Multimorbiditeit en complexe multimorbiditeit bij Braziliaanse plattelandsarbeiders

Multimorbiditeit en complexe multimorbiditeit bij Braziliaanse plattelandsarbeiders

november 20, 2019 0 Door admin


CBD Olie kan helpen bij artrose. Lees hoe op

Huile de CBD peut aider avec l’arthrose. Visite


  • Loading metrics

Open Access


Research Article

  • Glenda Blaser Petarli, 
  • Monica Cattafesta, 
  • Monike Moreto Sant’Anna, 
  • Olívia Maria de Paula Alves Bezerra, 
  • Eliana Zandonade, 
  • Luciane Bresciani Salaroli




To estimate the prevalence of multimorbidity and complex multimorbidity in rural workers and their association with sociodemographic characteristics, occupational contact with pesticides, lifestyle and clinical condition.


This is a cross-sectional epidemiological study with 806 farmers from the main agricultural municipality of the state of Espírito Santo/Brazil, conducted from December 2016 to April 2017. Multimorbidity was defined as the presence of two or more chronic diseases in the same individual, while complex multimorbidity was classified as the occurrence of three or more chronic conditions affecting three or more body systems. Socio-demographic data, occupational contact with pesticides, lifestyle data and clinical condition data were collected through a structured questionnaire. Binary logistic regression was conducted to identify risk factors for multimorbidity.


The prevalence of multimorbidity among farmers was 41.5% (n = 328), and complex multimorbidity was 16.7% (n = 132). More than 77% of farmers had at least one chronic illness. Hypertension, dyslipidemia and depression were the most prevalent morbidities. Being 40 years or older (OR 3.33, 95% CI 2.06–5.39), previous medical diagnosis of pesticide poisoning (OR 1.89, 95% CI 1.03–3.44), high waist circumference (OR 2.82, CI 95% 1.98–4.02) and worse health self-assessment (OR 2.10, 95% CI 1.52–2.91) significantly increased the chances of multimorbidity. The same associations were found for the diagnosis of complex multimorbidity.


We identified a high prevalence of multimorbidity and complex multimorbidity among the evaluated farmers. These results were associated with increased age, abdominal fat, pesticide poisoning, and poor or fair health self-assessment. Public policies are necessary to prevent, control and treat this condition in this population.

Citation: Petarli GB, Cattafesta M, Sant’Anna MM, Bezerra OMdPA, Zandonade E, Salaroli LB (2019) Multimorbidity and complex multimorbidity in Brazilian rural workers. PLoS ONE 14(11): e0225416.

Editor: Siew Ann Cheong, Nanyang Technological University, SINGAPORE

Received: June 16, 2019; Accepted: November 3, 2019; Published: November 19, 2019

Copyright: © 2019 Petarli et al. This is an open access article distributed under the terms of the Creative Commons Attribution License, which permits unrestricted use, distribution, and reproduction in any medium, provided the original author and source are credited.

Data Availability: All relevant data are within the manuscript and its Supporting Information files.

Funding: Yes. Financial support: Foundation for Research Support of Espírito Santo (FAPES) – Edict FAPES/ CNPq/ Decit-SCTIE-MS / SESA – PPSUS – n ° 05/2015. The funders had no role in study design, data collection and analysis, decision to publish, or preparation of the manuscript.

Competing interests: The authors have declared that no competing interests exist.


Exposure to dust, toxic chemicals, ultraviolet radiation, noise, and venomous animals in the daily routine of rural work represents potential sources of health problems for farmers [1]. Besides these, the transformations brought about by the mechanization and modernization of agricultural activities have modified the form of work organization in the field, with direct consequences to the physical and psychological domains, on the lifestyle and food consumption of these workers [2, 3].

This reality, aggravated by the reduced supply of health diagnosis and treatment services in rural areas [4], may increase farmers’ vulnerability to chronic morbidity. Some evidence suggests worse health conditions and more disease among rural populations compared to other population groups [5,6,7]. It is noteworthy that these diseases may be isolated or coexist in the same individual, a condition known as multimorbidity [8]. Multimorbidity leads to a reduction in quality of life, higher mortality, polypharmacy, and an increase in the need for medical care, thus affecting health costs, and the productivity and functional capacity of individuals [9].

Knowing the distribution of diseases and the prevalence of multimorbidity in specific communities and populations is of fundamental importance for the planning and organization of health services and policies [10]. In this sense, when compared to the traditional criterion of classification of multimorbidity, the use of the concept of complex multimorbidity has been considered by some authors as a more effective way to identify people with priority care and plan the investment of health resources [11]. Nevertheless, no Brazilian study has been identified that has used this approach for the study of multimorbidity.

Given the above, and considering all the risk factors in the reality of rural work, the impact of chronic diseases on health, productivity and care costs, as well as the scarcity of data on multimorbidity in these professionals, this study aims to estimate the prevalence of multimorbidity and complex multimorbidity in rural workers and their association with sociodemographic characteristics, occupational contact with pesticides, lifestyle, and clinical condition.

Materials and methods

Data source

This is an cross-sectional epidemiological study derived from a larger study conducted in the municipality of Santa Maria de Jetibá, located in the state of Espírito Santo, southeastern Brazil, titled “Health condition and associated factors: a study of farmers in Espírito Santo—AgroSaúdES”, funded by the Espírito Santo Research Support Foundation (FAPES)—FAPES Notice / CNPq / Decit-SCTIE-MS / SESA—PPSUS—No. 05/2015.

Study population

The original study involved a representative sample of male and female farmers who met the following inclusion criteria: aged 18 to 59 years, not pregnant, having agriculture as their main source of income, and being in full employment for at least six months.

Sample size calculation

To identify the eligible farmers in the original study, data available in the individual and family records, as collected by the Family Health Strategy teams, were used to cover 100% of the 11 health regions in the municipality. Through this survey, we identified 7,287 farmers out of a total of 4,018 families. From this universe, the sample size calculation for the original project was performed considering 50% prevalence of outcomes (to maximize sample), 3.5% sampling error, and 95% significance level, making up a minimum sample of 708 farmers. 806 farmers were invited to compensate for possible losses. All sample size calculations were performed using the EPIDAT program (version 3.1). The participants were selected by a stratified lot, considering the number of families by health region and by Community Health Agent (CHA), in order to respect proportionality among the 11 regions and among the 80 CHAs. Only one individual per family was admitted, thus avoiding the interdependence of information. In case of refusal or non-attendance, a new participant was called from the reserve list, respecting the sex and the health unit of origin of the person who gave up/refused.

It should be noted that, due to the characteristics of the investigated municipality in which family farming predominates, the farmers who participated in this study had farming practices characterized by the predominance of polyculture and low degree of mechanization.

For the analytical developments proposed in this paper, the minimum sample size was calculated considering an estimated prevalence of multimorbidity in rural populations of 18.6% [12], 3% error, and a 95% confidence interval, resulting in a minimum required sample of 594 individuals. However, to improve sample representativeness and statistical relevance, we used data from all farmers who participated in the original project.

Data collection

Data collection of the original study took place between December 2016 and April 2017 in the dependencies of the health units of the municipality. A semi-structured questionnaire was applied, containing questions about socioeconomic, demographic, and occupational characteristics, occupational contact with pesticides, lifestyle, eating habits, and health condition, including the presence of chronic diseases and self-rated health. All this information was obtained through self-report. Anthropometric measurements were also collected, such as waist circumference, hemodynamic data such as systolic blood pressure (SBP), diastolic blood pressure (DBP), and blood drawn for biochemical examinations for markers such as thyroid stimulating hormone (TSH) and total cholesterol and fractions. To obtain biochemical data, 10 mL of blood was collected by venipuncture after 12 hours of fasting.

Only the variables of interest for this article were selected.

Variables selected for this study

Multimorbidity was evaluated in two different ways: through the traditional concept defined as the presence of two or more chronic diseases in the same individual (Multimorbidity ≥ 2 CD) [8] and through the concept of “complex multimorbidity”, classified as the occurrence of three or more chronic conditions affecting three or more body systems or different domains [13].

Chronic diseases were identified by counting morbidities reported by farmers from the question: “Has a doctor or other health professional ever told you that you had any of these diseases?”. Chronic diseases investigated in this study were: arrhythmia, infarction, stroke, diabetes mellitus, herniated disk, arthrosis, Repetitive Strain Injuries/Work Related Musculoskeletal Disorders (RSI/WMSD), renal disease, Parkinson’s, Alzheimer’s, cirrhosis, infertility, cancer, thyroid diseases, asthma, bronchitis, and pulmonary emphysema. In addition to the diseases referred to through self-report, we also considered the diagnoses of hypertension, dyslipidemia, thyroid disorders, and depression, performed through this research.

To determine the organic systems or domains affected according to each disease, we used the International Classification of Diseases– 11th revision (ICD-11), namely: circulatory system (hypertension, stroke, infarct, cardiac arrhythmia), endocrine, nutritional or metabolic disorders (diabetes, dyslipidemia, thyroid changes), musculoskeletal or connective tissue system (RSI/WMSD, arrhythmia), mental, behavioral or neurodevelopmental disorders (Alzheimer’s, depression), genitourinary system (infertility, kidney diseases), digestive system (liver cirrhosis), pulmonary system (bronchitis, asthma, pulmonary emphysema), and neoplasms (cancer).

The classification of blood pressure levels was performed based on the values of SBP and DBP according to the classification established in the VII Brazilian Hypertension Guidelines [14]. Thus, subjects with SBP ≥ 140 mmHg and/or DBP ≥ 90 mmHg or who reported the use of blood pressure medications were considered hypertensive. These measurements were measured during the interview at least three times for each individual using the Omron® Automatic Pressure Monitor HME-7200, calibrated and validated by the National Institute of Metrology, Quality and Technology (INMETRO). To avoid interference with the results, subjects were instructed to sit and rest for about five minutes, empty their bladder and not consume food, alcohol, coffee or cigarettes for 30 minutes prior to the assessment. For data analysis, the average of two measurements was considered and a third measurement was performed whenever the difference between the first two was greater than 4 mmHg [15].

To investigate dyslipidemia, the levels of total cholesterol, HDL-c, LDL-c and triglycerides were measured. Total cholesterol and HDL cholesterol were determined, respectively, by the enzymatic colorimetric method with the Cholesterol Liquicolor Kit (In Vitro Diagnostica Ltda) and the Cholesterol HDL Precipitation Kit (In Vitro Diagnostica Ltda). To determine LDL cholesterol, we used the Friedewald formula [16]. Triglycerides were determined by the enzymatic colorimetric method with the Triglycerides Liquicolor mono® Kit (In Vitro Diagnostica Ltda). The results were classified according to the V Brazilian Guidelines on Dyslipidemias and Prevention of Atherosclerosis [16]. Individuals who reported the use of lipid-lowering drugs were also considered dyslipidemic.

In addition to self-report, the thyroid alteration was also evaluated by measuring the TSH through the chemiluminescence method. Farmers who had TSH values of 0.34 to 5.60 μUI/mL were considered as having “no thyroid alteration”, and individuals that had values above or below the reference range were classified as “with thyroid alteration”.

To evaluate the symptoms of depression, the Major Depressive Episode Module of the Mini-International Neuropsychiatric Interview (MINI) version 5.0 [17] was used. We considered “With Depression” farmers classified through the MINI with “Current Depression Episode” or “Recurrent Depression Episode”.

Independent variables included socioeconomic variables (sex, age, race/color, marital status, schooling, socioeconomic class, and land tenure), occupational characteristics related to exposure to pesticides (use of Personal Protective Equipment, frequency and number of pesticides used), lifestyle (smoking, physical activity, alcohol consumption) and clinical conditions (previous intoxication by agrochemicals, waist circumference, and self-assessment of health). All these variables were collected by self-report.

Socioeconomic class was determined according to the Brazilian Economic Classification Criterion [18], in which A and B are the highest economic levels, C is intermediate, and D or E are low economic levels. Schooling was assessed by the number of years of study reported by the farmer.

Regarding lifestyle-related variables, all were obtained by self-report. It was considered that a “smoker” would be a farmer who reported smoking, an “ex-smoker” one who did not smoke, but who had smoked in the past, and a “non-smoker” would be a farmer who had reported never having smoked. Alcohol intake was assessed by asking, “How often do you drink alcohol?” Farmers who reported consuming alcohol, regardless of time or amount, were categorized as “Consuming.” Those who reported not drinking alcohol were classified as “Not consuming”. Farmers were also asked if they performed any other physical activities than those related to agricultural work. Answers were categorized as “Yes” or “No”, regardless of the type, time, or intensity of the exercise performed.

Health self-assessment was assessed by the question “In general, compared to people your age, how do you consider your own health status?”, assuming “very good”, “good”, “fair” and “poor.” Subsequently, we categorized the variable as “good/very good” and “fair/poor”. Waist circumference was classified according to the World Health Organization [19], considering values ≤ 94cm for men and ≤ 80cm for women as “without metabolic risk”, and “increased metabolic risk” for the other values. To collect this measurement, a 1cm wide Sanny® brand inextensible tape measure was used in triple measurement. The subject was instructed to stand, arms outstretched and feet together. The tape was positioned at the smallest curvature located between the last costal arch and the iliac crest. When it was impossible to locate the smallest curvature, we used the midpoint between these two anatomical points as the reference.

Statistical analyses

The absolute and relative frequencies of the independent variables were calculated according to the presence or absence of multimorbidity (≥ 2 CD) and multimorbidity complex outcomes. Then, the chi-square test was performed to verify the association between them. Variables with p-value

The study was approved by the Research Ethics Committee of the Health Sciences Center of the Federal University of Espírito Santo, Opinion no. 2091172 (CAAE 52839116.3.0000.5060). All participants signed the Informed Consent Form.


Of the 806 participants, 790 individuals completed the study. Of these, 612 (77.4%) had at least one chronic disease (Fig 1). Hypertension, dyslipidemia and depression were the most prevalent conditions, affecting 35.8% (n = 283), 34.4% (n = 272) and 16.9% (n = 134), respectively, of the farmers. Pulmonary emphysema, hepatic cirrhosis, infertility, Parkinson’s, stroke, infarction, and Alzheimer’s were reported by less than 1% of the sample. When the affected systems were evaluated, we found that 42.7% (n = 338) of the changes referred to endocrine, nutritional or metabolic diseases, followed by the circulatory system (37.4%, n = 296) and mental, behavioral or neurodevelopmental disorders (16.9%, n = 134).

Multimorbidity (≥ 2 CD) was found in 328 farmers (41.5%), and complex multimorbidity in 132 (16.7%) of the sample.

In the bivariate analyses (Table 1), the sociodemographic variables associated to both multimorbidity (≥ 2 DC) and complex multimorbidity were the age group and socioeconomic class. Sex (p = 0.005), marital status (p = 0.012) and schooling (p = 0.001) were only associated with multimorbidity (≥ 2 CD).

With regard to the occupational characteristics related to the use of pesticides, lifestyle and clinical condition, we verified that alcohol consumption, medical diagnosis of pesticide intoxication, waist circumference, and health self-assessment were associated with both outcomes (Table 2). Smoking was only associated with multimorbidity (≥ 2 CD).


Table 2. Prevalence of multimorbidity (≥ 2 CD) and complex multimorbidity according to occupational characteristics related to the use of pesticides, lifestyle and clinical condition of farmers from Espírito Santo, Brazil.

After a logistic regression analysis (Table 3), it was verified that being 40 years of age or older (OR 3.33, 95% CI 2.06–5.39), previous medical diagnosis of pesticide poisoning (OR 1.89, 95% CI 1.03–3.44), high waist circumference (OR 2.82, 95% CI 1.98–4.02), and fair or poor health self-assessment (OR 2.10, 95% CI 1.52–2.91) significantly increased the chances of multimorbidity (≥ 2 DC).


Table 3. Association between multimorbidity (≥ 2 DC), complex multimorbidity and socio-demographic characteristics, occupational contact with pesticides, lifestyle and clinical condition in farmers from Espírito Santo, Brazil.

The same associations were found for the diagnosis of complex multimorbidity.


This is the first Brazilian study to estimate the prevalence of multimorbidity in rural workers and to use the complex multimorbidity criterion to determine this outcome. The representative sample, stratified and randomly selected, allows us to extrapolate the results to the target population.

Agriculture is often described as an occupation that promotes health, being associated with the image of a healthy lifestyle with exposure to nature, outdoors, physical effort, and a diet based on natural foods [3]. However, the results reflect a different reality. Eight out of 10 farmers had at least one chronic disease, more than 40% had two or more, and around 17% had three or more, affecting at least three or more organic systems or ICD-11 domains.

Among the chronic conditions analyzed, there was a predominance of arterial hypertension and dyslipidemia, similar to other multimorbidity studies performed in Brazil [20] and in countries such as Portugal [21] and Australia [22]. These two morbidities were also more frequent in disease pattern studies conducted for the population of the United States [23] and New York State [24]. In a systematic review involving studies from 16 European countries [9] hypertension also occupied a prominent position, as well as countries such as China, Finland, Ghana, Russia, South Africa [25] and in four Greater Mekong countries [26]. The prevalence of these diseases is also observed when evaluating multimorbidity studies with the elderly [27, 28]. These values, however, are above the estimate for the Brazilian population through wide-ranging studies such as VIGITEL (24.1%) [29] and National Household Sample Survey—PNAD (20.9%) [30].

By analyzing the presence of chronic diseases according to the organic system or affected area, it was found that t hij meest voorkomende waren endocriene, voedings- of metabole ziekten, vanwege de hoge percentages dyslipidemie, diabetes en schildklieraandoeningen, en de bloedsomloop, vanwege arteriële hypertensie. In Spanje heeft een onderzoeksproject met meer dan een miljoen patiënten ook een overheersing van veranderingen in deze twee systemen vastgesteld, vooral bij personen ouder dan 45 jaar [ 31 ] . In Ethiopië waren echter musculoskeletale systeemaandoeningen de meest voorkomende, die ongeveer 20% van de steekproef troffen [ 32 ]. In een Australische studie waren er 32,4% veranderingen met betrekking tot de bloedsomloop, 32,1% van het bewegingsapparaat en het bindweefsel en 30,7% van de endocriene, nutritionele en metabole veranderingen [ 33 a>]. Deze resultaten bevestigen de drie wereldwijd meest voorkomende multimorbiditeitsgroepen, bestaande uit “metabole stoornissen”, waaronder diabetes, obesitas en hypertensie, “mentaal-articulaire aandoeningen”, waaronder artritis en depressie, en “cardio-respiratoire” inclusief angina, astma en chronische obstructieve longziekte [ 25 ].

Het grote aantal boeren met chronische aandoeningen met psychische, gedrags- of neurologische aandoeningen, met name vanwege aan de hoge prevalentie van depressie bij deze werknemers, is het vermelden waard. Depressieve aandoeningen waren ook een van de meest voorkomende in de studie van Prazeres en Santiago [ 21 ] en de studie van Harrison et al. [ 33 ], waarin mentale / psychologische veranderingen werden gevonden in 26,7% van de steekproef.

De prevalentie van multimorbiditeit gepresenteerd door plattelandsarbeiders was hoger dan geschat voor de Braziliaanse bevolking via de World Health Survey (13,4%, 95% CI 12.4–14.5) [ 34 ] en de National Health Survey [ 12 ], waarbij de verwachte multimorbiditeit 18,6% (95% BI 17,2 – 20,0%) in landelijke gebieden en 22,8% (95% BI 22 – 23,5%) in Braziliaanse stedelijke gebieden bedroeg. Het was ook hoger dan de prevalentie gevonden in ontwikkelde landen, zoals Portugal (38,3%) [ 35 ], Spanje (20%) [ 36 ], Canada (12,9%) [ 37 ], Denemarken (22%) [ 38 ], en België (22,7%) [ 39 ], en, in middeninkomenslanden, waar 12,6% (Mexico), 19,4% (Rusland) en 10,4% (Zuid-Afrika) van de 40-49-jarige bevolking twee of meer chronische ziekten meldden [ 40 ]. In een onderzoek waarbij zes landen in Zuid-Amerika en het Caribisch gebied betrokken waren, varieerde de zelfgerapporteerde multimorbiditeit van 12,4% in Colombia tot 25,1% in Jamaica [ 41 ]. Naar schatting lijdt tussen 16% en 57% van de volwassenen in ontwikkelde landen aan meer dan één chronische aandoening [ 42 ]. In Europese gezondheidszorgstelsels was de geschatte prevalentie van multimorbiditeit 33% in 2015 [ 43 ]. Een systematische review door Nguyen et al. [ 44 ] waarbij alleen gemeenschapsstudies betrokken waren, vonden een gecombineerde wereldwijde prevalentie van multimorbiditeit van 33,1%. Van de 37 representatieve studies van ontwikkelde landen die bij deze beoordeling betrokken waren, werd de laagste prevalentie van multimorbiditeit geïdentificeerd in Hong Kong (3,5%) en de hoogste in Rusland (70%). Onder ontwikkelingslanden lag het laagste percentage dat werd vastgesteld in 26 Indiase dorpen (1%) en de hoogste prevalentie was in China (90%) [ 44 ]. We benadrukken dat de methodologische verschillen, met name die met betrekking tot de doelpopulatie en het diagnostische criterium van multimorbiditeit, de vergelijking en interpretatie van de resultaten beperken.

Met betrekking tot de complexe multimorbiditeit zijn er in de internationale literatuur weinig studies beschikbaar met behulp van deze methodologie. Een Australische studie schatte dat 25,7% van de bevolking twee of meer chronische ziekten had en 12,1% complexe multimorbiditeit vertoonde [ 33 ]. Deze methode toont zichzelf als een meer discriminerende maatregel en verminderde bij boeren de prevalentie van multimorbiditeit in vergelijking met het criterium van twee of meer ziekten. Harrison et al. [ 11 ] beweren dat het tellen van getroffen lichaamssystemen in plaats van het evalueren van individuele chronische aandoeningen het voordeel heeft dat patiënten die complexere zorg nodig hebben zorgvuldiger worden geïdentificeerd, evenals de aantal en soorten gespecialiseerde gezondheidsdiensten die nodig zijn voor dergelijke hulp, waardoor het een nuttiger en effectievere manier is om acties en investeringen in gezondheid te plannen [ 11 ]. p>

De enige sociodemografische factor die geassocieerd bleef met multimorbiditeit, ongeacht de vorm van evaluatie hiervan uitkomst, was leeftijd. Deze associatie is goed gedocumenteerd in de literatuur. In Canada nam de prevalentie van meerdere ziekten toe van 12,5% in de jongere leeftijdsgroep (18-24 jaar) tot 63,8% in de meer gevorderde (≥ 65 jaar) [ 45 ]. Het begin van chronische ziekten met toenemende leeftijd lijkt verband te houden met de fysiologische onbalans en algemene veroudering in meerdere organen die veroudering veroorzaakt [ 46 ]. Deze invloed kan worden gezien in vergelijking met de significante toename van multimorbiditeit in onderzoeken met ouderen. Nunes et al. [ 47 ], analyseerde een representatieve nationale steekproef van de niet-geïnstitutionaliseerde populatie, identificeerde een prevalentie van 82,4% multimorbide individuen (CI 95% 78,5-85,7% ) bij oudere volwassenen van 80 jaar of ouder. In Zuid-Brazilië was de schatting 93,4% in de stad Pelotas [ 48 ] en 81,3% in Bagé [ 49 ]. In Canada was de algemene prevalentie van multimorbiditeit in de oudere leeftijdsgroep (≥ 85 jaar) 58,6% hoger in vergelijking met jongere leeftijdsgroepen [ 50 ]. Een duidelijk verschil werd ook gevonden in de studie van Puth et al. [ 51 ] in Duitsland, waar de prevalentie van deze aandoening steeg van 7% bij personen van 18-29 tot 77,5% bij personen van 80 en ouder.

Hoewel er een grote hoeveelheid bewijs is dat het voorkomen van multimorbiditeit hoger is bij vrouwen en op lage sociaal-economische en opleidingsniveaus [ 52 ], is de associatie met sociaal-economische variabelen zeer heterogeen tussen studies [ 53 ]. Zoals met onze resultaten, het gebrek aan associatie met inkomen [ 26 ], onderwijs en geslacht [ 5 ] is ook gedocumenteerd. Verschillende factoren kunnen verband houden met deze resultaten. Onder hen kunnen we de homogeniteit van de onderzochte plattelandsbevolking vermelden met betrekking tot inkomen (92,7% behoorde tot lagere sociaal-economische klassen – C, D of E), onderwijs (89,4% had minder dan 8 jaar scholing) en burgerlijke staat (85,8 % was getrouwd of woonde samen met een partner), vergeleken met de stedelijke bevolking, die over het algemeen meer heterogene lagen heeft en daarom meer gedifferentieerd is. Deze homogeniteit van de geanalyseerde populatie kan de identificatie van statistisch significante verschillen tussen lagen in gevaar hebben gebracht.

Wat betreft geslacht, gezien het feit dat er op het platteland beperkte toegang is tot gezondheidsdiensten [ 54 ], kan er een onderrapportage zijn geweest bij de diagnose van chronische ziekten, vooral bij vrouwen, die over het algemeen vaker gebruik maken van gezondheidsdiensten dan mannen. Dit kan hebben geleid tot een vermindering van de zelfgerapporteerde ziekte bij vrouwen en bijgevolg tot het ontbreken van een statistisch verband tussen geslachten. Bovendien is bekend dat de frequentie van sommige ziekten per geslacht varieert [ 55 ]. In deze zin hebben de methodologische verschillen met betrekking tot het type en de hoeveelheid ziekten die in elke studie moeten worden overwogen voor de classificatie van multimorbiditeit een directe invloed op de resultaten die door elke auteur zijn gevonden [ 56 ]. Als voorbeeld kunnen we de studie van Pengpid en Peltzer [ 26 ] noemen die een hogere prevalentie van multimorbiditeit bij mannen identificeerden als gevolg van de opname van roken en alcoholisme onder de geëvalueerde chronische aandoeningen. De gebruikte methode voor identificatie van ziekten kan ook hebben bijgedragen aan het verschil tussen de resultaten [ 56 , 57 ]. In de studie van Guerra et al. [ 58 ], geslacht werd bijvoorbeeld niet geassocieerd met multimorbiditeit gemeten uit administratieve gegevens, maar werd geassocieerd met zelfgerapporteerde multimorbiditeit, ongeacht het vastgestelde afsluitingspunt . Om deze reden kan het feit dat we zowel zelfgerapporteerde gegevens als biochemische en hemodynamische gegevens hebben gebruikt, de gevonden verschillen in associatie rechtvaardigen in vergelijking met andere studies, die meestal zelfgerapporteerde gegevens gebruiken.

Naast methodologische verschillen kan het gebrek aan associatie met sommige sociodemografische variabelen te wijten zijn aan de aanwezigheid van factoren die nauwer bijdragen tot de ontwikkeling van multimorbiditeit, zoals middelomtrek, eerdere pesticidevergiftiging of andere factoren die niet inherent zijn aan agrarische activiteit binnen het bestek van deze studie. Verdere studies met landbouwers zijn nodig om de risicofactoren in het dagelijkse landbouwwerk beter te begrijpen, waardoor de vergelijking van resultaten wordt vergemakkelijkt.

Deze studie versterkt echter het bewijs van het verband tussen de accumulatie van visceraal vet en het optreden van chronische ziekten. Naast het weerspiegelen van het niveau van centrale adipositas, is een hoge tailleomtrek ook direct gerelateerd aan overtollig lichaamsvet en wordt het beschouwd als een belangrijke risicofactor voor de vroege ontwikkeling van verschillende morbiditeiten, waaronder hypertensie, diabetes, dyslipidemieën en kankers [ 59 ]. Ter ondersteuning van deze resultaten concludeerde een cohort in het Verenigd Koninkrijk dat deelnemers met overgewicht 25% meer kans hadden op ten minste één van de 11 beoordeelde gezondheidsproblemen in vergelijking met personen met een normaal gewicht. Bij zwaarlijvige patiënten nam de kans toe tot 54%, 81% en 124% voor respectievelijk categorie I, II en III [ 60 ]. Evenzo werden verschillende ziektepatronen geïdentificeerd in de Braziliaanse bevolking ook geassocieerd met obesitas [ 54 ]. In lage- en middeninkomenslanden is de prevalentie van multimorbiditeit 5,78-voudig toegenomen bij zwaarlijvige personen in vergelijking met die van normaal gewicht [ 61 ]. P >

Naast de negatieve invloed van leeftijd en tailleomtrek op het voorkomen van meerdere ziekten, eerdere vergiftiging door pesticiden lijkt ook verband te houden met deze aandoening, waardoor de kans op het optreden van multimorbiditeit en complexe multimorbiditeit onder werknemers op het platteland met respectievelijk 1,89 en 2,47 toeneemt. We benadrukken dat er verschillende schadelijke gezondheidseffecten zijn die verband houden met het gebruik van pesticiden, waaronder psychische aandoeningen, ademhalingsziekten en auto-immuunziekten [ 62 ]. Boeren die hebben gemeld dat ze met pesticiden zijn vergiftigd, kunnen meer chronisch worden blootgesteld aan deze producten en hebben daarom meer kans om de cumulatieve schadelijke effecten van deze blootstelling te vertonen. De vergelijking van dit resultaat wordt beperkt, omdat andere vergelijkbare studies in de literatuur niet werden gevonden. Benadrukt moet worden dat het verband tussen de uitkomst en de variabelen van blootstelling, intensiteit en frequentie van contact met pesticiden mogelijk niet is aangetoond, vanwege de beperkingen van cross-sectionele studies, in vergelijking met cohortstudies, om de oscillaties in beroepsmatige blootstellingsjaren.

Een andere factor die verband houdt met de hogere prevalentie van multimorbiditeit was de zelfevaluatie van de gezondheid. Eerlijke of slechte gezondheidsbeleving verdubbelde de kans op multimorbiditeit (CD ≥ 2) (OF 2,10, 95% BI 1,52-2,91) of complexe multimorbiditeit (OF 2,24, 95% BI 1,49-3,38) bij boeren. In Europese landen werd het toegenomen aantal chronische ziekten ook geassocieerd met een hogere kans op het melden van slechte / eerlijke gezondheid zelfperceptie (OR = 2,13, 95% BI 2,03-2,24) [ 9 ]. Dezelfde associatie werd gevonden in landen in Zuid-Amerika en het Caribisch gebied [ 41 ], in de plattelandsbevolking van Zuid-Afrika [ 63 ], en in Myanmar [ 57 ].

We hebben dus geverifieerd dat de geanalyseerde plattelandsbevolking alarmerende cijfers toonde, niet alleen van een enkele chronische aandoening, maar met meerdere aandoeningen. Het voorkomen van meerdere ziekten is in verband gebracht met veroudering, overgewicht, de manier waarop boeren hun gezondheid ervaren en beroepsmatige blootstelling aan landbouwchemicaliën. Het is ook vermeldenswaard dat, ondanks het feit dat dit niet binnen de reikwijdte van dit onderzoek viel, bekend is dat factoren zoals de moeilijkheid van toegang tot gezondheidsdiensten en gespecialiseerde behandelingen, die gebruikelijk zijn in plattelandsgemeenschappen, de kwetsbaarheid verder vergroten. van deze werknemers aan de ontwikkeling van multimorbiditeit.

Gezien de ernstige economische, sociale en gezondheidsimplicaties van de aanwezigheid van meerdere chronische ziekten bij mensen van de werkende leeftijd [ 60 ], is het noodzakelijk om de focus van het gezondheidssysteem opnieuw te onderzoeken, dat momenteel niet geschikt lijkt voor de nieuwe medische en sociale realiteit die de multimorbiditeit presenteert. Strategieën en overheidsbeleid moeten zorgen voor holistische zorg, acties uitvoeren die rekening houden met de bijzonderheden en kwetsbaarheden van deze gemeenschap, evenals zelfzorg stimuleren, veranderbare risicofactoren beheersen en gezond gedrag vertonen [ 32 ]. Ook is de training van gezondheidsteams om multimorbide patiënten bij te wonen essentieel, evenals de uitwerking van klinische protocollen voor meerdere ziekten, en met name een effectieve toewijzing van financiële middelen [ 64 ]. In deze zin, hoewel het van grote waarde is om het optreden van chronische aandoeningen op een geïndividualiseerde manier te meten, lijkt complexe multimorbiditeit, door het meten van de patronen van de lichamelijke systemen die worden beïnvloed door chronische aandoeningen, een goed hulpmiddel om te screenen, selecteren en services afstemmen en middelen beter prioriteren voor patiënten met een grotere behoefte [ 11 ].

Onder de beperkingen van deze studie benadrukken we dat ziekten geïdentificeerd door zelfrapportage kunnen zijn onderworpen aan de onderrapportage van diagnose of geheugenvertekening. Ondanks de uitgebreide lijst met opgenomen ziekten, zijn sommige chronische aandoeningen mogelijk niet geïdentificeerd. Het gebrek aan standaardisatie op de manier om multimorbiditeit te evalueren en de onbeschikbaarheid in de literatuur van artikelen over dit thema waarbij boeren betrokken waren, beperkte de vergelijking van de resultaten. Omdat dit een cross-sectioneel onderzoek is, kan reverse causaliteit niet worden genegeerd in de data-interpretatie. Opgemerkt moet worden dat de prevalentie van multimorbiditeit mogelijk ondergerapporteerd is, omdat patiënten met ernstigere aandoeningen mogelijk niet hebben deelgenomen aan het onderzoek.

Ondanks deze beperkingen is het vermeldenswaard de ongekende aard van de studie in relatie tot de betrokken doelpopulatie, de goedkeuring van het complexe multimorbiditeitscriterium en de opgenomen variabelen, zoals middelomtrek en intoxicatie met pesticiden, in artikelen van dit thema. We wilden in dit onderzoek een representatieve steekproef betrekken om extrapolatie van de resultaten naar boeren met een vergelijkbaar profiel mogelijk te maken. Om de fouten van onderdiagnose te minimaliseren, vond bovendien de identificatie van ziekten plaats, zowel door zelfrapportage als door laboratorium- en hemodynamische maatregelen.



We hebben een hoge prevalentie van multimorbiditeit en complexe multimorbiditeit vastgesteld bij de beoordeelde landbouwers. Factoren die bij deze resultaten in deze populatie betrokken waren, waren verhoogde leeftijd, hoge tailleomtrek, geschiedenis van intoxicatie met pesticiden en zelfevaluatie van slechte of eerlijke gezondheid. Gezien de ernstige fysieke, functionele, psychologische en economische implicaties van multimorbiditeit, is het van fundamenteel belang om een ​​economisch, sociaal en gezondheidsbeleid te plannen dat gericht is op het beheersen, volgen en behandelen van deze aandoening in deze professionele categorie. Bovendien is nieuw onderzoek nodig om de effecten die de in dit onderzoek geïdentificeerde risicofactoren kunnen hebben op de gezondheid van plattelandsarbeiders, in het bijzonder die welke te wijten zijn aan overgewicht en beroepsmatige blootstelling aan agrochemicaliën, nader te evalueren. deze studie met de aanwezigheid van meerdere ziekten.



Aan alle partnerinstellingen, met name het gemeentelijk gezondheidssecretariaat van Santa Maria de Jetibá en de boeren die heeft deelgenomen aan het onderzoek.


  1. 1.              Nationaal centrum voor gezondheid van landarbeiders. Landarbeider arbo-gezondheid. Texas; Nov 2017 7p. Beschikbaar vanaf: /8/6/8/38685499/fs-occ_health.pdf
    • 2.              Lourenço AEP. Telen, oogsten, verkopen, maar niet eten: voedsel- en werkgerelateerde praktijken in verband met obesitas bij familieboeren in Bonfim, Petrópolis, Rio de Janeiro, Brazilië. Rev bras saude ocup. 2012; 37 (125): 127-42. Beschikbaar vanaf: = S0303-76572012000100015 & lng = nl
    • 3.              Pickett W, King N, Lawson J, Dosman JA, Trask C, Brison RJ, et al. Boeren, gemechaniseerd werk en links naar obesitas. Vorige Med. 2015; 70: 59-63. pmid: 25448840
    • 4.              Li X, Cai L, Cui WL, Wang XM, et al. Associatie van sociaal-economische en leefstijlfactoren met chronische niet-overdraagbare ziekten en multimorbiditeit bij ouderen op het platteland van Zuidwest-China. J Public Health (Oxf). 2019 12 maart. Pii: fdz020. pmid: 30860582
    • 5.              Ba NV, Minh HV, Quang LB, Chuyen NV, Ha BTT, Dai TQ, et al. Prevalentie en correlaten van multimorbiditeit bij volwassenen in grensgebieden van de centrale hooglandregio van Vietnam, 2017. J Comorb. 2019; 9: 2235042X19853382. pmid: 31192142
    • 6.              Goeres LM, Gille A, Furuno JP, Erten-Lyons D, Hartung DM, Calvert JF, et al. Landelijk-stedelijke verschillen in chronische ziekten en drugsgebruik bij oudere Oregonians. J Landelijke gezondheid. 2016 jun; 32 (3): 269–79. pmid: 26515108
    • 7.              Kuo RN, Lai MS. De invloed van sociaal-economische status en multimorbiditeitspatronen op zorgkosten: een follow-up van zes jaar onder een universeel gezondheidszorgsysteem. Int J Equity Health. 2013 20 augustus; 12: 69. pmid: 23962201
    • 8.              Wereldgezondheidsorganisatie. Eerstelijnsgezondheidszorg: nu meer dan ooit. Genève: Wereldgezondheidsorganisatie; 2008. 119 p. Beschikbaar vanaf:
    • 9.              Palladino R, Tayu Lee J, Ashworth M, Triassi M, Millett C. Verbanden tussen multimorbiditeit, gezondheidszorg gebruik en gezondheidsstatus: bewijs uit 16 Europese landen. Age Aging. 2016; 45 (3): 431-5. pmid: 27013499
    • 10.              Holzer BM, Siebenhuener K, Bopp M, Minder CE. Op feiten gebaseerde ontwerpaanbevelingen voor prevalentiestudies naar multimorbiditeit: verbetering van de vergelijkbaarheid van schattingen. Popul Health Metr. 2017; 15 (1): 9. pmid: 28270157
    • 11.              Harrison C, Henderson J, Miller G, Britt H. De prevalentie van complexe multimorbiditeit in Australië. Aust N Z J Volksgezondheid. 2016; 40 (3): 239-44. pmid: 27027989
    • 12.              Nunes BP, Filho ADPC, Pati S, Teixeira DSC, Flores TR, Camargo-Figuera FA, et al. Contextuele en individuele ongelijkheden van multimorbiditeit bij Braziliaanse volwassenen: een transversaal nationaal onderzoek. BMJ Open. 2017; 7 (6): e015885. pmid: 28601836
    • 13.              Harrison C, Britt H, Miller G, Henderson J. Onderzoek naar verschillende maatregelen voor multimorbiditeit, met een grote prospectieve cross-sectionele studie in de huisartsenpraktijk van Australië. BMJ Open 2014; 4 (7): e004694. pmid: 25015470
    • 14.              Sociedade Brasileira de Cardiologia. 7e Braziliaanse richtlijn voor arteriële hypertensie. Arq Bras Cardiol. 2016; 107 (3): 103. Beschikbaar vanaf: a>

    • 15.              Sociedade brasileira de cardiologia. Sociedade brasileira de hipertensão. Sociedade brasileira de nefrologia. VI Braziliaanse richtlijnen voor hypertensie. Arq Bras Cardiol. 2010; 95 (1): 1-51. pmid: 20694399
    • 16.              ​​ Xavier HT, Izar MC, Faria Neto JR, Assad MH, Rocha VZ, Sposito AC, et al . V Braziliaanse richtlijnen voor dyslipidemieën en preventie van atherosclerose. Arq Bras Cardiol. 2013; 101 (4): 01-22.
    • 17.              Amorim P. Mini International Neuropsychiatric Interview (MINI): validatie van een kort gestructureerd diagnostisch psychiatrisch interview. J Bras Psiquiatr. 2000; 22 (3): 106-15.
    • 18.              Associação Brasileira de Empresas de Pesquisa. Braziliaanse economische classificatiecriteria 2014. São Paulo: The Association; 2014. Beschikbaar vanaf:
    • 19.              Wereldgezondheidsorganisatie. Obesitas: preventie en beheersing van de wereldwijde epidemie: rapport van een WHO-consult. Genève: WHO-overleg over obesitas; 2000, 252p. Beschikbaar vanaf: /obesity/WHO_TRS_894/en/index.html
      • 20.              Jantsch AG, Alves RFS, Faerstein E. Educatieve ongelijkheid in Rio de Janeiro en de impact ervan op multimorbiditeit: bewijs uit de Pró-Saúde-studie. Een transversale analyse. Sao Paulo Med J. 2018; 136 (1): 51–8. pmid: 29513787
      • 21.              Prazeres F, Santiago L. Prevalentie van multimorbiditeit bij de volwassen bevolking die de eerstelijnszorg in Portugal bezoekt: een kruising -sectionele studie. BMJ Open. 2015, 5 (9): e009287. pmid: 26408832
      • 22.              Hussain MA, Katzenellenbogen JM, Sanfilippo FM, Murray K, Thompson SC. Complexiteit in ziektebeheer: een gekoppelde data-analyse van multimorbiditeit bij Aboriginal en niet-Aboriginal patiënten in het ziekenhuis met atherotrombotische ziekte in West-Australië. PLoS One. 2018; 13 (8): e0201496. pmid: 30106971
      • 23.              Madlock-Brown C, Reynolds RB. Identificatie van obesitas-gerelateerde multimorbiditeitscombinaties in de Verenigde Staten. Clin Obes. 2019 pmid: 31418172
      • 24.              Newman D, Kishore SP. Prevalentie van meerdere chronische aandoeningen in de staat New York, 2011–2016. PLoS One. 2019; 14 (2): e0211965. pmid: 30730970
      • 25.              Garin N, Koyanagi A, Chatterji S, Tyrovolas S, Olaya B, Leonardi M, et al. Globale multimorbiditeitspatronen: een transversale, bevolkingsgebaseerde, meerlandenstudie. J Gerontol A Biol Sci Med Sci. 2016; 71 (2): 205-14. pmid: 26419978
      • 26.              Pengpid S, Peltzer K. Multimorbiditeit in chronische aandoeningen: openbare eerstelijnspatiënten in vier grotere Mekong-landen. Int J Environ Res Volksgezondheid. 2017; 14 (9). pii: E1019. pmid: 28878150
      • 27.              Chen H, Cheng M, Zhuang Y, Broad JB. Multimorbiditeit bij mensen van middelbare leeftijd en ouderen in stedelijk China: prevalentie, kenmerken en gebruik van de gezondheidszorg. Geriatr Gerontol Int. 2018; 18 (10): 1447-1452. pmid: 30178629
      • 28.              Ofori-Asenso R, Chin KL, Curtis AJ, Zomer E, Zoungas S, Liew D. Recent Patronen van multimorbiditeit bij oudere volwassenen in landen met een hoog inkomen. Popul Health Manag. 2019; 22 (2): 127-137. pmid: 30096023
      • 29.              Malta DC, Bernal RTI, Andrade SSCA, Silva MMA, Velasquez-Melendez G. Prevalentie van en factoren geassocieerd met zelfgerapporteerde hoge bloeddruk bij Braziliaanse volwassenen. Rev Saude Publica. 2017; 51 (1).
      • 30.              Lobo LAC, Canuto R, Dias-da-Costa JS, Pattusi MP. Temporele trend van de prevalentie van systemische arteriële hypertensie in Brazilië. Cad Saude Publica. 2017; 33 (6).×00035316
      • 31.              Violán C, Foguet-Boreu Q, Roso-Llorach A, Rodriguez-Blanco T, Pons-Vigués M, Pujol-Ribera E, et al. Last van multimorbiditeit, sociaaleconomische status en gebruik van gezondheidsdiensten in verschillende stadia van het leven in stedelijke gebieden: een transversaal onderzoek. BMC Public Health. 2014; 14 (1). pmid: 24885174
      • 32.              Woldesemayat EM, Kassa A, Gari T, Dangisso MH. Chronische ziekten multi-morbiditeit bij volwassen patiënten in het uitgebreide gespecialiseerde ziekenhuis van Hawassa University. BMC Public Health. 2018; 18 (1): 352. pmid: 29540155
      • 33.              Harrison C, Henderson J, Miller G, Britt H. De prevalentie van gediagnosticeerde chronische aandoeningen en multimorbiditeit bij Australië: een methode voor het schatten van de prevalentie van populaties op basis van gegevens uit de huisartsenpraktijk. PLoS One. 2017; 12 (3): e0172935. pmid: 28278241
      • 34.              Afshar S, Roderick PJ, Kowal P, Dimitrov BD, Hill AG. Multimorbiditeit en de ongelijkheden van de wereldwijde vergrijzing: een transversale studie van 28 landen met behulp van de World Health Surveys. BMC Public Health. 2015; 15 (1): 776. pmid: 26268536
      • 35.              Romana GQ, Kislaya I, Salvador M, Gonçalves S, Nunes B, Dias C. Multimorbilidade em Portugal : Dados do Primeiro Inquérito Nacional de Saúde com Exame Físico. Acta Med Port. 2019; 32 (1): 30. Beschikbaar vanaf: PMID: 30.753.801
      • 36.              Garin N, Olaya B, Perales J, Moneta MV, Miret M, Ayuso-Mateos JL, et al. Multimorbiditeitspatronen in een nationale representatieve steekproef van de Spaanse volwassen bevolking. PLoS One. 2014; 9 (1): e84794. pmid: 24465433
      • 37.              Roberts KC, Rao DP, Bennett TL, Loukine L, Jayaraman GC. Prevalentie en patronen van multimorbiditeit van chronische ziekten en bijbehorende determinanten in Canada. Gezondheidspromotie Chronische Dis Prev Can. 2015; 35 (6): 87-94. Beschikbaar vanaf: pmid: 26302227
      • 38.              Frølich A, Ghith N, Schiøtz M, Jacobsen R, Stockmarr A. Multimorbiditeit, zorggebruik en sociaal-economische status: een registergebaseerd onderzoek in Denemarken. PLoS One. 1 augustus 2019; 14 (8): e0214183. pmid: 31369580
      • 39.              van den Akker M, Vaes B, Goderis G, Van Pottelbergh G, De Burghgraeve T, Henrard S Trends in multimorbiditeit en polyfarmacie in de Vlaams-Belgische bevolking tussen 2000 en 2015. PLoS One. 12 februari 2019; 14 (2): e0212046. pmid: 30753214
      • 40.              Lee JT, Hamid F, Pati S, Atun R, Millett C. Impact van niet-overdraagbare ziekte Multimorbiditeit op Gebruik van gezondheidszorg en out-of-pocket-uitgaven in middeninkomenslanden: analyse van de dwarsdoorsnede. PLoS One. 2015, 10 (7): e0127199. pmid: 26154083
      • 41.              Macinko J, Andrade FCD, Nunes BP, Guanais FC. Eerstelijnszorg en multimorbiditeit in zes Latijns-Amerikaanse en Caribische landen. Rev Panam Salud Publica. 2019; 43: e8. pmid: 31093232
      • 42.              Hajat C, Stein E. De wereldwijde last van meerdere chronische aandoeningen: een verhalend overzicht. Vorige Med Rep. 2018; 12: 284–293. pmid: 30406006
      • 43.              Palladino R, Nardone A, Millett C, Triassi M Het effect van multimorbiditeit op gezondheidsuitkomsten bij oudere volwassenen tussen 2006 en 2015 in Europa. Eur J Public Health 2018; 28 (4). Beschikbaar vanaf: /cky213.400/5192462
      • 44.              Nguyen H, Manolova G, Daskalopoulou C, Vitoratou S, Prince M, Prina AM. Prevalentie van multimorbiditeit in gemeenschapssituaties: een systematische review en meta-analyse van observationele studies. J Comorb. 2019; 9: 1-15.
      • 45.              Agborsangaya CB, Ngwakongnwi E, Lahtinen M, Cooke T, Johnson JA. Multimorbiditeitsprevalentie in de algemene bevolking: de rol van obesitas bij clustering van chronische ziekten. BMC Public Health. 2013; 13: 1161. pmid: 24325303
      • 46.              Divo MJ, Martinez CH, Mannino DM. Veroudering en de epidemiologie van multimorbiditeit. Eur Respir J. 2014; 44 (4): 1055-68. pmid: 25142482
      • 47.              Nunes BP, Batista SRR, Andrade FB de, Souza Junior PRB de, Lima-Costa MF, Facchini LA, et al. Multimorbiditeit: de Braziliaanse longitudinale studie van veroudering (ELSI-Brazilië). Rev Saude Publica 2018; 52 (2).
      • 48.              Costa CS, Flores TR, Wendt A, Neves RG, Tomasi E, Cesar JA, et al. Ongelijkheden in multimorbiditeit bij ouderen: een bevolkingsonderzoek in een stad in Zuid-Brazilië. Cad Saude Publica. 2018; 34 (11): e00040718.×00040718 pmid: 30484558
      • 49.              Nunes BP, Thumé E, Facchini LA. Multimorbiditeit bij oudere volwassenen: omvang en uitdagingen voor het Braziliaanse gezondheidssysteem. BMC Public Health. 2015; 15: 1172. pmid: 26602756
      • 50.              Feely A, Lix LM, Reimer K. Schatting van multimorbiditeit prevalentie met het Canadese bewakingssysteem voor chronische ziekten. Gezondheidspromotie Chronische Dis Prev Can. 2017; 37 (7): 215–222 pmid: 28703703
      • 51.              Puth MT, Weckbecker K, Schmid M, Münster E. Prevalentie van multimorbiditeit in Duitsland: impact van leeftijd en opleidingsniveau in een cross-sectioneel onderzoek onder 19.294 volwassenen. BMC Public Health. 2017; 17 (1): 826. pmid: 29047341
      • 52.              Violan C, Foguet-Boreu Q, Flores-Mateo G, Salisbury C, Blom J, Freitag M et al. Prevalentie, determinanten en patronen van multimorbiditeit in de eerstelijnszorg: een systematische review van observationele studies. PLoS One. 2014; 9 (7): e102149. pmid: 25048354
      • 53.              Pathirana TI, Jackson CA. Sociaal-economische status en multimorbiditeit: een systematische review en meta-analyse. Aust N Z J Volksgezondheid. 2018; 42 (2): 186-194. pmid: 29442409
      • 54.              Carvalho JN, Cancela MC, Souza DLB. Leefstijlfactoren en hoge body mass index worden geassocieerd met verschillende multimorbiditeitsclusters in de Braziliaanse bevolking. PLoS One. 2018; 20: 13 (11): e0207649. pmid: 30458026
      • 55.              Zhang R, Lu Y, Shi L, Zhang S, Chang F. Prevalentie en patronen van multimorbiditeit bij ouderen in China: een transversaal onderzoek met behulp van nationale enquêtegegevens. BMJ Open 2019; 9: e024268 pmid: 31427309
      • 56.              Abad-Díez JM, Calderón-Larrañaga A, Poncel-Falcó A, Poblador-Plou B, Calderón -Meza JM, Sicras-Mainar A, et al. Verschillen in leeftijd en geslacht in de prevalentie en patronen van multimorbiditeit bij de oudere bevolking. BMC Geriatr. 2014; 14: 75. pmid: 24934411
      • 57.              Aye SKK, Hlaing HH, Htay SS, Cumming R. Multimorbiditeit en gezondheidsgedrag bij ouderen in Myanmar: een gemeenschapsenquête. PLoS One. 2019, 14 (7): e0219543. pmid: 31295287
      • 58.              Guerra SG, Berbiche D, Vasiliadis HM. Multimorbiditeit meten bij oudere volwassenen: verschillende gegevensbronnen vergelijken. BMC Geriatr. 2019; 19 (1): 166. pmid: 31200651
      • 59.              Upadhyay J, Farr O, Perakakis N, Ghaly W, Mantzoros C. Obesitas als ziekte. Med Clin North Am. 2018; 102 (1): 13-33. pmid: 29156181
      • 60.              Stand HP, Prevost AT, Gulliford MC. Impact van body mass index op prevalentie van multimorbiditeit in de eerstelijnszorg: cohortonderzoek. Fam Pract. 2014; 31 (1): 38-43. pmid: 24132593
      • 61.              Agrawal S, Agrawal PK. Verband tussen body mass index en prevalentie van multimorbiditeit in lage- en middeninkomenslanden: een transversale studie. Int J Med Public Health. 2016. 6 (2): 73-83. pmid: 28894693
      • 62.              Kim KH, Kabir E, Jahan SA. Blootstelling aan pesticiden en de bijbehorende gezondheidseffecten. Sci Total Environ. 2017; 575: 525-35. pmid: 27614863
      • 63.              Chang AY, Gómez-Olivé FX, Payne C, Rohr JK, Manne-Goehler J, Wade AN et al. Chronische multimorbiditeit bij oudere volwassenen op het platteland van Zuid-Afrika. BMJ Global Health 2019; 4: e001386. pmid: 31423345
      • 64.              Miles A, Asbridge J. Multimorbiditeit – Een manifestatie van netwerkstoringen? Hoe onderzoeken? Hoe te behandelen?. J Eval Clin Pract. 2017; 23 (1): 193-8. pmid: 28239933