Pular para conteúdo

Histopatológico de Mama (sismama-hm)

Resumo

Microdados do SISMAMA (INCA/DATASUS) com os laudos histopatológicos de mama realizados no SUS entre 2009 e 2015, por UF e mês. Cada linha é um laudo histopatológico.

Ficha técnica

Origem e coleta

  • Arquivos preliminares: Não
  • Documentação oficial no FTP: Não aplicável (o catálogo meta.docs não define diretório de documentação para este sistema)
  • Tabelas auxiliares no FTP: /dissemin/publicos/SISCAN/SISMAMA/Auxiliar

Diretórios e Padrões de Arquivos (meta.py)

Diretório FTP (dir) Prefixo (filename_prefix) Padrão (filename_pattern) Extensão Preliminar
/dissemin/publicos/SISCAN/SISMAMA/Dados HM uf_year2_month_pattern — UF (2 letras) + ano (2 dígitos) + mês (2 dígitos) dbc Não

Nomenclatura e Armazenamento Local

  • No servidor FTP (ftp.datasus.gov.br): HMSP1001.dbc — HM (histopatológico de mama) + SP (UF) + 10 (ano 2010) + 01 (mês).
  • No armazenamento local do datasus-fetcher: data/sismama-hm/<AAAAMM>/sismama-hm_<AAAAMM>-<uf>@<AAAAMMDD>.dbc, por exemplo data/sismama-hm/202401/[email protected] (o sufixo @AAAAMMDD é a data do arquivo no FTP; arquivos preliminares levam -preliminar no nome do dataset).
  • Documentação e Tabelas Auxiliares associadas:
  • Documentação: nenhum arquivo catalogado em documentation/sismama.json (não há meta.docs para sismama); o dicionário de variáveis está dentro do pacote de tabulação listado abaixo.
  • Tabelas auxiliares (datasus-metadata/metadata/auxiliary/sismama.json):
    • /dissemin/publicos/SISCAN/SISMAMA/Auxiliar/TAB_SISMAMA.zip (3.2 MB)

Conteúdo

O SISCOLO (Sistema de Informações do Câncer do Colo do Útero) e o SISMAMA (Sistema de Informação do Câncer de Mama) foram criados pelo Instituto Nacional de Câncer (INCA) e pelo DATASUS para apoiar o monitoramento e a gestão dos programas nacionais de controle dos cânceres do colo do útero e de mama, registrando os exames de rastreamento e de confirmação diagnóstica realizados no SUS. A partir de 2013 ambos foram substituídos gradualmente pelo Sistema de Informação do Câncer (SISCAN), implantado pela Portaria GM/MS nº 3.394/2013 em plataforma web; no FTP, os arquivos do SISCOLO e do SISMAMA ficam sob SISCAN/ e cobrem apenas o período em que os sistemas legados estavam em uso. Cobertura no FTP: janeiro/2009 a julho/2015, 27 UF, mensal.

Este dataset reúne os laudos histopatológicos de mama, incluindo biópsias e peças cirúrgicas, com dados de diagnóstico, estadiamento patológico e margens; a unidade de análise é o laudo. O instrumento é a requisição/laudo histopatológico de mama, preenchido pelos laboratórios no SISMAMA.

Indicadores: proporção de lesões malignas entre as biópsias, distribuição por tipo histológico, tamanho tumoral e acometimento linfonodal ao diagnóstico, que servem como proxy de estadiamento.

Sucede o sismama-cm na confirmação diagnóstica; volume pequeno (~6 MB).

Cobertura observada

  • Índice do FTP (2026-10): 1674 arquivos, de 2009-01 a 2015-07, 27 UF(s) com arquivos, última atualização em 2022-08-31.
  • Conversão local de amostras (5 arquivo(s) Parquet, de 2009-12 a 2015-01), feita em 2026-11-16 com o datasus-fetcher 0.19.0: serve de base ao esquema de referência. Períodos fora das amostras podem ter colunas que não aparecem aqui.

Variáveis de uso mais frequente (resumo da versão anterior desta página)

Nomes verificados contra o arquivo real HMSP1505.dbc (55 colunas; resultado do exame histopatológico de mama). Cada linha é um registro agregado de exames da competência.

Coluna (DBF) Tipo / Formato Descrição
CO_PAC_UF / CO_PAC_IBG String UF e município (IBGE, 7) de residência da paciente.
CO_US_UF / CO_US_IBGE / CO_US / CO_CNES String UF, município (IBGE, 7), código e CNES da unidade solicitante.
PRESTUF / PRESTMUN String UF e município do prestador do serviço.
REGUS / REGRESID / REGLAB String Indicadores de região da unidade, da residência e do laboratório.
ANO_COMP / DT_ID_COMP String Ano e competência (AAAAMM) do registro.
CO_FX_ETAR String Faixa etária da paciente.
CO_PAC_ESC / CO_PAC_SEX / CO_PAC_RAC String Escolaridade, sexo e raça/cor da paciente.
DINTCOLETA / DINTRESULT / DINTTEMPEX String Intervalos (categorizados) entre coleta, resultado e tempo de exame.
QUANTEXAME String (8) Quantidade de exames do registro.
CCLITPEXA / CCLITANT / CCLIDIAGIM / CCLILOCA String Dados clínicos: tipo de exame, antecedentes, diagnóstico por imagem e localização.
CHISLINFCO / CHISRECES / CHISRECPR String Histórico de linfonodos comprometidos e recidivas.
C_CLI_TCAN / C_CLI_DETE / CO_CLI_MAM / CO_CLI_TAM / CO_TAM_TUM / C_CLI_LINF / CCLIMATPRO String Dados clínicos do tumor: tipo de câncer, detecção, mama, tamanho e linfonodos.
CRESPROCIR / CO_RES_ADE / CMICMICRCA String Procedimento cirúrgico, adequabilidade do material (texto) e microcalcificações.
C_NEO_MALI / CO_HIS_GRA / CO_HIS_MAR String Neoplasia maligna, grau histológico e margens.
LESBENIGIN / CNEOMALIG / CBENHIPSAT / CBENHIPCAT / CBENLOBCAT / CBENADENOS / CBENESDERO / CBENFIBROC / CBENFIBROA / CBENSOLITA / CBENMULTI / CBENFLORID / CBENMASTIT / CBENOUTROS String (8) Contadores de lesões benignas (hiperplasias, adenose, esclerose, fibrose, fibroadenoma, papiloma, mastite e outras) e neoplasias malignas.

Variáveis

Descrições tiradas do informe técnico ou do dicionário de dados do DATASUS quando o campo consta do documento; textos marcados "inferido do nome do campo" não têm definição oficial; "Sem descrição na documentação oficial consultada" é lacuna a preencher. Tipo e Período vêm do esquema de referência (conversão local de amostras): Período é o intervalo de partições amostradas em que a coluna existe, e todos significa todas as amostras. Na fonte é o nome do campo no DBF.

Coluna no lake Na fonte Tipo Descrição Unidade / códigos Período
co_pac_uf CO_PAC_UF texto UF de residência da paciente (inferido do nome do campo; sem definição na documentação oficial consultada) — todos
co_us_uf CO_US_UF texto UF da unidade de saúde solicitante (inferido do nome do campo; sem definição na documentação oficial consultada) — todos
co_pac_ibg CO_PAC_IBG texto Município de residência da paciente (código IBGE) (inferido do nome do campo; sem definição na documentação oficial consultada) — todos
co_us_ibge CO_US_IBGE texto Município da unidade de saúde solicitante (código IBGE) (inferido do nome do campo; sem definição na documentação oficial consultada) — todos
co_us CO_US texto Código da unidade de saúde solicitante do exame (inferido do nome do campo; sem definição na documentação oficial consultada) — todos
co_cnes CO_CNES texto Código CNES do estabelecimento responsável pelo laudo (inferido do nome do campo; sem definição na documentação oficial consultada) — todos
prestuf PRESTUF texto Sem descrição na documentação oficial consultada; o nome é o do campo no arquivo de origem — todos
prestmun PRESTMUN texto Sem descrição na documentação oficial consultada; o nome é o do campo no arquivo de origem — todos
regus REGUS texto Região de saúde da unidade solicitante (inferido do nome do campo; sem definição na documentação oficial consultada) — todos
regresid REGRESID texto Região de saúde de residência da paciente (inferido do nome do campo; sem definição na documentação oficial consultada) — todos
reglab REGLAB texto Região de saúde do laboratório (inferido do nome do campo; sem definição na documentação oficial consultada) — todos
ano_comp ANO_COMP texto Ano da competência do laudo (inferido do nome do campo; sem definição na documentação oficial consultada) — todos
dt_id_comp DT_ID_COMP texto Competência da data do laudo (inferido do nome do campo; sem definição na documentação oficial consultada) — todos
co_fx_etar CO_FX_ETAR texto Faixa etária da paciente (inferido do nome do campo; sem definição na documentação oficial consultada) — todos
co_pac_esc CO_PAC_ESC texto Escolaridade da paciente (inferido do nome do campo; sem definição na documentação oficial consultada) — todos
co_pac_sex CO_PAC_SEX texto Sexo da paciente (inferido do nome do campo; sem definição na documentação oficial consultada) — todos
co_pac_rac CO_PAC_RAC texto Raça/cor da paciente (inferido do nome do campo; sem definição na documentação oficial consultada) — todos
cclitpexa CCLITPEXA texto Campo do laudo do SISMAMA (CCLITPEXA); sem dicionário oficial no FTP — todos
cclitant CCLITANT texto Campo do laudo do SISMAMA (CCLITANT); sem dicionário oficial no FTP — todos
cclidiagim CCLIDIAGIM texto Campo do laudo do SISMAMA (CCLIDIAGIM); sem dicionário oficial no FTP — todos
ccliloca CCLILOCA texto Campo do laudo do SISMAMA (CCLILOCA); sem dicionário oficial no FTP — todos
chislinfco CHISLINFCO texto Campo do laudo do SISMAMA (CHISLINFCO) sobre achados do exame (atipias, células, neoplasias, extensão, margens ou resultados); sem dicionário oficial no FTP — todos
chisreces CHISRECES texto Campo do laudo do SISMAMA (CHISRECES) sobre achados do exame (atipias, células, neoplasias, extensão, margens ou resultados); sem dicionário oficial no FTP — todos
chisrecpr CHISRECPR texto Campo do laudo do SISMAMA (CHISRECPR) sobre achados do exame (atipias, células, neoplasias, extensão, margens ou resultados); sem dicionário oficial no FTP — todos
c_cli_tcan C_CLI_TCAN texto Campo do laudo do SISMAMA (C_CLI_TCAN) sobre achados do exame (atipias, células, neoplasias, extensão, margens ou resultados); sem dicionário oficial no FTP — todos
c_cli_dete C_CLI_DETE texto Campo do laudo do SISMAMA (C_CLI_DETE) sobre achados do exame (atipias, células, neoplasias, extensão, margens ou resultados); sem dicionário oficial no FTP — todos
co_cli_mam CO_CLI_MAM texto Campo do laudo do SISMAMA (CO_CLI_MAM) sobre achados do exame (atipias, células, neoplasias, extensão, margens ou resultados); sem dicionário oficial no FTP — todos
co_cli_tam CO_CLI_TAM texto Campo do laudo do SISMAMA (CO_CLI_TAM) sobre achados do exame (atipias, células, neoplasias, extensão, margens ou resultados); sem dicionário oficial no FTP — todos
co_tam_tum CO_TAM_TUM texto Campo do laudo do SISMAMA (CO_TAM_TUM); sem dicionário oficial no FTP — todos
c_cli_linf C_CLI_LINF texto Campo do laudo do SISMAMA (C_CLI_LINF) sobre achados do exame (atipias, células, neoplasias, extensão, margens ou resultados); sem dicionário oficial no FTP — todos
cclimatpro CCLIMATPRO texto Campo do laudo do SISMAMA (CCLIMATPRO) sobre achados do exame (atipias, células, neoplasias, extensão, margens ou resultados); sem dicionário oficial no FTP — todos
dintcoleta DINTCOLETA texto Dias entre a coleta e o recebimento da amostra (inferido do nome do campo; sem definição na documentação oficial consultada) — todos
dintresult DINTRESULT texto Dias entre o recebimento e o resultado (inferido do nome do campo; sem definição na documentação oficial consultada) — todos
dinttempex DINTTEMPEX texto Dias entre a coleta e o resultado (inferido do nome do campo; sem definição na documentação oficial consultada) — todos
cresprocir CRESPROCIR texto Campo do laudo do SISMAMA (CRESPROCIR) sobre achados do exame (atipias, células, neoplasias, extensão, margens ou resultados); sem dicionário oficial no FTP — todos
co_res_ade CO_RES_ADE texto Campo do laudo do SISMAMA (CO_RES_ADE) sobre achados do exame (atipias, células, neoplasias, extensão, margens ou resultados); sem dicionário oficial no FTP — todos
cmicmicrca CMICMICRCA texto Pesquisa de microbiologia no exame (SISMAMA); campo CMICMICRCA: presença do microrganismo indicado pelo nome (lactobacilos, cocos, Chlamydia, Actinomyces, bacilos, Trichomonas, Herpes, Candida, Gardnerella, outros) — todos
c_neo_mali C_NEO_MALI texto Campo do laudo do SISMAMA (C_NEO_MALI) sobre achados do exame (atipias, células, neoplasias, extensão, margens ou resultados); sem dicionário oficial no FTP — todos
co_his_gra CO_HIS_GRA texto Campo do laudo do SISMAMA (CO_HIS_GRA) sobre achados do exame (atipias, células, neoplasias, extensão, margens ou resultados); sem dicionário oficial no FTP — todos
co_his_mar CO_HIS_MAR texto Campo do laudo do SISMAMA (CO_HIS_MAR) sobre achados do exame (atipias, células, neoplasias, extensão, margens ou resultados); sem dicionário oficial no FTP — todos
quantexame QUANTEXAME texto Quantidade de exames do registro (agregação) (inferido do nome do campo; sem definição na documentação oficial consultada) — todos
lesbenigin LESBENIGIN texto Campo do laudo do SISMAMA (LESBENIGIN) sobre achados do exame (atipias, células, neoplasias, extensão, margens ou resultados); sem dicionário oficial no FTP — todos
cneomalig CNEOMALIG texto Campo do laudo do SISMAMA (CNEOMALIG) sobre achados do exame (atipias, células, neoplasias, extensão, margens ou resultados); sem dicionário oficial no FTP — todos
cbenhipsat CBENHIPSAT texto Alteração celular benigna ou resultado benigno do laudo (SISMAMA); campo CBENHIPSAT — todos
cbenhipcat CBENHIPCAT texto Alteração celular benigna ou resultado benigno do laudo (SISMAMA); campo CBENHIPCAT — todos
cbenlobcat CBENLOBCAT texto Alteração celular benigna ou resultado benigno do laudo (SISMAMA); campo CBENLOBCAT — todos
cbenadenos CBENADENOS texto Alteração celular benigna ou resultado benigno do laudo (SISMAMA); campo CBENADENOS — todos
cbenesdero CBENESDERO texto Alteração celular benigna ou resultado benigno do laudo (SISMAMA); campo CBENESDERO — todos
cbenfibroc CBENFIBROC texto Alteração celular benigna ou resultado benigno do laudo (SISMAMA); campo CBENFIBROC — todos
cbenfibroa CBENFIBROA texto Alteração celular benigna ou resultado benigno do laudo (SISMAMA); campo CBENFIBROA — todos
cbensolita CBENSOLITA texto Alteração celular benigna ou resultado benigno do laudo (SISMAMA); campo CBENSOLITA — todos
cbenmulti CBENMULTI texto Alteração celular benigna ou resultado benigno do laudo (SISMAMA); campo CBENMULTI — todos
cbenflorid CBENFLORID texto Alteração celular benigna ou resultado benigno do laudo (SISMAMA); campo CBENFLORID — todos
cbenmastit CBENMASTIT texto Alteração celular benigna ou resultado benigno do laudo (SISMAMA); campo CBENMASTIT — todos
cbenoutros CBENOUTROS texto Alteração celular benigna ou resultado benigno do laudo (SISMAMA); campo CBENOUTROS — todos
uf — texto UF do arquivo de origem (sigla em minúsculas, br para arquivos nacionais), gravada pelo conversor; as linhas do período saem ordenadas por ela sigla da UF todos
_origem — texto Chave do arquivo bruto que originou a linha (nome do arquivo no FTP, sem o carimbo de data), gravada pelo conversor texto todos

No lake

  • Dataset no lake: datasus/sismama-hm, particionado por ano, mes (diretórios chave=valor). A UF do arquivo de origem vai na coluna uf (as linhas do período saem ordenadas por ela) e o nome do arquivo bruto, na coluna _origem; os arquivos de uma mesma partição compartilham um Parquet.
  • Chave: sem chave natural declarada. Nenhuma combinação de colunas foi conferida como única nas amostras; para tirar duplicatas, defina a chave por consulta (ver Cuidados de uso).
  • Tipos nas amostras (número de colunas): texto: 57.
  • Transformações do conversor (datasus-fetcher 0.19.0, wrangle_datasus e LakeConverter): nomes de coluna em minúsculas; textos aparados (espaços das pontas saem); valores de preenchimento (texto vazio, NA, null, None e códigos como 999999 e 00000000, conforme a lista SENTINEL_NULLS do pacote) viram nulo; colunas de código (CID, CNES, município, procedimento, CEP, número de AIH e semelhantes) ficam como texto, preservando zeros à esquerda; colunas de data no formato AAAAMMDD viram data (valores inválidos interrompem a conversão em vez de virarem nulo); valores monetários com casas decimais ficam como decimal exato; registros marcados como excluídos no DBF são descartados; arquivos DBC sem nenhuma linha não passam pela limpeza (ver Cuidados de uso).
  • Esquema de referência: sismama-hm.schema.json, gerado por conversão local de amostras. Tipos listados com mais de um valor variam entre partições.

Cuidados de uso

  • Dado pessoal: as colunas listadas em dados_pessoais no cabeçalho são o inventário por nome de coluna; atributos demográficos e territoriais (sexo, raça/cor, idade, município de residência) não entram na lista, mas combinados podem identificar uma pessoa.

Exemplos

Consulta sobre o lake (polars)

Quantas linhas há por período e por UF do arquivo de origem? (confere a cobertura do lake antes de qualquer análise)

from pathlib import Path

import polars as pl

arquivos = sorted(Path("lake/datasus/sismama-hm").glob("**/*.parquet"))
dados = pl.concat(  # períodos diferentes têm colunas e tipos diferentes
    [pl.scan_parquet(a, hive_partitioning=True) for a in arquivos],
    how="diagonal_relaxed",
)

(
    dados.group_by("ano", "mes", "uf")
    .agg(pl.len().alias("linhas"))
    .sort("ano", "mes", "uf")
    .collect()
)

O caminho lake/ é a raiz do lake (a pasta que contém datasus/). A consulta foi executada sobre a conversão local de amostras de 2026-11-16.

Pela linha de comando (datasus-fetcher)

# o que o FTP publica para o dataset (arquivos e tamanho)
datasus-fetcher list sismama-hm

# baixa um recorte, com a documentação oficial e as tabelas auxiliares (`--dry-run` só lista)
datasus-fetcher sync sismama-hm -o ./data --start 2024-01 --end 2024-12 --docs --aux

# converte o que foi baixado para o lake (Parquet particionado)
datasus-fetcher convert -i ./data -o ./lake --dataset sismama-hm

Referências

  • Servidor FTP do DATASUS: ftp://ftp.datasus.gov.br/dissemin/publicos/SISCAN/SISMAMA/Dados
  • Portal de Transferência de Arquivos do DATASUS: https://datasus.saude.gov.br/transferencia-de-arquivos/
  • TabNet DATASUS: https://datasus.saude.gov.br/informacoes-de-saude-tabnet/
  • INCA — Sistema de Informação do Câncer (SISCAN): https://www.gov.br/inca/pt-br/assuntos/gestor-e-profissional-de-saude/siscan
  • Portaria GM/MS nº 3.394/2013 — institui o SISCAN.
  • Pacote de tabulação no FTP: TAB_SISMAMA.zip (inclui o dicionário de variáveis e arquivos .cnv/.def para tabulação).
  • PCDaS / Fiocruz: https://pcdas.icict.fiocruz.br/
  • Wiki Saúde (DATASUS): https://wiki.saude.gov.br/