Pular para conteúdo

Cientista de dados de saúde pública

Você trabalha com microdados do SUS — mortalidade (SIM), nascimentos (SINASC), internações (SIH), atenção ambulatorial (SIA), cadastro de estabelecimentos (CNES). Sua rotina envolve baixar GBs de .dbc, juntar com denominadores populacionais, e produzir indicadores reproduzíveis.

Suas três dores

Dor A ferramenta
320+ GB de microdados em FTP legado que cai três vezes por semana datasus-fetcher
Denominadores populacionais por município, ano, faixa etária sidra-fetcher (Censo, Estimativas)
Auditar exatamente qual versão do dado alimentou seu paper Proveniência & Manifestos

Por onde começar

  1. 5 minutos: baixe o SIH-RD para SP nos últimos 3 anos via Quickstart aba Saúde.
  2. 15 minutos: liste todos os 113 datasets do DATASUS com datasus-fetcher list. Veja a estrutura antes de comprometer disco.
  3. 30 minutos: combine mortalidade do SIM com população do SIDRA para taxa por 100k habitantes — receita em Mortalidade infantil × SUS.

SIH-RD para SP em 3 linhas de CLI

# Listar datasets disponíveis
datasus-fetcher list

# Baixar internações hospitalares para SP, 2022–2023
datasus-fetcher sync sih-rd --regions sp --start 2022-01 --end 2023-12 -o /data/datasus

# Converter .dbc para Parquet (leitura 10× mais rápida)
datasus-fetcher convert sih-rd -o /data/datasus/parquet

# Leitura após conversão
import polars as pl
df = pl.read_parquet("/data/datasus/parquet/sih-rd/**/*.parquet")
print(df.shape)  # (linhas, colunas)

O conceito que importa para você

Reprodutibilidade — o DATASUS republica arquivos antigos quando há correção, frequentemente sem mudar o nome. A coluna archive/ do datasus-fetcher e o manifesto SHA-256 permitem provar com qual versão exata você trabalhou.

Padrões que economizam tempo

  • Filtre cedo. Use --regions sp rj mg e --start 2020-01 --end 2023-12 antes de qualquer download massivo. 320 GB começam pequenos quando você sabe o recorte.
  • .dbc precisa de leitor próprio. Use pyreaddbc ou converta para Parquet via quantilica-analytics. pd.read_csv não abre.
  • Baixe dicionários junto. datasus-fetcher sync --docs traz os PDFs de descrição dos campos — sem eles, códigos como RACACOR=4 ou CAUSABAS=I64 são opacos.
  • Use --dry-run antes do download real. Mostra tamanho total e número de arquivos. Evita surpresa de 50 GB.

Caminho de aprofundamento