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 (transferência de arquivos sobre SSH), contando também com espelho HTTP resiliente para ambientes institucionais ou sistemas operacionais que restrinjam portas não padronizadas.
Ao final da aula, o participante deverá ser capaz de:
SIA-PA
enriquecida com SIA-AM, SIA-AQ, etc.) e a
taxonomia de 10 dígitos do SIGTAP;csv.gz de forma atômica;data.table;td_diretriz_cnv.csv) e às demais tabelas auxiliares da
SABEIS;| Horário | Atividade | Produto |
|---|---|---|
| 08:00–08:20 | Apresentação da SABEIS, arquitetura do SIA/SUS e SIGTAP | Contexto analítico definido |
| 08:20–08:40 | Preparação do R, dicionário DATASUS e diagnóstico de rede | Ambiente validado |
| 08:40–09:20 | Estrutura do repositório, lista de PCDTs e gramática dos arquivos | Catálogo de coortes |
| 09:20–10:05 | Listagem, seleção e download resiliente (SFTP / HTTP) | 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 (bd_geral) e taxonomia
SIGTAP |
Coorte enriquecida |
| 11:40–12:15 | Demanda aferida e avaliação pós-incorporação (gráficos) | Séries mensais plotadas |
| 12:15–12:30 | Exercício e fechamento | Checklist de reprodução |
A SABEIS é uma metodologia de extração, transformação, carga (ETL) 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:
SIA-PA é enriquecida na SABEISConforme documentado no processo de ETL da SABEIS (https://rpubs.com/sabeis/etl), a base central de
produção ambulatorial do DATASUS é o arquivo
SIA-PA (Produção Ambulatorial). O
SIA-PA consolida todos os procedimentos ambulatoriais
aprovados no SUS a partir de diferentes instrumentos de registro
identificados pela variável PA_DOCORIG:
Por que o SIA-PA precisa ser
enriquecido?
O arquivo SIA-PA registra o
ato/procedimento (quantidade aprovada, valor, CID principal,
estabelecimento e número da autorização PA_AUTORIZ), mas
não contém o identificador criptografado do usuário
(CNSPCN / nu_cnspcn) nem variáveis
clínicas e sociodemográficas detalhadas (como sexo, raça/cor, idade,
peso, altura, estadiamento oncológico, CIDs secundários ou data de
início do tratamento). Para reconstruir trajetórias longitudinais de
usuários, o ETL da SABEIS cruza o SIA-PA (via chave de
autorização, competência e CNES) com os subsistemas individualizados de
APAC e Boletins do SIA/SUS.
A tabela abaixo sintetiza os 14 arquivos/subsistemas do SIA/SUS integrados no repositório da SABEIS (https://rpubs.com/sabeis/etl):
| Sigla | Subsistema / Arquivo SIA | Instrumento | Papel e variáveis agregadas no enriquecimento do
SIA-PA |
|---|---|---|---|
PA |
Procedimentos Ambulatoriais | APAC, BPA, RAAS | Tabela fato central da produção ambulatorial (valores, quantidades, CID principal, estabelecimento). |
AM |
APAC Medicamentos | APAC | Principal fonte para PCDTs (CEAF):
recupera nu_cnspcn, peso, altura, raça/cor, sexo e início
do tratamento. |
AQ |
APAC Quimioterapia | APAC | Enriquecimento oncológico: nu_cnspcn,
estadiamento, esquema terapêutico, finalidade e linfonodos. |
AR |
APAC Radioterapia | APAC | Enriquecimento oncológico: nu_cnspcn, área
irradiada, finalidade e número de campos/inserções. |
AN |
APAC Nefrologia | APAC | Terapia renal substitutiva (TRS):
nu_cnspcn, características clínicas renais, sorologias e
acesso vascular. |
AD |
APAC Laudos Diversos | APAC | Procedimentos especializados diversos de alta
complexidade com nu_cnspcn e atributos clínicos
específicos. |
AB |
APAC Cirurgia Bariátrica | APAC | Acompanhamento pré-operatório de cirurgia bariátrica
com nu_cnspcn e indicadores antropométricos. |
ABO |
APAC Pós-Cirurgia Bariátrica | APAC | Seguimento longitudinal pós-operatório de pacientes
submetidos à cirurgia bariátrica (nu_cnspcn). |
ACF |
APAC Confecção de Fístula | APAC | Confecção e manutenção de fístula arteriovenosa para
hemodiálise (nu_cnspcn e parâmetros vasculares). |
AMP |
APAC Acompanhamento Multiprofissional | APAC | Seguimento multiprofissional especializado em saúde com
identificação individual (nu_cnspcn). |
ATD |
APAC Tratamento Dialítico | APAC | Detalhamento clínico de sessões e modalidades de
diálise ambulatorial (nu_cnspcn). |
BI |
Boletim de Produção Individualizado | BPA-I | Recupera nu_cnspcn, idade, sexo, raça/cor
e município de residência para procedimentos ambulatoriais sem
APAC. |
PS |
Atenção Psicossocial | RAAS-PSI | Acompanhamento em CAPS e rede psicossocial
(nu_cnspcn, origem do paciente e cobertura de ESF). |
SAD |
Atenção Domiciliar | RAAS-AD | Atendimento ambulatorial domiciliar
(nu_cnspcn, cuidador e perfil de atenção domiciliar). |
O SIGTAP (Sistema de Gerenciamento da Tabela de Procedimentos, Medicamentos e OPM do SUS), instituído pela Portaria GM/MS nº 2.848/2007 e vigente desde janeiro de 2008, é a tabela terminológica e regulatória unificada do SUS.
YYYYMM): um código pode sofrer alteração de
descrição, valor unitário, habilitação, CID compatível ou ser inativado
ao longo do tempo. Por isso, análises históricas devem considerar a
vigência na competência do atendimento.Todo código de procedimento (co_procedimento) no SIGTAP
segue uma estrutura numérica hierárquica de 10 dígitos
no formato GG.SS.FF.PPP-D:
| Posição | Bloco | Nível Taxonômico | Significado e Exemplo Prático
(06.04.32.012-4) |
|---|---|---|---|
| 1º e 2º | GG |
Grupo | Grande área assistencial do SUS. Ex.: 01
Promoção/prevenção; 02 Diagnóstico; 03
Clínicos; 04 Cirúrgicos; 06
Medicamentos; 07 OPM. |
| 3º e 4º | SS |
Subgrupo | Subdivisão do grupo. No Grupo 06:
06.01 Básico; 06.02 Estratégico;
06.04 Componente Especializado (CEAF) —
foco dos PCDTs. |
| 5º e 6º | FF |
Forma de Organização | Classe terapêutica, farmacológica ou tecnológica. Ex.:
06.04.32 (Imunossupressores) ou
06.04.38 (Anticorpos monoclonais). |
| 7º ao 9º | PPP |
Procedimento | Número sequencial de 3 dígitos que identifica o item específico (princípio ativo, concentração e forma farmacêutica). |
| 10º | D |
Dígito Verificador | Dígito de controle calculado pelo algoritmo Módulo 11 para validação de integridade do código. |
Dica prática para filtros em ATS: Quando um arquivo da SABEIS traz no nome o sufixo
subgrupo604, isso indica que a extração recortou os registros cujo código SIGTAP inicia com0604(Grupo06= Medicamentos, Subgrupo04= CEAF).
| Fonte | Uso | Endereço |
|---|---|---|
| TabNet | Consulta e validação de agregados | https://datasus.saude.gov.br/informacoes-de-saude-tabnet/ |
| FTP do DATASUS | Dicionários e arquivos públicos de disseminação | ftp://ftp.datasus.gov.br/dissemin/publicos/ |
| SABEIS (SFTP) | Coortes curadas e arquivos tabulados (via primária) | sftp://45.231.133.29:7891/srv/ftp/dadosabertos/ |
| SABEIS (Espelho HTTP) | Repositório espelho alternativo (via de contingência) | https://dados.labx.ia.br/files/sabeis/ |
| Lista Oficial de PCDTs | Tabela td_diretriz_cnv.csv no repositório
bd_geral |
https://github.com/sabeis-ats/bd_geral/blob/main/td_diretriz_cnv.csv |
| ETL SABEIS | Documentação completa do fluxo de integração | https://rpubs.com/sabeis/etl |
Execute uma vez no console do R para garantir que todos os pacotes de conexão, leitura, manipulação e visualização estejam instalados:
pacotes <- c(
"curl",
"data.table",
"dplyr",
"stringr",
"tidyr",
"readr",
"lubridate",
"ggplot2",
"R.utils",
"knitr",
"rmarkdown"
)
faltantes <- pacotes[!vapply(pacotes, requireNamespace, logical(1), quietly = TRUE)]
if (length(faltantes) > 0) {
install.packages(faltantes)
}
suppressPackageStartupMessages({
library(curl)
library(data.table)
library(dplyr)
library(stringr)
library(tidyr)
library(readr)
library(lubridate)
library(ggplot2)
})Antes de manipular qualquer microdado do SUS, é indispensável
consultar seu dicionário de dados oficial. No diretório
de documentação do SIA/SUS no FTP do DATASUS encontra-se o arquivo
Informe_Tecnico_SIASUS_2019_07.pdf.
.dbc (DBF comprimido) e o padrão de nomes dos
arquivos por subsistema, UF e competência (ex.:
PAUFAAMM.dbc, AMUFAAMM.dbc).PA_DOCORIG):
detalha como o preenchimento dos campos do arquivo PA varia
conforme o registro venha de APAC, BPA-C, BPA-I, RAAS-AD ou
RAAS-PSI.CHAR,
NUMERIC), tamanho, regra de preenchimento e domínio de
valores (ex.: PA_CMP para competência,
PA_PROC_ID para o código SIGTAP de 10 dígitos,
PA_QTDAPR para quantidade aprovada, PA_VALAPR
para valor aprovado e AP_CNSPCN para o CNS criptografado
nas APACs).O comando abaixo baixa automaticamente o dicionário oficial em PDF
direto do FTP do DATASUS para uma pasta local
(docs_datasus/):
dir.create("docs_datasus", recursive = TRUE, showWarnings = FALSE)
url_doc_siasus <- "ftp://ftp.datasus.gov.br/dissemin/publicos/SIASUS/200801_/Doc/Informe_Tecnico_SIASUS_2019_07.pdf"
destino_doc_siasus <- file.path("docs_datasus", "Informe_Tecnico_SIASUS_2019_07.pdf")
if (!file.exists(destino_doc_siasus) || file.info(destino_doc_siasus)$size == 0) {
tryCatch({
h_ftp <- curl::new_handle(timeout = 60, connecttimeout = 20, noproxy = "*")
curl::curl_download(
url = url_doc_siasus,
destfile = destino_doc_siasus,
mode = "wb",
handle = h_ftp,
quiet = TRUE
)
cat("Dicionário oficial baixado com sucesso em:", destino_doc_siasus, "\n")
}, error = function(e) {
message(
"Aviso: não foi possível acessar o FTP do DATASUS neste momento (",
conditionMessage(e), ")."
)
})
} else {
cat("Dicionário oficial já disponível localmente em:", destino_doc_siasus, "\n")
}#> Dicionário oficial já disponível localmente em: docs_datasus/Informe_Tecnico_SIASUS_2019_07.pdf
#> size mtime
#> docs_datasus/Informe_Tecnico_SIASUS_2019_07.pdf 1103131 2026-11-18 06:49:30
#> [1] "8.5.0"
#> [1] TRUE
Por que usar um caminho alternativo (Fallback
HTTP)?
Em algumas redes institucionais (bloqueio de
firewall na porta 7891) ou em distribuições Linux
específicas (onde o libcurl é compilado com
GnuTLS em vez de OpenSSL), a negociação SFTP
pode expirar por timeout. Para garantir que a aula e os scripts
funcionem em qualquer computador, implementamos um mecanismo
tryCatch() que tenta primeiro o servidor SFTP
oficial e, em caso de falha, alterna automaticamente para o
espelho HTTP em https://dados.labx.ia.br/files/sabeis/.
sabeis <- list(
host = "45.231.133.29",
porta = 7891L,
usuario = "livre",
senha = "12345",
diretorio = "/srv/ftp/dadosabertos/",
url_base = "sftp://45.231.133.29:7891/srv/ftp/dadosabertos/",
url_http = "https://dados.labx.ia.br/files/sabeis/",
userpwd = "livre:12345"
)
sabeis$url_base#> [1] "sftp://45.231.133.29:7891/srv/ftp/dadosabertos/"
#> [1] "https://dados.labx.ia.br/files/sabeis/"
O bloco abaixo tenta listar os arquivos via SFTP. Se houver falha de
rede ou de biblioteca, a variável de controle usar_http
passa a ser TRUE e o R lê o índice do espelho HTTP
extraindo os nomes dos arquivos .csv.gz.
usar_http <- FALSE
arquivos <- tryCatch({
message("Tentando conexão primária via SFTP...")
handle_listagem <- curl::new_handle(
userpwd = sabeis$userpwd,
dirlistonly = TRUE,
timeout = 15,
connecttimeout = 10,
noproxy = "*"
)
curl::handle_setopt(handle_listagem, ssl_verifypeer = FALSE, ssl_verifyhost = FALSE)
conexao <- curl::curl(
url = sabeis$url_base,
handle = handle_listagem
)
linhas <- readLines(conexao, warn = FALSE)
close(conexao)
linhas <- trimws(linhas)
linhas <- linhas[nzchar(linhas)]
if (length(linhas) == 0) stop("Nenhuma entrada retornada pelo SFTP.")
linhas
}, error = function(e) {
message("Falha no SFTP detectada (", conditionMessage(e), "). Acessando espelho HTTP...")
usar_http <<- TRUE
linhas_html <- readLines(sabeis$url_http, warn = FALSE)
html_completo <- paste(linhas_html, collapse = " ")
matches <- stringr::str_extract_all(html_completo, "[a-zA-Z0-9_.-]+\\.csv\\.gz")
unique(unlist(matches))
})
cat("Canal utilizado:", ifelse(usar_http, "Espelho HTTP (LabX)", "Servidor SFTP (SABEIS)"), "\n")#> Canal utilizado: Espelho HTTP (LabX)
#> [1] 119
#> [1] "tf_dissemin_lista_ftp_sql20250905.20251104.csv.gz"
#> [2] "tf_sia_200801_pa_002_acn_subgrupo604.20251105.3445904.csv.gz"
#> [3] "tf_sia_200801_pa_003_acr_subgrupo604.20251105.759985.csv.gz"
#> [4] "tf_sia_200801_pa_004_pro_subgrupo304.20251105.13153497.csv.gz"
#> [5] "tf_sia_200801_pa_005_aha_subgrupo304.20251105.2042.csv.gz"
#> [6] "tf_sia_200801_pa_005_aha_subgrupo604.20251105.506897.csv.gz"
#> [7] "tf_sia_200801_pa_006_fer_subgrupo604.20251105.23523.csv.gz"
#> [8] "tf_sia_200801_pa_007_ang_subgrupo604.20251105.30965.csv.gz"
#> [9] "tf_sia_200801_pa_009_aij_subgrupo604.20251105.719363.csv.gz"
#> [10] "tf_sia_200801_pa_010_aps_subgrupo604.20251105.2535973.csv.gz"
#> [11] "tf_sia_200801_pa_011_art_subgrupo604.20251105.9206.csv.gz"
#> [12] "tf_sia_200801_pa_012_aru_subgrupo604.20251105.25851860.csv.gz"
#> [13] "tf_sia_200801_pa_013_asm_subgrupo604.20251105.30769916.csv.gz"
#> [14] "tf_sia_200801_pa_014_ame_subgrupo604.20251105.10976.csv.gz"
#> [15] "tf_sia_200801_pa_015_cov_subgrupo604.20251105.3155.csv.gz"
#> [16] "tf_sia_200801_pa_016_cdt_subgrupo304.20251105.40847.csv.gz"
#> [17] "tf_sia_200801_pa_017_cre_subgrupo304.20251105.188489.csv.gz"
#> [18] "tf_sia_200801_pa_018_cma_subgrupo304.20251105.30157023.csv.gz"
#> [19] "tf_sia_200801_pa_018_cma_subgrupo604.20251105.2.csv.gz"
#> [20] "tf_sia_200801_pa_019_cee_subgrupo304.20251105.5025243.csv.gz"
csv.gz#> [1] 119
#> [1] "tf_dissemin_lista_ftp_sql20250905.20251104.csv.gz"
#> [2] "tf_sia_200801_pa_002_acn_subgrupo604.20251105.3445904.csv.gz"
#> [3] "tf_sia_200801_pa_003_acr_subgrupo604.20251105.759985.csv.gz"
#> [4] "tf_sia_200801_pa_004_pro_subgrupo304.20251105.13153497.csv.gz"
#> [5] "tf_sia_200801_pa_005_aha_subgrupo304.20251105.2042.csv.gz"
#> [6] "tf_sia_200801_pa_005_aha_subgrupo604.20251105.506897.csv.gz"
#> [7] "tf_sia_200801_pa_006_fer_subgrupo604.20251105.23523.csv.gz"
#> [8] "tf_sia_200801_pa_007_ang_subgrupo604.20251105.30965.csv.gz"
#> [9] "tf_sia_200801_pa_009_aij_subgrupo604.20251105.719363.csv.gz"
#> [10] "tf_sia_200801_pa_010_aps_subgrupo604.20251105.2535973.csv.gz"
#> [11] "tf_sia_200801_pa_011_art_subgrupo604.20251105.9206.csv.gz"
#> [12] "tf_sia_200801_pa_012_aru_subgrupo604.20251105.25851860.csv.gz"
#> [13] "tf_sia_200801_pa_013_asm_subgrupo604.20251105.30769916.csv.gz"
#> [14] "tf_sia_200801_pa_014_ame_subgrupo604.20251105.10976.csv.gz"
#> [15] "tf_sia_200801_pa_015_cov_subgrupo604.20251105.3155.csv.gz"
#> [16] "tf_sia_200801_pa_016_cdt_subgrupo304.20251105.40847.csv.gz"
#> [17] "tf_sia_200801_pa_017_cre_subgrupo304.20251105.188489.csv.gz"
#> [18] "tf_sia_200801_pa_018_cma_subgrupo304.20251105.30157023.csv.gz"
#> [19] "tf_sia_200801_pa_018_cma_subgrupo604.20251105.2.csv.gz"
#> [20] "tf_sia_200801_pa_019_cee_subgrupo304.20251105.5025243.csv.gz"
Um nome típico no repositório é:
tf_sia_200801_pa_058_fen_subgrupo604.20250907.80541.csv.gz
| Parte | Significado no exemplo |
|---|---|
tf |
tabela fato |
sia |
sistema de origem (SIA/SUS) |
200801 |
competência inicial da extração |
pa |
arquivo base do SIA/SUS (enriquecido com AM, AQ, BI, etc.) |
058 |
código da diretriz (chave para nu_diretriz
em td_diretriz_cnv.csv) |
fen |
sigla do PCDT (ex.: Fenilcetonúria) |
subgrupo604 |
recorte da coorte (procedimentos do subgrupo SIGTAP
06.04 - CEAF) |
20250907 |
data de geração do arquivo (YYYYMMDD) |
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
#>
#> FALSE TRUE
#> 1 118
#> no_arquivo nome_valido sistema
#> 2 tf_sia_200801_pa_002_acn_subgrupo604.20251105.3445904.csv.gz TRUE sia
#> 3 tf_sia_200801_pa_003_acr_subgrupo604.20251105.759985.csv.gz TRUE sia
#> 4 tf_sia_200801_pa_004_pro_subgrupo304.20251105.13153497.csv.gz TRUE sia
#> 5 tf_sia_200801_pa_005_aha_subgrupo304.20251105.2042.csv.gz TRUE sia
#> 6 tf_sia_200801_pa_005_aha_subgrupo604.20251105.506897.csv.gz TRUE sia
#> 7 tf_sia_200801_pa_006_fer_subgrupo604.20251105.23523.csv.gz TRUE sia
#> 8 tf_sia_200801_pa_007_ang_subgrupo604.20251105.30965.csv.gz TRUE sia
#> 9 tf_sia_200801_pa_009_aij_subgrupo604.20251105.719363.csv.gz TRUE sia
#> 10 tf_sia_200801_pa_010_aps_subgrupo604.20251105.2535973.csv.gz TRUE sia
#> 11 tf_sia_200801_pa_011_art_subgrupo604.20251105.9206.csv.gz TRUE sia
#> competencia_inicial arquivo_sia nu_diretriz sg_pcdt recorte data_geracao qt_registro
#> 2 200801 pa 002 acn subgrupo604 2025-11-05 3445904
#> 3 200801 pa 003 acr subgrupo604 2025-11-05 759985
#> 4 200801 pa 004 pro subgrupo304 2025-11-05 13153497
#> 5 200801 pa 005 aha subgrupo304 2025-11-05 2042
#> 6 200801 pa 005 aha subgrupo604 2025-11-05 506897
#> 7 200801 pa 006 fer subgrupo604 2025-11-05 23523
#> 8 200801 pa 007 ang subgrupo604 2025-11-05 30965
#> 9 200801 pa 009 aij subgrupo604 2025-11-05 719363
#> 10 200801 pa 010 aps subgrupo604 2025-11-05 2535973
#> 11 200801 pa 011 art subgrupo604 2025-11-05 9206
td_diretriz_cnv.csv)Para identificar o nome completo de cada diretriz clínica e seus
códigos CID-10 associados, incorporamos a tabela oficial
td_diretriz_cnv.csv disponível no
repositório público da SABEIS: https://github.com/sabeis-ats/bd_geral/blob/main/td_diretriz_cnv.csv.
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",
encoding = "UTF-8"
)
data.table::setnames(td_diretriz_cnv, tolower(names(td_diretriz_cnv)))
td_diretriz_cnv[, nu_diretriz_chave := sprintf(
"%03d",
suppressWarnings(as.integer(gsub("[^0-9]", "", nu_diretriz)))
)]
cat("Total de PCDTs cadastrados em td_diretriz_cnv.csv:", nrow(td_diretriz_cnv), "\n")#> Total de PCDTs cadastrados em td_diretriz_cnv.csv: 128
catalogo_dt <- data.table::as.data.table(catalogo)
catalogo_pcdt <- merge(
x = catalogo_dt[nome_valido == TRUE],
y = td_diretriz_cnv,
by.x = "nu_diretriz",
by.y = "nu_diretriz_chave",
all.x = TRUE,
sort = FALSE
)
colunas_pcdt <- intersect(
c("nu_diretriz", "sg_pcdt.x", "no_diretriz", "co_cid", "sg_tipo", "qt_registro", "no_arquivo"),
names(catalogo_pcdt)
)
knitr::kable(
head(catalogo_pcdt[order(qt_registro), ..colunas_pcdt], 15),
caption = "Amostra de coortes do repositório vinculadas à lista oficial de PCDTs (td_diretriz_cnv.csv)"
)| nu_diretriz | sg_pcdt.x | no_diretriz | co_cid | sg_tipo | qt_registro | no_arquivo |
|---|---|---|---|---|---|---|
| 076 | ant | Imunodeficiência Primária | D800,D801,D803,D805,D806,D807,D808,D830,D832,D838 | pcdt | 1 | tf_sia_200801_pa_076_ant_subgrupo304.20251105.1.csv.gz |
| 100 | mc1 | Mucopolissacaridose tipo I | E760 | pcdt | 1 | tf_sia_200801_pa_100_mc1_subgrupo304.20251105.1.csv.gz |
| 018 | cma | Carcinoma de Mama | C500,C501,C502,C503,C504,C505,C506,C508,C509 | ddt | 2 | tf_sia_200801_pa_018_cma_subgrupo604.20251105.2.csv.gz |
| 036 | fal | Doença Falciforme | D561,D568,D570,D571,D572 | pcdt | 3 | tf_sia_200801_pa_036_fal_subgrupo304.20251105.3.csv.gz |
| 075 | ict | Ictioses Hereditárias | Q800,Q801,Q802,Q803,Q808,Q809 | pcdt | 3 | tf_sia_200801_pa_075_ict_subgrupo304.20251105.3.csv.gz |
| 109 | pti | Púrpura Trombocitopênica Idiopática | D693 | pcdt | 4 | tf_sia_200801_pa_109_pti_subgrupo304.20251105.4.csv.gz |
| 998 | nul | CID10 nulo | 5 | tf_sia_200801_pa_998_nul_subgrupo304.20251105.5.csv.gz | ||
| 998 | nul | CID10 nulo | 5 | tf_sia_200801_pa_998_nul_subgrupo304.20251105.5.csv.gz | ||
| 020 | che | Carcinoma hepatocelular | C22 , | 14 | tf_sia_200801_pa_020_che_subgrupo304.20251105.14.csv.gz | |
| 105 | ost | Osteoporose | M800,M801,M802,M803,M804,M805,M808,M810,M811,M812,M813,M814,M815,M816,M818,M820,M821,M828 | pcdt | 34 | tf_sia_200801_pa_105_ost_subgrupo304.20251105.34.csv.gz |
| 056 | ess | Espondilose | M471,M472,M478 | pcdt | 43 | tf_sia_200801_pa_056_ess_subgrupo604.20251105.43.csv.gz |
| 097 | mes | Mesotelioma | C450,C459 | 204 | tf_sia_200801_pa_097_mes_subgrupo304.20251105.204.csv.gz | |
| 062 | hei | Hemangioma Infantil | D180 | pcdt | 361 | tf_sia_200801_pa_062_hei_subgrupo304.20251105.361.csv.gz |
| 114 | mie | Síndrome Mielodisplásica | D460,D461,D464,D467 | Protocolos | 404 | tf_sia_200801_pa_114_mie_subgrupo304.20251105.404.csv.gz |
| 114 | mie | Síndrome Mielodisplásica | D460,D461,D464,D467 | Protocolos | 1037 | tf_sia_200801_pa_114_mie_subgrupo604.20251105.1037.csv.gz |
Os parâmetros min_registros e
limite_registros garantem a escolha de uma coorte histórica
representativa (com série temporal completa para visualização), mas
ainda leve o suficiente para download e leitura rápidos durante a
aula.
candidatos <- catalogo_pcdt[
!is.na(qt_registro) &
qt_registro >= params$min_registros &
qt_registro <= params$limite_registros
]
# Fallback caso nenhum arquivo esteja na faixa [min_registros, limite_registros]
if (nrow(candidatos) == 0) {
candidatos <- catalogo_pcdt[
!is.na(qt_registro) &
qt_registro > 0 &
qt_registro <= params$limite_registros
]
}
if (nrow(candidatos) == 0) {
stop("Nenhum arquivo atende ao limite definido em params$limite_registros.")
}
arquivo_escolhido <- candidatos[1, ]
arquivo_escolhido[, ..colunas_pcdt]#> nu_diretriz sg_pcdt.x no_diretriz
#> <char> <char> <char>
#> 1: 005 aha Anemia Hemolítica Autoimune
#> co_cid sg_tipo qt_registro
#> <char> <char> <int>
#> 1: D590,D591,D460,D461,D467,D600,D608,D610,D611,D612,D613,D618,D70,Z948 pcdt 2042
#> no_arquivo
#> <char>
#> 1: tf_sia_200801_pa_005_aha_subgrupo304.20251105.2042.csv.gz
Para escolher outra diretriz específica, filtre explicitamente pela sigla ou pelo código do PCDT:
O arquivo é baixado inicialmente com o sufixo .part. O
nome final só é aplicado após a validação de integridade (arquivo
existente e tamanho maior que zero). Se a via SFTP falhar no momento do
download, a função utiliza automaticamente o espelho HTTP.
baixar_sabeis <- function(nome_arquivo, diretorio = "dados_sabeis", forcar_http = usar_http) {
dir.create(diretorio, recursive = TRUE, showWarnings = FALSE)
nome_limpo <- basename(nome_arquivo)
destino <- file.path(diretorio, nome_limpo)
temporario <- paste0(destino, ".part")
if (file.exists(temporario)) {
unlink(temporario)
}
baixou <- FALSE
# 1. Tentativa via SFTP (caso forcar_http seja FALSE)
if (!isTRUE(forcar_http)) {
baixou <- tryCatch({
url_sftp <- paste0(sabeis$url_base, nome_limpo)
h_sftp <- curl::new_handle(
userpwd = sabeis$userpwd,
timeout = 180,
connecttimeout = 15,
noproxy = "*"
)
curl::handle_setopt(h_sftp, ssl_verifypeer = FALSE, ssl_verifyhost = FALSE)
curl::curl_download(
url = url_sftp,
destfile = temporario,
mode = "wb",
handle = h_sftp,
quiet = TRUE
)
file.exists(temporario) && file.info(temporario)$size > 0
}, error = function(e) {
message("Download via SFTP falhou (", conditionMessage(e), "). Alternando para HTTP...")
FALSE
})
}
# 2. Fallback via HTTP (Espelho LabX)
if (!baixou) {
url_http <- paste0(sabeis$url_http, nome_limpo)
h_http <- curl::new_handle(timeout = 180, connecttimeout = 20, noproxy = "*")
curl::curl_download(
url = url_http,
destfile = temporario,
mode = "wb",
handle = h_http,
quiet = TRUE
)
}
if (!file.exists(temporario) || file.info(temporario)$size == 0) {
stop("O download não produziu um arquivo válido em nenhuma das fontes.")
}
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)
}caminho_arquivo <- baixar_sabeis(arquivo_escolhido$no_arquivo, forcar_http = usar_http)
caminho_arquivo#> [1] "/media/ferre/B274AF8E74AF543F/Downloads/dados_sabeis/tf_sia_200801_pa_005_aha_subgrupo304.20251105.2042.csv.gz"
#> size
#> /media/ferre/B274AF8E74AF543F/Downloads/dados_sabeis/tf_sia_200801_pa_005_aha_subgrupo304.20251105.2042.csv.gz 28340
#> mtime
#> /media/ferre/B274AF8E74AF543F/Downloads/dados_sabeis/tf_sia_200801_pa_005_aha_subgrupo304.20251105.2042.csv.gz 2026-11-18 07:01:03
data.table::fread() lê csv.gz diretamente.
A leitura inicial como texto (colClasses = "character")
preserva códigos SIGTAP, zeros à esquerda e identificadores longos
(nu_cnspcn).
dados <- data.table::fread(
input = caminho_arquivo,
colClasses = "character",
na.strings = c("", "NA", "NULL"),
encoding = "UTF-8",
showProgress = FALSE
)
data.table::setnames(dados, tolower(names(dados)))
dim(dados)#> [1] 2042 29
#> [1] "nu_competencia" "nu_competencia_movimentacao" "co_ibge_municipio"
#> [4] "co_gestao" "tp_gestao" "co_cnes_realizado"
#> [7] "co_cnes_solicitante" "co_natureza_juridica" "nu_cnspcn"
#> [10] "co_procedimento" "co_cidpri" "co_cidsec"
#> [13] "co_ibge_municipio_residencia" "sg_sexo" "nu_idade"
#> [16] "vl_altura" "vl_peso" "co_racacor"
#> [19] "co_etnia" "qt_aprovada" "vl_aprovado"
#> [22] "ds_esquema_1" "ds_esquema_2" "st_linfonodo"
#> [25] "nu_estadio" "ds_grau_histopatologico" "st_tratamento_anterior"
#> [28] "nu_autorizacao" "no_origem"
#> nu_competencia nu_competencia_movimentacao co_ibge_municipio co_gestao tp_gestao
#> <char> <char> <char> <char> <char>
#> 1: 202412 202412 130260 130000 EP
#> 2: 202412 202412 310560 310560 PG
#> 3: 202412 202412 314390 314390 PG
#> 4: 202412 202412 314330 314330 PG
#> 5: 202412 202412 314790 314790 PG
#> 6: 202412 202412 410690 410690 PG
#> co_cnes_realizado co_cnes_solicitante co_natureza_juridica nu_cnspcn co_procedimento
#> <char> <char> <char> <char> <char>
#> 1: 2012677 <NA> <NA> 175875401725435 304070017
#> 2: 2098938 <NA> <NA> 777777777777777 304070017
#> 3: 2195453 <NA> <NA> 262775767070676 304070017
#> 4: 2149990 <NA> <NA> 262770612100252 304070017
#> 5: 2775999 <NA> <NA> 175376351531523 304070017
#> 6: 15644 <NA> <NA> 262778332354536 304010561
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_contagem#> arquivo registros_declarados
#> 1 tf_sia_200801_pa_005_aha_subgrupo304.20251105.2042.csv.gz 2042
#> registros_observados diferenca contagem_confere
#> 1 2042 0 TRUE
Uma diferença não deve ser corrigida silenciosamente. Registre a versão do arquivo, a data da extração e investigue a regra de geração da coorte.
perfil <- data.frame(
coluna = names(dados),
classe = vapply(dados, function(x) paste(class(x), collapse = "/"), character(1)),
ausentes = vapply(dados, function(x) sum(is.na(x) | x == ""), integer(1)),
distintos = vapply(dados, data.table::uniqueN, integer(1)),
stringsAsFactors = FALSE
)
head(perfil, 15)#> coluna classe ausentes distintos
#> nu_competencia nu_competencia character 0 197
#> nu_competencia_movimentacao nu_competencia_movimentacao character 0 197
#> co_ibge_municipio co_ibge_municipio character 0 51
#> co_gestao co_gestao character 0 44
#> tp_gestao tp_gestao character 0 3
#> co_cnes_realizado co_cnes_realizado character 0 75
#> co_cnes_solicitante co_cnes_solicitante character 2042 1
#> co_natureza_juridica co_natureza_juridica character 2042 1
#> nu_cnspcn nu_cnspcn character 13 392
#> co_procedimento co_procedimento character 0 13
#> co_cidpri co_cidpri character 0 9
#> co_cidsec co_cidsec character 1965 4
#> co_ibge_municipio_residencia co_ibge_municipio_residencia character 0 231
#> sg_sexo sg_sexo character 0 2
#> nu_idade nu_idade character 0 67
campos_esperados <- c(
"nu_competencia",
"nu_cnspcn",
"co_procedimento",
"qt_aprovada"
)
data.frame(
campo = campos_esperados,
presente = campos_esperados %in% names(dados)
)#> campo presente
#> 1 nu_competencia TRUE
#> 2 nu_cnspcn TRUE
#> 3 co_procedimento TRUE
#> 4 qt_aprovada TRUE
Além de td_diretriz_cnv.csv, o repositório
sabeis-ats/bd_geral disponibiliza as demais dimensões
padronizadas para enriquecimento analítico:
td_doenca_cid10 <- data.table::fread(
paste0(url_bd_geral, "td_doenca_cid10.csv"),
colClasses = "character",
encoding = "UTF-8"
)
td_sigtap <- data.table::fread(
paste0(url_bd_geral, "td_sigtap.csv"),
colClasses = "character",
encoding = "UTF-8"
)
td_municipio <- data.table::fread(
paste0(url_bd_geral, "municipio_regiao_saude_amazonia_legal_ips.csv"),
colClasses = "character",
encoding = "UTF-8"
)
list(
diretrizes_pcdt = dim(td_diretriz_cnv),
doencas_cid10 = dim(td_doenca_cid10),
sigtap = dim(td_sigtap),
municipios = dim(td_municipio)
)#> $diretrizes_pcdt
#> [1] 128 20
#>
#> $doencas_cid10
#> [1] 14255 10
#>
#> $sigtap
#> [1] 5395 27
#>
#> $municipios
#> [1] 5571 92
Abaixo inspecionamos a estrutura da tabela td_sigtap e
decompomos os códigos de procedimentos observados na coorte em seus 5
níveis hierárquicos (Grupo, Subgrupo,
Forma de Organização, Procedimento e
Dígito Verificador):
data.table::setnames(td_sigtap, tolower(names(td_sigtap)))
if ("co_procedimento" %in% names(dados)) {
procs_coorte <- dados[
!is.na(co_procedimento) & nzchar(co_procedimento),
.(registros = .N, usuarios = data.table::uniqueN(nu_cnspcn)),
by = co_procedimento
][order(-registros)]
procs_coorte[, `:=`(
co_sigtap_10d = sprintf("%010s", trimws(co_procedimento)),
grupo = substr(sprintf("%010s", trimws(co_procedimento)), 1, 2),
subgrupo = substr(sprintf("%010s", trimws(co_procedimento)), 3, 4),
forma_organizacao = substr(sprintf("%010s", trimws(co_procedimento)), 5, 6),
procedimento_seq = substr(sprintf("%010s", trimws(co_procedimento)), 7, 9),
digito_verificador = substr(sprintf("%010s", trimws(co_procedimento)), 10, 10)
)]
if (all(c("co_procedimento", "no_procedimento") %in% names(td_sigtap))) {
sigtap_nomes <- unique(td_sigtap[, .(co_procedimento, no_procedimento)])
procs_coorte <- merge(
procs_coorte,
sigtap_nomes,
by.x = "co_sigtap_10d",
by.y = "co_procedimento",
all.x = TRUE
)[order(-registros)]
}
knitr::kable(
head(procs_coorte, 10),
caption = "Decomposição taxonômica (10 dígitos SIGTAP) dos procedimentos da coorte"
)
}| co_sigtap_10d | co_procedimento | registros | usuarios | grupo | subgrupo | forma_organizacao | procedimento_seq | digito_verificador | no_procedimento |
|---|---|---|---|---|---|---|---|---|---|
| 304070017 | 304070017 | 1517 | 157 | 3 | 04 | 07 | 001 | 7 | NA |
| 304010561 | 304010561 | 200 | 196 | 3 | 04 | 01 | 056 | 1 | NA |
| 304080012 | 304080012 | 120 | 32 | 3 | 04 | 08 | 001 | 2 | NA |
| 304070025 | 304070025 | 95 | 20 | 3 | 04 | 07 | 002 | 5 | NA |
| 304030040 | 304030040 | 42 | 13 | 3 | 04 | 03 | 004 | 0 | NA |
| 304030031 | 304030031 | 26 | 14 | 3 | 04 | 03 | 003 | 1 | NA |
| 304010170 | 304010170 | 11 | 11 | 3 | 04 | 01 | 017 | 0 | NA |
| 304080071 | 304080071 | 10 | 2 | 3 | 04 | 08 | 007 | 1 | NA |
| 304030120 | 304030120 | 6 | 1 | 3 | 04 | 03 | 012 | 0 | NA |
| 304070033 | 304070033 | 5 | 2 | 3 | 04 | 07 | 003 | 3 | NA |
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_]
}# 1. Série de Demanda Aferida (todos os registros válidos com usuário identificado)
demanda_mensal <- as.data.frame(
dados[
!is.na(mes) & !is.na(nu_cnspcn) & nzchar(trimws(nu_cnspcn)),
.(
usuarios_distintos = data.table::uniqueN(nu_cnspcn),
registros = .N,
quantidade_aprovada = sum(qt_aprovada_num, na.rm = TRUE)
),
by = mes
][order(mes)]
)
# 2. Série de Avaliação Pós-incorporação (registros com quantidade aprovada > 0)
avaliacao_pos <- as.data.frame(
dados[
!is.na(mes) & !is.na(nu_cnspcn) & nzchar(trimws(nu_cnspcn)) &
!is.na(qt_aprovada_num) & qt_aprovada_num > 0,
.(
usuarios_distintos = data.table::uniqueN(nu_cnspcn),
qt_aprovada = sum(qt_aprovada_num, na.rm = TRUE)
),
by = mes
][order(mes)]
)
cat("Meses na série de demanda aferida:", nrow(demanda_mensal), "\n")#> Meses na série de demanda aferida: 197
#> Meses na série de avaliação pós-incorporação: 196
#> mes usuarios_distintos registros quantidade_aprovada
#> 1 2008-01-01 14 16 15
#> 2 2008-02-01 21 23 23
#> 3 2008-03-01 20 21 18
#> 4 2008-04-01 11 13 13
#> 5 2008-05-01 13 16 15
#> 6 2008-06-01 12 15 14
#> 7 2008-07-01 7 9 9
#> 8 2008-08-01 9 11 11
#> 9 2008-09-01 10 12 12
#> 10 2008-10-01 9 14 14
#> 11 2008-11-01 8 12 12
#> 12 2008-12-01 8 12 12
if (nrow(demanda_mensal) > 0) {
rotulo_eixo_x <- if (data.table::uniqueN(format(demanda_mensal$mes, "%Y")) >= 2) {
function(x) ifelse(lubridate::month(x) == 1, format(x, "%Y"), "")
} else {
function(x) format(x, "%Y-%m")
}
g1 <- ggplot(demanda_mensal, aes(x = mes, y = usuarios_distintos)) +
geom_line(linewidth = 0.6, color = "#005a9c") +
geom_point(size = 1.6, color = "#003b66") +
labs(
title = paste("Demanda Aferida -", arquivo_escolhido$no_diretriz),
subtitle = paste("Arquivo:", arquivo_escolhido$no_arquivo),
x = "Mês",
y = "Usuários distintos"
) +
scale_x_date(
date_breaks = "1 month",
labels = rotulo_eixo_x,
expand = c(0.01, 0.01)
) +
theme_minimal(base_size = 12) +
theme(
axis.text.x = element_text(angle = 90, vjust = 0.5, hjust = 1),
axis.ticks.x = element_line(color = "grey40"),
axis.ticks.length.x = grid::unit(0.15, "cm"),
plot.title = element_text(face = "bold", color = "#17365d")
)
print(g1)
} else {
cat("Aviso: nenhum registro válido com 'nu_cnspcn' encontrado neste arquivo para gerar o Gráfico 1.\n")
}if (nrow(avaliacao_pos) > 0) {
max_u <- max(avaliacao_pos$usuarios_distintos, na.rm = TRUE)
max_qt <- max(avaliacao_pos$qt_aprovada, na.rm = TRUE)
k <- ifelse(is.finite(max_u) && is.finite(max_qt) && max_qt > 0, max_u / max_qt, 1)
rotulo_eixo_x2 <- if (data.table::uniqueN(format(avaliacao_pos$mes, "%Y")) >= 2) {
function(x) ifelse(lubridate::month(x) == 1, format(x, "%Y"), "")
} else {
function(x) format(x, "%Y-%m")
}
g2 <- ggplot(avaliacao_pos, aes(x = mes)) +
geom_line(aes(y = usuarios_distintos, color = "Usuários distintos"), linewidth = 0.6) +
geom_point(aes(y = usuarios_distintos, color = "Usuários distintos"), size = 1.6) +
geom_line(aes(y = qt_aprovada * k, color = "Qtd. aprovada"), linewidth = 0.6, linetype = "dashed") +
scale_color_manual(
name = NULL,
values = c("Usuários distintos" = "#d95f02", "Qtd. aprovada" = "#1b9e77")
) +
labs(
title = paste("Avaliação Pós-incorporação -", arquivo_escolhido$no_diretriz),
subtitle = paste("Arquivo:", arquivo_escolhido$no_arquivo),
x = "Mês",
y = "Usuários distintos"
) +
scale_y_continuous(
sec.axis = sec_axis(~ . / k, name = "Qtd. aprovada")
) +
scale_x_date(
date_breaks = "1 month",
labels = rotulo_eixo_x2,
expand = c(0.01, 0.01)
) +
theme_minimal(base_size = 12) +
theme(
legend.position = "top",
axis.text.x = element_text(angle = 90, vjust = 0.5, hjust = 1),
axis.ticks.x = element_line(color = "grey40"),
axis.ticks.length.x = grid::unit(0.15, "cm"),
plot.title = element_text(face = "bold", color = "#17365d")
)
print(g2)
} else {
cat("Aviso: nenhum registro válido com 'nu_cnspcn' e 'qt_aprovada > 0' encontrado para gerar o Gráfico 2.\n")
}Interpretação metodológica. A contagem representa identificadores distintos observados nos registros administrativos selecionados (demanda atendida ou aferida). Ela não equivale automaticamente à prevalência epidemiológica da doença na população geral, devendo ser confrontada com estimativas de demanda epidemiológica e marcadores oficiais do TabNet/DATASUS.
Escolha uma diretriz da lista catalogo_pcdt e produza
uma ficha contendo:
td_diretriz_cnv.csv);PA, AM, AQ, BI,
etc.);Modelo de registro:
ficha <- list(
diretriz = arquivo_escolhido$no_diretriz,
nu_diretriz = arquivo_escolhido$nu_diretriz,
sg_pcdt = arquivo_escolhido$sg_pcdt.x,
cid10 = arquivo_escolhido$co_cid,
arquivo = arquivo_escolhido$no_arquivo,
canal_acesso = ifelse(usar_http, "HTTP (Espelho LabX)", "SFTP (SABEIS)"),
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_
)
fichabd_geral).
https://github.com/sabeis-ats/bd_geral/blob/main/td_diretriz_cnv.csv#> 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
#>
#> other attached packages:
#> [1] ggplot2_4.0.3 lubridate_1.9.4 readr_2.2.0 tidyr_1.3.1 stringr_1.6.0
#> [6] dplyr_1.2.1 data.table_1.17.8 curl_7.1.0
#>
#> loaded via a namespace (and not attached):
#> [1] gtable_0.3.6 jsonlite_2.0.0 compiler_4.3.3 tidyselect_1.2.1 dichromat_2.0-0.1
#> [6] jquerylib_0.1.4 scales_1.4.0 yaml_2.3.10 fastmap_1.2.0 R6_2.6.1
#> [11] labeling_0.4.3 generics_0.1.4 knitr_1.50 tibble_3.3.0 RColorBrewer_1.1-3
#> [16] bslib_0.9.0 pillar_1.11.1 tzdb_0.5.0 R.utils_2.12.3 rlang_1.3.0
#> [21] cachem_1.1.0 stringi_1.8.7 xfun_0.54 S7_0.2.2 sass_0.4.10
#> [26] timechange_0.3.0 cli_3.6.5 withr_3.0.2 magrittr_2.0.4 digest_0.6.38
#> [31] grid_4.3.3 rstudioapi_0.15.0 hms_1.1.4 lifecycle_1.0.5 R.oo_1.26.0
#> [36] R.methodsS3_1.8.2 vctrs_0.7.3 evaluate_1.0.5 glue_1.8.0 farver_2.1.1
#> [41] rmarkdown_2.30 purrr_1.2.0 tools_4.3.3 pkgconfig_2.0.3 htmltools_0.5.8.1