BOLETIM DE ANÁLISES ESTATÍSTICO BASTA 2018 Vol. 1

(1)

Programas de Pós Graduação em

Economia e Administração da

PUC-SP

BOLETIM DE ANÁLISES ESTATÍSTICO

BASTA 201

₈

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

201

8 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 5.3 Análise de Regressão: ... 16 5.4 Análise de Regressão: ... 16 5.5 Análise de Regressão: ... 17 5.6 Análise de Regressão: ... 17

6. Smart Age Index – AIBER ... 18

7. Conclusões ... 20

(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”.

(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

(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

(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%

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

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%

Coef P Coef P Coef P 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%

Coef P Coef P Coef P 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%

Coef P Coef P Coef P 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%

Coef P Coef P Coef P 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%

Fonte GL SQ (Aj.) QM (Aj.) Valor F Valor-P 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 Sumário do Modelo S R2 R2(aj) R2(pred) 0,0040181 100,00% 100,00% 99,97% Coeficientes

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

Coef P Coef P Coef P 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%

Fonte GL SQ (Aj.) QM (Aj.) Valor F Valor-P 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 Sumário do Modelo S R2 R2(aj) R2(pred) 0,145312 98,39% 98,06% 97,46% Coeficientes

Termo Coef EP de Coef Valor-T Valor-P VIF 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”.

Fonte GL SQ (Aj.) QM (Aj.) Valor F Valor-P 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 Sumário do Modelo S R2 R2(aj) R2(pred) 0,481712 98,20% 97,98% 97,49% Coeficientes

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

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”

Fonte GL SQ (Aj.) QM (Aj.) Valor F Valor-P 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 Sumário do Modelo S R2 R2(aj) R2(pred) 0,311064 96,52% 95,53% 92,64% Coeficientes

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

Fonte GL SQ (Aj.) QM (Aj.) Valor F Valor-P 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 Sumário do Modelo S R2 R2(aj) R2(pred) 0,145312 98,39% 98,06% 97,46% Coeficientes

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

(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 1a 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