Condições sócio-ambientais e relação com a saúde mental auto percecionada nos municípios da Amadora, Lisboa, Mafra e Oeiras

Abstract

This paper aims to: i) identify clusters of individuals, living in the municipalities of Amadora, Lisbon, Mafra and Oeiras, through their biological, socio-economic, financial status and context characteristics; ii) analyze the relationship between the identified clusters and self-reported mental health. A survey was applied to the resident population age 18 and over, living in the four municipalities in 2014 (N=1066). The cluster identification was performed through the tool TwoStep Cluster Analysis. The number of clusters was selected by analyzing the higher value of BIC change (Bayesian Information Criterion) and the distance of Maximum likelihood (Ratio of Distances Measure). To analyze the relationship between the identified clusters and self-reported mental health binomial logistic regression models were used. The vulnerability of each cluster was assessed through the percentage of individuals with similar attributes (e.g. biological, socio-economic, contextual and financial status characteristics) associated with poor mental health, being described as clusters of low, high or average vulnerability. In Amadora, Lisbon and Mafra the individuals of the low vulnerability cluster have significantly higher probability of reporting better mental health (p-value <0.05). In Oeiras, no significant differences between clusters were found.

Este texto pretende: i) identificar clusters de indivíduos, residentes nos municípios da Amadora, Lisboa, Mafra e Oeiras, de acordo com as características biológicas, socioeconómicas, financeiras, contextuais e dos comportamentos, e ii) analisar a relação entre os clusters identificados e a saúde mental auto percecionada. Foi aplicado um questionário à população com 18 ou mais anos de idade residente nos quatro concelhos, em 2014 e 2015 (N= 1066). A identificação de clusters de indivíduos foi efetuada através do TwoStep Cluster Analysis. O número de clusters foi identificado através da análise do valor mais alto da taxa de mudança BIC (Critério Bayesiano de Schwarz) e da distância de máxima-verossimilhança (Ratio of Distances Measure). Para analisar a relação entre os clusters identificados e a saúde mental auto percecionada utilizaram-se modelos de regressão logística binomial. A vulnerabilidade de cada cluster foi avaliada através da percentagem de indivíduos com atributos semelhantes (e.g. características biológicas, socioeconómicas, contextuais), associados a má saúde mental, sendo descritos como cluster de vulnerabilidade baixa, elevada ou intermédia. Observa-se que na Amadora, Lisboa e Mafra os residentes nos clusters de menor vulnerabilidade têm significativamente maior probabilidade de reportarem melhor a saúde mental (p-value <0,05). Em Oeiras não foram encontradas diferenças estatisticamente significativas entre os dois clusters.