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

1 Apresentação

1.1 Oferta do curso

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.

1.2 Resultado esperado

Ao final da aula, o participante deverá ser capaz de:

  1. verificar se a instalação local do R oferece suporte a SFTP e configurar rotas alternativas (fallback HTTP);
  2. conectar-se ao repositório público da SABEIS e baixar o dicionário oficial do SIA/SUS no FTP do DATASUS;
  3. compreender a arquitetura relacional do SIA/SUS (SIA-PA enriquecida com SIA-AM, SIA-AQ, etc.) e a taxonomia de 10 dígitos do SIGTAP;
  4. listar, catalogar e interpretar os nomes dos arquivos disponíveis;
  5. selecionar uma coorte adequada à atividade e baixar o arquivo csv.gz de forma atômica;
  6. ler e validar o arquivo no R com data.table;
  7. relacionar a coorte à lista oficial de PCDTs (td_diretriz_cnv.csv) e às demais tabelas auxiliares da SABEIS;
  8. produzir séries mensais e gráficos de demanda aferida e avaliação pós-incorporação.

1.3 Organização da manhã

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

2 SABEIS, SIA/SUS e Taxonomia SIGTAP

2.1 A Sala Aberta de Inteligência em Saúde

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:

  • uso exclusivo de software livre e padrões abertos;
  • uso de dados abertos oficiais do Ministério da Saúde;
  • rastreabilidade e reprodutibilidade das etapas de tratamento;
  • validação contra marcadores oficiais de produção (TabNet);
  • transparência dos critérios de formação das coortes por PCDT;
  • reutilização dos dados em estudos de ATS (demanda aferida e pós-incorporação).

2.2 Arquitetura do SIA/SUS: como SIA-PA é enriquecida na SABEIS

Conforme 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:

  • APAC: Autorização de Procedimentos Ambulatoriais (alta complexidade / alto custo);
  • BPA-C: Boletim de Produção Ambulatorial Consolidado (sem identificação individual);
  • BPA-I: Boletim de Produção Ambulatorial Individualizado;
  • RAAS-AD e RAAS-PSI: Registro das Ações Ambulatoriais de Saúde (Atenção Domiciliar e Psicossocial).

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).

2.3 Natureza do SIGTAP e estrutura dos 10 dígitos

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.

2.3.1 Natureza dinâmica e regulatória

  • Atualização mensal por competência (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.
  • Atributos vinculados: cada procedimento define a modalidade de atendimento (ambulatorial, hospitalar, hospital-dia, atenção domiciliar), nível de complexidade, CBO dos profissionais habilitados e CID-10 permitidos.

2.3.2 Taxonomia hierárquica: anatomia do código de 10 dígitos

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 com 0604 (Grupo 06 = Medicamentos, Subgrupo 04 = CEAF).

2.4 Fontes usadas na aula

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

3 Preparação do ambiente e Dicionário DATASUS

3.1 Pacotes

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)
})

3.2 Download do Dicionário de Dados do SIA/SUS (DATASUS)

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.

3.2.1 O que contém este documento (teor)?

  • Estrutura física e nomenclatura: explica o formato compactado .dbc (DBF comprimido) e o padrão de nomes dos arquivos por subsistema, UF e competência (ex.: PAUFAAMM.dbc, AMUFAAMM.dbc).
  • Instrumentos de origem (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.
  • Leiaute completo das variáveis: especifica o nome técnico de cada coluna, tipo de dado (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
if (file.exists(destino_doc_siasus)) {
  file.info(destino_doc_siasus)[c("size", "mtime")]
}
#>                                                    size               mtime
#> docs_datasus/Informe_Tecnico_SIASUS_2019_07.pdf 1103131 2026-11-18 06:49:30

3.3 Diagnóstico do suporte a SFTP

versao_curl <- curl::curl_version()
versao_curl$version
#> [1] "8.5.0"
"sftp" %in% versao_curl$protocols
#> [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/.

4 Acesso resiliente ao repositório da SABEIS

4.1 Parâmetros de conexão (SFTP primário e Espelho HTTP)

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$url_base
#> [1] "sftp://45.231.133.29:7891/srv/ftp/dadosabertos/"
sabeis$url_http
#> [1] "https://dados.labx.ia.br/files/sabeis/"

4.2 Listar o diretório remoto (com fallback automático)

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)
length(arquivos)
#> [1] 119
head(arquivos, 20)
#>  [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"

4.3 Manter apenas arquivos csv.gz

arquivos_csv <- arquivos[grepl("\\.csv\\.gz$", arquivos, ignore.case = TRUE)]

length(arquivos_csv)
#> [1] 119
head(arquivos_csv, 20)
#>  [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"

4.4 Gramática do nome do arquivo

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

4.6 Incorporar a lista oficial de PCDTs (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)"
)
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

4.7 Selecionar uma coorte para a aula

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:

candidatos_fen <- subset(
  catalogo_pcdt,
  sg_pcdt.x == "fen" & qt_registro <= 100000
)

candidatos_fen[order(qt_registro), ..colunas_pcdt]

4.8 Download atômico (com fallback SFTP -> HTTP)

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"
file.info(caminho_arquivo)[c("size", "mtime")]
#>                                                                                                                 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

5 Leitura e validação

5.1 Ler o arquivo compactado

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
names(dados)
#>  [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"
dados[1:min(.N, 6), 1:min(ncol(dados), 10)]
#>    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

5.2 Conferir a quantidade declarada no nome

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.

5.3 Perfil mínimo da base

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

5.4 Verificar campos importantes

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

6 Tabelas auxiliares e decomposição do SIGTAP

6.1 Doenças (CID-10), Procedimentos (SIGTAP) e Território

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

6.2 Decomposição taxonômica dos 10 dígitos do SIGTAP na prática

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"
  )
}
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

7 Demanda aferida e Avaliação pós-incorporação

7.1 Preparar competência e quantidade

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_]
}

7.2 Resumir séries mensais (Demanda aferida e Pós-incorporação)

# 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
cat("Meses na série de avaliação pós-incorporação:", nrow(avaliacao_pos), "\n")
#> Meses na série de avaliação pós-incorporação: 196
head(demanda_mensal, 12)
#>           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

7.3 Gráfico 1: Demanda aferida por competência

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")
}

7.4 Gráfico 2: Avaliação pós-incorporação (Usuários vs. Quantidade aprovada)

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.

8 Exercício prático

Escolha uma diretriz da lista catalogo_pcdt e produza uma ficha contendo:

  1. nome completo e código da diretriz (td_diretriz_cnv.csv);
  2. nome do arquivo utilizado e canal de obtenção (SFTP ou HTTP);
  3. competência inicial e data de geração;
  4. quantidade declarada e quantidade observada de registros;
  5. principais códigos SIGTAP de 10 dígitos (Grupo, Subgrupo e Forma de Organização);
  6. subsistemas de origem do SIA/SUS envolvidos no enriquecimento (PA, AM, AQ, BI, etc.);
  7. número mensal de usuários distintos e quantidade aprovada;
  8. limitações para uso em análise de impacto orçamentário;
  9. marcador oficial escolhido para validação no TabNet.

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_
)

ficha

9 Checklist de encerramento

10 Referências

11 Informações da sessão

sessionInfo()
#> 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