boletim de anÁlises estatÍstico basta 2018 vol. 1 · em 2050 e 3,1 bilhões em 2100. globalmente,...

PONTIFÍCIA UNIVERSIDADE CATÓLICA DE SÃO PAULO

Programas de Pós Graduação em

Economia e

Administração da

PUC-SP

BOLETIM DE ANÁLISES ESTATÍSTICO BASTA 2018

Vol. 1

ENVELHECIMENTO E LONGEVIDADE

DISCIPLINA: MÉTODOS QUALITATIVOS E QUANTITATIVOS DA PESQUISA EMPÍRICA PROF. ARNOLDO JOSÉ DE HOYOS GUEVARA

Christian Gomes e Souza Munaier

São Paulo – SP 2018

ANÁLISE DOS PAÍSES DA REGIÃO IBERO-AMERICANA (AIBER)PROJETO ORIBER

2

Sumário

1. Introdução ........................................................................................................................ 3

2. Entendendo os Dados .................................................................................................... 3

2.1 O tema de pesquisa: Envelhecimento e Longevidade .................................................. 3

2.2 Os indivíduos ............................................................................................................. 4

2.3 As variáveis do tema: Envelhecimento e Longevidade .............................................. 4

3. Análise Das Variáveis ..................................................................................................... 5

3.1 – Variáveis Quantitativas ............................................................................................ 5

3.2 – Média, Mínimo e Máximo das variáveis com uso do MINITAB ........................... 5

3.3 – Normalização dos dados ......................................................................................... 6

4. Análise Comparativa ...................................................................................................... 6

4.1 Definições e Análise das Variáveis deste estudo ....................................................... 6

4.2 Relatórios Resumo dos 19 países para os 8 indicadores principalmente analisados .. 8

5. Componentes Principais ................................................................................................ 8

5.1 Análise de Regressão: ................................................................................................ 11

5.2 Análise de Regressão: .............................................................................................. 13


5.4 Análise de Regressão: ............................................................................................... 16



6. Smart Age Index – AIBER .......................................................................................... 18

7. Conclusões ...................................................................................................................... 20

8. Referências .................................................................................................................... 22

3

1. Introdução

A população mundial está envelhecendo, como aponta o relatório de 2015 da

Organização das Nações Unidas, World Population Ageing. “O número de pessoas idosas -

com idade igual ou superior a 60 anos - deverá mais do que duplicar até 2050 e mais do

que triplicar até 2100, passando de 962 milhões a nível mundial em 2017 para 2,1 bilhões

em 2050 e 3,1 bilhões em 2100. Globalmente, a população com 60 anos ou mais está

crescendo mais rápido que todos os grupos etários mais jovens” (p. 25).

O presente trabalho tem por objetivo efetuar uma análise exploratória dos dados

relativos ao tema Envelhecimento e Longevidade, que possui um conjunto de 18

(dezoito) variáveis previamente selecionadas e que refletem o grau de engajamento sobre

esta temática, considerando os 19 países objetos deste estudo, como parte do projeto

“Programa Países Sustentáveis” - Guia GPS – Gestão Pública Sustentável, uma publicação

do Núcleo de Estudos do Futuros da PUC-SP –Pontifícia Universidade Católica. Em

seguida algumas definições e contextualização sobre o que se entende por Envelhecimento

e Longevidade.

Entenderemos os conceitos de média, mínimo, máximo, padronização dos dados e,

por fim, a análise exploratória dos dados sobre o tema: Envelhecimento e

Longevidade empregando o software estatístico MINITAB. O Objetivo é explorar os

dados sobre Envelhecimento e Longevidade de tal modo que possamos com os recursos

citados anteriormente apresentar conclusões de correlações entre as variáveis que

compõem o tema.

2. Entendendo os Dados Antes da apresentação dos indivíduos desta análise que envolve 19 países e os

indicadores de desenvolvimento humano selecionados a partir de referência internacional,

citamos a origem do trabalho, que é o Projeto ORIBER – Observatório RIBER. A

análise dos conceitos que compõem o tema foi extraída do material de aula Programa

Países Sustentáveis - Guia GPS – Gestão Pública Sustentável, uma publicação do Núcleo

de Estudos do Futuros da PUC-SP – Pontifícia Universidade Católica. Nesse estudo são

apresentadas as informações teóricas de outros indicadores, cuja análise e interpretação

estão sob responsabilidade de outros colegas desse curso. “O GPS - Guia para Gestão

Pública Sustentável propõe então uma forma de contribuir na superação desses desafios,

que consiste na promoção, a partir das secretarias de planejamento de cada país, de

sinergias entre os setores científico-tecnológico, sociocultural e institucional, que

harmonizem os processos e impactos do desenvolvimento ao nível local, tornando-o

sustentável, procurando sempre estimular a participação dos cidadãos como forma de

contribuir para a melhoria da qualidade de vida, e aproveitando de modo efetivo a troca de

informações e experiências com outros países da região ibero-americana e suas redes de

contatos.”

2.1 O tema de pesquisa: Envelhecimento e Longevidade

Em seu relatório “World Population Ageing 2015”, a ONU registra que a taxa de

crescimento da população de idosos hoje dá-se em função dos níveis de fertilidade que

prevaleceram há cerca de 60 anos. Como as taxas de fertilidade em meados do século 20

foram maiores em muitas partes da África, Ásia e América Latina e Caribe - acima de

cinco filhos por mulher, em média, relata - as taxas de crescimento das populações mais

velhas nessas regiões hoje são significativamente mais rápidas do que em Europa, onde a

fertilidade em 1950 - 1955 já havia caído abaixo de três filhos por mulher em muitos

países. “Nos próximos 15 anos, espera-se que o número de idosos cresça mais rápido na

4

América Latina e no Caribe, com um aumento de 71% previsto na população com 60 anos

ou mais, seguido pela Ásia (66%), África (64%), Oceania (47%), América do Norte (41%)

e Europa (23%)” (p. 14).

E é esse envelhecimento que o relatório da ONU aponta. A causa imediata do

envelhecimento da população é o declínio da fertilidade. No entanto, a longevidade

melhorada também contribui, primeiro eliminando a necessidade demográfica de alta

fertilidade e, segundo, aumentando o número de sobreviventes para idades mais avançadas.

Em 2050, a expectativa de vida no nascimento deverá superar 80 anos na Europa, América

Latina e Caribe, América do Norte e Oceania; e aproximará 80 anos na Ásia e 70 anos na

África.

Estima-se que 13% da população global seja composta por pessoas com mais de 60

anos, um total de 962 milhões de pessoas. O ritmo de crescimento da faixa de 60 anos ou

mais está em cerca de 3% ano. A Europa concentra a maior fatia da população madura no

mundo, com 25%. O processo de rápido envelhecimento ocorrerá, também, em outras

partes do mundo. Até 2050, todas as regiões do mundo, à exceção da África, terão quase

um quarto ou mais de suas populações com idades de 60 anos ou mais.

2.2 Os indivíduos

Os indivíduos desta análise são os 19 países analisados por uma série de

indicadores de referência internacional. Os dados analisados de cada país são as variáveis

que descrevemos a seguir.

2.3 As variáveis do tema: Envelhecimento e Longevidade

Este tema da pesquisa apresenta 18 (dezoito) variáveis, sendo três categóricas –

País, Country Code e REGIÃO e dezoito quantitativas descritas abaixo no Quadro 1. Estas

ainda podem ser divididas em: índices sintéticos e variáveis-componentes ou indicadores, a

saber:

Índices e índices sintéticos: neste trabalho, foram analisados os indicadores

listados na tabela 1, cujos dados foram levantados de forma colaborativa entre os alunos de

mestrado da Pontifícia Universidade Católica de São Paulo/SP, sob a orientação do Prof.

Dr. Arnoldo Hoyos Guevara, junto a instituições globais de acompanhamento estatístico

dos rumos da humanidade.

Como a análise de tendência de longevidade açambarca todas as demais variáveis

que impactam a vida – violência e tolerância, meio-ambiente, tecnologia, educação e

oportunidades, saúde e bem-estar, foram elencados inicialmente 18 indicadores, com o

objetivo ou de analisá-los de forma direta ou de utilizá-los em regressões para validar os

dados ausentes.

Tabela 1. Indicadores selecionados para a avaliação dos países e quais deles não apresentavam dados

oficiais e onde foram inseridas as médias do eixo

Indicadores Países sem a métrica oficial e para os quais

foram utilizadas a „Regressão Estatística‟

1 Social Progress Index (SPI N) Nenhum

2 AgeWatch Index 2015 (AWI N) Nenhum

3 Life Expectancy World Bank 2014 (LIFE N) Nenhum

4 Population growth (annual %) Ano 2016 (PG% N), Nenhum

5 Foundations of Wellbeing (FWB N) Nenhum

6 Health and Wellness (H&W N) Nenhum

7 Obesity rate (% of pop.) (OBE NP) Nenhum

5

8 Health expenditure, public (% of total health

expenditure) 2014" ($HP N)

Nenhum

9 Opportunity (OPP N) Nenhum

10 Knowledge and Technology (K&T N) Nicaragua

Média inserida: 18,78

11 Access to Basic Knowledge (ABN N) Nenhum

12 Personal Safety (PSF N) Nenhum

13 Happy Planet Index (HPI N) Nenhum

14 Tolerance and Inclusion (T&I N) Nenhum

15 Tolerance for immigrants (T4I N) Nenhum

16 GINI Index (Estimated) (GINI N) Nenhum

17 PIB Per capita 2015 (PPC N) Nenhum

18 IDH 2014 (IDH N) Nenhum

Fontes: ONU 2015, WB 2015, OMS 2015, AWI 2015, HPI 2016

2.4 A tabela de dados

Em função da extensão da tabela, vamos representar aqui apenas alguns países e

algumas variáveis selecionadas para corroborar a tabela 1.

Tabela 2. Países e variáveis selecionadas

Country Região Country Code SPI AWI LIFE PG%,

Argentina AIBER ARG 75,90 57,6 76,2 0,98

Bolivia AIBER BOL 66,93 46,2 68,3 1,51

Brazil AIBER BRA 73,97 46,2 74,4 0,82

El Salvador AIBER SLV 66,43 46,9 72,8 0,51

Spain AIBER ESP 86,96 61,7 83,1 -0,01

Uruguay AIBER URY 80,09 59,8 77 0,36

3. Análise Das Variáveis 3.1 – Variáveis Quantitativas

As variáveis tratadas aqui são denominadas quantitativas, pois mostra que ela pode

ser medida em uma escala quantitativa, isto é, com números (Santos e Parra Filho,

2011). Elas são Variáveis Contínuas porque assumem valores fracionados já que estão em

percentual (Crescimento % da população, % da população com obesidade, IDH e GINI).

3.2 – Média, Mínimo e Máximo das variáveis com uso do MINITAB

Para facilitar o acompanhamento das análises vamos expor os dados do MINITAB

citando com títulos que representem a situação de estudo.

- Valor de N é o total de elementos da amostra, que neste caso é de: 19 países;

- “Missing Values” (dados ausentes): um problema comumente encontrado nesta pesquisa,

vez que países supracitados não reportaram seus dados às instituições que produzem os

relatórios aqui elencados. O tratamento destes casos é necessário para que os resultados do

processo de mineração sejam confiáveis. A técnica utilizada foi, no primeiro momento,

substituir o valor faltante pela média aritmética do indicador em questão e, posteriormente,

feita a regressão no software “Minitab 2018”.

3.3 – Normalização dos dados

6

Foram utilizados os softwares „Minitab 2018‟ e Microsoft Excel para a elaboração

de análises quantitativas, elaboração de gráficos, normalização e positivação dos dados,

para melhor compreensão dos fenômenos. Para a normalização dos dados (DADO N),

utilizei o modelo de equação, no Minitab, como segue:

DADO N = ((DADO-MIN(DADO))/(MAX(DADO)-MIN(DADO))

Conforme observamos na tabela acima, identificamos dados faltantes (missing

values) para algumas variáveis. Após verificação na base de dados, as seguintes células

foram substituídas para os respectivos países que apresentaram problema. O indicador

abaixo foi submetido à normalização e postitivação:

Tabela 3. Indicador submetido à normalização e positivação

DADO ORIGINAL DADO POSITIVDO

Obesity rate (% of pop.) OBE NP (positivado)

Tabela 4. Estatísticas Descritivas:

1. Social Progress Index (SPI N), 2. AgeWatch Index 2015 (AWI N), 3. Life Expectancy World Bank 2014

(LIFE N), 4. Population growth (annual %) Ano 2016 (PG% N), 5. Foundations of Wellbeing (FWB N), 6.

Health and Wellness (H&W N), 7. Obesity rate (% of pop.) (OBE NP), 8. Health expenditure, public (% of

total health expenditure) 2014" ($HP N), 9. Opportunity (OPP N), 10. Access to Basic Knowledge (ABN N),

11. Knowledge and Technology (K&T N), 12. Personal Safety (PSF N), 13. Happy Planet Index (HPI N), 14.

Tolerance and Inclusion (T&I N), 15. Tolerance for immigrants (T4I N), 16. GINI Index (Estimated) (GINI

N), 17. PIB Per capita 2015 (PPC N), 18. IDH 2014 (IDH N)

Variável N N* Média EP Média DesvPad Mínimo Q1 Mediana Q3 Máximo

SPI N 19 0 44,26 6,82 29,74 0,00 20,52 40,36 72,74 100,00

AWI N 19 0 52,55 6,17 26,90 0,00 35,43 49,98 75,96 100,00

LIFE N 19 0 49,93 5,65 24,63 0,00 32,43 43,92 62,84 100,00

PG% N 19 0 57,76 5,73 24,98 0,00 48,89 61,43 77,27 100,00

FWB N 19 0 43,99 5,81 25,31 0,00 24,19 40,14 56,54 100,00

H&W N 19 0 50,70 6,10 26,60 0,00 33,24 54,29 71,71 100,00

OBE NP 19 0 51,87 7,57 33,01 0,00 15,25 59,32 80,51 100,00

$HP N 19 0 59,03 7,02 30,60 0,00 31,47 61,33 89,60 100,00

OPP N 19 0 48,55 7,31 31,88 0,00 25,97 44,25 78,89 100,00

ABN N 19 0 61,62 6,82 29,74 0,00 37,96 68,48 87,12 100,00

K&T N 19 0 34,91 5,72 24,92 0,00 18,52 30,74 45,93 100,00

PSF N 19 0 52,55 6,11 26,63 0,00 32,19 56,70 73,04 100,00

HPI N 19 0 60,85 7,54 32,85 0,00 40,20 68,31 88,44 100,00

T&I N 19 0 48,74 6,62 28,86 0,00 29,24 45,50 76,09 100,00

T4I N 19 0 56,01 6,32 27,54 0,00 36,97 62,47 77,46 100,00

GINI N 19 0 41,77 6,51 28,38 0,00 23,28 39,37 65,23 100,00

PPC N 19 0 27,85 5,95 25,93 0,00 6,90 19,40 39,50 100,00

IDH N 19 0 46,46 6,60 28,75 0,00 21,22 44,34 65,55 100,00

4. Análise Comparativa 4.1 Definições e Análise das Variáveis deste estudo

SPI:

O Índice de Progresso Social (Social Progress Index) é o resultado de um processo

de dois anos de pesquisas envolvendo uma equipe renomada de especialistas que inclui,

entre outros, os economistas Hernando de Soto e Michael Porter e do presidente da

Fundação Rockefeller, Dr. Judith Rodin. O índice sintetiza uma extensa quantidade de

dados pesquisados para identificar as dimensões do desempenho das sociedades e medir o

progresso social de forma abrangente e rigorosa. O índice foi estruturado em torno de 12

componentes e 54 indicadores distintos consolidados em três dimensões do Progresso

Social: Necessidades Humanas Básicas, Fundações de Bem-estar e Oportunidade. A

primeira dimensão, necessidades humanas básicas, por exemplo, avalia o quão bem um

país prevê as necessidades essenciais de seu povo através da medição que considera se as

7

pessoas têm comida suficiente e estão recebendo cuidados médicos básicos, se têm acesso

à água potável, acesso a uma habitação condigna com serviços básicos, e se eles estão

seguros e protegidos. Fonte: origem e definição dados pelo portal:

http://pt.knoema.com/jklbfre/the-social-progress-index (tradução livre do autor).

AWI:

O Global AgeWatch Index classifica os países de acordo com o bem-estar social e

econômico dos idosos. O Índice Global AgeWatch mostra não apenas o que funciona para

pessoas mais velhas, mas também destaca o quanto precisamos fazer para cumprir a

promessa do nosso mundo. Melhorar os dados sobre a idade nos ajudará nessa tarefa. As

lacunas nos dados de idade devem ser preenchidas para saber como estamos nos saindo

para garantir que todas as metas sejam atingidas e para que as especificidades das metas

relacionadas à idade e à idade nos objetivos propostos e suas metas sejam respondidas.

HPI:

Happy Planet Index. HPI, medida do Bem-Estar Sustentável (Longevidade,

Felicidade e Vida sustentável para a população do país).

T4I:

Tolerância a imigrantes: O percentual de entrevistados respondendo sim para a

pergunta: "Será que a cidade ou área onde você vive é um bom lugar ou não é um bom

lugar para viver para imigrantes de outros países?" Variável que contabiliza respostas SIM

(positivas) da população sobre a percepção de onde vivem ser um bom lugar para

imigrantes de outros países.

GINI Index:

Medida de desigualdade social utilizada para medir a desigualdade na distribuição

de renda, ou desigualdade da riqueza.

OBE:

O Índice de Massa Corporal (IMC, BMI, em inglês) tornou-se a medida útil para

avaliar o excesso de gordura corporal pela Organização Mundial de Saúde (OMS, ou

WHO, em inglês). Independentemente de sexo e idade, o índice é definido pelo peso em kg

dividido pela altura em metros quadrados. Adultos com IMC igual ou superior 25 kg/m2

configura sobrepeso. IMC igual ou superior a 30 kg/m2 devem ser classificados como

obesos (WHO, 2006). Segundo Pinheiro, Freitas e Corso (2004), os valores de IMC entre

25 e 30 são responsáveis pela maior parte do impacto do sobrepeso sobre certas co-

morbidades associadas à obesidade. “Como exemplo, cita-se que cerca de 64% dos homens

e 77% das mulheres com Diabetes Mellitus Não-Insulino Dependentes (DMNID)

poderiam, teoricamente, prevenir a doença se tivessem um IMC menor ou igual a 25”.

H&W:

Indicador sintético que reúne informações do World Heath Organization

(Organização Mundial de Saúde, em inglês) e Institute for Health Metrics and Evaluation.

O indicador avalia o número médio de anos que uma pessoa de 60 anos poderia esperar

viver, se passasse pela vida exposta às taxas de mortalidade específicas por sexo e idade

que prevaleciam na época de seus 60 anos, por um período de 60 anos. ano específico, em

um dado país, território ou área geográfica, além da taxa de mortalidade devido a doenças

cardiovasculares, cânceres, diabetes e doenças respiratórias crônicas entre populações com

idade entre 30 e 70 anos em seus respectivos países.

8

4.2 Relatórios Resumo dos 19 países para os 8 indicadores principalmente analisados

Figura 1. SPI AIBER

Figura 2. AWI AIBER

Figura 3. LIFE AIBER

Figura 4. LIFE PG%. Outlier: Portugal

Figura 5. OBE AIBER

Figura 6. H&W AIBER

9

Figura 7. GINI AIBER

Figura 8. T4I AIBER

Das análises feitas, é possível observar as curvas de densidades nos histogramas

acima indicando distribuiçõeso levemente deslocadas à esquerda na maioria dos gráficos,

em especial para os indicadores SPI e GINI, representados nas figuras 1 e 7. Pelo fato da

média e mediana figurarem à esquerda do gráfico, isso nos mostra que temos um

comportamento de um maior número de países da região com piores resultados em seu

progresso social e de combate à desigualdade. Vale destacar o comportamento de Portugal

no gráfico PG%, de crescimento populacional, na figura 4. O país da península Ibérica

apresenta um crescimento populacional negativo de -0,32% ao ano (WB, 2016).

Tabela 5. Análise de Agrupamentos de Variáveis:

1. SPI N, 2. AWI N, 3. LIFE N, 4. PG% N, 5. FWB N, 6. H&W N, 7. OBE NP, 8. $HP N, 9. OPP N, 10.

ABN N, 11. K&T N, 12. PSF N, 13. HPI N, 14. T&I N, 15. T4I N, 16. GINI N, 17. PPC N, 18. IDH N

Passo

Número de

agrupados

Nível de

similaridade

Nível de

distância

Agrupados

reunidos

Novo

agrupado

Número de

obs. no

novo

agrupado

1 17 98,8450 0,02310 16 18 16 2

2 16 98,6068 0,02786 1 9 1 2

3 15 96,2851 0,07430 11 17 11 2

4 14 95,4726 0,09055 1 16 1 4

5 13 93,1792 0,13642 3 5 3 2

6 12 92,0923 0,15815 3 11 3 4

7 11 91,5877 0,16825 14 15 14 2

8 10 89,4821 0,21036 1 3 1 8

9 9 84,0873 0,31825 1 2 1 9

10 8 84,0216 0,31957 12 14 12 3

11 7 79,8826 0,40235 1 10 1 10

12 6 68,6004 0,62799 6 13 6 2

13 5 64,3982 0,71204 1 12 1 13

14 4 62,3329 0,75334 4 7 4 2

15 3 59,9500 0,80100 6 8 6 3

16 2 37,1090 1,25782 1 6 1 16

17 1 10,2871 1,79426 1 4 1 18

Partição Final

Variáveis

Agrupamento 1 SPI N AWI N LIFE N FWB N OPP N ABN N K&T N GINI N PPC N IDH N

Agrupamento 2 PG% N

Agrupamento 3 H&W N HPI N

Agrupamento 4 OBE NP

Agrupamento 5 $HP N

Agrupamento 6 PSF N T&I N T4I N

10

Figura 9. Dendograma de agrupamento das variáveis

A figura 9 nos oferece um panorama dos 18 indicadores aqui observados, e suas

similaridades. Identificamos, para o presente trabalho, com 6 clusters específicos. Chamo a

primeira atenção para o cluster SPI, OPP, GINI e IDH. Como veremos nos componentes

principais mais adiante, temos a constatação de que não há progresso social (SPI) e

desenvolvimento humano (IDH) sem oportunidades e redução das desigualdades. Da

mesma forma, a expectativa de vida está diretamente ligada à saúde e bem-estar, como

veremos mais à frente, no item 5.6. E o cluster PSF, T&I e T4I, todos voltados para a

tolerância e segurança física, é fundamental, como veremos no item 5.5, para uma vida

mais longeve como também para uma melhor adequação para os países e a baixa

natalidade de suas populações.

5. Componentes Principais A análise de componentes principais é usada comumente em ciências sociais,

pesquisa de mercado e outros setores que usam grandes conjuntos de dados. A meta da

análise de componentes principais é explicar a maior quantidade de variância com o menor

número de componentes principais. No presente projeto, como veremos na tabela 6 e nas

figuras 10 e 11, foram identificados 3 componentes principais, com os quais iremos

responder a 81,8% de toda a nossa análise quanto ao Smart Age Index.

Tabela 6. Análise de Componentes Principais:

1. SPI N, 2. AWI N, 3. LIFE N, 4. PG% N, 5. FWB N, 6. H&W N, 7. OBE NP, 8. $HP N, 9. OPP N, 10.

ABN N, 11. K&T N, 12. PSF N, 13. HPI N, 14. T&I N, 15. T4I N, 16. GINI N, 17. PPC N, 18. IDH N Autovalor 11,470 2,164 1,091 0,939 0,649 0,566 0,381 0,258 0,172 0,115 0,062

Proporção 0,637 0,120 0,061 0,052 0,036 0,031 0,021 0,014 0,010 0,006 0,003

Acumulado 0,637 0,757 0,818 0,870 0,906 0,938 0,959 0,973 0,983 0,989 0,993

Autovalor 0,049 0,044 0,025 0,009 0,006 0,001 0,000 Proporção 0,003 0,002 0,001 0,000 0,000 0,000 0,000 Acumulado 0,995 0,998 0,999 1,000 1,000 1,000 1,000

Autovetores Variável CP1 CP2 CP3

SPI N 0,291 -0,050 0,016

AWI N 0,237 0,298 0,201

LIFE N 0,265 0,116 -0,111

PG% N -0,218 0,189 0,046

FWB N 0,274 0,089 -0,262

H&W N 0,146 0,344 -0,653

OBE NP -0,179 -0,334 -0,513

$HP N 0,127 0,088 -0,036

OPP N 0,278 -0,105 0,178

11

ABN N 0,237 0,022 -0,032

K&T N 0,265 0,035 -0,166

PSF N 0,229 -0,149 -0,194

HPI N 0,059 0,565 0,155

T&I N 0,243 -0,294 0,210

T4I N 0,194 -0,411 0,006

GINI N 0,286 -0,041 0,067

PPC N 0,277 -0,050 -0,002

IDH N 0,286 0,005 0,119

Figura 10. Scree Plot - gráfico de perfil de autovalores

Figura 11. Carga fatorial da tabela 6

Uma análise de fatores foi realizada para os 18 indicadores. A figura 10 mostra que

3 desses fatores aplicam a maior parte da variabilidade porque a linha começa a endireitar

após o fator 3. Os fatores restantes explicam uma proporção muito pequena da

variabilidade e provavelmente não são importantes

A figura 11 não deixa dúvidas quanto ao papel dos indicadores Obesity rate (% of

pop.) e Population growth (annual %) Ano 2016. O crescimento da população de um país

está inversamente relacionado ao envelhecimento deste mesmo país. Quanto maior o

crescimento populacional (advindo da taxa de nascimento), menor o envelhecimento.

Logo, em países com populações mais envelhecidas, a taxa de crescimento é menor.

Já a taxa da população obesa não apresenta correlação direta à longevidade, visto

que em países com maiores expectativas de vida ao nascer há um percentual muito

considerável de pessoas com obesidade. Como visto anteriormente, a obesidade está

fartamente documentada como uma epidemia atrelada às mortes prematuras por doenças

não transmissíveis. O que nos leva a ainda assim considerar este indicador como

fundamental quando analisada a população de um país quanto à longevidade, e que será

validado pelos itens 5.5 e 5.6 logo a seguir.

5.1 Análise de Regressão:

CP1 versus SPI N; AWI N; LIFE N; PG% N; FWB N; H&W N; OBE NP; $HP N; OPP N;

ABN N; K&T N; PSF N; HPI N; T&I N; T4I N; GINI N; PPC N; IDH N

Tabelas 7. Seleção Stepwise de Termo

-----Passo 1----- -----Passo 2---- -----Passo 3----- -----Passo 4-----

Coef P Coef P Coef P Coef P

Constante -4,966 -5,032 -5,387 -5,573

SPI N 0,11220 0,000 0,0755 0,000 0,0697 0,000 0,06472 0,000

GINI N 0,0404 0,006 0,0423 0,002 0,03990 0,001

H&W N 0,01060 0,021 0,00869 0,035

AWI N 0,01144 0,042

T&I N

12

PG% N

T4I N

K&T N

OBE NP

ABN N

S 0,594576 0,481712 0,413592 0,367166

R2 97,09% 98,20% 98,76% 99,09%

R2(aj) 96,92% 97,98% 98,51% 98,82%

R2(pred) 96,20% 97,49% 98,06% 98,40%

-----Passo 5----- ------Passo 6----- ------Passo 7-----

Coef P Coef P Coef P Constante -6,087 -5,409 -5,342 SPI N 0,0470 0,001 0,04090 0,001 0,03802 0,001 GINI N 0,03854 0,000 0,03433 0,001 0,03130 0,001 H&W N 0,01556 0,002 0,01629 0,001 0,01589 0,000 AWI N 0,01456 0,005 0,01915 0,001 0,02433 0,000 T&I N 0,01731 0,016 0,01799 0,008 0,00991 0,111 PG% N -0,00943 0,061 -0,01354 0,008 T4I N 0,01013 0,030 K&T N OBE NP ABN N S 0,302630 0,270564 0,226198 R2 99,42% 99,57% 99,73% R2(aj) 99,20% 99,36% 99,55% R2(pred) 98,75% 98,81% 99,20%

------Passo 8----- ------Passo 9----- ------Passo 10-----

Coef P Coef P Coef P Constante -5,239 -4,698 -4,933 SPI N 0,03305 0,000 0,03273 0,000 0,02682 0,000 GINI N 0,03020 0,000 0,02527 0,000 0,02393 0,000 H&W N 0,01226 0,001 0,01411 0,000 0,01422 0,000 AWI N 0,02439 0,000 0,02133 0,000 0,01906 0,000 T&I N 0,00740 0,112 0,00625 0,100 0,01227 0,005 PG% N -0,01362 0,001 -0,01595 0,000 -0,01397 0,000 T4I N 0,01101 0,004 0,01497 0,001 0,01122 0,002 K&T N 0,01204 0,008 0,01178 0,003 0,01522 0,000 OBE NP -0,00533 0,030 -0,00553 0,006 ABN N 0,00584 0,017 S 0,164969 0,131813 0,0958106 R2 99,87% 99,92% 99,96% R2(aj) 99,76% 99,85% 99,92% R2(pred) 99,55% 99,69% 99,84%

α para entrada = 0,15; α para remoção = 0,15

Análise de Variância Fonte GL SQ (Aj.) QM (Aj.) Valor F Valor-P

Regressão 10 206,378 20,6378 2248,20 0,000

T4I N 1 0,199 0,1989 21,67 0,002

H&W N 1 0,814 0,8140 88,68 0,000

OBE NP 1 0,124 0,1244 13,55 0,006

PG% N 1 0,451 0,4510 49,13 0,000

ABN N 1 0,083 0,0829 9,03 0,017

SPI N 1 0,396 0,3956 43,09 0,000

AWI N 1 0,724 0,7239 78,86 0,000

K&T N 1 0,361 0,3608 39,31 0,000

T&I N 1 0,136 0,1359 14,80 0,005

GINI N 1 0,547 0,5468 59,56 0,000

Erro 8 0,073 0,0092

Total 18 206,451

Sumário do Modelo S R2 R2(aj) R2(pred)

0,0958106 99,96% 99,92% 99,84%

Coeficientes Termo Coef EP de Coef Valor-T Valor-P VIF

Constante -4,933 0,223 -22,08 0,000

T4I N 0,01122 0,00241 4,66 0,002 8,64

13

H&W N 0,01422 0,00151 9,42 0,000 3,16

OBE NP -0,00553 0,00150 -3,68 0,006 4,83

PG% N -0,01397 0,00199 -7,01 0,000 4,86

ABN N 0,00584 0,00194 3,01 0,017 6,55

SPI N 0,02682 0,00409 6,56 0,000 28,95

AWI N 0,01906 0,00215 8,88 0,000 6,54

K&T N 0,01522 0,00243 6,27 0,000 7,17

T&I N 0,01227 0,00319 3,85 0,005 16,62

GINI N 0,02393 0,00310 7,72 0,000 15,18

Equação de Regressão CP1 = -4,933 + 0,01122 T4I N + 0,01422 H&W N - 0,00553 OBE NP - 0,01397 PG% N + 0,00584 ABN N

+ 0,02682 SPI N + 0,01906 AWI N + 0,01522 K&T N + 0,01227 T&I N + 0,02393 GINI N




Tabelas 8. Seleção Stepwise de Termos

-----Passo 1----- ------Passo 2----- ------Passo 3-----

Coef P Coef P Coef P

Constante -2,266 -0,724 -1,104

HPI N 0,03724 0,000 0,03242 0,000 0,02700 0,000

T4I N -0,02230 0,001 -0,02450 0,000

H&W N 0,01643 0,001

OBE NP

PG% N

T&I N

AWI N

PSF N

$HP N

OPP N

PPC N

K&T N

ABN N

LIFE N

FWB N

IDH N

S 0,840871 0,595947 0,430425

R2 69,15% 85,41% 92,87%

R2(aj) 67,33% 83,59% 91,44%

R2(pred) 63,17% 81,34% 89,25%



Constante -0,110 -0,975 -0,451

HPI N 0,02161 0,000 0,02091 0,000 0,02045 0,000

T4I N -0,02695 0,000 -0,02226 0,000 -0,01557 0,000

H&W N 0,01624 0,000 0,01813 0,000 0,01725 0,000

OBE NP -0,01002 0,002 -0,01185 0,000 -0,01454 0,000

PG% N 0,01116 0,000 0,00764 0,002

T&I N -0,00991 0,008

AWI N

PSF N

$HP N

OPP N

PPC N

K&T N

ABN N

LIFE N

FWB N

IDH N

S 0,311064 0,178398 0,136542

R2 96,52% 98,94% 99,43%

R2(aj) 95,53% 98,53% 99,14%

R2(pred) 92,64% 97,51% 98,49%

------Passo 7----- ------Passo 8------ -------Passo 9------


Constante -0,601 -0,737 -0,855

14

HPI N 0,01913 0,000 0,018047 0,000 0,017929 0,000

T4I N -0,01591 0,000 -0,01532 0,000 -0,015376 0,000

H&W N 0,01542 0,000 0,016231 0,000 0,016184 0,000

OBE NP -0,01177 0,000 -0,01005 0,000 -0,010053 0,000

PG% N 0,00687 0,001 0,00698 0,000 0,007812 0,000

T&I N -0,01226 0,000 -0,01099 0,000 -0,01063 0,000

AWI N 0,00681 0,008 0,01077 0,001 0,01025 0,000

PSF N -0,00453 0,025 -0,00486 0,002

$HP N 0,001860 0,004

OPP N

PPC N

K&T N

ABN N

LIFE N

FWB N

IDH N

S 0,101645 0,0819080 0,0529084

R2 99,71% 99,83% 99,94%

R2(aj) 99,52% 99,69% 99,87%

R2(pred) 98,93% 99,35% 99,68%

------Passo 10------ ------Passo 11------ ------Passo 12------


Constante -0,7158 -0,6928 -0,6776

HPI N 0,017537 0,000 0,017404 0,000 0,017450 0,000

T4I N -0,014440 0,000 -0,014380 0,000 -0,014324 0,000

H&W N 0,016596 0,000 0,017027 0,000 0,016739 0,000

OBE NP -0,010629 0,000 -0,010698 0,000 -0,010715 0,000

PG% N 0,006387 0,000 0,005884 0,000 0,005690 0,000

T&I N -0,009256 0,000 -0,008827 0,000 -0,008817 0,000

AWI N 0,01175 0,000 0,012172 0,000 0,012190 0,000

PSF N -0,005625 0,000 -0,005787 0,000 -0,005842 0,000

$HP N 0,001695 0,001 0,001508 0,001 0,001453 0,001

OPP N -0,003555 0,005 -0,003222 0,003 -0,003367 0,002

PPC N -0,001684 0,039 -0,002745 0,014

K&T N 0,001338 0,110

ABN N

LIFE N

FWB N

IDH N

S 0,0335173 0,0258825 0,0221985

R2 99,98% 99,99% 99,99%

R2(aj) 99,95% 99,97% 99,98%

R2(pred) 99,86% 99,91% 99,93%

------Passo 13------ ------Passo 14------ ------Passo 15------


Constante -0,7082 -0,7632 -0,8402

HPI N 0,017501 0,000 0,017378 0,000 0,017345 0,000

T4I N -0,014937 0,000 -0,014781 0,000 -0,014902 0,000

H&W N 0,016535 0,000 0,015737 0,000 0,014201 0,000

OBE NP -0,010790 0,000 -0,010490 0,000 -0,010110 0,000

PG% N 0,006121 0,000 0,006420 0,000 0,007122 0,000

T&I N -0,008112 0,000 -0,008917 0,000 -0,009543 0,000

AWI N 0,011556 0,000 0,011592 0,000 0,011370 0,000

PSF N -0,005691 0,000 -0,005848 0,000 -0,006014 0,000

$HP N 0,001542 0,000 0,001945 0,001 0,002457 0,003

OPP N -0,003921 0,001 -0,003811 0,001 -0,003953 0,001

PPC N -0,002654 0,009 -0,002845 0,005 -0,003011 0,003

K&T N 0,001742 0,033 0,001875 0,017 0,001894 0,009

ABN N 0,000766 0,087 0,000787 0,051 0,000553 0,080

LIFE N 0,001549 0,115 0,002973 0,031

FWB N 0,001775 0,092

IDH N

S 0,0176436 0,0139058 0,0092786

R2 100,00% 100,00% 100,00%

R2(aj) 99,99% 99,99% 100,00%

R2(pred) 99,94% 99,94% 99,94%

------Passo 16------

Coef P Constante -0,7971 HPI N 0,017256 0,000 T4I N -0,014578 0,000

15

H&W N 0,014309 0,000 OBE NP -0,010527 0,000 PG% N 0,007024 0,001 T&I N -0,009519 0,000 AWI N 0,011599 0,000 PSF N -0,005953 0,000 $HP N 0,002285 0,003 OPP N -0,004035 0,001 PPC N -0,002344 0,010 K&T N 0,001697 0,007 ABN N 0,000758 0,019 LIFE N 0,002772 0,015 FWB N 0,002071 0,024 IDH N -0,001368 0,065 S 0,0040181 R2 100,00% R2(aj) 100,00% R2(pred) 99,97%



Regressão 16 38,9605 2,43503 150819,77 0,000

HPI N 1 1,4770 1,47703 91483,72 0,000

T4I N 1 0,1771 0,17709 10968,24 0,000

H&W N 1 0,0358 0,03579 2216,98 0,000

OBE NP 1 0,0772 0,07725 4784,61 0,000

PG% N 1 0,0295 0,02953 1829,01 0,001

ABN N 1 0,0008 0,00081 50,07 0,019

LIFE N 1 0,0011 0,00107 66,25 0,015

AWI N 1 0,0862 0,08621 5339,52 0,000

FWB N 1 0,0007 0,00066 40,85 0,024

$HP N 1 0,0055 0,00552 341,80 0,003

OPP N 1 0,0145 0,01452 899,21 0,001

K&T N 1 0,0021 0,00215 132,87 0,007

PSF N 1 0,0587 0,05867 3634,16 0,000

T&I N 1 0,0335 0,03345 2071,89 0,000

PPC N 1 0,0016 0,00162 100,60 0,010

IDH N 1 0,0002 0,00023 14,00 0,065

Erro 2 0,0000 0,00002

Total 18 38,9606


0,0040181 100,00% 100,00% 99,97%


Constante -0,7971 0,0221 -36,09 0,001

HPI N 0,017256 0,000057 302,46 0,000 3,92

T4I N -0,014578 0,000139 -104,73 0,000 16,38

H&W N 0,014309 0,000304 47,08 0,000 72,88

OBE NP -0,010527 0,000152 -69,17 0,000 28,14

PG% N 0,007024 0,000164 42,77 0,001 18,77

ABN N 0,000758 0,000107 7,08 0,019 11,33

LIFE N 0,002772 0,000341 8,14 0,015 78,40

AWI N 0,011599 0,000159 73,07 0,000 20,33

FWB N 0,002071 0,000324 6,39 0,024 74,97

$HP N 0,002285 0,000124 18,49 0,003 15,95

OPP N -0,004035 0,000135 -29,99 0,001 20,51

K&T N 0,001697 0,000147 11,53 0,007 15,01

PSF N -0,005953 0,000099 -60,28 0,000 7,71

T&I N -0,009519 0,000209 -45,52 0,000 40,59

PPC N -0,002344 0,000234 -10,03 0,010 40,94

IDH N -0,001368 0,000366 -3,74 0,065 123,16

Equação de Regressão CP2 = -0,7971 + 0,017256 HPI N - 0,014578 T4I N + 0,014309 H&W N - 0,010527 OBE NP

+ 0,007024 PG% N + 0,000758 ABN N + 0,002772 LIFE N + 0,011599 AWI N + 0,002071 FWB N

+ 0,002285 $HP N - 0,004035 OPP N + 0,001697 K&T N - 0,005953 PSF N - 0,009519 T&I N

- 0,002344 PPC N - 0,001368 IDH N

16

Ajustados e Diagnósticos para Observações Atípicas Obs. CP2 Ajuste Resíd Resíd Pad

10 0,92433 0,92466 -0,00033 -1,05 X

14 2,49809 2,49816 -0,00007 -0,34 X

X Atípicos X




Tabelas 9. Seleção Stepwise de Termos



Constante 1,359 2,861 2,488

H&W N -0,02680 0,001 -0,03305 0,000 -0,03501 0,000

OBE NP -0,02284 0,000 -0,02043 0,000

HPI N 0,00570 0,000

S 0,785485 0,216750 0,145312

R2 46,59% 96,17% 98,39%

R2(aj) 43,44% 95,69% 98,06%

R2(pred) 28,34% 94,91% 97,46%



Regressão 3 19,3197 6,4399 304,99 0,000

HPI N 1 0,4350 0,4350 20,60 0,000

H&W N 1 13,4234 13,4234 635,71 0,000

OBE NP 1 6,2253 6,2253 294,82 0,000

Erro 15 0,3167 0,0211

Total 18 19,6365


0,145312 98,39% 98,06% 97,46%


Constante 2,488 0,130 19,07 0,000

HPI N 0,00570 0,00126 4,54 0,000 1,45

H&W N -0,03501 0,00139 -25,21 0,000 1,16

OBE NP -0,02043 0,00119 -17,17 0,000 1,31

Equação de Regressão CP3 = 2,488 + 0,00570 HPI N - 0,03501 H&W N - 0,02043 OBE NP


CP1 versus SPI N e GINI N. Nome sugerido: “Combate à desigualdade é progresso”.


Regressão 2 202,738 101,369 436,85 0,000

SPI N 1 8,795 8,795 37,90 0,000

GINI N 1 2,297 2,297 9,90 0,006

Erro 16 3,713 0,232

Total 18 206,451


0,481712 98,20% 97,98% 97,49%


Constante -5,032 0,203 -24,79 0,000

17

SPI N 0,0755 0,0123 6,16 0,000 10,32

GINI N 0,0404 0,0129 3,15 0,006 10,32

Equação de Regressão CP1 = -5,032 + 0,0755 SPI N + 0,0404 GINI N


CP2 versus HPI N, T4I N, H&W N, OBE NP: “Tolerância e saúde: a fórmula da

felicidade”


Regressão 4 37,606 9,40148 97,16 0,000

HPI N 1 5,456 5,45643 56,39 0,000

T4I N 1 8,607 8,60709 88,95 0,000

H&W N 1 2,836 2,83578 29,31 0,000

OBE NP 1 1,424 1,42434 14,72 0,002

Erro 14 1,355 0,09676

Total 18 38,961


0,311064 96,52% 95,53% 92,64%


Constante -0,110 0,363 -0,30 0,767

HPI N 0,02161 0,00288 7,51 0,000 1,66

T4I N -0,02695 0,00286 -9,43 0,000 1,15

H&W N 0,01624 0,00300 5,41 0,000 1,19

OBE NP -0,01002 0,00261 -3,84 0,002 1,38

Equação de Regressão CP2 = -0,110 + 0,02161 HPI N - 0,02695 T4I N + 0,01624 H&W N - 0,01002 OBE NP

Ajustados e Diagnósticos para Observações Atípicas Obs. CP2 Ajuste Resíd Resíd Pad

17 -2,205 -1,646 -0,559 -2,19 R

R Resíduo grande


CP3 versus H&W N; OBE NP; HPI N. Nome sugerido: “Luta contra a obesidade: questão

de saúde pública”


Regressão 3 19,3197 6,4399 304,99 0,000

HPI N 1 0,4350 0,4350 20,60 0,000

H&W N 1 13,4234 13,4234 635,71 0,000

OBE NP 1 6,2253 6,2253 294,82 0,000

Erro 15 0,3167 0,0211

Total 18 19,6365


0,145312 98,39% 98,06% 97,46%


Constante 2,488 0,130 19,07 0,000

HPI N 0,00570 0,00126 4,54 0,000 1,45

H&W N -0,03501 0,00139 -25,21 0,000 1,16

OBE NP -0,02043 0,00119 -17,17 0,000 1,31

Equação de Regressão CP3 = 2,488 + 0,00570 HPI N - 0,03501 H&W N - 0,02043 OBE NP

18

6. Smart Age Index – AIBER

Tabela 10. Ranking SAI AIBER

RK País Pontos

1 Spain 100,00

2 Chile 80,92

3 Portugal 75,62

4 Costa Rica 72,59

5 Uruguay 69,98

6 Panama 66,72

7 Argentina 63,03

8 Mexico 54,62

9 Colombia 46,67

10 Peru 42,29

11 Brazil 41,26

12 Ecuador 37,88

13 Dominican Republic 32,48

14 El Salvador 27,55

15 Nicaragua 20,13

16 Bolivia 14,14

17 Paraguay 11,65

18 Guatemala 5,75

19 Honduras 0,00

19

Figura 12. Países Iberoamericanos e o Smart Age Index regional

Não é por acaso que Espanha, Chile, Portugal e Costa Rica se apresentam como os

4 melhores colocados no indicador aqui desenvolvido. São países que têm buscado

algumas das respostas para os grandes desafios dos “tempos dos anciãos”: progresso

social, redução das desigualdades sociais, aumento das tolerâncias – inclusive, e em

especial, aos imigrantes, e melhores indicadores de saúde e bem-estar. Como bem postulou

o douto professor de Economia da PUC-SP, Ladislau Douwbor, em seu blog: “O avanço

social, a redução das desigualdades e a sustentabilidade ambiental não constituem entraves,

e sim condição do desenvolvimento em geral (...). Dizer que a dinamização do

desenvolvimento pela inclusão se esgotou é bobagem. Estamos no caminho certo, mas o

processo precisa de um sólido impulso.”

Os 4 tiveram pontuação média superior a 66 pontos em 100 nos 18 indicadores

analisados e normalizados (colocados de 1 a 100). Do quinto em diante, as médias foram

inferiores a 60. Portugal e Costa Rica tiveram pontuação média até superior ao Chile. Mas,

por questão de peso de cada indicador, o país do Pacífico teve melhor colocação final.

Chile se apresenta na segunda colocação no nosso indicador e se faz mister observá-lo nos

quesitos aqui identificados como cruciais para avaliar os 19 países da região. Notem que

12% da população no norte do Chile já é composta por imigrantes. Relatório da

Organização Internacional do Trabalho, publicado em maio, afirma que o Chile foi o país

da América Latina cuja proporção de imigrantes mais cresceu entre 2010 e 2015: 4,9% ao

ano; seguido pelo México, com 4,2%; Brasil, com 3,8%, e Equador, com 3,6%. No

período, seu número aumentou em 100 mil, de 369.436, para 469.436, ou 27%.

Segundo o Fundo Monetário Internacional (FMI), a renda média chilena atingiu

US$ 14.310 em 2016, atrás apenas da uruguaia, US$ 17.250; e na frente da argentina, US$

14.060, e da brasileira, US$ 10.020. Pelo critério do poder de compra, a renda per capita

chilena supera a uruguaia, mais um dos elementos que dão guarida ao ranking aqui

20

estabelecido. Ainda, as taxas de escolarização do Chile são as mais altas da América

Latina, equivalentes às da Austrália e superiores às da Grã-Bretanha. A expectativa de vida

chilena, 80 anos, fica atrás apenas do Canadá nas Américas: 82.

A Costa Rica apresenta ótimo desempenho nos indicadores HPI (é o país mais feliz

da região) e com o maior volume financeiro de investimento na saúde pública. O fato de

não ter um PIB per capita tão significativo – até menor que México, Argentina, Panamá,

Uruguai... – deixa claro que o PIB per capita só é importante quando é bem distribuído, e

não apenas uma média entre os que passam fome e os que se empanturram.

E Portugal nos apresenta suas credenciais com a segunda maior média entre os 19

países, tendo a totalidade de pontos em Segurança – o país mais seguro da região, baixa

taxa de desigualdade social e significativa tolerância ao imigrante. Neste quesito, Portugal

criou o visto D2 ou visto de empreendedor. Em troca da possibilidade de residência legal,

Portugal se beneficia com a atração de pessoas capazes de gerar riqueza e de criar

emprego, e consequentemente com a movimentação da sua economia. É o Visto D2

Portugal: visto para Imigrantes Empreendedores. Por atividade de investimento, para este

fim, inclui-se a criação de pequenas e médias empresas com relevância econômica, social,

científica, tecnológica ou cult

7. Conclusões Há uma questão crucial para avaliarmos em termos de envelhecimento e

longevidade. Sim, o planeta está envelhecendo e, ao mesmo tempo, as pessoas estão

vivendo mais, conforme atestam os dados apresentados pela ONU e já registrados neste

artigo. Mas com que qualidade de vida estão chegando habitantes dos países com maior

expectativa de vida? A literatura científica tem se debruçado sobre o tema da população

considerada idosa e o seu papel na sociedade. E não apenas a ciência, mas também o

legislador. O Brasil conta com um Estatuto do Idoso (n˚ 10.741, de 1˚ de outubro de 2003)

que propõe garantir-lhe as condições básicas de dignidade e combater o preconceito. “Na

era do capital, aquele que não produz, aquele que não se insere, mal visto, ou melhor

dizendo, deixa de ser visto – e parte do preconceito e da indiferença para com os idosos

surge desta premissa arraigada cada dia mais no seio da sociedade. Neste sentido que

reside a importância do Estatuto do Idoso, que, ao invés de dizer que o idoso tem direitos,

assevera com maior razão que a lei garante que ele os goze, revelando desta maneira\a

preocupação do Estado em relação ao cenário social acima delineado”(Cedenho, 2014, p.

42).

Os países precisarão criar condições para que essa população envelhecida possa ter

uma ocupação que gere renda e satisfação pessoal. É fundamental para o seu bem-estar e

necessário para o contínuo desenvolvimento socioeconômico, cultural e tecnológico dos

países. E a tolerância precisará se fazer presente. Certamente, os processos migratórios

ainda resultarão em mais ajustes e aceitação das diferenças, quebra paradigmas e promoção

da harmonização entre diferentes crenças, orientações, raças e gerações, para que o planeta

seja um lugar melhor para se viver.

Já nos países que ainda têm indicadores de expectativa e condições de vida que

remontam aos séculos passados, os desafios estão na base. Fundamentos do bem-estar,

despesas públicas de saúde, oportunidade, acesso ao conhecimento básico, segurança

pessoal rede de segurança comunitária, elevação do IDH... Para que possam se preocupar

com isso, essas regiões precisam criar condições para que sua população ultrapasse a

barreira dos 70 anos de expectativa média de vida. Os indicadores estão aí e os desafios

para cada um, também. A tolerância e a inclusão podem ser as senhas para a próxima

etapa, que é permitir à população madura viver com plenitude, dignidade e prazer esses

21

anos a mais de vida. Garantir-lhes acesso à inclusão em todas as esferas, fortalecendo seus

laços socioeconômicos e familiares, com programas que disseminem o acolhimento.

A expectativa de uma vida longa e plena está diretamente atrelada aos principais

indicadores de desenvolvimento social e humano, fundamentos da saúde, bem-estar e

qualidade de vida, e de toda a riqueza produzida por uma nação. Dentre os indicadores de

saúde pública de uma nação, avalia-se o índice de mortes por doenças infecciosas e o

índice de doenças não-transmissíveis, onde a obesidade se classifica. “Obesidade e

sobrepeso em adultos trazem como consequências doenças cardiovasculares, diabetes,

osteoartrite, alguns cânceres (colorretal, renal, esofágico endometrial, mamário, ovariano e

prostático), dificuldades respiratórias como hipoventilação crônica (síndrome de Pickwick)

e apneia do sono, infertilidade masculina, colelitíase, esteatose, refluxo gastroesofágico,

transtornos psicossociais e hipertensão arterial sistêmica. Obesidade em crianças associa-se

a maior chance de obesidade, morte prematura e incapacidade funcional na fase adulta.

Além desses riscos futuros, crianças obesas têm dificuldades respiratórias, maior risco de

fraturas, efeitos psicológicos e precoces indicadores de doença cardiovascular e resistência

à insulina.” Wannmacher (2016, p. 2)

Chama a atenção, mas não de todo difícil entender, que “alguns dos países mais

bem classificados neste ranking tenham alguma das maiores taxas de obesidade de suas

populações, como o Chile (28% da população), Costa Rica (24%) e Espanha (24%). A

média da região é de 22%. Mas, conforme demonstrado quantitativamente neste artigo e

sustentado pela ciência, quanto menor o percentual da população considerada obesa,

melhor o desempenho do país no indicador de longevidade. É papel do Estado fomentar a

prática da atividade física em sua população, para fins preventivos das doenças não

transmissíveis que causam morte prematura. Além do mais, A prática da atividade física

pode ser, sim, um antídoto para a depressão, outro mal que grassa a humanidade. A

atividade física está associada à diminuição do risco de desenvolver depressão clínica.

Estudos experimentais mostram que exercícios aeróbicos e de resistência são eficazes no

tratamento da depressão. O efeito é da mesma magnitude que as intervenções

psicoterapêuticas (Fox, 1999, p. 412)

22

8. Referências BID - Banco Interamericano de Desarrollo (2016). América Latina y el Caribe: cómo mantenerse sano

mientras se envejece. América Latina y el Caribe 2030: Escenarios futuros. Salazar, H. Recuperado de

https://publications.iadb.org/handle/11319/8218?locale-attribute=pt

Cedenho, A. C. (2014) O idoso como novo personagem da atual sociedade: o estatuto do idoso e as diretrizes

para o envelhecimento no Brasil. Revista do Curso de Direito da Faculdade de Humanidades e Direito,

v. 11, n. 11, 2014, 10-46

Diener, E., Chan, M.Y. (2011) Happy People Live Longer: Subjective Well-Being Contributes to Health and

Longevity. Psychology: Health and Well-being, 2011, 3 (1), 1–43.

Fox, K.R. (1999). “The influence of physical activity on mental well-being”. Public Health Nutrition: 2(3a),

411–418

IBGE - Instituto Brasileiro de Geografia e Estatística (2017). Pesquisa Nacional por Amostra de Domicílios

Contínua (PNAD). Recuperado de

https://biblioteca.ibge.gov.br/visualizacao/livros/liv101390_informativo.pdf

ONU – Organização das Nações Unidas. World Population Ageing 2015. Recuperado em 3 março, 2018, de

http://www.un.org/en/development/desa/population/publications/pdf/ageing/WPA2015_Report.pdf

PNUD – Programa das Nações Unidas para o Desenvolvimento. IDH 2014. Recuperado em 3 março, 2018,

de http://www.br.undp.org/content/brazil/pt/home/idh0/rankings/idh-global.html

PUC/SP – Pontifícia Universidade Católica de São Paulo. Banco de dados – Base 2017. Recebido em 9 de

março de 2018

Wannmacher, L. (2016) Obesidade como fator de risco para morbidade e mortalidade: evid ncias sobre o

manejo com medidas não medicamentosas. – 1 , 1-10

WHO (OMS) –World Heath Organization (Organização Mundial de Saúde). Overweight and obesity.

Recuperado em 10 março, 2018 http://www.who.int/topics/obesity/en/

Myers, A., Gibbons, C., Finlayson & G., Blundell, J. (2016). Associations among sedentary and active

behaviours, body fat and appetite dysregulation: investigating the myth of physical inactivity and

obesity. Br J Sports Med,1–6

OMS Alerta que mundo atingiu níveis alarmantes de obesidade. (2016). Disponível em:

https://news.un.org/pt/story/2016/01/1538891-oms-alerta-que-mundo-atingiu-niveis-alarmantes-de-

obesidade-infantil. Acesso em: 31/3/2018

Pinheiro, A.R.O., Freitas, S.F.T. & Corso, A.C.T. (2004). “Uma abordagem epidemiológica da obesidade”.

Rev. Nutr., 17(4):523-533

Sant‟Anna, L. (2017). Chile atrai imigrantes e se depara com preconceito. O Estado de São Paulo. Disponível

em https://internacional.estadao.com.br/blogs/lourival-santanna/chile-atrai-imigrantes-e-se-depara-com-

preconceito/ Acesso em 12/06/2018

Verplanken, B. & Faes, S. (1999). Good intentions, bad habits, and effects of forming implementation

intentions on healthy eating. European Journal of Social Psychology Eur. J. Soc. Psychol. 29, 591-604.

WHO 1 –World Heath Organization (2018). Overweight and obesity. Recuperado de

http://www.who.int/topics/obesity/en/

WHO 2 – World Health Organization (2006). BMI classification. Recuperado de

http://apps.who.int/bmi/index.jsp?introPage=intro_3.html

boletim de anÁlises estatÍstico basta 2018 vol. 1 · em 2050 e 3,1 bilhões em 2100. globalmente,...

Documents