Aplicação do método Respondent-Driven Sampling (RDS) em inquérito online no Brasil: análise da morbidade por COVID-19 no período pós-pandêmicoRESUMO
Objetivo: Descrever os procedimentos metodológicos utilizados para a coleta e análise de dados em inquérito online realizado no período de julho a dezembro de 2023 e verificar a se a amostra alcançada na pesquisa é representativa da população brasileira.
Métodos: Estudo epidemiológico de corte transversal realizado pelas redes sociais virtuais, utilizando-se a metodologia Respondent-Driven Sampling (RDS) para a coleta de informações na população adulta brasileira. Para a ponderação da amostra, utilizou-se um procedimento de pós-estratificação com base nos dados sociodemográficos da Pesquisa Nacional de Amostra por Domicílios 2022 (PNADC-2022). As prevalências de doenças crônicas não transmissíveis (DCNT), autoavaliação de saúde e comportamentos de saúde estimadas na ConVid-2 foram comparadas às estimativas da Pesquisa Nacional de Saúde, 2019.
Resultados: O total de 3.805 indivíduos participou da pesquisa ConVid-2. A comparação das variáveis sociodemográficas da ConVid-2 com as da PNADC mostrou proporções muito semelhantes nas duas pesquisas. Quanto às DCNT, a comparação com a PNS-2019 mostrou discrepâncias apenas nas prevalências de asma e depressão. Em relação aos hábitos, os percentuais de fumo atual, atividade física adequada no lazer e consumo de alimentos saudáveis e não saudáveis foram próximos nas duas pesquisas. A maior diferença ocorreu no uso de telas após a pandemia de COVID-19.
Conclusão: O uso do método RDS com o registro dos pares recrutador-recrutado possibilitou obter estimativas mais fidedignas. As mudanças nos estilos de vida salientam a necessidade de ações voltadas à promoção de comportamentos saudáveis e ao controle das DCNT.
Palavras-chave:
COVID-19; Inquérito; Respondent-driven sampling; Pós-estratificação; Fatores sociodemográficos
ABSTRACT
Objective: To describe the methodological procedures used to collect and analyze data from an online survey carried out from July to December 2023 and to verify whether the obtained sample is representative of the Brazilian population.
Methods: A cross-sectional epidemiological study was carried out through social media, using the Respondent-Driven Sampling methodology to collect information from the Brazilian adult population. For sample weighting, a post-stratification procedure was used based on sociodemographic data of the 2022 Continuous National Household Sample Survey (PNADC-2022). Prevalence estimates of chronic noncommunicable diseases, self-rated health, and health behaviors estimated in the ConVid-2 survey were compared with the estimates from the 2019 National Health Survey (PNS-2019).
Results: A total of 3,805 individuals participated in the ConVid-2 survey. When comparing sociodemographic variables from ConVid-2 with those from the PNADC, we verified very similar proportions in both surveys. Regarding chronic noncommunicable diseases, we found discrepancies only in prevalence of asthma and depression in comparison with PNS-2019. As for lifestyle habits, the percentages of current smoking, adequate leisure-time physical activity, and consumption of healthy and unhealthy foods were similar in both surveys. The greatest difference was observed in screen use after the COVID-19 pandemic.
Conclusion: The use of the Respondent-Driven Sampling method with the inclusion of recruiter-recruitee pairs enabled us to obtain more reliable estimates. Concerning lifestyle changes and the findings of this study, we highlight the need for actions aimed at promoting healthy behaviors and achieving greater advances in the control of chronic noncommunicable diseases.
Keywords:
COVID-19; Survey; Respondent-driven sampling; Post-stratification; Sociodemographic factors
INTRODUÇÃO
A grande expansão da internet junto com o crescimento e aprimoramento das tecnologias de informação tornaram a comunicação à distância muito mais abrangente e acessível às informações de saúde1,2.
No Brasil, em 2024, segundo os dados do Instituto Brasileiro de Geografia e Estatística (IBGE), 93,6% dos domicílios particulares permanentes utilizavam a internet3. Diante deste acesso quase universal, ocorreram mudanças significativas na forma como os brasileiros se comunicam, obtêm e compartilham informações, compondo uma enorme rede de pessoas conectadas, independentemente de sua localização geográfica4,5.
As restrições impostas pela pandemia de coronavírus limitaram a realização de pesquisas presenciais. Os avanços tecnológicos na captação e no compartilhamento de informações em saúde e a necessidade de ampliar o conhecimento sobre a COVID-19 impulsionaram o uso de inquéritos online em diversos países6. Além da aderência às medidas de proteção e de restrição de contatos físicos7, os estudos abordaram outras questões relacionadas ao período de pandemia, como sintomas8,9, transtornos psicológicos10,11, dificuldades de acesso aos serviços de saúde12 e mudanças no estilo de vida13.
No Brasil, no ano de 2020, com a finalidade de investigar as mudanças no estilo de vida e nas condições de saúde da população brasileira durante a pandemia de COVID-19, foi realizada a ConVid — Pesquisa de Comportamentos em ambiente virtual14. Esta pesquisa utilizou um procedimento de amostragem em cadeia "bola de neve" para a coleta das informações15. Para adaptação do método ao ambiente virtual, o processo de recrutamento iniciou-se com o envio do link de acesso a um questionário eletrônico por e-mail ou por alguma rede social virtual. Os participantes receberam uma solicitação para compartilharem o convite de participação com sua rede de contatos16.
Os resultados da ConVid realizada na população adulta brasileira mostraram perdas importantes no trabalho e na renda, acentuando as desigualdades sociais17. Houve piora na percepção da saúde18, problemas no sono e nos transtornos psicológicos19,20, além de mudanças no estilo de vida. Destacam-se o aumento da inatividade física, do excesso de tempo de telas (celular, tablet, computador), do consumo de cigarros e do uso de bebidas alcoólicas21,22.
Em 2023, para investigar questões relacionadas à morbidade por COVID-19 no período pós-pandêmico, foi realizado novo inquérito denominado de "ConVid-2 — Pesquisa de Comportamentos". Utilizou-se um questionário eletrônico, autopreenchido pelo participante por meio de celular ou computador com acesso à internet. Nesta segunda etapa da pesquisa, foi feito um aprimoramento da metodologia de amostragem. O recrutamento foi realizado pelo método de amostragem Respondent-Driven Sampling (RDS)23, que se iniciou com o envio de um número fixo de convites com o link de acesso ao questionário eletrônico.
Os objetivos do presente artigo são os de descrever os procedimentos metodológicos utilizados para a coleta e análise de dados na ConVid-2 e verificar se a amostra alcançada na pesquisa é representativa da população brasileira.
MÉTODOS
Desenho do estudo
Estudo epidemiológico de corte transversal realizado por meio de redes sociais virtuais, utilizando a metodologia RDS para a coleta das informações na população adulta brasileira (18 anos ou mais) no período de julho a dezembro de 2023.
O projeto "ConVid-2 — Pesquisa de Comportamentos" foi aprovado pela Comissão Nacional de Ética em Pesquisa (CONEP) em 22 de dezembro de 2022, sob o número de protocolo 5.836.202.
A pesquisa foi realizada pela Fundação Oswaldo Cruz, em parceria com a Universidade Federal de Minas Gerais, a Universidade Estadual de Campinas, a Universidade Federal de Ouro Preto e a Universidade Federal de Sergipe.
Participaram do estudo pessoas com 18 anos ou mais de idade, residentes no Brasil durante a pandemia de COVID-19.
Método Respondent-Driven Sampling
O método de recrutamento dos indivíduos foi o RDS, proposto em 1997 por Douglas Heckathorn23. Trata-se de uma variante do método de amostragem em cadeia, no qual os membros do grupo populacional em estudo recrutam seus pares para participar.
Ao aplicar o método RDS, os dados são coletados por meio de ciclos sucessivos de recrutamento, chamados de "ondas". Primeiramente, indivíduos da população alvo, denominados "sementes", são selecionados de forma não aleatória para participar do estudo, iniciando o processo de recrutamento. Solicita-se que as sementes recrutem um número fixo de indivíduos entre seus conhecidos do mesmo subgrupo populacional. É feito o registro das conexões dos pares recrutador-recrutado com base em códigos atribuídos a cada participante24.
No recrutamento pelo método RDS, a memória de recrutamento é dada onda por onda, obedecendo a um processo de Markov. Isso significa que as características do indivíduo recrutado dependem apenas daquelas do seu recrutador e não do recrutador do seu recrutador ou de participantes de ondas anteriores. Após suficiente número de ondas, as características dos indivíduos na amostra final tornam-se independentes daquelas da amostra inicial24.
A tendência de um participante a recrutar indivíduos com características semelhantes é chamada de "efeito homofilia"25. Como o registro das conexões dos pares recrutador-recrutado é preconizado no método RDS, o viés relacionado à seleção não aleatória de indivíduos é levado em consideração bem como a possível super-representação de certas características na população25. Assim, o RDS pode ser considerado um método de amostragem complexo, com probabilidades desiguais de seleção e conglomerados compostos de pessoas recrutadas pelo mesmo participantes. Para a estimação das variâncias dos indicadores de interesse, é utilizado o procedimento de bootstrap por meio de várias simulações de amostras geradas com o mesmo processo que originou a amostra total26.
Tamanho da amostra
Sob o pressuposto de uma amostra aleatória simples, o tamanho de amostra mínimo necessário para estimar prevalências de 5% com intervalos de confiança de 95% e erro bilateral de 1% é de, aproximadamente, 1.800 pessoas. Uma vez que o recrutamento foi realizado por pares, considerou-se um efeito de desenho de 2 e o tamanho mínimo de amostra foi calculado em 3.600 pessoas24.
Ponderação da amostra
Para obter uma amostra representativa da população de acordo com as características sociodemográficas da população brasileira de 18 anos ou mais, utilizou-se um procedimento de pós-estratificação16. A variáveis utilizadas foram: sexo (masculino; feminino), faixa etária (18–39; 40–59; 60+ anos), grau de escolaridade (ensino médio incompleto ou menos; ensino médio completo ou superior incompleto; superior completo ou mais) e raça/cor da pele (branca; não branca). O procedimento de pós-estratificação baseou-se nas estimativas populacionais da Pesquisa Nacional por Amostra de Domicílios Contínua, IBGE, 2022 (PNADC-2022)3.
Coleta das informações
Para iniciar a etapa de coleta de informações por RDS, foram selecionados apoiadores (sementes) nas 27 Unidades da Federação (UF) por escolha dirigida. Para garantir a diversidade da amostra, foram selecionados apoiadores com diferentes características sociodemográficas (sexo, faixa de idade, grau de escolaridade).
Os apoiadores enviaram o link da pesquisa para 24 pessoas das suas redes sociais, residentes na mesma Unidade da Federação. O link foi enviado para um indivíduo em cada estrato composto de sexo, faixa de idade (18–29; 30–44; 45–59; 60+) e grau de escolaridade (ensino fundamental incompleto; ensino fundamental completo/ensino médio incompleto; ensino médio completo ou mais).
Os participantes da pesquisa convidados pelos apoiadores constituíram a primeira onda da cadeia de recrutamento. Eles, por sua vez, convidaram de três a cinco pessoas das suas redes sociais, compondo a segunda onda da cadeia de recrutamento. Esse processo continuou sucessivamente, formando ao fim a amostra de indivíduos recrutados em cadeia pelas redes sociais virtuais. No processo de recrutamento por pares, foi recomendado que apenas uma pessoa em cada domicílio respondesse ao questionário.
Análise dos dados
Neste artigo, foram estimadas as proporções de indivíduos na pesquisa ConVid-2 segundo as categorias das variáveis utilizadas no procedimento de pós-estratificação dos dados: sexo (masculino; feminino), faixa etária (18–39; 40–59; 60+ anos), grau de escolaridade (ensino médio incompleto ou menos; ensino médio completo ou superior incompleto; superior completo ou mais) e raça/cor da pele (branca; não branca). Essas proporções foram comparadas com as obtidas na PNADC-2022.
Para investigação complementar da representatividade da amostra, foram analisadas algumas proporções de variáveis que não foram usadas no procedimento de pós-estratificação. Entre essas variáveis estão grande região, residência em alguma capital e ensino fundamental incompleto. Essas proporções foram comparadas às estimativas da PNADC-2022.
Para a visualização do alcance da amostra da pesquisa ConVid-2, elaborou-se um mapa do Brasil por pontos, em que cada ponto representa um município com pelo menos um participante da amostra. Para a exemplificação das redes dos pares recrutador-recrutados, foi apresentada uma figura das redes de recrutamento obtidas pela aplicação do método RDS.
Foi realizada, igualmente, a comparação das estimativas de diagnóstico de alguma doença crônica não transmissível (DCNT) e da autoavaliação de saúde obtidas na ConVid-2 com as obtidas na Pesquisa Nacional de Saúde, 2019 (PNS-2019) (27).
Outras estimativas de saúde também foram comparadas às da PNS-2019. Entre elas estão comportamentos como fumo atual, consumo de alimentos saudáveis e ultraprocessados, consumo de bebida alcoólica pelo menos uma vez na semana e prática recomendada de atividade física. As estimativas da PNS estão disponíveis em https://www.pns.icict.fiocruz.br/painel-de-indicadores-mobile-desktop/.
Declaração de disponibilidade de dados
O conjunto de dados não está publicamente disponível devido conter informação que compromete a privacidade dos participantes da pesquisa.
RESULTADOS
Foram analisados 3.805 indivíduos que participaram da pesquisa ConVid-2 de julho a dezembro de 2023.
Na Tabela 1, apresentam-se as distribuições das variáveis utilizadas para a pós-estratificação dos dados da ConVid-2 e as distribuições das mesmas variáveis na PNADC-2022. A comparação das distribuições das variáveis da ConVid-2 com as da PNADC mostra proporções muito semelhantes nas duas pesquisas. Já os intervalos de confiança das proporções estimadas na ConVid-2 são bem mais amplos do que os estimados na PNADC em razão do tamanho da amostra da ConVid-2, muito menor do que o da PNADC.
Comparação das distribuições das variáveis utilizadas para a pós-estratificação dos dados da ConVid-2 — Pesquisa de Comportamentos com as distribuições das variáveis na Pesquisa Nacional por Amostra de Domicílios Contínua de 2022. Brasil, 2023.
Na Figura 1, é possível visualizar o alcance da pesquisa ConVid-2 no Brasil. Observa-se que todas as UF têm pelo menos um município participante. O menor número de respondentes ocorreu no Amapá (sete pessoas) e o maior no estado de Pernambuco (711), seguido de Minas Gerais (555), Rio de Janeiro (406) e SP (278).
Distribuição dos municípios com pelo menos um respondente da ConVid-2 Pesquisa de Comportamentos. Brasil, 2023.
Na Figura 2, é apresentada a composição de redes no processo de recrutamento do método RDS de uma subamostra da ConVid-2 Pesquisa de Comportamentos, permitindo dizer que, de maneira geral, houve bom desenvolvimento das redes.
Exemplificação da formação de redes no processo de recrutamento do método Respondent-Driven Sampling de uma subamostra da ConVid-2 — Pesquisa de Comportamentos. Brasil, 2023.
Na Tabela 2, são apresentadas as prevalências de indicadores que não foram incluídos no procedimento de pós-estratificação. Com relação à distribuição por região, foram encontradas proporções de 8,1, 35,0, 36,2, 12,5, e 8,2% nas Regiões Norte, Nordeste, Sudeste, Sul e Centro-Oeste, respectivamente. Constatou-se a superestimação de moradores na Região Nordeste e subestimação na Região Sudeste em relação às obtidas na PNADC-2022. No que se refere à proporção de pessoas que têm ensino fundamental incompleto, a estimativa da ConVid-2 foi de 21,6%, menor do que a da PNADC-2022 (30,5%). Quanto ao local de residência dos participantes na ConVid-2, 42,8% moravam na capital do estado, com proporção estimada quase duas vezes (1,7) maior do que a da PNADC-2022.
Comparação das distribuições de variáveis selecionadas que não participaram do procedimento de pós-estratificação dos dados da ConVid-2 — Pesquisa de Comportamentos com as distribuições das variáveis na Pesquisa Nacional por Amostra de Domicílios Contínua de 2022. Brasil, 2023.
Como apresentado na Tabela 3, as prevalências de DCNT estimadas na pesquisa ConVid-2 são coerentes com as encontradas na PNS-2019 para a maioria das doenças. Destacam-se as maiores prevalências de asma, de 8,5% na ConVid-2 e de 5,3% na PNS-2019, e de depressão, de 14,7 e 10,2%, respectivamente. Igualmente, a prevalência de pelo menos uma DCNT foi maior na ConVid-2 (55,4%) do que na PNS-2019 (50,8%). No que se refere à autoavaliação de saúde, houve piora no período pós-pandêmico. A prevalência encontrada de percepção boa da própria saúde reduziu de 66,1%, segundo a PNS- 2019, para 62,0%, de acordo com a ConVid-2.
Prevalência (%) de diagnóstico autorreferido de doenças crônicas não transmissíveis, de autoavaliação da saúde e de comportamentos de saúde de acordo com os dados da ConVid-2 e da Pesquisa Nacional de Saúde. Brasil, 2023.
Quanto aos hábitos, os percentuais de fumo atual, atividade física adequada no lazer, bem como os de consumo de alimentos saudáveis e não saudáveis foram próximos nas duas pesquisas. Proporções de consumo de álcool pelo menos uma vez na semana foram menores na ConVid-2 (21,9%) do que na PNS-2019 (26,4%). Entretanto, a maior diferença ocorreu no uso de telas após a pandemia de COVID-19, mais do que o dobro da proporção encontrada na PNS-2019 (Tabela 3).
DISCUSSÃO
Diferentemente da primeira etapa da ConVid realizada durante a pandemia de coronavírus pelo método "bola de neve"14, na pesquisa ConVid-2 se utilizou a técnica de amostragem RDS virtual, que dispõe de metodologia consagrada de análise estatística dos dados26.
O uso do método RDS na pesquisa ConVid-2 representou um avanço metodológico no tocante aos inquéritos em ambiente virtual, pois pode ser considerado um método com desenho complexo de amostragem. Isso possibilita estimar as prevalências e respectivos intervalos de confiança dos indicadores de interesse e a realização de testes de hipóteses26. Além disso, o número de convidados para cada participante é limitado no método RDS, dando maior diversidade à amostra e reduzindo os efeitos de homofilia25.
Para dar representatividade à amostra, os dados foram ponderados por procedimentos de pós-estratificação. Esses procedimentos basearam-se na distribuição da população por sexo, faixa de idade, raça/cor e escolaridade estimativas da PNAD contínua do ano de 20223. Nota-se que as proporções de pessoas em cada estrato encontradas na ConVid-2 e na PNADC foram muito semelhantes, ou seja, é possível dizer que amostra é representativa da população brasileira, pelo menos no que se refere aos estratos considerados.
Com relação aos indicadores que não fizeram parte do procedimento de pós-estratificação, como a distribuição geográfica, embora a proporção de pessoas na Região Sudeste tenha sido subestimada e a da Região Nordeste superestimada, a pesquisa envolveu participantes das cinco regiões brasileiras de forma abrangente. A estratificação de sementes por UF, como realizada na ConVid-2, foi certamente um fator importante para alcançar a representatividade regional na amostra.
Na presente pesquisa, foram utilizadas apenas três categorias de grau de escolaridade na pós-estratificação: nível médio incompleto, médio completo ou superior incompleto e superior completo ou mais. A categoria ensino fundamental incompleto não foi incluída no procedimento de pós-estratificação. Apesar da proporção de pessoas com ensino fundamental incompleto estimada na PNADC-2022 (30,5%) ser 1,4 vez maior do que na ConVid-2 (21,6%), houve boa representação dos indivíduos de baixa escolaridade. Esse resultado representa um avanço em relação à primeira pesquisa realizada em 2020 (14), possivelmente pela maior disponibilidade de acesso à internet no país3.
No que diz respeito às DCNT, a comparação com a PNS-201927 mostrou resultados coerentes nas prevalências de hipertensão arterial, diabetes, câncer e doença do coração. Por outro lado, foram observadas discrepâncias nas prevalências de asma e depressão estimadas na ConVid-2. Tanto no caso da asma como da depressão, é possível que tenham ocorrido, de fato, aumentos no período pós-pandêmico. Resultados de estudos internacionais mostraram o aumento da prevalência de asma após a infecção por SARS-CoV-228,29.
Adicionalmente, foram encontradas associações da COVID longa, definida pela presença de sintomas e sequelas que persistiram por três meses ou mais, com o desenvolvimento de alguma DCNT. Essa seria uma explicação provável para o aumento na prevalência de doenças crônicas30. A persistência dos sintomas e sequelas da COVID-19 tem sido associada, igualmente, à perda da qualidade de vida, à piora da autopercepção da saúde e a problemas de saúde mental, como o aumento da depressão31.
Quanto aos comportamentos de saúde, destaca-se o uso de computador, tablet ou telefone celular por 3 horas ou mais. Este foi o único indicador que mostrou grande aumento na prevalência e no tempo de uso após a pandemia de COVID-19. Estudos nacionais32 e internacionais33 têm mostrado crescimento no uso de telas, demonstrando que o aumento ocorreu de fato e não constitui uma divergência de resultados entre a ConVid-2 e a PNS-2019.
Com relação às mudanças no estilo de vida, a semelhança encontrada na maioria dos comportamentos de saúde na ConVid-2 em relação aos mesmos indicadores estimados na PNS-2019 revela aspectos importantes. Por um lado, não houve alterações significativas dos hábitos não saudáveis no período pós-pandêmico quando comparados aos achados em 2019, antes da chegada da pandemia. As exceções foram o uso de telas e o comportamento sedentário. Por outro lado, os resultados sobre o hábito de fumo, prática de atividade física no lazer e consumo de alimentos não saudáveis mostraram estabilidade.
Esses achados permitem inferir que não houve avanços, mas também não houve aumentos, como ocorreu durante a pandemia21,22. Estudo com indicadores do Sistema de Vigilância de Fatores de Risco e Proteção para Doenças Crônicas por Inquérito Telefônico (Vigitel) no período 2006–2021 mostrou, igualmente, que vários indicadores se mantiveram estáveis. Entre eles estão a prevalência de fumantes, o consumo regular e recomendado de frutas e hortaliças, bem como o consumo de alimentos ultraprocessados34.
Em conclusão, no que se refere à metodologia usada no inquérito, a utilização do RDS e a inclusão dos pares recrutador-recrutado trouxeram benefícios importantes. Essa abordagem possibilitou a estimação das prevalências e variâncias dos indicadores de interesse e a obtenção de estimativas com maior fidedignidade.
A estabilidade nos fatores de proteção e de risco encontrada na comparação das prevalências dos comportamentos de saúde obtidos na ConVid-2 e na PNS-2019 indica ausência de progressos relevantes na promoção da saúde após a pandemia e pode ser considerada um retrocesso no controle das DCNT. Esses achados reforçam a necessidade de políticas públicas voltadas à adoção de comportamentos saudáveis e ao controle das DCNT no cenário pós-pandêmico.
Limitações
Entre as principais limitações, destacam-se: pessoas sem acesso à internet têm probabilidade zero de serem selecionadas; indivíduos de baixa escolaridade têm, frequentemente, dificuldades de preencher o questionário online, sendo sub-representados; por conta do recrutamento por pares pelo RDS virtual, os participantes são voluntários e a taxa de não resposta assim como as probabilidades de seleção não podem ser estimadas.
Adicionalmente, para a obtenção de uma amostra representativa da população brasileira, utilizou-se um procedimento de pós-estratificação baseado nas estimativas populacionais da PNADC-2022. Contudo, a exclusão de uma variável associada a um dos desfechos considerados no procedimento de pós-estratificação pode causar erros nas estimativas médias de prevalências. Como os resultados mostraram, a amostra tem sub-representação das pessoas com ensino fundamental incompleto e super-representação de residentes nas capitais do país. Todavia, a comparação das prevalências de doenças crônicas e dos comportamentos de saúde estimadas na ConVid-2 demonstrou coerência nos resultados, corroborando a consistência das estimativas em comparação com as de pesquisas nacionais presenciais.
AGRADECIMENTOS
Agradecemos a todos os pesquisadores que participaram da elaboração da pesquisa ConVid-2: André Oliveira Werneck, Cláudia de Souza Lopes, Dalia Elena Romero, Danilo Rodrigues Pereira da Silva, Ísis Eloah Machado, Luiz Otávio Azevedo, Margareth Guimarães Lima, Maria de Fátima de Pina, Marilisa Berti de Azevedo Barros, Renata Gracie.
Referências bibliográficas
-
1 Ishikawa H, Miyawaki R, Kato M, Muilenburg JL, Tomar YA, Kawamura Y. Digital health literacy and trust in health information sources: a comparative study of university students in Japan, the United States, and India. SSM Popul Health 2025; 31: 101844. https://doi.org/10.1016.ssmph.2025.101844
» https://doi.org/10.1016.ssmph.2025.101844 -
2 Olawade DB, Aienobe-Asekharen CA. Artificial intelligence in tobacco control: a systematic scoping review of applications, challenges, and ethical implications. Int J Med Inform 2025; 202: 105987. https://doi.org/10.1016/j.ijmedinf.2025.105987
» https://doi.org/10.1016/j.ijmedinf.2025.105987 -
3 Instituto Brasileiro de Geografia e Estatística. Pesquisa Nacional por Amostra de Domicílios Contínua – PNADC 2022 [Internet]. Rio de Janeiro: IBGE; 2023 [cited on Aug. 22, 2025]. Available at: https://www.ibge.gov.br/estatisticas/sociais/trabalho/
» https://www.ibge.gov.br/estatisticas/sociais/trabalho/ -
4 Arruda RM, Ayoub IA, Nunes R, Azevedo Neto RS, Nunes MPT. Consulting "Dr. Google": how the digital search for internet health information influences doctor-patient relationship. Cad Saude Publica 2025; 41(7): e00153623. https://doi.org/10.1590/0102-311XEN153623
» https://doi.org/10.1590/0102-311XEN153623 -
5 Neter E, Western MJ, Cooper R, Silva AM, König LM. Towards bridging the digital divide: training healthcare professionals for digitally inclusive healthcare systems. Glob Health Res Policy 2025; 10(1): 31. https://doi.org/10.1186/s41256-025-00433-x
» https://doi.org/10.1186/s41256-025-00433-x -
6 Ali SH, Foreman J, Capasso A, Jones AM, Tozan Y, DiClemente RJ. Social media as a recruitment platform for a nationwide online survey of COVID-19 knowledge, beliefs, and practices in the United States: methodology and feasibility analysis. BMC Med Res Methodol 2020; 20(1): 116. https://doi.org/10.1186/s12874-020-01011-0
» https://doi.org/10.1186/s12874-020-01011-0 -
7 Qiu Y, Chen X, Shi W. Impacts of social and economic factors on the transmission of coronavirus disease 2019 (COVID-19) in China. J Popul Econ 2020; 33(4): 1127-72. https://doi.org/10.1007/s00148-020-00778-2
» https://doi.org/10.1007/s00148-020-00778-2 -
8 Li C, Jiang T, Luo J, Tu Y, Ji H, Wan Y, et al. The prevalence of olfactory dysfunction and its recovery in chinese young and middle-aged group COVID-19 patients. Ann Otol Rhinol Laryngol. 2025; 34894251363776. https://doi.org/10.1177/00034894251363776
» https://doi.org/10.1177/00034894251363776 -
9 Pio IDSL, Nunes DM, Barros JF, Silva FS. Development and validation of an instrument for tracking and analyzing recovery from symptoms associated with COVID-19. Epidemiol Serv Saude. 2025; 34: e20240220. https://doi.org/10.1590/S2237-96222025v34e20240220.en
» https://doi.org/10.1590/S2237-96222025v34e20240220.en -
10 Jeon SE, Ryu S, Lee JY, Kim JM, Kim SW, Kang YS. Classification and influencing factors of depression and anxiety progression during and after the COVID-19 pandemic. Acta Psychol (Amst) 2025; 258: 105263. https://doi.org/10.1016/j.actpsy.2025.105263
» https://doi.org/10.1016/j.actpsy.2025.105263 -
11 Hackworth EE, Vidaña-Pérez D, O’Neal R, Kim M, Fillo J, Hammond D, et al. Trends in mental health symptoms, nicotine product use, and their association over time among adolescents in Canada, England, and the US: findings from the ITC adolescents tobacco and vaping survey, 2020-2023. Nicotine Tob Res. 2025; 27(7): 1256-64. https://doi.org/10.1093/ntr/ntaf015
» https://doi.org/10.1093/ntr/ntaf015 -
12 Mambo SB, Sikakulya FK, Ssebuufu R, Mulumba Y, Wasswa H, Mbina SA, et al. Challenges in access and utilization of sexual and reproductive health services among youth during the COVID-19 pandemic lockdown in Uganda: an online cross-sectional survey. Front Reprod Health. 2022; 3: 705609. https://doi.org/10.3389/frph.2021.705609
» https://doi.org/10.3389/frph.2021.705609 -
13 Doraiswamy S, Cheema S, Al Mulla A, Mamtani R. COVID-19 lockdown and lifestyles: a narrative review. F1000Res. 2024; 10: 363. https://doi.org/10.12688/f1000research.52535.2
» https://doi.org/10.12688/f1000research.52535.2 -
14 Szwarcwald CL, Souza Júnior PRB, Damacena GN, Malta DC, Barros MBA, Romero DE, et al. ConVid – behavior survey by the internet during the COVID-19 pandemic in Brazil: conception and application methodology. Cad Saude Publica 2021; 37(3): e00268320. https://doi.org/10.1590/0102-311X00268320
» https://doi.org/10.1590/0102-311X00268320 -
15 Magnani R, Sabin K, Saidel T, Heckathorn D. Review of sampling hard-to-reach and hidden populations for HIV surveillance. AIDS 2005; 19 Suppl 2: S67-72. https://doi.org/10.1097/01.aids.0000172879.20628.e1
» https://doi.org/10.1097/01.aids.0000172879.20628.e1 -
16 Szwarcwald CL. National health surveys: overview of sampling techniques and data collected using complex designs. Epidemiol Serv Saude. 2023; 32(3): e2023431. https://doi.org/10.1590/S2237-96222023000300014.EN
» https://doi.org/10.1590/S2237-96222023000300014.EN -
17 Almeida WS, Szwarcwald CL, Malta DC, Barros MBA, Souza Júnior PRB, Azevedo LO, et al. Changes in Brazilians’ socioeconomic and health conditions during the COVID-19 pandemic. Rev Bras Epidemiol. 2021; 23: e200105. https://doi.org/10.1590/1980-549720200105
» https://doi.org/10.1590/1980-549720200105 -
18 Szwarcwald CL, Damacena GN, Barros MBA, Malta DC, Souza Júnior PRB, Azevedo LO, et al. Factors affecting Brazilians’ self-rated health during the COVID-19 pandemic. Cad Saude Publica. 2021; 37(3): e00182720. https://doi.org/10.1590/0102-311X00182720
» https://doi.org/10.1590/0102-311X00182720 -
19 Lima MG, Barros MBA, Szwarcwald CL, Malta DC, Romero DE, Werneck AO, et al. Association of social and economic conditions with the incidence of sleep disorders during the COVID-19 pandemic. Cad Saude Publica 2021; 37(3): e00218320. https://doi.org/10.1590/0102-311X00218320
» https://doi.org/10.1590/0102-311X00218320 -
20 Barros MBA, Lima MG, Malta DC, Szwarcwald CL, Azevedo RCS, Romero D, et al. Report on sadness/depression, nervousness/anxiety and sleep problems in the Brazilian adult population during the COVID-19 pandemic. Epidemiol Serv Saude 2020; 29(4): e2020427. https://doi.org/10.1590/s1679-49742020000400018
» https://doi.org/10.1590/s1679-49742020000400018 -
21 Malta DC, Szwarcwald CL, Barros MBA, Gomes CS, Machado IE, Souza Júnior PRB, et al. The COVID-19 pandemic and changes in adult Brazilian lifestyles: a cross-sectional study, 2020. Epidemiol Serv Saude 2020; 29(4): e2020407. https://orcid.org/10.1590/S1679-49742020000400026
» https://orcid.org/10.1590/S1679-49742020000400026 -
22 Werneck AO, Silva DR, Malta DC, Gomes CS, Souza-Júnior PR, Azevedo LO, et al. Associations of sedentary behaviours and incidence of unhealthy diet during the COVID-19 quarantine in Brazil. Public Health Nutr 2021; 24(3): 422-6. https://orcid.org/10.1017/S1368980020004188
» https://orcid.org/10.1017/S1368980020004188 -
23 Heckathorn DD. Respondent-driven sampling: a new approach to the study of hidden populations. Soc Probl 1997; 44(2): 174-99. https://orcid.org/10.2307/3096941
» https://orcid.org/10.2307/3096941 -
24 Salganik MJ, Heckathorn DD. Sampling and estimation in hidden populations using respondent-drive sampling. Sociol Methodol 2004; 34(1): 193-239. https://doi.org/10.1111/j.0081-1750.2004.00152.x
» https://doi.org/10.1111/j.0081-1750.2004.00152.x -
25 Damacena GN, Szwarcwald CL, Souza Júnior PRB, Ferreira Júnior OC, Almeida WS, Pascom ARP, et al. Application of the respondent-driven sampling methodology in a biological and behavioral surveillance survey among female sex workers, Brazil, 2016. Rev Bras Epidemiol 2019; 22(Suppl 1): e190002. https://orcid.org/10.1590/1980-549720190002.supl.1
» https://orcid.org/10.1590/1980-549720190002.supl.1 -
26 Gile KJ, Beaudry IS, Handcock MS, Ott MQ. Methods for inference from respondent-driven sampling data. Annu Rev Stat Appl 2018; 5(1): 65-93. https://doi.org/10.1146/annurev-statistics-031017-100704
» https://doi.org/10.1146/annurev-statistics-031017-100704 -
27 Stopa SR, Szwarcwald CL, Oliveira MM, Gouvea ECDP, Vieira MLFP, Freitas MPS, et al. National Health Survey 2019: history, methods and perspectives. Epidemiol Serv Saude 2020; 29(5): e2020315. https://orcid.org/10.1590/S1679-49742020000500004
» https://orcid.org/10.1590/S1679-49742020000500004 -
28 Duong KE, Henry SS, Cabana MD, Duong TQ. Longer-term effects of SARS-CoV-2 infection on asthma exacerbation. J Allergy Clin Immunol Pract 2025; 13(8): 2087-94.e3. https://orcid.org/10.1016/j.jaip.2025.05.010
» https://orcid.org/10.1016/j.jaip.2025.05.010 -
29 Silver SR, Li J, Saydah SH. Burden of selected chronic conditions among adults of prime working age (25-54) by 2022 self-reported COVID-19 and long COVID history compared to 2019 pre-pandemic baseline prevalence: behavioral risk factor surveillance system. Am J Ind Med 2025; 68(7): 620-30. https://orcid.org/10.1002/ajim.23735
» https://orcid.org/10.1002/ajim.23735 -
30 Sliwa K, Singh K, Nikhare K, Kondal D, Raspail L, Jain M, et al. Long COVID syndrome, mortality and morbidity in patients hospitalized with COVID-19 from 16 countries: the World Heart Federation Global COVID-19 study. Glob Heart 2025; 20(1): 66. https://orcid.org/10.5334/gh.1452
» https://orcid.org/10.5334/gh.1452 -
31 Yagi K, Kondo M, Terai H, Asakura T, Kimura R, Takemura R, et al. Impact of long COVID on the health-related quality of life of Japanese patients: a prospective nationwide cohort study. Respir Investig 2025; 63(4): 610-6. https://orcid.org/10.1016/j.resinv.2025.05.001
» https://orcid.org/10.1016/j.resinv.2025.05.001 -
32 Silva SS, Silveira MAC, Almeida HCR, Nascimento MCP, Santos MAM, Heimer MV. Use of digital screens by adolescents and association on sleep quality: a systematic review. Cad Saude Publica 2022; 38(10): e00300721. https://orcid.org/10.1590/0102-311XEN300721
» https://orcid.org/10.1590/0102-311XEN300721 -
33 Sebsbie S, Tsegaye A. Adolescents’ screen media entertainment: a quantitative, cross-sectional study. Front Psychol 2025; 16: 1549080. https://orcid.org/10.3389/fpsyg.2025.1549080
» https://orcid.org/10.3389/fpsyg.2025.1549080 -
34 Malta DC, Gomes CS, Prates EJS, Bernal RTI. Changes in chronic diseases and risk and protective factors before and after the third wave of COVID-19 in Brazil. Ciênc Saúde Colet 2023; 28(12): 3659-71. https://orcid.org/10.1590/1413-812320232812.08252022EN
» https://orcid.org/10.1590/1413-812320232812.08252022EN
Editado por
-
EDITORA CIENTÍFICA:
Cassia Maria Buchalla https://orcid.org/0000-0001-5169-5533
O conjunto de dados não está publicamente disponível devido conter informação que compromete a privacidade dos participantes da pesquisa.
