendes Delpino. E-mail: [e-mail] CONTRIBUIÇÃO DOS AUTORES Delpino FM, Saes OS, Nunes BP, Duro SM e Vieira YP contribuíram na concepção e delineamento do estudo, análise e interpretação dos resultados, redação e revisão crítica do conteúdo do manuscrito. Todos os autores revisaram criticamente e aprovaram a versão final do manuscrito, sendo responsáveis por todos os seus aspectos, incluindo a garantia de sua precisão e integridade. CONFLITOS DE INTERESSE Os autores declararam não haver conflitos de interesse. Editora associada: Taís Freire Galvão - https://orcid.org/0000-0003-2072-4834 Resumo Objetivo: Analisar a associação entre multimorbidade e uso de serviços de saúde em uma população diagnosticada com covid-19, no Sul do Brasil. Métodos: Estudo transversal, utilizando-se dados de um estudo longitudinal realizado na cidade de Rio Grande, estado do Rio Grande do Sul, Brasil, em 2021, com todos os indivíduos adultos diagnosticados com covid-19; análises descritivas foram realizadas e apresentadas como proporções com intervalos de confiança de 95% (IC95%); a regressão de Poisson foi realizada e relatada como razão de prevalências (RP), para avaliar a associação entre multimorbidade e utilização de serviços de saúde. Resultados: Dos 2.919 participantes, 40,4% apresentavam multimorbidade (≥ 2 doenças); os resultados ajustados mostraram que indivíduos com multimorbidade (3 ou mais doenças) apresentaram maior probabilidade de utilização da maioria dos serviços avaliados (RP = 3,21; IC95% 1,40;7,37) em unidades de pronto-socorro. Conclusão: A multimorbidade esteve associada à utilização de diferentes tipos de serviços de saúde. Contribuições do estudo Principais resultados Casos de multimorbidade utilizaram mais os serviços; aqueles com hipertensão, diabetes e problemas cardiovasculares associaram- -se a mais consultas ao cardiologista; com dor, ao fisioterapeuta; e com doenças psicológicas, aos serviços de saúde mental. Implicações para os serviços Os resultados podem auxiliar os gestores de saúde no manejo e otimização de recursos, alocando indivíduos com padrões específicos de doenças nos serviços de saúde especializados, o que ajudará a reduzir filas e diminuir desigualdades. Perspectivas A implementação de políticas públicas voltadas ao manejo e prevenção da multimorbidade poderá resultar na redução da utilização de serviços de saúde - e na redução de custos -, além da melhora na qualidade de vida do indivíduo. Palavras-chave: Serviços de Saúde Covid-19 Estudos Transversais Multimorbidade INTRODUÇÃO O manejo de múltiplas doenças crônicas, em uma perspectiva de longo prazo, representa uma dificuldade para a organização dos serviços de saúde, em razão de sua complexidade.1 A utilização dos serviços de saúde por indivíduos com múltiplas doenças crônicas deve-se à necessidade de controle/tratamento, monitoramento e, principalmente, prevenção de desfechos adversos relacionados ao quadro clínico da multimorbidade.2 A multimorbidade é descrita como a presença de múltiplas condições crônicas, envolvendo duas ou mais doenças simultaneamente, no mesmo indivíduo.1 Ela está positivamente associada à idade, diminuição da capacidade funcional, redução do bem-estar e da qualidade de vida, e aumento da mortalidade.3 Estudo realizado na cidade do Rio de Janeiro identificou que as atividades associadas à multimorbidade foram as internações e visitas realizadas no âmbito da atenção primária à saúde (APS) oferecida pelo Sistema Único de Saúde (SUS).4 Durante a pandemia de covid-19, os indivíduos infectados pelo SARS-CoV-2 e portadores de multimorbidade tinham maior risco de desenvolver formas grave da doença.5 No Brasil, adultos e idosos mostraram alta prevalência de multimorbidade, variando de 18,3 a 67,8%;6)-(9 especialmente durante a pandemia, a incidência de multimorbidade foi de 27% (IC95% 23,5;31,1).10 Cerca de 72% dos indivíduos das unidades de terapia intensiva (UTIs) apresentavam multimorbidade,11 e a prevalência de internações e óbitos em UTIs crescia à medida que aumentava o número de morbidades.12 A multimorbidade, portanto, afeta os indicadores de utilização dos serviços de saúde, como internações e uso simultâneo de vários serviços nos diferentes níveis da atenção.13 A literatura mais atual mostra que indivíduos com multimorbidade utilizam mais os serviços de saúde,13),(14 embora dados sobre essa demanda sejam escassos entre publicações, principalmente no que toca aos serviços de APS e da atenção secundária à saúde. No contexto da pandemia de covid-19, observa-se uma lacuna no conhecimento da magnitude da relação entre o uso de serviços de saúde e a multimorbidade em indivíduos infectados. Portanto, estudos que investiguem a relação entre multimorbidade e utilização de serviços de saúde pós-infecção pelo vírus SARS-CoV-2, o coronavírus, podem ser relevantes no cenário atual. Outrossim, a frequência e a possibilidade dessa reinfecção, além do surgimento da chamada covid longa, impõem compreender como as condições de saúde preexistentes entre os infectados impactam a demanda por serviços médicos, fato crucial para o direcionamento de estratégias de prevenção, gestão e alocação de recursos de forma mais eficaz e abrangente. O presente estudo teve como objetivo analisar a associação entre multimorbidade e uso de serviços de saúde por pessoas diagnosticadas com covid-19 em uma cidade do Sul do Brasil. MÉTODOS Desenho do estudo Trata-se de um estudo transversal, com indivíduos diagnosticados com covid-19 no período entre dezembro de 2020 e março de 2021. Contexto Foram utilizados os dados do estudo SulCovid, realizado na cidade de Rio Grande, extremo sul do estado do Rio Grande do Sul. Rio Grande é uma cidade portuária, estende-se sobre uma área de 2.817 km² e conta com uma população de 212.881 habitantes, de acordo com dados do Instituto Brasileiro de Geografia e Estatística (IBGE) para o ano de 2021. Participantes Para serem incluídos no estudo, os participantes deveriam contar com 18 anos de idade ou mais, terem sido diagnosticados com covid-19 entre dezembro de 2020 e março de 2021, mediante o teste de biologia molecular, apresentar sintomas de covid-19 durante a doença e receber atendimento médico no município de Rio Grande. Foram excluídos os casos que receberam tratamento no município mas residiam em outras cidades, como também aqueles com limitações funcionais e/ou doenças neurológicas avançadas que lhes impossibilitavam responder ao questionário ou, ainda, os que se encontravam em privação de liberdade. Após cinco tentativas de contato via ligação telefônica e mais uma pelo aplicativo WhatsApp, seguidas de três tentativas de visitas domiciliares, foram consideradas perdas os indivíduos não localizados. A Vigilância Sanitária do Rio Grande forneceu uma lista de indivíduos com testes de biologia molecular cujo resultado foi positivo para covid-19, incluindo testes realizados em diversos locais, como farmácias, laboratórios e serviços de saúde. A coleta de dados aconteceu no período de julho a outubro de 2021, em média 6,5 meses após a infecção. Fontes de dados e mensuração Foram utilizados os dados do estudo “Pesquisa de monitoramento da saúde de adultos e idosos após infecção pela covid-19 em Rio Grande - SulCovid-19”. A coleta de dados foi prevista em duas etapas: coleta telefônica e coleta domiciliar. Para a coleta telefônica, foram realizados até cinco contatos, em dias e horários alternados. Os indivíduos que não atenderam a nenhuma chamada por telefone, tampouco à chamada pelo WhatsApp, foram selecionados para a etapa de visita ao domicílio. Houve três tentativas de visita e entrevista daqueles não abordados na etapa anterior. Os questionários foram aplicados por entrevistadores previamente treinados. Para a coleta dos dados, foram utilizados dispositivos eletrônicos (tablets) com plataforma REDcap instalada. Cada entrevista durou aproximadamente 15-20 minutos,15),(16 tendo o participante a opção de responder ao entrevistador face a face. O questionário, desenvolvido para aplicação na chamada telefônica e na visita domiciliar, contemplou questões semiestruturadas sobre (i) as variáveis socioeconômicas, (ii) a sintomatologia durante e após a infecção pela covid-19, (iii) o diagnóstico médico de morbidades, (iv) as características comportamentais e (v) o uso de serviços de saúde. Variáveis O desfecho “uso de serviços de saúde” foi investigado com a proposição da questão “Após sua infecção por covid-19, quantas vezes você precisou ser atendido em (serviço de saúde)?”, com opção de resposta contínua (número de vezes em que o serviço foi utilizado), dicotomizada em “não” (zero atendimento) e “sim” (um ou mais atendimentos). Os serviços de saúde (unidade básica de saúde, consultório médico particular, unidade de pronto atendimento, pronto-socorro particular, pronto-socorro, serviços de emergência, médicos especialistas, serviços especializados, pneumologista, neurologista, cardiologista, psiquiatra, fisioterapeuta e psicólogo) foram investigados mediante a pergunta “Após sua infecção por covid-19, você precisou buscar atendimento especializado (você pode marcar quantas opções quiser)”, cuja opção de resposta era dicotômica: não; sim. Os desfechos foram construídos a partir da combinação das variáveis “serviços de emergência” (unidade de pronto atendimento, pronto-socorro particular, pronto-socorro), “médicos especialistas” (pneumologista, neurologista, cardiologista e psiquiatra) e “serviços especializados” (fisioterapeuta e psicólogo). Todas as variáveis foram igualmente dicotomizados (não; sim), considerando-se como “sim” a utilização de pelo menos um dos serviços investigados. A variável independente foi a multimorbidade, medida pela contagem de morbidades autorrelatadas em resposta à pergunta “Algum médico lhe disse que você tem...?”, com base em uma lista de 12 doenças selecionadas: (i) a hipertensão arterial sistêmica; (ii) os problemas oculares (catarata, glaucoma, retinopatia diabética e degeneração macular); (iii) a artrite ou reumatismo; (iv) a depressão; (v) a ansiedade; (vi) o diabetes mellitus; (vii) a osteoporose; (viii) os problemas cardíacos; (ix) os problemas respiratórios (enfisema, bronquite crônica ou doença pulmonar obstrutiva crônica, asma); (x) o câncer; (xi) a incontinência urinária; e (xii) outra doença crônica. Perguntas sobre depressão e ansiedade incluíram as especialidades da psiquiatria e da psicologia. A multimorbidade foi operacionalizada como variável ordinal, classificada em três categorias: zero a uma morbidade; duas morbidades; três ou mais morbidades.17),(18 As seguintes variáveis foram utilizadas como covariáveis independentes: a) sexo (masculino; feminino); b) idade (em anos: 18 a 59; 60 ou mais); c) situação conjugal (casado/vive com companheiro; solteiro/separado/viúvo); d) renda (em reais: 0 a R$ 1.000; R$ 1.001 a R$ 2.000; R$ 2.001 a R$ 4.000; R$ 4.001 ou mais); e) hospitalização (não; sim); f) índice de massa corporal (IMC: baixo peso/eutrófico; sobrepeso; obeso); e g) tabagismo (nunca fumou; tabagista/ex-fumante). Análises estatísticas Os dados descritivos foram apresentados como proporções e intervalos de confiança de 95% (IC95%). Para identificar os padrões de multimorbidade, realizou-se a análise de componentes principais (PCA), o que permite combinar grupos de doenças com base em seu grau de correlação.19 Primeiramente, foi realizada uma análise sem restrição quanto ao número de fatores a serem retidos e, logo a rotação ortogonal varimax para se obterem padrões não correlacionados entre si e melhorar a interpretação dos dados. O número de padrões a serem extraídos foi definido com base no critério de autovalores maiores com a unidade T e no gráfico screeplot, em que os pontos com maior inclinação indicam o número de fatores a serem considerados na análise. Após essas análises, o modelo foi construído fixando-se o número de padrões de multimorbidade a serem retidos. Para verificar a adequação da análise, realizou-se o teste de Bartlett, visando identificar se havia correlação entre as variáveis. Os grupos que contribuíram para a caracterização de cada padrão foram aqueles com cargas fatoriais ≥ 0,3 ou ≤ -0,3. Os padrões foram nomeados com base nas características dos itens retidos: (i) o padrão cardiovascular - hipertensão arterial sistêmica, diabetes mellitus e doenças cardiovasculares; (ii) o padrão musculoesquelético - osteoporose e reumática; e (iii) o padrão de doenças mentais - depressão e ansiedade. O teste de Bartlett teve um p-valor 0,000 - indicativo de que as variáveis têm correlação significativa, possibilitando a criação dos agrupamentos das doenças. As variáveis independentes foram submetidas ao teste de colinearidade, utilizando-se o coeficiente de correlação de Pearson: aquelas que apresentaram alta colinearidade entre si foram descartadas do modelo. Para testar o comportamento das variáveis no ajuste dos modelos de regressão, foram realizadas análises subsequentes com modelo hierárquico da seguinte ordem: 1o sexo, idade (em anos), situação conjugal e renda; 2o tabagismo; 3o IMC; e 4o internação/hospitalização. Análises brutas e ajustadas entre resultados e exposições foram realizadas utilizando-se a regressão de Poisson com ajuste robusto de variância, relatado como razão de prevalências (RP). Também foram realizadas análises entre os padrões identificados, por meio da PCA, e os desfechos avaliados. Todas as associações com IC95% sem sobreposição entre categorias foram consideradas estatisticamente significativas. Os dados foram analisados utilizando-se o software estatístico Stata 15.0. O protocolo de estudo foi aprovado pelo Comitê de Ética em Pesquisa da Universidade Federal do Rio Grande (CEP/UFRG): Parecer no 4.375.6, de 3 de novembro de 2020; Certificado de Apresentação para Apreciação Ética (CAAE) no 39081120.0.0000.5324. RESULTADOS De 4.014 indivíduos com resultado positivo para o teste da covid-19 (Figura 1), 3.822 eram elegíveis para participar do estudo. Inicialmente, 192 casos foram excluídos por referirem dados incompletos, residirem na zona rural e/ou sem contato telefônico e endereço disponível na Vigilância Sanitária do município, apresentarem limitações funcionais e/ou doenças neurológicas avançadas que lhes impossibilitassem responder ao questionário ou por se encontrarem em privação de liberdade. Após perdas e recusas (631 e 272, respectivamente), foram entrevistados 2.919 indivíduos, dos quais 59,6% (IC95% 57,8;61,4) não apresentavam multimorbidade, 17,8% duas doenças (IC95% 16,5;19,3) e 22,6% três ou mais doenças crônicas (IC95% 21,1;24,2). Figura 1 Processo de recrutamento dos participantes do estudo SulCovid, Rio Grande, Rio Grande do Sul, Brasil, 2021 Da amostra definitiva de 2.919 participantes, 59,6% eram do sexo feminino e 83,3% tinham entre 18 e 59 anos de idade (Tabela 1). A maioria era de raça/cor da pele branca/amarela (77,9%) e referiu 2º grau de escolaridade (44,2%), 60,6% eram casados ou viviam com companheiro. O estudo também revelou que 24,4% dos participantes eram fumantes ou ex-fumantes, e que 73,3% apresentavam sobrepeso ou obesidade. Quanto à autoavaliação da saúde, 58% dos entrevistados consideraram seu estado de saúde bom. Tabela 1 Características sociodemográficas e comportamentais de indivíduos (n = 2.919) após a infecção por covid-19, Rio Grande, Rio Grande do Sul, Brasil, 2021 Características Total n (%) Multimorbidade n (%) Sexo Masculino 1.208 (41,4) 271 (26,1) Feminino 1.711 (59,6) 768 (73,9) Idade (em anos) 18-59 2.420 (83,3) 726 (70,2) ≥ 60 482 (16,7) 308 (29,8) Escolaridade Sem estudo 15 (0,5) 353 (35,0) Primeiro grau 713 (24,9 376 (37,3) Segundo grau 1.264 (44,2) 279 (27,7) Terceiro grau 871 (30,4) Situação conjugal Casado/vivendo com um companheiro 1.757 (60,6) 613 (59,5) Solteiro/separado/divorciado 1.144 (39,4) 418 (40,5) Renda per capita (em R$) 0 - 1.000 668 (26,1) 283 (30,3) 1.001 - 2.000 995 (38,9) 374 (40,0) 2.001 - 4.000 604 (23,6) 190 (20,3) 4.001 ou mais 288 (11,4) 88 (9,4) Tabagismo Nunca fumou 2.197 (75,6) 723 (69,6) Tabagista/ex-fumante 708 (24,4) 316 (30,4) Índice de massa corporal (IMC) Baixo peso/eutrófico 757 (26,7) 223 (22,2) Sobrepeso/obeso 2.076 (73,3) 781 (77,8) Hospitalização Não 2.307 (96,3) 722 (92,9) Sim 88 (3,7) 55 (7,1) Comparados aos indivíduos sem multimorbidade, aqueles com duas doenças apresentaram maior utilização dos seguintes serviços de saúde: consultório particular (RP = 1,41; IC95% 1,15;1,73); unidade de pronto atendimento (RP = 1,57; IC95% 1,10;2,25); pronto-socorro (RP = 3,24; IC95% 1,45;7,22); serviços de emergência (RP = 1,62; IC95% 1,21;2,18); médicos especialistas (RP = 2,34; IC95% 2,04;4,13); serviços especializados (RP = 2,91; IC95% 1,88;2,95); neurologista (RP = 2,51; IC95% 1,08;5,83); cardiologista (RP = 2,04; IC95% 1,41;2,95); psiquiatra (RP = 5,02; IC95% 2,74;9,20); fisioterapeuta (RP = 2,26; IC95% 1,08;4,71); e psicólogo (RP = 3,30; IC95% 2,08;5,23) (Tabela 2). Para multimorbidade com três ou mais doenças, o risco de utilização de todos os serviços de saúde foi ainda maior. Serviços que não estavam associados à presença de duas doenças passaram a ser associados quando havia a presença de três ou mais doenças, a exemplo de unidades básicas de saúde (RP = 1,47; IC95% 1,23;1,77), prontos-socorros particulares (RP = 3,09; IC95% 1,78;5,36) e consultas com pneumologista (RP = 1,81; IC95% 1,12;2,91). Tabela 2 Análise ajustada da associação entre multimorbidade e uso de serviços de saúde em indivíduos (n = 2.919) após a infecção por covid-19, Rio Grande, Rio Grande do Sul, Brasil, 2021 Serviços de saúde RPa bruta (IC95% b) RPa bruta (IC95% b) p-valor RPa ajustada (IC95% b) RPa ajustada (IC95% b) p-valor 2 doenças ≥ 3 doenças 2 doenças ≥ 3 doenças Unidade básica de saúde 1,25 (1,06;1,47) 1,66 (1,45;1,90) < 0,001 1,15 (0,93;1,42) 1,47 (1,23;1,77) < 0,001 Consultório médico particular 1,45 (1,24;1,70) 1,52 (1,32;1,76) < 0,001 1,41 (1,15;1,73) 1,69 (1,40;2,04) < 0,001 Unidade de pronto atendimento 1,37 (1,02;1,85) 1,82 (1,40;3,36) < 0,001 1,57 (1,10;2,25) 1,51 (1,05;2,17) < 0,001 Pronto-socorro particular 1,55 (0,94;2,55) 2,18 (1,42;3,35) < 0,001 1,49 (0,76;2,93) 3,09 (1,78;5,36) < 0,001 Pronto-socorro 2,27 (1,25;4,13) 3,60 (2,16;6,00) < 0,001 3,24 (1,45;7,22) 3,21 (1,40;7,37) < 0,001 Serviços de emergênciac 1,50 (1,18;1,90) 2,09 (1,70;2,56) < 0,001 1,62 (1,21;2,18) 1,82 (1,36;2,42) < 0,001 Médicos especialistasd 2,41 (1,99;2,92) 3,37 (2,85;3,98) < 0,001 2,34 (2,04;4,13) 2,14 (1,44;3,20) < 0,001 Serviços especializadose 3,22 (2,45;4,24) 2,60 (1,95;3,46) < 0,001 2,91 (1,88;2,95) 3,04 (2,47;3,76) < 0,001 Pneumologista 2,05 (1,47;2,87) 2,41 (1,77;3,28) < 0,001 1,67 (0,99;2,81) 1,81 (1,12;2,91) < 0,001 Neurologista 2,14 (1,22;3,74) 3,74 (2,35;5,93) < 0,001 2,51 (1,08;5,83) 2,97 (1,35;6,51) < 0,001 Cardiologista 2,25 (1,73;2,92) 4,15 (3,36;5,12) < 0,001 2,04 (1,41;2,95) 3,82 (2,78;5,24) < 0,001 Psiquiatra 5,20 (3,22;8,41) 4,92 (3,05;7,92) < 0,001 5,02 (2,74;9,20) 6,09 (3,21;11,5) < 0,001 Fisioterapeuta 1,93 (1,16;3,21) 2,29 (1,43;3,65) < 0,001 2,26 (1,08;4,71) 2,40 (1,20;4,84) < 0,001 Psicólogo 4,34 (3,07;6,14) 3,42 (2,39;4,91) < 0,001 3,30 (2,08;5,23) 3,89 (2,45;6,17) < 0,001 a) RP: Razão de prevalências; b) IC95%: Intervalo de confiança de 95%; c) Serviços de emergência: pronto atendimento, pronto atendimento privado e pronto-socorro; d) Médicos especialistas: pneumologista, neurologista, cardiologista e psiquiatra; e) Serviços especializados: fisioterapeuta e psicólogo. Nota: Ajustada por sexo, idade (em anos), situação conjugal, renda, internação hospitalar, IMC e tabagismo. A análise de componentes principais resultou na definição de três padrões de doenças: a) padrão 1 [31,1% (IC95% 29,7;33,1)], composto por hipertensão arterial sistêmica, diabetes mellitus e doenças cardiovasculares; b) padrão 2 [13,3% (IC95% 12,1;14,6)], composto por osteoporose e reumatismo; c) padrão 3 [33,5% (IC95% 31,8;35,2)], composto por depressão e ansiedade. Embora a maioria dos serviços de saúde estivesse associada aos três padrões de doença (Tabela 3), foi possível observar que o padrão 1 (hipertensão arterial sistêmica, diabetes mellitus e doenças cardiovasculares) apresentou maior associação com consultas ao cardiologista (RP = 5,02; IC95% 3,75;6,70), comparado aos padrões 2 e 3. O padrão 2 (osteoporose e reumatismo) foi o único a se apresentar associado a consultas com fisioterapeuta (RP = 2,26; IC95% 1,20;4,27), especialidade médica com a qual os padrões 1 e 3 apresentaram associação nula. Ressalta- -se, entretanto, a forte associação do padrão 3 (depressão e ansiedade) com consultas psiquiátricas (RP = 8,80; IC95% 4,86;15,9) e psicológicas (RP = 5,53; IC95% 3,63;8,41). Tabela 3 Análise ajustada da associação entre padrões de doenças crônicas e uso de serviços de saúde em indivíduos (n = 2.919) após a infecção por covid-19, Rio Grande, Rio Grande do Sul, Brasil, 2021 Serviços de saúde Padrão 1 Padrão 2 Padrão 3 RP Bruta IC95% valor p RP ajustada IC95% valor p RP Bruta IC95% valor p RP ajustada IC95% valor p RP Bruta IC95% valor p RP ajustada IC95% valor p Unidade Básica de Saúde 1,43 (1,27; 1,61) <0,001 1,36 (1,18; 1,58) <0,001 1,48 (1,28; 1,71) <0,001 1,44 (1,20; 1,73) <0,001 1,29 (1,15; 1,46) <0,001 1,13 (0,97; 1,32 0.140 Consultório médico particular 1,23 (1,08; 1,40) <0,001 1.29 (1,08; 1,48) 0,010 1,43 (1,23; 1,66) <0,001 1,24 (1,02; 1,53) 0,070 1,37 (1,21; 1,55) <0,001 1,45 (1,24; 1,70) <0.001 Unidade de pronto atendimento 1,49 (1,19; 1,87) <0,001 1,17 (0.87; 1.56) 0,650 1,19 (0,88; 1,62) 0,260 - 0,490 1,61 (1,29; 2,00) <0,001 1,37 (1,04; 1,81) 0.030 Pronto Socorro particular 1,60 (1,10; 2,35) 0,020 2,02 (1,26; 3,23) <0,001 2,27 (1,48; 3,47) <0,001 2,74 (1,63; 4,62) <0,001 1,52 (1,04; 2,21) 0,030 1,82 (1,13; 2,93) 0.040 Pronto Socorro 1,55 (0,99; 2,43) 0,050 1,22 (0,64; 2,30) 0,620 1,97 (1,18; 3,31) 0,010 1,30 (0,61; 2,82) 0,480 2,14 (1,38; 3,33) <0,001 1,69 (0,92; 3,13) 0.070 Serviços de emergênciaa 1,56 (1,30; 1,87) <0,001 1,37 (1,09; 1,73) 0,020 1,56 (1,25; 1,95) <0,001 1,22 (0,90; 1,64) 0,280 1,64 (1,38; 1,96) <0,001 1,42 (1,14; 1,79) <0.001 Médicos especialistasb 2,77 (2,40; 3,20) <0,001 2,76 (2,27; 3,36) <0,001 1,99 (1,69; 2,34) <0,001 1,80 (1,44; 2,24) <0,001 1,81 (1,57; 2,09) <0,001 1,89 (1,55; 2,30) <0.001 Serviços especializadosc 1,32 (1,05; 1,67) 0,020 1,08 (0,78; 1,48) 0,640 1,77 (1,34; 2,32) <0,001 1,41 (0,97; 2,05) 0,090 3,20 (2,53; 4,04) <0,001 2,95 (2,18; 4,00) <0.001 Pneumologista 1,63 (1,25; 2,12) <0,001 1,09 (0,72; 1,63) 0,860 1,85 (1,36; 2,52) <0,001 1,67 (1,6; 2,62) 0,150 1,16 (0,89; 1,53) 0,270 - - Neurologista 3,09 (2,06; 4,66) <0,001 1,64 (0,89; 3,05) 0,250 2,65 (1,72; 4,09) <0,001 1,34 (0,68; 2,66) 0,650 2,40 (1,61; 3,58) <0,001 2,25 (1,25; 4,06) <0.001 Cardiologista 4,98 (4,07; 6,09) <0,001 5,38 (4,10; 7,05) <0,001 2,40 (1,97; 2,92) <0,001 2,07 (1,57; 2,73) <0,001 1,53 (1,27; 1,84) <0,001 1,55 (1,21; 1,99) <0.001 Psiquiatra 1,18 (0,81; 1,73) 0,390 1,07 (0,65; 1,75) 0,840 1,46 (0,90; 2,30) 0,130 1,33 (0,76; 2,25) 0,650 11,17 (6,70; 18,59) <0,001 9,27 (5,23; 16,40) <0.001 Fisioterapeuta 2,37 (1,60; 3,52) <0,001 1,85 (1,05; 3,26) 0,150 3,33 (2,22; 5,00) <0,001 2,50 (1,41; 4,42) 0,010 1,48 (1,00; 2,20) 0,050 - - Psicólogo 1,17 (0,88; 1,58) 0,280 0,94 (0,63; 1,39) 0,930 1,15 (0,77; 1,70) 0,500 0,77 (0,43; 1,36) 0,720 6,16 (4,43; 8,58) <0,001 5,80 (3,86; 8,70) <0.001 a) RP: Razão de prevalências; b) IC95%: Intervalo de confiança de 95%; c) Serviços de emergência: pronto atendimento, pronto atendimento privado e pronto-socorro; d) Médicos especialistas: pneumologista, neurologista, cardiologista e psiquiatra; e) Serviços especializados: fisioterapeuta e psicólogo. Notas: Padrão 1: hipertensão arterial sistêmica, diabetes mellitus e doenças cardiovasculares; Padrão 2: osteoporose e reumatismo; Padrão 3: depressão e ansiedade. Ajustada por sexo, idade (em anos), situação conjugal, renda, internação hospitalar, índice de massa corporal (IMC) e tabagismo. A Tabela 4 apresenta a análise ajustada da associação entre multimorbidade, de forma dicotômica, e uso de serviços de saúde. Com exceção do uso do pronto-socorro, todas as análises foram estatisticamente significativas, mostrando que os participantes com multimorbidade tiveram maior probabilidade de utilizar os serviços avaliados, com destaque para cardiologistas (RP = 4,63; IC95% 3,07;6,98) e psiquiatras (RP = 4,92; IC95% 2,42;9,99). Tabela 4 Análise ajustada da associação entre multimorbidade (de forma dicotômica) e uso de serviços de saúde em indivíduos (n = 2.919) após a infecção por covid-19, Rio Grande, Rio Grande do Sul, Brasil, 2021 Serviços de saúde Multimorbidade RPa ajustada (IC95% b) Unidade básica de saúde 1,34 (1,14;1,58) Consultório médico particular 1,57 (1,32;1,62) Unidade de pronto atendimento 1,63 (1,18;1,73) Pronto-socorro particular 2,12 (1,22;3,72) Pronto-socorro 2,00 (0,95;4,25) Serviços de emergênciac 1,63 (1,26;2,12) Médicos especialistasd 3,60 (2,67;4,85) Serviços especializadose 2,66 (1,81;3,91) Pneumologista 1,70 (1,09;2,66) Neurologista 3,00 (1,28;7,08) Cardiologista 4,63 (3,07;6,98) Psiquiatra 4,92 (2,42;9,99) Fisioterapeuta 2,85 (1,37;5,91) Psicólogo 2,95 (1,82;4,78) a) RP: Razão de prevalências; b) IC95%: Intervalo de confiança de 95%; c) Serviços de emergência: pronto atendimento, pronto atendimento privado e pronto-socorro; d) Médicos especialistas: pneumologista, neurologista, cardiologista e psiquiatra; d) Serviços especializados: fisioterapeuta e psicólogo. Nota: Ajustada por sexo, idade (em anos), situação conjugal, renda, internação hospitalar, índice de massa corporal (IMC) e tabagismo. Os resultados da análise suplementar (Tabela Suplementar 1) mostraram que, independentemente da condição de sobrepeso ou obesidade, a multimorbidade foi associada a maior utilização dos serviços de saúde. Em termos gerais, os resultados das Tabelas Suplementares 2 e 3 mostraram-se semelhantes aos modelos originais, apresentados nas Tabelas 2 e 3. Foi possível, outrossim, observar que, sobre o uso de alguns dos serviços - médicos especialistas, serviços especializados, psiquiatras, psicólogos -, o padrão 3 associou-se à multimorbidade tão somente entre os participantes nas faixas etárias de 18 a 59 e 60 a 69 anos, não entre aqueles com 70 anos ou mais (Tabela Suplementar 4). DISCUSSÃO No presente estudo, distintas formas de mensuração permitiram analisar a associação da multimorbidade com o uso de diferentes tipos de serviços de saúde por pessoas com covid-19. O acúmulo de doenças crônicas mostrou-se associado a maior utilização dos serviços. Na análise de componentes principais, foram identificados três padrões de multimorbidade associados a diferentes tipos de serviços de saúde. Em particular, o padrão 3, composto por doenças mentais, apresentou a maior razão de prevalências para consultas psiquiátricas e para consultas psicológicas. Destaca-se também o padrão 1, que apresentou elevada razão de prevalências para consultas com cardiologista. Os resultados podem oferecer contribuições importantes para a saúde pública no Brasil. Ao compreender como condições de saúde preexistentes influenciam a necessidade de cuidados médicos pós-infecção, o SUS deve ser melhor preparado para lidar com demandas futuras. As condições presentes no indivíduo podem se interconectar, de maneira a exigir cuidados e gerenciamento da saúde coordenados e abrangentes. A identificação dos padrões de doenças e sua associação com a utilização dos serviços torna possível direcionar o cuidado de acordo com as condições de saúde de cada um. Este estudo apresenta limitações, entre elas a mensuração da multimorbidade por autorrelato, o que pode conduzir a um resultado não tão preciso quanto a mensuração por métodos objetivos, tais como prontuário eletrônico ou exames médicos. Esse problema ainda pode ser agravado pelo fato de os participantes serem portadores de covid-19, eventualmente associada (em alguns casos) a perda de memória. Confirma essa hipótese uma metanálise que encontrou problemas de memória em cerca de 27% dos participantes dos 19 estudos incluídos.20 Por se tratar de um estudo transversal, a possibilidade de causalidade reversa também precisa ser abordada. No entanto, doenças crônicas são condições que ocorrem ao longo da vida, enquanto a utilização de serviços de saúde foi avaliada após o diagnóstico de covid-19, havendo a possibilidade de redução do risco de causalidade reversa, mas não sua eliminação. Além do que, a utilização dos serviços de saúde pode estar subestimada: ela foi avaliada durante a pandemia, quando a maioria dos serviços foram redirecionados para o atendimento dos casos de covid-19. A covid-19 pode ter agravado ainda mais esses números. Estudos têm apresentado altas prevalências de doenças mentais, como ansiedade,21 e a restrição do acesso aos serviços de saúde, inevitável dada a emergência da pandemia, poderia agravar essa condição. Por conseguinte, é possível que, nos próximos anos, o uso de consultas com psiquiatras e psicólogos aumente consideravelmente, sobrecarregando os sistemas de saúde. Ademais, a incerteza sobre as consequências da pandemia e o descompromisso de alguns governantes do país, possivelmente, desencadeariam a ocorrência de novos casos de depressão e ansiedade, resultando em maior utilização de serviços de saúde especializados. Já foi demonstrada a associação da multimorbidade à utilização de cuidados de saúde.13 Os custos com saúde também são maiores em indivíduos com multimorbidade, e podem representar até 5,5 vezes os mesmos custos com indivíduos sem multimorbidade; a propósito, cada doença adicional pode aumentar o número de consultas em 3,2 vezes, e os custos, em 33%.22 Os resultados do presente trabalho servem de alerta para que intervenções voltadas à APS visem reduzir custos futuros com o manejo da multimorbidade. Achado principal deste estudo, indivíduos com multimorbidade são os que mais utilizam a maioria dos serviços de saúde avaliados. Uma possível explicação desse cenário reside no fato de a multimorbidade, independentemente da renda do país e do gênero, estar associada à hospitalização e reinternação de idosos.23 A complexidade da multimorbidade está associada tanto à utilização dos serviços de APS quanto à recepção no pronto-socorro, podendo culminar em casos de internação e reinternação hospitalar. Os resultados desta pesquisa apontam os indivíduos com multimorbidade como os que mais utilizam a maioria dos serviços de saúde avaliados,24 em vez de buscar atendimento na APS. No pronto-socorro, os usuários do Sistema veem a possibilidade de serem rapidamente atendidos e realizarem exames imediatamente, devido à disponibilidade de recursos e equipes capacitadas para lidar com emergências médicas. Contudo, em muitos casos, o cuidado na atenção primária seria mais adequado ao manejo de condições crônicas, visando a uma abordagem mais abrangente e contínua. Acrescenta-se que indivíduos com multimorbidade podem necessitar de maiores cuidados, nos casos mais graves decorrentes da covid-19,25 implicando maior utilização do pronto-socorro. Os agrupamentos encontrados neste estudo podem ser fundamentais na orientação aos gestores e tomada de decisões em saúde. A complexidade da interação entre uma doença e outra reflete-se nos efeitos adversos que ela pode provocar. Estudo conduzido em Londres, com cerca de 826 mil registros médicos relativos ao período de 2005 a 2020, identificou clusters de saúde mental, cardiovascular, dor e fígado associados ao aumento nas consultas de cuidados primários.26 Seus autores também identificaram que indivíduos com multimorbidade apresentaram média de 12 consultas de cuidados primários.26 No sentido de prevenir interações entre diferentes morbidades, a identificação de aglomerados de doenças na APS pode direcionar o cuidado do usuário do Sistema para serviços especializados, evitando consultas desnecessárias com outros profissionais da saúde pública. A multimorbidade é uma condição complexa e inter-relacionada, requer uma abordagem em vários níveis, com foco em questões específicas, como mecanismos biológicos subjacentes e fatores socioeconômicos determinantes, por exemplo.2 O cuidado da multimorbidade deve-se centrar no atendimento multidisciplinar. Identificar clusters de doenças pode ser uma ferramenta adicional para o profissional, contribuindo com o gerenciamento do cuidado pelo médico especialista em determinado cluster. É necessário criar políticas de saúde aptas a lidar com indivíduos diagnosticados com multimorbidade, respeitar suas características e priorizar sua qualidade de vida. Não obstante a prevalência de multimorbidade ser maior em países de alta renda,27 o principal problema pode estar nos países de baixa e média renda, realidade em que, possivelmente, há menos acesso ao diagnóstico médico, maiores desigualdades socioeconômicas e pior qualidade de atendimento a pessoas com multimorbidade. Estima-se que cerca de 46% dos casos de diabetes mellitus (aproximadamente 175 milhões de pessoas) sejam subdiagnosticados e, entre estes, 83,3% vivam em países de baixa e média renda.28 Trata-se, portanto, de dois grandes desafios para os gestores de saúde, especialmente em países de baixa e média renda: o primeiro, ampliar o acesso aos serviços de saúde, e o segundo, identificar clusters e encaminhar os casos a profissionais especializados ou equipes multidisciplinares de saúde, conforme o caso. Como conclusão, a multimorbidade esteve associada ao uso de diferentes tipos de serviços de saúde. Padrões compostos por hipertensão, diabetes mellitus e problemas cardiovasculares mostraram-se mais associados a consulta com cardiologista; padrões relacionados à dor foram associados ao uso de serviços de fisioterapia; e o padrão de doenças psicológicas, associado aos serviços de saúde mental. Os resultados deste trabalho, a partir dos padrões de doença observados, fornecem subsídios para gestores e profissionais de saúde no manejo da multimorbidade e no redirecionamento da atenção à saúde, concorrendo para a adequação de recursos e especialidades às prevalências de demanda identificadas, além da promoção da integralidade entre os diferentes serviços oferecidos pelo SUS. Apesar de o estudo ter-se realizado durante a pandemia da covid-19, seus resultados podem contribuir para a prevenção e gestão, melhoria da eficiência e acesso ao atendimento de condições crônicas. FINANCIAMENTO Delpino FM recebeu bolsa de pós-doutorado do Conselho Nacional de Desenvolvimento Científico e Tecnológico/Ministério da Ciência, Tecnologia e Inovações (CNPq/MCTI) durante a elaboração do manuscrito: Edital 07/2022. Nunes BP recebe bolsa de Produtividade em Pesquisa nível 2 do CNPq (processo número: 308772/2022-9). Vieira YP recebe bolsa de doutorado da Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES). O estudo foi realizado com apoio financeiro da FAPERGS - Fundação de Amparo à Pesquisa do Rio Grande do Sul, Brasil número 21/2551-0000107-0 Programa de Pesquisa do SUS: gestão compartilhada em saúde - PPSUS). Tabela Suplementar 1 - Análise ajustada da associação entre multimorbidade dicotômica e uso de serviços de saúde estratificado por índice de massa corporal em indivíduos (n = 2.919) após a infecção por covid-19, Rio Grande, Rio Grande do Sul, Brasil, 2021 Tabela Suplementar 1 - Análise ajustada da associação entre multimorbidade dicotômica e uso de serviços de saúde estratificado por índice de massa corporal em indivíduos (n = 2.919) após a infecção por covid-19, Rio Grande, Rio Grande do Sul, Brasil, 2021 Serviços de saúde Baixo peso - eutrófico (IC95% a) Sobrepeso (IC95% a) Obesidade (IC95% a) Unidade básica de saúde 1,21 (0,90;1,62) 0,73 (0,53;1,01) 1,57 (1,17;2,11) Consultório médico particular 1,53 (1,10;2,12) 1,35 (1,04;1,74) 1,96 (1,34;2,87) Unidade de pronto atendimento 2,14 (1,14;4,01) 1,58 (0,94;2,64) 0,48 (0,24;0,95) Pronto-socorro particular 0,25 (0,08;0,85) 2,63 (1,08;6,48) 4,21 (0,98;18,06) Pronto-socorro - - 2,00 (0,71;5,60) Serviços de emergênciab 1,71 (1,07;2,73) 1,63 (1,07;2,50) 1,51 (0,94;2,41) Médicos especialistasc 2,68 (1,52;4,72) 3,48 (2,22;5,43) 4,93 (2,73;8,92) Serviços especializadosd 3,88 (1,76;8,56) 2,20 (1,27;3,79) 2,99 (1,46;6,14) Pneumologista 10,26 (3,24;32,49) 1,61 (0,85;3,05) 2,87 (1,03;7,99) Neurologista - 2,41 (0,80;7,25) 2,97 (0,70;12,59) Cardiologista 4,11 (1,72;9,80) 4,21 (2,32;7,64) 5,72 (2,72;12,01) Psiquiatra 12,66 (1,60;99,88) 3,54 (1,32;9,51) 4,14 (1,27;13,55) Fisioterapeuta 2,89 (1,00;8,35) 3,82 (1,16;12,56) 3,19 (0,73;13,90) Psicólogo 8,83 (2,09;37,23) 2,00 (1,04;2,85) 2,89 (1,22;6,81) a) IC95%: Intervalo de confiança de 95%; b) Serviços de emergência: pronto atendimento, pronto atendimento privado e pronto-socorro; c) Médicos especialistas: pneumologista, neurologista, cardiologista e psiquiatra; d) Serviços especializados: fisioterapeuta e psicólogo. Nota: Ajustada por sexo, idade (em anos), situação conjugal, renda, internação hospitalar, índice de massa corporal (IMC) e tabagismo. Refere-se às ocasiões em que o tamanho amostral era baixo e não foi possível rodar as análises. Tabela Suplementar 2 - Análise ajustada da associação entre multimorbidade e uso de serviços de saúde em indivíduos (n = 2.919) após a infecção por covid-19, Rio Grande, Rio Grande do Sul, Brasil, 2021 Serviços de saúde RPa bruta (IC95% b) p-valor RPa ajustada (IC95% b) p-valor 2 doenças ≥ 3 doenças 2 doenças ≥ 3 doenças Unidade básica de saúde 1,25 (1,06;1,47) 1,66 (1,45;1,90) < 0,001 1,17 (0,96;1,43) 1,48 (1,25;1,75) < 0,001 Consultório médico particular 1,45 (1,24;1,70) 1,52 (1,32;1,76) < 0,001 1,39 (1,14;1,70) 1,56 (1,29;1,88) < 0,001 Unidade de pronto atendimento 1,37 (1,02;1,85) 1,82 (1,40;3,36) < 0,001 1,48 (1,04;2,09) 1,40 (0,99;1,98) < 0,001 Pronto-socorro particular 1,55 (0,94;2,55) 2,18 (1,42;3,35) < 0,001 1,80 (0,95;3,41) 3,17 (1,89;5,32) < 0,001 Pronto-socorro 2,27 (1,25;4,13) 3,60 (2,16;6,00) < 0,001 2,32 (1,11;4,85) 2,30 (1,09;4,86) < 0,001 Serviços de emergênciab 1,50 (1,18;1,90) 2,09 (1,70;2,56) < 0,001 1,58 (1,18;2,10) 1,75 (1,33;2,29) < 0,001 Médicos especialistasc 2,41 (1,99;2,92) 3,37 (2,85;3,98) < 0,001 2,41 (1,87;3,10) 3,32 (2,63;4,19) < 0,001 Serviços especializadosd 3,22 (2,45;4,24) 2,60 (1,95;3,46) < 0,001 2,74 (1,94;3,86) 2,00 (1,37;2,93) < 0,001 Pneumonologista 2,05 (1,47;2,87) 2,41 (1,77;3,28) < 0,001 1,47 (0,88;2,47) 1,77 (1,13;2,77) < 0,001 Neurologista 2,14 (1,22;3,74) 3,74 (2,35;5,93) < 0,001 1,55 (0,64;3,73) 1,72 (0,79;3,75) < 0,001 Cardiologista 2,25 (1,73;2,92) 4,15 (3,36;5,12) < 0,001 2,12 (1,50;2,98) 3,87 (2,88;5,20) < 0,001 Psiquiatra 5,20 (3,22;8,41) 4,92 (3,05;7,92) < 0,001 5,15 (2,97;8,90) 4,43 (2,48;7,90) < 0,001 Fisioterapeuta 1,93 (1,16;3,21) 2,29 (1,43;3,65) < 0,001 1,73 (0,85;3,52) 1,69 (0,84;3,42) < 0,001 Psicólogo 4,34 (3,07;6,14) 3,42 (2,39;4,91) < 0,001 3,58 (2,37;5,41) 2,67 (2,36;5,24) < 0,001 a) RP: Razão de prevalências; b) IC95%: Intervalo de confiança de 95%; c) Serviços de emergência: pronto atendimento, pronto atendimento privado e pronto-socorro; d) Médicos especialistas: pneumologista, neurologista, cardiologista e psiquiatra; e) Serviços especializados: fisioterapeuta e psicólogo. Nota: Ajustada por sexo, idade (em anos), situação conjugal, renda, internação hospitalar, índice de massa corporal (IMC) e tabagismo. Tabela Suplementar 3 - Análise ajustada da associação entre padrões de doenças crônicas e uso de serviços de saúde em indivíduos (n = 2.919) após a infecção por covid-19, Rio Grande, Rio Grande do Sul, Brasil, 2021 Serviços de saúde Padrão 1 Padrão 2 Padrão 3 RPa bruta (IC95% b) p-valor RPa ajustada (IC95% b) p-valor RPa bruta (IC95% b) p-valor RPa ajustada (IC95% b) p-valor RPa bruta (IC95% b) p-valor RPa ajustada (IC95% b) p-valor Unidade básica de saúde 1,43 (1,27;1,61) < 0,001 1,36 (1,18;1,58) < 0,001 1,48 (1,28;1,71) < 0,001 1,44 (1,20;1,73) < 0,001 1,29 (1,15;1,46) < 0,001 1,13 (0,97;1,32) 0,140 Consultório médico particular 1,23 (1,08;1,40) < 0,001 1,29 (1,08;1,48) 0,010 1,43 (1,23;1,66) < 0,001 1,24 (1,02;1,53) 0,07 1,37 (1,21;1,55) < 0,001 1,45 (1,24;1,70) <0,001 Unidade de pronto atendimento 1,49 (1,19;1,87) < 0,001 1,17 (0,87;1,56) 0,650 1,19 (0,88;1,62) 0,260 - 0,49 1,61 (1,29;2,00) < 0,001 1,37 (1,04;1,81) 0,030 Pronto-socorro particular 1,60 (1,10;2,35) 0,020 2,02 (1,26;3,23) < 0,001 2,27 (1,48;3,47) < 0,001 2,74 (1,63;4,62) < 0,001 1,52 (1,04;2,21) 0,030 1,82 (1,13;2,93) 0,040 Pronto-socorro 1,55 (0,99;2,43) 0,050 1,22 (0,64;2,30) 0,620 1,97 (1,18;3,31) 0,010 1,30 (0,61;2,82) 0,480 2,14 (1,38;3,33) < 0,001 1,69 (0,92;3,13) 0,070 Serviços de emergênciab 1,56 (1,30;1,87) < 0,001 1,37 (1,09;1,73) 0,020 1,56 (1,25;1,95) < 0,001 1,22 (0,90;1,64) 0,280 1,64 (1,38;1,96) < 0,001 1,42 (1,14;1,79) < 0,001 Médicos especialistasc 2,77 (2,40;3,20) < 0,001 2,76 (2,27;3,36) < 0,001 1,99 (1,69;2,34) < 0,001 1,80 (1,44;2,24) < 0,001 1,81 (1,57;2,09) < 0,001 1,89 (1,55;2,30) < 0,001 Serviços especializadosd 1,32 (1,05;1,67) 0,020 1,08 (0,78;1,48) 0,640 1,77 (1,34;2,32) < 0,001 1,41 (0,97;2,05) 0,090 3,20 (2,53;4,04) < 0,001 2,95 (2,18;4,00) < 0,001 Pneumologista 1,63 (1,25;2,12) < 0,001 1,09 (0,72;1,63) 0,860 1,85 (1,36;2,52) < 0,001 1,67 (1,6;2,62) 0,150 1,16 (0,89;1,53) 0,270 - - Neurologista 3,09 (2,06;4,66) < 0,001 1,64 (0,89;3,05) 0,250 2,65 (1,72;4,09) < 0,001 1,34 (0,68;2,66) 0,650 2,40 (1,61;3,58) < 0,001 2,25 (1,25;4,06) < 0,001 Cardiologista 4,98 (4,07;6,09) < 0,001 5,38 (4,10;7,05) < 0,001 2,40 (1,97;2,92) < 0,001 2,07 (1,57;2,73) < 0,001 1,53 (1,27;1,84) < 0,001 1,55 (1,21;1,99) < 0,001 Psiquiatra 1,18 (0,81;1,73) 0,390 1,07 (0,65;1,75) 0,840 1,46 (0,90;2,30) 0,130 1,33 (0,76;2,25) 0,650 11,17 (6,70;18,59) < 0,001 9,27 (5,23;16,40) < 0,001 Fisioterapeuta 2,37 (1,60;3,52) < 0,001 1,85 (1,05;3,26) 0,150 3,33 (2,22;5,00) < 0,001 2,50 (1,41;4,42) 0,010 1,48 (1,00;2,20) 0,050 X X Psicólogo 1,17 (0,88;1,58) 0,280 0,94 (0,63;1,39) 0,930 1,15 (0,77;1,70) 0,500 0,77 (0,43;1,36) 0,720 6,16 (4,43;8,58) < 0,001 5,80 (3,86;8,70) < 0,001 a) RP: Razão de prevalências; b) IC95%: Intervalo de confiança de 95%; c) Serviços de emergência: pronto atendimento, pronto atendimento privado e pronto-socorro; d) Médicos especialistas: pneumologista, neurologista, cardiologista e psiquiatra; e) Serviços especializados: fisioterapeuta e psicólogo. Notas: Padrão 1: hipertensão arterial sistêmica, diabetes mellitus e doenças cardiovasculares; Padrão 2: osteoporose e reumatismo; Padrão 3: depressão e ansiedade. Ajustada por sexo, idade (em anos), situação conjugal, renda, internação hospitalar, índice de massa corporal (IMC) e tabagismo. Refere-se às ocasiões em que o tamanho amostral era baixo e não foi possível rodar as análises. Tabela Suplementar 4 - Análise ajustada da associação entre padrões de multimorbidade e uso de serviços de saúde estratificado por faixa etária em indivíduos (n = 2.919) após a infecção por covid-19, Rio Grande, Rio Grande do Sul, Brasil, 2021 Serviços de saúde Padrão 1 Padrão 2 Padrão 3 18-59 (IC95% a) 60-69 (IC95% a) ≥ 70 (IC95% a) 18-59 (IC95% a) 60-69 (IC95% a) ≥ 70 (IC95% a) 18-59 (IC95% a) 60-69 (IC95% a) ≥ 70 (IC95% a) Unidade básica de saúde 1,32 (1,11;1,57) 1,36 (0,87;2,11) 2,05 (0,70;5,99) 1,44 (1,14;1,82) 0,90 (0,57;1,43) 1,85 (1,04;3,29) 1,14 (0,99;1,31) 1,41 (0,94;2,12) 1,57 (1,01;2,45) Consultório médico particular 1,18 (0,97;1,43) 1,84 (1,08;3,15) 0,51 (0,31;0,83) 1,32 (1,03;1,70) 1,24 (0,74;2,07) 0,98 (0,57;1,68) 1,38 (1,16;1,65) 2,05 (1,32;3,17) 1,81 (1,12;2,94) Unidade de pronto atendimento 1,29 (1;07;1,54) 2,35 (0,77;7,10) 2,77 (1,13;6,82) 1,3 (0,94;1,88) 0,32 (0,09;1,13) 0,81 (0,28;2,35) 1,28 (0,94;1,74) 1,84 (0,86;3,93) 2,79 (0,98;7,91) Pronto-socorro particular 2,19 (1,29;3,72) 3,88 (1,88;7,94) - 2,53 (1,31;4,89) 2,82 (0,66;12,10) - 1,58 (0,95;2,64) - - Pronto-socorro 5,65 (1,93;16,4) 3,61 (0,74;17,6) - 2,22 (1,00;4,91) 0,47 (0,06;3,36) - 1,84 (0,93;3,66) - - Serviços de emergênciab 1,46 (1,12;1,90) 0,58 (0,30;1,10) - 1,36 (0,95;1,95) 0,70 (0,31;1,61) 1,13 (0,46;2,76) 1,34 (1,05;1,72) 1,85 (1,00;3,43) 2,49 (1,04;5,98) Médicos especialistasc 2,68 (2,14;3,35) 3,03 (1,54;5,99) 2,53 (1,33;4,79) 1,90 (1,42;2,52) 1,35 (0,81;2,26) 1,23 (0,78;1,92) 2,05 (1,62;2,60) 1,63 (1,01;2,65) 1,29 (0,87;1,90) Serviços especializadosd 1,75 (1,14;2,68) 1,68 (1,07;2,62) 0,15 (0,03;0,63) 1,68 (1,07;2,62) 0,50 (0,13;1,85) 2,12 (0,75;6,02) 3,11 (2,23;4,34) 4,45 (1,58;12,51) 1,72 (0,72;4,15) Pneumologista 10,2 (5,56;18,9) 5,66 (2,16;1,48) 0,05 (0,0040,51) 1,52 (0,80;2,90) 1,49 (0,63;3,53) 1,40 (0,56;3,40) 1,23 (0,77;1,98) 1,16 (0,50;2,66) 0,96 (0,41;2,23) Neurologista 2,27 (1,10;4,70) 0,42 (0,13;1,33) 0,23 (0,17;0,72) 2,64 (1,14;6,11) 1,15 (0,09; 15,56) 0,32 (0,08;1,23) 3,01 (1,50;6,05) 2,40 (0,58;9,99) 2,75 (1,03;7,34) Cardiologista 5,64 (4,17;7,62) 3,74 (1,65;8,45) 2,23 (0,88;5,60) 2,03 (1,38;2,97) 1,64 (0,90;2,96) 1,29 (0,76;2,16) 1,70 (1,24;2,32) 1,64 (0,91;2,98) 1,18 (0,75;1,87) Psiquiatra 1,95 (0,96;3,96) 0,76 (0,36;1,56) 0,10 (0,03;0,42) 1,89 (0,99;3,60) 0,54 (0,12;2,34) - 9,14 (4,78;17,44) 16,32 (2,09;127,37) 2,85 (0,52;15,59) Fisioterapeuta 1,94 (1,00;3,76) 7,68 (2,03;28,9) 0,27 (0,09;0,77) 3,09 (1,51;6,31) 0,78 (0,17;3,49) 2,19 (0,68;7,03) 1,44 (0,77;2,71) 3,16 (0,81;12,31) 2,44 (0,86;6,89) Psicólogo 2,56 (1,0;6,49) 4,88 (1,04;22,9) - 2,54 (1,02;6,32) - - 6,38 (4,15;9,80) 16,83 (2,18;129,86) 1,21 (0,30;4,91) a) IC95%: Intervalo de confiança de 95%; b) Serviços de emergência: pronto atendimento, pronto atendimento privado e pronto-socorro; c) Médicos especialistas: pneumologista, neurologista, cardiologista e psiquiatra; d) Serviços especializados: fisioterapeuta e psicólogo. Notas: Padrão 1: hipertensão arterial sistêmica, diabetes mellitus e doenças cardiovasculares; Padrão 2: osteoporose e reumatismo; Padrão 3: depressão e ansiedade. Ajustada por sexo, idade (em anos), situação conjugal, renda, internação hospitalar, índice de massa corporal (IMC) e tabagismo. Refere-se às ocasiões em que o tamanho amostral era baixo e não foi possível rodar as análises.