Data: 18/11/2026
Horário: 8h às
12h30
Local: Sala 109
Formato:
presencial, nível intermediário
Docentes: Felipe
Ferré e Mariá Pereira
Material necessário:
computador com R, RStudio e acesso à internet
Dados da SABEIS via FTP utilizando a Linguagem R
O curso capacita os participantes a acessar, baixar, organizar, ler e analisar dados da Sala Aberta de Inteligência em Saúde (SABEIS) com a linguagem R. A atividade enfatiza o uso desses dados em Avaliação de Tecnologias em Saúde (ATS), especialmente na estimativa de demanda aferida para análises de impacto orçamentário e no monitoramento pós-incorporação.
O nome oficial do curso usa “FTP”. O serviço utilizado na prática é SFTP, isto é, transferência de arquivos sobre SSH.
Ao final da aula, o participante deverá ser capaz de:
csv.gz sem descompactá-lo
manualmente;| Horário | Atividade | Produto |
|---|---|---|
| 08:00–08:20 | Apresentação da SABEIS e dos dados abertos do SUS | Contexto analítico definido |
| 08:20–08:40 | Preparação do R e diagnóstico do SFTP | Ambiente validado |
| 08:40–09:20 | Estrutura do repositório e gramática dos arquivos | Catálogo de coortes |
| 09:20–10:05 | Listagem, seleção e download | Arquivo local validado |
| 10:05–10:15 | Intervalo | — |
| 10:15–11:00 | Leitura, inspeção e controle de qualidade | Base pronta para análise |
| 11:00–11:40 | Tabelas auxiliares e enriquecimento | Coorte documentada |
| 11:40–12:15 | Demanda aferida | Série mensal |
| 12:15–12:30 | Exercício e fechamento | Checklist de reprodução |
A SABEIS é uma metodologia de extração, transformação, carga e curadoria de dados administrativos do SUS. O trabalho começou em 2019 no âmbito do DGITS/SECTICS/MS e apoia a Conitec desde 2020.
Seus princípios são:
Antes de iniciar qualquer análise, registre:
Uma linha do SIA/SUS não representa automaticamente uma pessoa. A mesma pessoa pode gerar várias linhas e alguns subconjuntos não contêm identificador suficiente para análise longitudinal.
| Fonte | Uso | Endereço |
|---|---|---|
| TabNet | Consulta e validação de agregados | https://datasus.saude.gov.br/informacoes-de-saude-tabnet/ |
| FTP do DATASUS | Arquivos públicos de disseminação | ftp://ftp.datasus.gov.br/dissemin/publicos/ |
| SABEIS | Coortes curadas e arquivos tabulados | sftp://45.231.133.29:7891/srv/ftp/dadosabertos/ |
| BD Geral SABEIS | Tabelas auxiliares | https://github.com/sabeis-ats/bd_geral |
| ETL SABEIS | Descrição do processo | https://rpubs.com/sabeis/etl |
Execute uma vez no console do R:
Por padrão, este documento compila sem abrir a conexão SFTP:
Depois de instalar os pacotes e confirmar a internet, altere o
parâmetro para true e compile novamente. Todos os blocos da
prática serão executados.
As credenciais abaixo são abertas e fazem parte do ambiente público da aula.
sabeis <- list(
host = "45.231.133.29",
porta = 7891L,
usuario = "livre",
senha = "12345",
diretorio = "/srv/ftp/dadosabertos/",
url_base = "sftp://45.231.133.29:7891/srv/ftp/dadosabertos/",
userpwd = "livre:12345"
)
sabeis$url_base#> [1] "sftp://45.231.133.29:7891/srv/ftp/dadosabertos/"
#> [1] "livre:12345"
handle_listagem <- curl::new_handle(
userpwd = sabeis$userpwd,
dirlistonly = TRUE
)
conexao <- curl::curl(
url = sabeis$url_base,
handle = handle_listagem
)
arquivos <- readLines(conexao, warn = FALSE)
close(conexao)
arquivos <- trimws(arquivos)
arquivos <- arquivos[nzchar(arquivos)]
length(arquivos)
head(arquivos, 20)csv.gzUm nome típico é:
tf_sia_200801_pa_058_fen_subgrupo604.20250907.80541.csv.gz
| Parte | Significado no exemplo |
|---|---|
tf |
tabela fato |
sia |
sistema de origem |
200801 |
competência inicial |
pa |
arquivo do SIA/SUS |
058 |
código da diretriz |
fen |
sigla do PCDT |
subgrupo604 |
recorte da coorte |
20250907 |
data de geração |
80541 |
quantidade declarada de registros |
interpretar_nome_sabeis <- function(nomes) {
modelo <- data.frame(
sistema = character(),
competencia_inicial = character(),
arquivo_sia = character(),
nu_diretriz = character(),
sg_pcdt = character(),
recorte = character(),
data_geracao_chr = character(),
qt_registro_chr = character(),
stringsAsFactors = FALSE
)
partes <- strcapture(
pattern = paste0(
"^tf_([^_]+)_([0-9]{6})_([^_]+)_([0-9]{3})_",
"([^_]+)_(.+)\\.([0-9]{8})\\.([0-9]+)\\.csv\\.gz$"
),
x = basename(nomes),
proto = modelo,
perl = TRUE
)
partes$no_arquivo <- basename(nomes)
partes$data_geracao <- as.Date(partes$data_geracao_chr, format = "%Y%m%d")
partes$qt_registro <- suppressWarnings(as.integer(partes$qt_registro_chr))
partes$nome_valido <- !is.na(partes$sistema)
partes[c(
"no_arquivo",
"nome_valido",
"sistema",
"competencia_inicial",
"arquivo_sia",
"nu_diretriz",
"sg_pcdt",
"recorte",
"data_geracao",
"qt_registro"
)]
}
interpretar_nome_sabeis(
"tf_sia_200801_pa_058_fen_subgrupo604.20250907.80541.csv.gz"
)#> no_arquivo nome_valido sistema
#> 1 tf_sia_200801_pa_058_fen_subgrupo604.20250907.80541.csv.gz TRUE sia
#> competencia_inicial arquivo_sia nu_diretriz sg_pcdt recorte data_geracao qt_registro
#> 1 200801 pa 058 fen subgrupo604 2025-09-07 80541
O parâmetro limite_registros evita a escolha inicial de
um arquivo grande.
candidatos <- catalogo[
catalogo$nome_valido &
!is.na(catalogo$qt_registro) &
catalogo$qt_registro > 0 &
catalogo$qt_registro <= params$limite_registros,
]
candidatos <- candidatos[
order(candidatos$qt_registro, candidatos$no_arquivo),
]
if (nrow(candidatos) == 0) {
stop("Nenhum arquivo atende ao limite definido em params$limite_registros.")
}
head(candidatos, 20)
arquivo_escolhido <- candidatos[1, ]
arquivo_escolhidoPara escolher outra diretriz, filtre explicitamente a sigla ou o código:
O arquivo é baixado inicialmente com o sufixo .part. O
nome final só é usado depois da conclusão da transferência.
baixar_sabeis <- function(nome_arquivo, diretorio = "dados_sabeis") {
dir.create(diretorio, recursive = TRUE, showWarnings = FALSE)
destino <- file.path(diretorio, basename(nome_arquivo))
temporario <- paste0(destino, ".part")
url_arquivo <- paste0(sabeis$url_base, basename(nome_arquivo))
if (file.exists(temporario)) {
unlink(temporario)
}
handle_download <- curl::new_handle(userpwd = sabeis$userpwd)
curl::curl_download(
url = url_arquivo,
destfile = temporario,
mode = "wb",
handle = handle_download,
quiet = FALSE
)
if (!file.exists(temporario) || file.info(temporario)$size == 0) {
stop("O download não produziu um arquivo válido.")
}
if (file.exists(destino)) {
unlink(destino)
}
renomeado <- file.rename(temporario, destino)
if (!renomeado) {
stop("Não foi possível renomear o arquivo temporário.")
}
normalizePath(destino, winslash = "/", mustWork = TRUE)
}data.table::fread() lê csv.gz diretamente.
A leitura inicial como texto preserva códigos, zeros à esquerda e
identificadores longos.
registros_observados <- nrow(dados)
registros_declarados <- arquivo_escolhido$qt_registro
diferenca <- registros_observados - registros_declarados
validacao_contagem <- data.frame(
arquivo = arquivo_escolhido$no_arquivo,
registros_declarados = registros_declarados,
registros_observados = registros_observados,
diferenca = diferenca,
contagem_confere = identical(
as.integer(registros_observados),
as.integer(registros_declarados)
)
)
validacao_contagemUma diferença não deve ser corrigida silenciosamente. Registre a versão do arquivo, a data da extração e investigue a regra de geração da coorte.
O repositório sabeis-ats/bd_geral contém dimensões
reutilizadas no processo de curadoria. Os arquivos podem ser lidos
diretamente pelo R.
url_bd_geral <- "https://raw.githubusercontent.com/sabeis-ats/bd_geral/refs/heads/main/"
td_diretriz_cnv <- data.table::fread(
paste0(url_bd_geral, "td_diretriz_cnv.csv"),
colClasses = "character"
)
td_doenca_cid10 <- data.table::fread(
paste0(url_bd_geral, "td_doenca_cid10.csv"),
colClasses = "character"
)
td_sigtap <- data.table::fread(
paste0(url_bd_geral, "td_sigtap.csv"),
colClasses = "character"
)
td_municipio <- data.table::fread(
paste0(url_bd_geral, "municipio_regiao_saude_amazonia_legal_ips.csv"),
colClasses = "character"
)
list(
diretrizes = dim(td_diretriz_cnv),
doencas = dim(td_doenca_cid10),
sigtap = dim(td_sigtap),
municipios = dim(td_municipio)
)data.table::setnames(td_diretriz_cnv, tolower(names(td_diretriz_cnv)))
if (!"nu_diretriz" %in% names(td_diretriz_cnv)) {
stop("A coluna nu_diretriz não foi encontrada em td_diretriz_cnv.")
}
td_diretriz_cnv[, nu_diretriz_chave := sprintf(
"%03d",
suppressWarnings(as.integer(gsub("[^0-9]", "", nu_diretriz)))
)]
catalogo_dt <- data.table::as.data.table(catalogo)
catalogo_enriquecido <- merge(
x = catalogo_dt,
y = td_diretriz_cnv,
by.x = "nu_diretriz",
by.y = "nu_diretriz_chave",
all.x = TRUE,
sort = FALSE
)
colunas_exibir <- intersect(
c(
"nu_diretriz",
"sg_pcdt",
"no_diretriz",
"co_cid",
"no_arquivo",
"qt_registro",
"data_geracao"
),
names(catalogo_enriquecido)
)
head(catalogo_enriquecido[, ..colunas_exibir], 20)Procedimentos e valores devem ser relacionados à versão do SIGTAP válida para a competência do fato. Usar apenas a versão mais recente em uma série histórica pode alterar descrições, compatibilidades e valores.
Antes do relacionamento, verifique quais campos de competência estão disponíveis:
campos_obrigatorios <- c("nu_competencia", "nu_cnspcn")
campos_ausentes <- setdiff(campos_obrigatorios, names(dados))
if (length(campos_ausentes) > 0) {
stop(
"Campos necessários ausentes: ",
paste(campos_ausentes, collapse = ", ")
)
}
dados[, nu_competencia_chr := sprintf(
"%06d",
suppressWarnings(as.integer(nu_competencia))
)]
dados[, mes := as.Date(
paste0(nu_competencia_chr, "01"),
format = "%Y%m%d"
)]
if ("qt_aprovada" %in% names(dados)) {
dados[, qt_aprovada_num := suppressWarnings(
as.numeric(gsub(",", ".", qt_aprovada, fixed = TRUE))
)]
} else {
dados[, qt_aprovada_num := NA_real_]
}plot(
x = demanda_mensal$mes,
y = demanda_mensal$usuarios_distintos,
type = "o",
pch = 16,
col = "#17365d",
xlab = "Competência",
ylab = "Usuários distintos",
main = "Demanda aferida por competência"
)
grid()Interpretação. A contagem representa identificadores distintos observados nos registros selecionados. Ela não é automaticamente igual à prevalência da doença, ao número de pessoas elegíveis para uma tecnologia ou à população que deveria receber tratamento.
Escolha uma diretriz e produza uma ficha contendo:
Modelo de registro:
ficha <- list(
diretriz = NA_character_,
nu_diretriz = NA_character_,
arquivo = arquivo_escolhido$no_arquivo,
competencia_inicial = arquivo_escolhido$competencia_inicial,
data_geracao = arquivo_escolhido$data_geracao,
registros_declarados = arquivo_escolhido$qt_registro,
registros_observados = nrow(dados),
data_extracao = Sys.time(),
marcador_validacao = NA_character_,
limitacoes = NA_character_
)
ficha#> R version 4.3.3 (2024-02-29)
#> Platform: x86_64-pc-linux-gnu (64-bit)
#> Running under: Ubuntu 24.04.5 LTS
#>
#> Matrix products: default
#> BLAS: /usr/lib/x86_64-linux-gnu/blas/libblas.so.3.12.0
#> LAPACK: /usr/lib/x86_64-linux-gnu/lapack/liblapack.so.3.12.0
#>
#> locale:
#> [1] LC_CTYPE=pt_BR.UTF-8 LC_NUMERIC=C LC_TIME=pt_BR.UTF-8
#> [4] LC_COLLATE=pt_BR.UTF-8 LC_MONETARY=pt_BR.UTF-8 LC_MESSAGES=pt_BR.UTF-8
#> [7] LC_PAPER=pt_BR.UTF-8 LC_NAME=C LC_ADDRESS=C
#> [10] LC_TELEPHONE=C LC_MEASUREMENT=pt_BR.UTF-8 LC_IDENTIFICATION=C
#>
#> time zone: America/Sao_Paulo
#> tzcode source: system (glibc)
#>
#> attached base packages:
#> [1] stats graphics grDevices utils datasets methods base
#>
#> loaded via a namespace (and not attached):
#> [1] digest_0.6.38 R6_2.6.1 fastmap_1.2.0 xfun_0.54 cachem_1.1.0
#> [6] knitr_1.50 htmltools_0.5.8.1 rmarkdown_2.30 lifecycle_1.0.5 cli_3.6.5
#> [11] sass_0.4.10 jquerylib_0.1.4 compiler_4.3.3 rstudioapi_0.15.0 tools_4.3.3
#> [16] evaluate_1.0.5 bslib_0.9.0 yaml_2.3.10 rlang_1.3.0 jsonlite_2.0.0