Population ageing challenges health care systems due to the high prevalence and impact of multimorbidity in older adults. However, little is known about how chronic conditions present in certain multimorbidity patterns, which could have great impact on public health at several levels. The aim of our study was to identify and describe multimorbidity patterns in low-, middle-, and high-income countries.We analyzed data from the Collaborative Research on Ageing in Europe project (Finland, Poland, and Spain) and the World Health Organization's Study on Global Ageing and Adult Health (China, Ghana, India, Mexico, Russia, and South Africa). These cross-sectional studies obtained data from 41,909 noninstitutionalized adults older than 50 years. Exploratory factor analysis was performed to detect multimorbidity patterns. Additional adjusted binary logistic regressions were performed to identify associations between sociodemographic factors and multimorbidity.Overall multimorbidity prevalence was high across countries. Hypertension, cataract, and arthritis were the most prevalent comorbid conditions. Two or three multimorbidity patterns were found per country. Several patterns were identified across several countries: "cardio-respiratory" (angina, asthma, and chronic obstructive pulmonary disease), "metabolic" (diabetes, obesity, and hypertension), and "mental-articular" (arthritis and depression).A high prevalence of multimorbidity occurs in older adults across countries, with low- and middle-income countries gradually approaching the figures of richer countries. Certain multimorbidity patterns are present in several countries, which suggest that common underlying etiopathogenic factors may play a role. Deeper understanding of these patterns may lead to the development of preventive actions to diminish their prevalence and also give rise to new, comprehensive approaches for the management of these co-occurring conditions.

Low socio-economic status (SES) has been found to be associated with a higher prevalence of depression. However, studies that have investigated this association have been limited in their national scope, have analyzed different components of SES separately, and have not used standardized definitions or measurements across populations. The aim of the current study was to evaluate the association between SES and depression across three European countries that represent different regions across Europe, using standardized procedures and measurements and a composite score for SES. Nationally-representative data on 10,800 individuals aged ≥18 from the Collaborative Research on Ageing in Europe (COURAGE) survey conducted in Finland, Poland and Spain were analyzed in this cross-sectional study. An adapted version of the Composite International Diagnostic Interview was used to identify the presence of depression, and SES was computed by using the combined scores of the total number of years educated (0–22) and the quintiles of the country-specific income level of the household (1–5). Multivariable logistic regression was used to assess the association between SES and depression. Findings reveal a significant association between depression and SES across all countries (p ≤ 0.001). After adjusting for confounders, the odds of depression were significantly decreased for every unit increase in the SES index for Finland, Poland and Spain. Additionally, higher education significantly decreased the odds for depression in each country, but income did not. The SES index seems to predict depression symptomatology across European countries. Taking SES into account may be an important factor in the development of depression prevention strategies across Europe.

Abstract Background The aim of this study was to evaluate the factors associated with low skeletal muscle mass (SMM), sarcopenia, and sarcopenic obesity using nationally representative samples of people aged ≥65 years from diverse geographical regions of the world. Methods Data were available for 18 363 people aged ≥65 years who participated in the Collaborative Research on Ageing in Europe survey conducted in Finland, Poland, and Spain, and the World Health Organization Study on global AGEing and adult health survey conducted in China, Ghana, India, Mexico, Russia, and South Africa, between 2007 and 2012. A skeletal muscle mass index (SMI) was created to reflect SMM. SMM, SMI, and percent body fat (%BF) were calculated with specific indirect population formulas. These estimates were based on age, sex, weight, height, and race. Sarcopenia and sarcopenic obesity were defined with specific cut‐offs. Results The prevalence of sarcopenia ranged from 12.6% (Poland) to 17.5% (India), and that of sarcopenic obesity ranged from 1.3% (India) to 11.0% (Spain). Higher %BF was associated with lower SMM in all countries, and with sarcopenia in five countries ( p < 0.001). Compared to high levels of physical activity, low levels were related with higher odds for sarcopenia [OR 1.36 (95%CI 1.11–1.67)] and sarcopenic obesity [OR 1.80 (95%CI 1.23–2.64)] in the overall sample. Also, a dose‐dependent association between higher numbers of chronic diseases and sarcopenic obesity was observed. Conclusions Physical activity and body composition changes such as high %BF are key factors for the prevention of sarcopenia syndrome.

Background Data on the association between chronic conditions or the number of chronic conditions and sleep problems in low- or middle-income countries is scarce, and global comparisons of these associations with high-income countries have not been conducted. Methods Data on 42116 individuals 50 years and older from nationally-representative samples of the Collaborative Research on Ageing in Europe (Finland, Poland, Spain) and the World Health Organization's Study on Global Ageing and Adult Health (China, Ghana, India, Mexico, Russia, South Africa) conducted between 2011–2012 and 2007–2010 respectively were analyzed. Results The association between nine chronic conditions (angina, arthritis, asthma, chronic lung disease, depression, diabetes, hypertension, obesity, and stroke) and self-reported severe/extreme sleep problems in the past 30 days was estimated by logistic regression with multiple variables. The age-adjusted prevalence of sleep problems ranged from 2.8% (China) to 17.0% (Poland). After adjustment for confounders, angina (OR 1.75–2.78), arthritis (OR 1.39–2.46), and depression (OR 1.75–5.12) were significantly associated with sleep problems in the majority or all of the countries. Sleep problems were also significantly associated with: asthma in Finland, Spain, and India; chronic lung disease in Poland, Spain, Ghana, and South Africa; diabetes in India; and stroke in China, Ghana, and India. A linear dose-dependent relationship between the number of chronic conditions and sleep problems was observed in all countries. Compared to no chronic conditions, the OR (95%CI) for 1,2,3, and≥4 chronic conditions was 1.41 (1.09–1.82), 2.55 (1.99–3.27), 3.22 (2.52–4.11), and 7.62 (5.88–9.87) respectively in the overall sample. Conclusions Identifying co-existing sleep problems among patients with chronic conditions and treating them simultaneously may lead to better treatment outcome. Clinicians should be aware of the high risk for sleep problems among patients with multimorbidity. Future studies are needed to elucidate the best treatment options for comorbid sleep problems especially in developing country settings.