Produto 3 - Relatório técnico contendo análise da projeção do quantitativo de usuários, unidades dispensadas e valor gasto apresentados na sala de situação aberta de medicamentos biológicos cujo acesso é regulado por PCDT

Termo de Cooperação 76, TA nº 5, Ação nº 3. Apoiar a elaboração de estudos técnicos especializados para viabilizar as ações e estratégias preconizadas pela Comissão Nacional de Incorporação de Tecnologias no Sistema Único de Saúde (Conitec). Contrato CON21-00013320

1 Introdução

O uso dos medicamentos disponibilizados pelo SUS para medicamentos biológicos é regido pelo respectivo Protocolo Clínico e Diretrizes Terapêuticas (PCDT). A Secretaria de Ciência, Tecnologia, Inovação e Insumos Estratégicos em Saúde do Ministério da Saúde (SCTIE) por meio do Departamento de Gestão e Incorporação de Tecnologias e Inovação em Saúde (DGITIS) coordena o processo de formulação do PCDT e oferece suporte para incorporação e desincorporação de tecnologias no âmbito da Comissão Nacional de Incorporação de Tecnologias no SUS (CONITEC). Os medicamentos são disponibilizados pela assistência farmacêutica nas três esferas federadas (municipal, estadual e federal). Contudo, as informações de transparência, isto é, com dados abertos no âmbito nacional, restringem-se ao Sistema de Informações Ambulatoriais, onde o controle do Estado torna-se mandatório devido ao alto custo das terapias (Ferré et al. 2020; Ferré 2021).

O acesso a medicamentos do Componente Especializado é regulado via Portarias do Ministério da Saúde. Nas respectivas portarias constam o PCDT, o qual enquadra a doença nos diagnósticos segundo a CID10. Trabalhar com dados de mundo real com foco na demanda aferida é essencial para o planejamento do Sistema Único de Saúde. A demanda baseada em prevalência, segundo identificado na literatura, pode não estar atrelada à capacidade do sistema em diagnosticar, disponibilizar e dar acesso ao tratamento em todo o território. Para além das variáveis apresentadas em ensaios clínicos e revisões sistemáticas, a operacionalização do sistema de saúde é essencial para o sucesso do tratamento. Apenas a padronização do tratamento no elenco não implica na sua efetividade na saúde da população devido à relação do gestor com o Complexo Econômico-Industrial da Saúde, incluindo a cadeia logística e demais prestadores; com os profissionais de saúde envolvidos na terapêutica e com o compromisso com usuário visando sua adesão (Perini et al. 1999). Toda a cadeia assistencial deve ser contemplada visando eficiência dos gastos públicos (Meiners et al. 2017) antes de pautar a incorporação ou desincorporação de tratamentos no elenco do SUS.

Os dados de mundo real de medicamentos regulados por PCDT para análise de medicamentos regulados por PCDT são disponibilizados pela Secretaria de Atenção Especializada à Saúde - SAES, a qual dissemina dados abertos com apoio do Departamento de Informática do SUS pelo diretório ftp://ftp.datasus.gov.br/dissemin/publicos/.

A Sala Aberta de Situação em Saúde é uma plataforma livre que viabiliza a gestão do conhecimento, análise e visualização de dados do SUS. A presente versão tabula dados de dispensação de medicamentos regulados por Protocolos Clínicos e Diretrizes Terapêuticas (PCDT) e classificados segundo a tabela mantida pelo SIGTAP - Sistema de Gerenciamento da Tabela de Procedimentos, Medicamentos e OPM do SUS. No presente produto são apresentados os resultados da versão 24, de 09/09/2021 da Sala Aberta de Situação em Saúde para medicamentos regulados por PCDT, em grande parte, derivados do Componente Especializado da Assistência Farmacêutica.

O presente relato foi editado em R Markdown e está disponível em https://rpubs.com/labxss/858478.

1.1 Objetivos

Realizar análise da projeção do quantitativo de usuários, unidades dispensadas e valor gasto apresentados na sala de situação aberta de medicamentos biológicos cujo acesso é regulado por PCDT

1.1.1 Objetivos específicos

• Estabelecer processo transparente de extração, engenharia e processamento de dados abertos da assistência farmacêutica.
• Estabelecer processo transparente de repositórios analíticos e visualização.
• Estabelecer indicadores transparentes de monitoramento de medicamentos regidos pelo Protocolo Clínico e Diretrizes Terapêuticas de medicamentos biológicos.

2 Método

2.1 Coleta

A extração, transformação e carga (do inglês, Extract, Transform, Load - ETL) foi realizada via algoritmos em linguagem GNU bash, versão 4.4.20 com carga no Sistema de Gerenciamento de Banco de Dados (SGBD) PostgreSQL 10.8 a partir dos dados disseminados pelo Departamento de Informática do SUS, Secretaria Executiva, Ministério da Saúde - DATASUS/SE/MS, disponível em ftp://ftp.datasus.gov.br. A tabela 2.1 mostra exemplos de arquivos DBC.

log = pg_obtem_mapa_ftp()
query=paste0("SELECT no_dbc, dt_dbc, sg_sistema, 
                    sg_subsistema, qt_registros_dbc_local, qt_bytes_dbc
               FROM ", log, 
             "  order by random() limit 30")
  
kb=pg_roda_query(query)

kb$qt_registros_dbc_local=formata(kb$qt_registros_dbc_local)
kb$qt_bytes_dbc=formata(kb$qt_bytes_dbc)

colnames(kb)=set_colnames(colnames(kb))


library(kableExtra)

kbl(kb, 
    align = c(rep("r",ncol(kb))),
    caption = "Amostra de arquivos DBC disponíveis no repositório do DataSUS") %>%
    kable_classic()  

Table 2.1: Amostra de arquivos DBC disponíveis no repositório do DataSUS

no dbc	dt dbc	sg sistema	sg subsistema	qt registros dbc local	qt bytes dbc
RDPI9811.dbc	13-10-31	SIH	RD	20.411	661.112
ATDGO1911.dbc	21-01-13	SIA	ATD	4.204	281.307
EFSP1512.dbc	16-08-15	CNES	EF	157	5.767
CRPE1101.dbc	16-11-04	CIH	CR	4	1.084
EFMA1604.dbc	16-08-15	CNES	EF	6	1.292
RDSP9608.dbc	13-10-31	SIH	RD	214.197	8.074.395
BIAC2104.dbc	22-01-07	SIA	BI	43.042	1.714.695
ADGO1606.dbc	17-08-03	SIA	AD	6.527	353.281
AQRO1503.dbc	16-09-12	SIA	AQ	916	69.683
PFPR1510.dbc	19-05-15	CNES	PF	193.412	9.657.132
SPPA9707.dbc	13-10-31	SIH	SP	137.203	1.448.342
EPMG2105.dbc	21-07-14	CNES	EP	11.313	409.914
ERCE1806.dbc	20-01-09	SIH	ER	3.579	77.731
GMSP1206.dbc	16-08-09	CNES	GM	52	3.817
EQRJ1310.dbc	16-08-09	CNES	EQ	44.985	432.346
RJRR1405.dbc	15-10-05	SIH	RJ	23	4.499
EEES1810.dbc	18-11-14	CNES	EE	2	1.186
SADGO1508.dbc	16-10-07	SIA	SAD	3.002	37.973
LTRJ2005.dbc	20-07-15	CNES	LT	3.607	41.825
RAIVBR17.dbc	21-11-23	SINAN	RAIV	6	3.475
ARCE1409.dbc	15-11-11	SIA	AR	937	78.175
EQPB0608.dbc	14-06-04	CNES	EQ	3.387	39.304
EQRJ1103.dbc	14-06-04	CNES	EQ	37.371	342.439
PAGO0601.dbc	13-10-24	SIA	PA	153.330	1.759.041
AQMS1804.dbc	19-09-16	SIA	AQ	2.712	215.765
DCCE2005.dbc	20-07-15	CNES	DC	78	10.635
STMS1009.dbc	14-06-05	CNES	ST	3.109	147.654
GMDF1711.dbc	18-01-16	CNES	GM	9	1.573
ATDRO2102.dbc	22-01-07	SIA	ATD	1.047	60.261
RDRS9305.dbc	13-10-31	SIH	RD	87.726	3.565.489

# obtem o nome da tabela de log de regitros do DATASUS
log = pg_obtem_mapa_ftp()
log

## [1] "public.tf_coleta_20220128"

# obtem data a partir tabela de log de regitros do DATASUS
log_data = format(as.Date(gsub("[^0-9]","",log),"%Y%m%d"),"%B/%Y")
  
# sumario dos dados abertos do DATASUS
query=paste0("SELECT count(distinct no_dbc) qt_dbc, 
       sum(qt_bytes_dbc) qt_bytes, 
       sum(qt_registros_dbc_local) qt_registros,
       min(case when nu_competencia > 100 then nu_competencia else null end) cmpmin,
       max(nu_competencia) cmpmax
 FROM ", log)
  
sumariodbc=pg_roda_query(query)
sumariodbc[1:3]=formata(sumariodbc[1:3])
sumariodbc[4:5]=formata_mes(sumariodbc[4:5])

O dataSUS disponibilizou, em janeiro/2022, 12.995.366.451 registros em 141.306 arquivos DBC com dados de 01/1992 à 12/2021. A tabela 2.2 resume o conteúdo disponível.

# sumario dos dados abertos do DATASUS
query=paste0("SELECT sg_sistema as sistema,
       string_agg(distinct sg_subsistema, ' ') as subsistema,  
       count(distinct no_dbc) dbc, 
       sum(qt_bytes_dbc) bytes, 
       sum(qt_registros_dbc_local) registros,
       min(case when nu_competencia > 100 then nu_competencia else null end) mes_inicial,
       max(nu_competencia) mes_final
 FROM ", log, " group by 1")
  
kbsumariodbc=pg_roda_query(query)
kbsumariodbc[3:5]=formata(kbsumariodbc[3:5])
kbsumariodbc$mes_inicial=formata_mes(kbsumariodbc$mes_inicial)
kbsumariodbc$mes_final=formata_mes(kbsumariodbc$mes_final)
colnames(kbsumariodbc)=set_colnames(colnames(kbsumariodbc))

library(kableExtra)

kbl(kbsumariodbc, 
    align = c(rep("r",ncol(kbsumariodbc))),
    caption = "Sumário dos arquivos DBC segundo o sistema de informação do SUS") %>%
    kable_classic()  

Table 2.2: Sumário dos arquivos DBC segundo o sistema de informação do SUS

sistema	subsistema	dbc	bytes	registros	mes inicial	mes final
CIH	CR	868	165.114.178	7.676.888	01/2008	04/2011
CIHA	CIHA	3.298	2.531.356.398	182.835.268	01/2011	09/2021
CMD	CT PR	1.509	35.180.663.302	2.420.091.846	01/2017	04/2019
CNES	DC EE EF EFUFAA EP EQ GM GMUFAA HB HBUFAA IN INUFAA LT PF RC RCUFAA SR ST	62.880	34.887.657.927	910.323.933	08/2005	12/2021
SIA	AB ABO ACF AD AM AMP AN AQ AR ATD BI PA PS SAD	43.560	197.110.238.637	6.601.789.261	07/1994	11/2021
SIH	CH CM ER RD RJ SP	25.963	61.106.374.431	2.711.627.148	01/1992	11/2021
SIM	DO DOE DOF DOI DOM	745	2.211.278.790	33.027.587	12/1996	12/2019
SINAN	ACBI ACGR ANIM ANTR BOTU CANC CHAG CHIK COLE COQU DENG DERM DIFT ESQU FAMA FMAC FTIF HANS HANT IEXO LEIV LEPT LERD LTAN MALA MENI MENT PAIR PEST PFAN PNEU RAIV TETA TETN TUBE VIOL ZIKA	779	1.348.651.026	28.164.511	12/2001	12/2020
SINASC	DN DNR	760	3.545.635.104	94.238.796	12/1994	12/2019
SISPRENATAL	PN	944	232.410.320	5.591.213	01/2012	12/2014

Os dados originam-se do Sistema de Informações Ambulatoriais (SIA), sumarizados na tabela 2.3, e dados populacionais foram coletados a partir do sítio do Instituto Brasileiro de Geografia e Estatística (IBGE). O território foi caracterizado segundo o código IBGE do município e do gestor estadual. A população residente foi caracterizada segundo o sexo e faixa etária.

# sumario dos dados abertos do DATASUS
query=paste0("SELECT sg_subsistema as subsistema,
       count(distinct no_dbc) dbc, 
       sum(qt_bytes_dbc) bytes, 
       sum(qt_registros_dbc_local) registros,
       min(case when nu_competencia > 100 then nu_competencia else null end) mes_inicial,
       max(nu_competencia) mes_final
 FROM ", log, "
 where sg_sistema = 'SIA' 
   and qt_registros_dbc_local > 0
 group by 1
 order by registros desc ")
  
# formata decimal, milhar e data
kbsumariodbcsia=pg_roda_query(query)
kbsumariodbcsia[2:4]=formata(kbsumariodbcsia[2:4])
kbsumariodbcsia$mes_inicial=formata_mes(kbsumariodbcsia$mes_inicial)
kbsumariodbcsia$mes_final=formata_mes(kbsumariodbcsia$mes_final)
colnames(kbsumariodbcsia)=set_colnames(colnames(kbsumariodbcsia))

library(kableExtra)

kbl(kbsumariodbcsia, 
    align = c(rep("r",ncol(kbsumariodbcsia))),
    caption = "Sumário dos arquivos DBC segundo o sistema de informação do do Sistema de Informações Ambulatoriais (SIA)") %>%
    kable_classic()  

Table 2.3: Sumário dos arquivos DBC segundo o sistema de informação do do Sistema de Informações Ambulatoriais (SIA)

subsistema	dbc	bytes	registros	mes inicial	mes final
PA	9.023	108.221.942.768	4.457.894.503	07/1994	11/2021
BI	4.509	69.384.961.114	1.717.758.601	01/2008	11/2021
AM	4.465	10.866.040.538	228.825.229	01/2008	11/2021
PS	2.883	1.704.083.894	91.338.663	11/2012	11/2021
AD	4.507	2.186.748.913	41.913.035	01/2008	11/2021
AQ	4.476	3.274.111.804	40.860.281	01/2008	11/2021
ATD	2.371	605.607.817	9.363.343	08/2014	11/2021
AN	2.145	458.824.790	6.534.272	01/2008	10/2014
SAD	1.088	53.440.628	3.524.141	04/2012	10/2018
AR	4.060	291.844.025	3.307.044	01/2008	11/2021
ACF	2.279	19.343.149	242.090	08/2014	11/2021
AB	544	14.622.114	211.252	01/2008	04/2017
AMP	300	1.523.881	16.807	03/2016	11/2021

Os procedimentos de saúde do grupo medicamentos foram categorizados, respectivamente como, subgrupo e forma de organização, cuja lista é mantida via Sistema de Gerenciamento da Tabela de Procedimentos, Medicamentos e OPM do SUS (SIGTAP) pela Secretaria de Atenção Especializada à Saúde (SAES/MS). A tabela 2.4 lista os medicamentos biológicos considerados no presente estudo.

# sumario dos dados abertos do DATASUS
query=paste0("select sg_procedimento, no_procedimento, co_procedimento
             from bd_medicamento.td_medicamento where st_biologico = 'sim'")
  
# formata decimal, milhar e data
kbbiologicos=pg_roda_query(query)
colnames(kbbiologicos)=set_colnames(colnames(kbbiologicos))

library(kableExtra)

kbl(kbbiologicos, 
    caption = "Medicamentos biológicos listados no presente estudo") %>%
    kable_classic()  

Table 2.4: Medicamentos biológicos listados no presente estudo

sg procedimento	no procedimento	co procedimento
ABAT125	ABATACEPTE 125 MG INJETÁVEL (POR SERINGA PREENCHIDA)	604320140
ABAT250	ABATACEPTE 250 MG INJETÁVEL (POR FRASCO AMPOLA).	604320124
ADAL40	ADALIMUMABE 40 MG INJETAVEL (POR SERINGA PREENCHIDA)	601010019 604380011 604380062 604380097
CERT200	CERTOLIZUMABE PEGOL 200 MG/ML INJETÁVEL (POR SERINGA PREENCHIDA)	604380070
CITR5	CITRATO DE TOFACITINIBE 5 MG (POR COMPRIMIDO)	604320159
ETAN25	ETANERCEPTE 25 MG INJETAVEL (POR FRASCO-AMPOLA)	601010027 604380020
ETAN50	ETANERCEPTE 50 MG INJETAVEL (POR FRASCO-AMPOLA OU SERINGA PREENCHIDA)	601010051 604380038
ETAN50A	ETANERCEPTE 50 MG INJETÁVEL (POR FRASCO-AMPOLA OU SERINGA PREENCHIDA)(BIOSSIMILAR A)	604380100
FING05	FINGOLIMODE 0.5 MG (POR CÁPSULA)	604320132
GOLI50	GOLIMUMABE 50 MG INJETÁVEL (POR SERINGA PREENCHIDA	604380089
INFL1010	INFLIXIMABE 10 MG/ML INJETAVEL (POR FRASCO-AMPOLA COM 10 ML)	601010035 601010043 604380046 604380054
RITU50050	RITUXIMABE 500 MG INJETÁVEL (POR FRASCO-AMPOLA DE 50 ML)	604680023
RITU50050A	RITUXIMABE 500 MG INJETÁVEL (POR FRASCO- AMPOLA DE 5O ML ) (BIOSSIMILAR A)	604680031
SECU150	SECUQUINUMABE 150 MG/ML SOLUÇÃO INJETÁVEL (POR SERINGA PREENCHIDA)	604690029
TOCI204	TOCILIZUMABE 20 MG/ML INJETAVEL (POR FRASCO-AMPOLA DE 4 ML)	604690010
USTEQ45	USTEQUINUMABE 45 MG/0,5ML SOLUÇÂO INJETÀVEL (POR SERINGA PREENCHIDA)	604690037
VEDO300	VEDOLIZUMABE 300 MG PÓ LIOFILIZADO PARA SOLUÇĂO INJETÁVEL	604320167

Os diagnósticos foram registrados conforme a Classificação Internacional de Doenças e Problemas Relacionados à Saúde (CID-10) segundo a subcategoria. O estabelecimento foi identificado segundo o Cadastro Nacional de Estabelecimentos de Saúde (CNES, SAES/MS).

2.2 Processamento

As agregações foram realizadas com Linguagem de Consulta Estruturada, (do inglês, Structured Query Language - SQL) sob os paradigmas da modelagem de processamento analítico online, do inglês, Online Analytical Processing (OLAP) e normas de nomenclatura do Departamento de Informática do SUS (DATASUS).

Os dados foram transpostos em tabelas de dimensão e fatos de modo que cada agregação constitui a soma simples da frequência e valores em Reais relativos a eventos discretos (procedimento, diagnóstico, território, características sociodemográficas). A performance de consultas foi otimizada com o recurso da desnormalização das tabelas fato, de modo a reduzir a demanda por cruzamentos com tabelas de dimensão.

A Extração, Transformação e Carga (extract, transform and load - ETL) de dados de dispensação de medicamentos de usuários com medicamentos biológicos em linguagem estruturada de consulta (structured query language - SQL) utilizando-se o Sistema Gerenciador de Banco de Dados (SGBD) PostgreSQL 10.10 (Ubuntu 10.10-0ubuntu0.18.04.1). Na wiki é disponibilizado o endereço para baixar o código-fonte e repositório de dados sob a licença General Public License - GPL 3.014 e Open Database License (ODbL).

Foram escritos painéis com a ferramenta Shiny, do projeto R, a qual adota conceitos do tema Bootstrap de visualização. O painel analítico foi composto de indicadores na forma de cartões de visualização com tabela, histograma, série temporal.

Os registros foram selecionados segundo o diagnóstico primário e código de procedimento SIGTAP entre 2009 e março de 2021. Foram selecionados usuários residentes segundo o sexo (‘F,’‘M’) e idade entre 0 e 130, a partir de informações prestadas pela Secretaria Estadual de Saúde - SES, cujo critério de quantidade aprovada contemplou todos os registros > 0.

3 Resultados

3.1 Extração

A tabela 3.1 resume o conteúdo disponível na Sala Aberta de Inteligência em Saúde - SABEIS relativo ao SIA processado.

# sumario dos dados abertos do DATASUS
query=paste0("SELECT sg_subsistema as subsistema,
       count(distinct no_dbc) dbc, 
       sum(qt_bytes_dbc) bytes, 
       sum(qt_registros_dbc_local) registros,
       min(case when nu_competencia > 100 then nu_competencia else null end) mes_inicial,
       max(nu_competencia) mes_final
 FROM ", log, "
 where sg_sistema = 'SIA' 
   and qt_registros_dbc_local > 0
   and sg_subsistema in ('PA','AM','AQ','AN','AR','BI','PS')
   and nu_ano >= 2008
 group by 1
 order by registros desc")
  

kbsumariodbcsiaprocessado=pg_roda_query(query)

# valores totais
query=paste0(" SELECT 'total' as subsistema,
       count(distinct no_dbc) dbc, 
       sum(qt_bytes_dbc) bytes, 
       sum(qt_registros_dbc_local) registros,
       min(case when nu_competencia > 100 then nu_competencia else null end) mes_inicial,
       max(nu_competencia) mes_final
 FROM ", log, "
 where sg_sistema = 'SIA' 
   and qt_registros_dbc_local > 0
   and sg_subsistema in ('PA','AM','AQ','AN','AR','BI','PS')
   and nu_ano >= 2008
 group by 1
 order by registros desc
")

kbsumariodbcsiatotal=pg_roda_query(query)


kbsumariodbcsiaprocessado=rbind(
  kbsumariodbcsiaprocessado,
  kbsumariodbcsiatotal
)

# formata decimal, milhar e data
kbsumariodbcsiaprocessado[2:4]=formata(kbsumariodbcsiaprocessado[2:4])
kbsumariodbcsiaprocessado$mes_inicial=formata_mes(kbsumariodbcsiaprocessado$mes_inicial)
kbsumariodbcsiaprocessado$mes_final=formata_mes(kbsumariodbcsiaprocessado$mes_final)

# extrai valores totais formatados
kbsumariodbcsiatotal=kbsumariodbcsiaprocessado[kbsumariodbcsiaprocessado$subsistema=='total',]

colnames(kbsumariodbcsiaprocessado)=set_colnames(colnames(kbsumariodbcsiaprocessado))

library(kableExtra)

kbl(kbsumariodbcsiaprocessado, 
    align = c(rep("r",ncol(kbsumariodbcsiaprocessado))),
    caption = "Sumário dos arquivos DBC processados na Sala Aberta de Inteligência em Saúde - SABEIS segundo o sistema de informação do Sistema de Informações Ambulatoriais (SIA)") %>%
    kable_classic()   %>%
    footnote(
    general = paste(
      "Dados a partir de 2008."
    )
  )

Table 3.1: Sumário dos arquivos DBC processados na Sala Aberta de Inteligência em Saúde - SABEIS segundo o sistema de informação do Sistema de Informações Ambulatoriais (SIA)

subsistema	dbc	bytes	registros	mes inicial	mes final
PA	4.650	102.197.093.653	3.861.477.817	01/2008	11/2021
BI	4.509	69.384.961.114	1.717.758.601	01/2008	11/2021
AM	4.465	10.866.040.538	228.825.229	01/2008	11/2021
PS	2.883	1.704.083.894	91.338.663	11/2012	11/2021
AQ	4.476	3.274.111.804	40.860.281	01/2008	11/2021
AN	2.145	458.824.790	6.534.272	01/2008	10/2014
AR	4.060	291.844.025	3.307.044	01/2008	11/2021
total	27.188	188.176.959.818	5.950.101.907	01/2008	11/2021
Note:
Dados a partir de 2008.

O dataSUS disponibilizou, em janeiro/2022, 5.950.101.907 registros em 27.188 arquivos DBC com dados de 01/2008 à 11/2021. Foram identificados 0 arquivos discrepantes (NA), isto é, com mais de 1% de variação, representando, no conjunto, 0 registros.

Verificou-se 11.517.191.609 de quantidade aprovada persistida na SABEIS, enquanto, no tabnet, o valor foi de 11.541.893.541 (-0,2%).

3.2 Processamento

A tabela 3.2 resume o volume de atendimentos relacionados aos medicamentos registrados no SIA.

# sumario dos dados abertos do DATASUS
query=paste0("select round(nu_competencia::decimal/100)::text ano ,
       round(sum(qt_usuariosus_medicamento)/12) usuários_ao_mes,
       sum(qt_registros_medicamento) dispensações,
       sum(qt_aprovada_medicamento) unidades,
       sum(qt_aprovada_tabnet) unidades_no_tabnet,
       100-round(sum(qt_aprovada_medicamento)::decimal/sum(qt_aprovada_tabnet)*100,1) percentual
  from bd_medicamento.tf_coleta_medicamento 
 group by 1
 union
 select 'total' ano ,
       round(sum(qt_usuariosus_medicamento)/12) usuários_ao_mes,
       sum(qt_registros_medicamento) dispensações,
       sum(qt_aprovada_medicamento) unidades,
       sum(qt_aprovada_tabnet) unidades_no_tabnet,
       100-round(sum(qt_aprovada_medicamento)::decimal/sum(qt_aprovada_tabnet)*100,1)
  from bd_medicamento.tf_coleta_medicamento 
 group by 1
 order by 1")
  
kbprocessamento=pg_roda_query(query)

# formata decimal, milhar e data
kbprocessamento[2:5]=formata(kbprocessamento[2:5])
kbprocessamento$percentual=formata(kbprocessamento$percentual)

# formata os títulos
colnames(kbprocessamento)=str_replace_all(colnames(kbprocessamento),'_',' ')

library(kableExtra)

kbl(kbprocessamento, 
    align = c(rep("r",ncol(kbprocessamento))),
    caption = "Sumário anual dos usuários, dispensações e unidades farmacotécnicas  processadas na Sala Aberta de Inteligência em Saúde - SABEIS segundo o sistema de informação do Sistema de Informações Ambulatoriais (SIA)") %>%
    kable_classic() 

Table 3.2: Sumário anual dos usuários, dispensações e unidades farmacotécnicas processadas na Sala Aberta de Inteligência em Saúde - SABEIS segundo o sistema de informação do Sistema de Informações Ambulatoriais (SIA)

ano	usuários ao mes	dispensações	unidades	unidades no tabnet	percentual
2008	698.734	11.254.430	531.971.227	534.784.455	0,5
2009	812.231	13.283.721	633.489.233	634.564.790	0,2
2010	796.544	12.797.876	617.829.441	619.586.472	0,3
2011	886.837	14.137.231	659.564.631	659.586.655	0,0
2012	969.459	15.877.469	722.674.241	723.246.845	0,1
2013	1.003.520	16.500.303	734.808.232	736.095.454	0,2
2014	1.140.760	19.036.599	815.769.214	817.056.265	0,2
2015	1.238.775	20.832.059	838.670.041	840.185.315	0,2
2016	1.205.815	19.719.557	862.737.054	865.622.710	0,3
2017	1.283.544	21.089.371	924.031.162	925.916.483	0,2
2018	1.321.852	21.804.066	972.957.989	975.316.986	0,2
2019	1.439.017	23.917.563	1.020.101.583	1.022.200.782	0,2
2020	1.530.392	25.507.262	1.124.959.611	1.127.084.548	0,2
2021	1.433.127	24.143.640	1.057.627.950	1.060.645.781	0,3
total	15.760.606	259.901.147	11.517.191.609	11.541.893.541	0,2

3.3 Análise

Abatacepte 125 mg injetável (por seringa preenchida) - ABAT125

A partir do código SIGTAP (604320140) foi observado o período de dezembro/2016 a novembro/2021. O maior número de usuários foi 4.115 em novembro/2021. A maior quantidade aprovada foi 17.817 em novembro/2021. A mediana (e quartis) de quantidade aprovada por usuário foi 4,0 (4,0-4,1) variando de 3,7 a 4,5 unidades por usuário. .

Table 3.3: Previsão ABAT125 - usuários SUS

	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95	competencia	ano
23	1665	1568	1761	1517	1812	novembro/2021	1
24	1720	1624	1817	1573	1868	dezembro/2021	1
25	1800	1698	1903	1644	1957	janeiro/2022	1
26	1872	1767	1977	1711	2033	fevereiro/2022	1
27	1946	1838	2055	1780	2112	março/2022	1
28	2020	1908	2131	1849	2190	abril/2022	1
29	2094	1979	2208	1919	2269	maio/2022	1
30	2168	2050	2285	1988	2347	junho/2022	1
31	2241	2121	2362	2057	2425	julho/2022	1
32	2315	2192	2438	2127	2503	agosto/2022	1
33	2389	2263	2515	2196	2581	setembro/2022	1
34	2463	2334	2591	2266	2659	outubro/2022	1
35	2536	2405	2667	2336	2737	novembro/2022	2
36	2610	2476	2744	2406	2815	dezembro/2022	2
37	2684	2548	2820	2476	2892	janeiro/2023	2
38	2758	2619	2896	2546	2970	fevereiro/2023	2
39	2831	2690	2972	2616	3047	março/2023	2
40	2905	2762	3049	2686	3125	abril/2023	2
41	2979	2833	3125	2756	3202	maio/2023	2
42	3053	2905	3201	2826	3279	junho/2023	2
43	3126	2976	3277	2896	3356	julho/2023	2
44	3200	3048	3353	2967	3434	agosto/2023	2
45	3274	3119	3429	3037	3511	setembro/2023	2
46	3348	3191	3505	3108	3588	outubro/2023	2
47	3422	3262	3581	3178	3665	novembro/2023	3
48	3495	3334	3657	3249	3742	dezembro/2023	3
49	3569	3406	3732	3319	3819	janeiro/2024	3
50	3643	3477	3808	3390	3896	fevereiro/2024	3
51	3717	3549	3884	3461	3973	março/2024	3
52	3790	3621	3960	3531	4050	abril/2024	3
53	3864	3693	4036	3602	4126	maio/2024	3
54	3938	3764	4111	3673	4203	junho/2024	3
55	4012	3836	4187	3743	4280	julho/2024	3
56	4085	3908	4263	3814	4357	agosto/2024	3
57	4159	3980	4338	3885	4433	setembro/2024	3
58	4233	4052	4414	3956	4510	outubro/2024	3
59	4307	4124	4490	4027	4586	novembro/2024	4
60	4380	4196	4565	4098	4663	dezembro/2024	4
61	4454	4268	4641	4169	4740	janeiro/2025	4
62	4528	4340	4716	4240	4816	fevereiro/2025	4
63	4602	4412	4792	4311	4893	março/2025	4
64	4676	4484	4868	4382	4969	abril/2025	4
65	4749	4556	4943	4453	5046	maio/2025	4
66	4823	4628	5019	4524	5122	junho/2025	4
67	4897	4700	5094	4595	5198	julho/2025	4
68	4971	4772	5170	4666	5275	agosto/2025	4
69	5044	4844	5245	4738	5351	setembro/2025	4
70	5118	4916	5320	4809	5428	outubro/2025	4
71	5192	4988	5396	4880	5504	novembro/2025	5
72	5266	5060	5471	4951	5580	dezembro/2025	5
73	5339	5132	5547	5022	5656	janeiro/2026	5
74	5413	5204	5622	5094	5733	fevereiro/2026	5
75	5487	5276	5697	5165	5809	março/2026	5
76	5561	5349	5773	5236	5885	abril/2026	5
77	5635	5421	5848	5308	5961	maio/2026	5
78	5708	5493	5924	5379	6038	junho/2026	5
79	5782	5565	5999	5450	6114	julho/2026	5
80	5856	5637	6074	5522	6190	agosto/2026	5
81	5930	5710	6150	5593	6266	setembro/2026	5
82	6003	5782	6225	5665	6342	outubro/2026	5

É previsto, no total de cinco anos, o atendimento de 229.645 usuários/mês (219.653-239.641).

Table 3.3: Previsão ABAT125 -unidades aprovadas

ano	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95
1	99.611	90.803	108.418	86.142	113.080
2	142.233	127.966	156.499	120.415	164.053
3	184.915	166.828	203.003	157.255	212.577
4	227.597	206.375	248.820	195.142	260.054
5	270.281	246.333	294.229	233.653	306.906

É previsto, no total de cinco anos, a quantidade aprovada de 924.637 (838.305-1.010.969).

Previsão de gasto ao mes - Abatacepte 125 mg injetável (por seringa preenchida) - ABAT125

Table 3.3: Previsão ABAT125 - valor total

ano	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95
1	21.722.913	13.957.966	29.487.861	9.847.451	33.598.376
2	20.904.204	12.324.836	29.483.572	7.783.193	34.025.215
3	20.831.104	12.246.070	29.416.137	7.701.430	33.960.778
4	20.824.576	12.239.499	29.409.655	7.694.834	33.954.320
5	20.823.994	12.238.915	29.409.074	7.694.250	33.953.740

Com o método arima, é previsto, no total de cinco anos, o valor de R$ 105.106.791 (63.007.286-147.206.299).

Table 3.3: Previsão ABAT125 - valor total com base nas unidades aprovadas × R$ 246,28

ano	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95
1	17.267.770	12.445.049	22.090.500	9.892.043	24.643.506
2	17.232.828	12.215.016	22.250.652	9.558.732	24.906.936
3	17.232.828	12.215.016	22.250.652	9.558.732	24.906.936
4	17.232.828	12.215.016	22.250.652	9.558.732	24.906.936
5	17.232.828	12.215.016	22.250.652	9.558.732	24.906.936

Com o método arima para quantidade aprovada e o último valor pago pela unidade farmacotécnica, é previsto, no total de cinco anos, o valor de R$ 86.199.082 (61.305.113-111.093.108).

Abatacepte 250 mg injetável (por frasco ampola). - ABAT250

A partir do código SIGTAP (604320124) foi observado o período de abril/2013 a novembro/2021. O maior número de usuários foi 2.804 em novembro/2019. A maior quantidade aprovada foi 8.474 em fevereiro/2019. A mediana (e quartis) de quantidade aprovada por usuário foi 2,9 (2,9-3,0) variando de 2,8 a 4,5 unidades por usuário. .

Table 3.3: Previsão ABAT250 - usuários SUS

	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95	competencia	ano
38	2415	2319	2511	2269	2562	fevereiro/2023	1
39	2454	2345	2564	2287	2622	março/2023	1
40	2501	2370	2632	2300	2702	abril/2023	1
41	2545	2399	2691	2321	2768	maio/2023	1
42	2590	2429	2750	2344	2835	junho/2023	1
43	2634	2460	2808	2368	2900	julho/2023	1
44	2678	2492	2864	2394	2963	agosto/2023	1
45	2723	2525	2920	2421	3025	setembro/2023	1
46	2767	2559	2976	2448	3086	outubro/2023	1
47	2812	2593	3030	2477	3146	novembro/2023	1
48	2856	2628	3085	2507	3206	dezembro/2023	1
49	2901	2663	3139	2537	3265	janeiro/2024	1
50	2945	2698	3192	2567	3323	fevereiro/2024	2
51	2990	2734	3245	2598	3381	março/2024	2
52	3034	2770	3298	2630	3438	abril/2024	2
53	3078	2806	3351	2662	3495	maio/2024	2
54	3123	2842	3403	2694	3552	junho/2024	2
55	3167	2879	3456	2727	3608	julho/2024	2
56	3212	2916	3508	2759	3664	agosto/2024	2
57	3256	2953	3559	2793	3720	setembro/2024	2
58	3301	2990	3611	2826	3775	outubro/2024	2
59	3345	3028	3663	2860	3831	novembro/2024	2
60	3390	3065	3714	2894	3886	dezembro/2024	2
61	3434	3103	3765	2928	3940	janeiro/2025	2
62	3479	3141	3816	2962	3995	fevereiro/2025	3
63	3523	3179	3867	2997	4049	março/2025	3
64	3568	3217	3918	3032	4103	abril/2025	3
65	3612	3255	3969	3067	4157	maio/2025	3
66	3656	3294	4019	3102	4211	junho/2025	3
67	3701	3332	4070	3137	4265	julho/2025	3
68	3745	3371	4120	3172	4318	agosto/2025	3
69	3790	3409	4170	3208	4372	setembro/2025	3
70	3834	3448	4221	3244	4425	outubro/2025	3
71	3879	3487	4271	3279	4478	novembro/2025	3
72	3923	3526	4321	3315	4531	dezembro/2025	3
73	3968	3565	4371	3351	4584	janeiro/2026	3
74	4012	3604	4421	3387	4637	fevereiro/2026	4
75	4057	3643	4470	3424	4689	março/2026	4
76	4101	3682	4520	3460	4742	abril/2026	4
77	4145	3721	4570	3497	4794	maio/2026	4
78	4190	3760	4619	3533	4847	junho/2026	4
79	4234	3800	4669	3570	4899	julho/2026	4
80	4279	3839	4718	3607	4951	agosto/2026	4
81	4323	3879	4768	3643	5003	setembro/2026	4
82	4368	3918	4817	3680	5055	outubro/2026	4
83	4412	3958	4867	3717	5107	novembro/2026	4
84	4457	3997	4916	3754	5159	dezembro/2026	4
85	4501	4037	4965	3792	5211	janeiro/2027	4
86	4546	4077	5014	3829	5262	fevereiro/2027	5
87	4590	4117	5063	3866	5314	março/2027	5
88	4635	4156	5113	3903	5366	abril/2027	5
89	4679	4196	5162	3941	5417	maio/2027	5
90	4723	4236	5211	3978	5469	junho/2027	5
91	4768	4276	5260	4016	5520	julho/2027	5
92	4812	4316	5309	4054	5571	agosto/2027	5
93	4857	4356	5357	4091	5622	setembro/2027	5
94	4901	4396	5406	4129	5674	outubro/2027	5
95	4946	4436	5455	4167	5725	novembro/2027	5
96	4990	4477	5504	4205	5776	dezembro/2027	5
97	5035	4517	5553	4243	5827	janeiro/2028	5

É previsto, no total de cinco anos, o atendimento de 223.390 usuários/mês (202.184-244.595).

Table 3.3: Previsão ABAT250 -unidades aprovadas

ano	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95
1	97.196	90.277	104.113	86.615	107.774
2	112.337	102.326	122.347	97.028	127.647
3	127.478	115.142	139.813	108.615	146.342
4	142.620	128.338	156.900	120.779	164.462
5	157.762	141.770	173.753	133.304	182.220

É previsto, no total de cinco anos, a quantidade aprovada de 637.393 (577.853-696.926).

Previsão de gasto ao mes - Abatacepte 250 mg injetável (por frasco ampola). - ABAT250

Table 3.3: Previsão ABAT250 - valor total

ano	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95
1	39.509.996	35.832.381	43.187.609	33.885.573	45.134.421
2	39.359.605	35.545.875	43.173.337	33.527.010	45.192.202
3	39.358.533	35.544.799	43.172.272	33.525.928	45.191.141
4	39.358.524	35.544.792	43.172.268	33.525.924	45.191.136
5	39.358.524	35.544.792	43.172.268	33.525.924	45.191.136

Com o método arima, é previsto, no total de cinco anos, o valor de R$ 196.945.182 (178.012.639-215.877.754).

Table 3.3: Previsão ABAT250 - valor total com base nas unidades aprovadas × R$ 386,61

ano	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95
1	39.779.110	37.131.041	42.427.180	35.729.237	43.828.981
2	42.967.453	39.224.243	46.710.663	37.242.710	48.692.194
3	46.155.796	41.577.438	50.734.154	39.153.803	53.157.790
4	49.344.140	44.062.168	54.626.111	41.266.061	57.422.215
5	52.532.483	46.630.589	58.434.376	43.506.317	61.558.649

Com o método arima para quantidade aprovada e o último valor pago pela unidade farmacotécnica, é previsto, no total de cinco anos, o valor de R$ 230.778.982 (208.625.479-252.932.484).

Adalimumabe 40 mg injetavel (por seringa preenchida) - ADAL40

A partir do código SIGTAP (601010019 604380011 604380062 604380097) foi observado o período de janeiro/2008 a novembro/2021. O maior número de usuários foi 49.027 em novembro/2021. A maior quantidade aprovada foi 116.194 em novembro/2021. A mediana (e quartis) de quantidade aprovada por usuário foi 2,0 (2,0-2,1) variando de 1,0 a 2,6 unidades por usuário. .

Table 3.3: Previsão ADAL40 - usuários SUS

	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95	competencia	ano
75	35169	34212	36126	33705	36632	março/2026	1
76	35757	34629	36886	34031	37483	abril/2026	1
77	36215	35014	37415	34378	38051	maio/2026	1
78	36603	35363	37843	34707	38500	junho/2026	1
79	36956	35689	38222	35018	38893	julho/2026	1
80	37289	36001	38577	35320	39258	agosto/2026	1
81	37612	36307	38918	35615	39610	setembro/2026	1
82	37931	36608	39253	35908	39953	outubro/2026	1
83	38246	36908	39584	36199	40293	novembro/2026	1
84	38560	37206	39914	36490	40630	dezembro/2026	1
85	38873	37505	40242	36780	40966	janeiro/2027	1
86	39186	37803	40570	37070	41302	fevereiro/2027	1
87	39499	38101	40897	37361	41637	março/2027	2
88	39811	38399	41224	37651	41971	abril/2027	2
89	40124	38697	41550	37942	42306	maio/2027	2
90	40436	38995	41877	38233	42639	junho/2027	2
91	40748	39294	42203	38524	42973	julho/2027	2
92	41061	39592	42529	38815	43307	agosto/2027	2
93	41373	39891	42855	39106	43640	setembro/2027	2
94	41686	40190	43181	39398	43973	outubro/2027	2
95	41998	40489	43507	39690	44306	novembro/2027	2
96	42310	40788	43833	39982	44639	dezembro/2027	2
97	42623	41087	44158	40274	44971	janeiro/2028	2
98	42935	41386	44484	40566	45304	fevereiro/2028	2
99	43248	41686	44809	40859	45636	março/2028	3
100	43560	41985	45135	41152	45968	abril/2028	3
101	43872	42285	45460	41445	46300	maio/2028	3
102	44185	42585	45785	41738	46632	junho/2028	3
103	44497	42884	46110	42031	46963	julho/2028	3
104	44809	43184	46435	42324	47295	agosto/2028	3
105	45122	43484	46759	42617	47626	setembro/2028	3
106	45434	43784	47084	42911	47957	outubro/2028	3
107	45747	44085	47409	43205	48288	novembro/2028	3
108	46059	44385	47733	43499	48619	dezembro/2028	3
109	46371	44685	48057	43793	48950	janeiro/2029	3
110	46684	44986	48382	44087	49281	fevereiro/2029	3
111	46996	45286	48706	44381	49611	março/2029	4
112	47308	45587	49030	44675	49941	abril/2029	4
113	47621	45888	49354	44970	50272	maio/2029	4
114	47933	46188	49678	45265	50602	junho/2029	4
115	48246	46489	50002	45559	50932	julho/2029	4
116	48558	46790	50326	45854	51262	agosto/2029	4
117	48870	47091	50650	46149	51592	setembro/2029	4
118	49183	47392	50973	46444	51921	outubro/2029	4
119	49495	47693	51297	46739	52251	novembro/2029	4
120	49808	47995	51621	47035	52580	dezembro/2029	4
121	50120	48296	51944	47330	52910	janeiro/2030	4
122	50432	48597	52267	47626	53239	fevereiro/2030	4
123	50745	48899	52591	47921	53568	março/2030	5
124	51057	49200	52914	48217	53897	abril/2030	5
125	51369	49502	53237	48513	54226	maio/2030	5
126	51682	49803	53560	48809	54555	junho/2030	5
127	51994	50105	53884	49105	54884	julho/2030	5
128	52307	50407	54207	49401	55212	agosto/2030	5
129	52619	50708	54530	49697	55541	setembro/2030	5
130	52931	51010	54852	49993	55869	outubro/2030	5
131	53244	51312	55175	50290	56198	novembro/2030	5
132	53556	51614	55498	50586	56526	dezembro/2030	5
133	53868	51916	55821	50883	56854	janeiro/2031	5
134	54181	52218	56144	51179	57183	fevereiro/2031	5

É previsto, no total de cinco anos, o atendimento de 2.696.712 usuários/mês (2.600.158-2.793.267).

Table 3.3: Previsão ADAL40 -unidades aprovadas

ano	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95
1	1.109.921	1.074.685	1.145.158	1.056.030	1.163.812
2	1.203.177	1.166.135	1.240.218	1.146.527	1.259.825
3	1.296.432	1.257.673	1.335.194	1.237.151	1.355.713
4	1.389.689	1.349.280	1.430.098	1.327.891	1.451.488
5	1.482.945	1.440.954	1.524.934	1.418.724	1.547.163

É previsto, no total de cinco anos, a quantidade aprovada de 6.482.164 (6.288.727-6.675.602).

Previsão de gasto ao mes - Adalimumabe 40 mg injetavel (por seringa preenchida) - ADAL40

Table 3.3: Previsão ADAL40 - valor total

ano	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95
1	803.954.830	731.924.494	875.985.170	693.793.937	914.115.727
2	815.711.671	742.118.670	889.304.672	703.160.889	928.262.452
3	815.724.812	742.131.809	889.317.814	703.174.028	928.275.596
4	815.724.828	742.131.828	889.317.828	703.174.044	928.275.612
5	815.724.828	742.131.828	889.317.828	703.174.044	928.275.612

Com o método arima, é previsto, no total de cinco anos, o valor de R$ 4.066.840.969 (3.700.438.629-4.433.243.312).

Table 3.3: Previsão ADAL40 - valor total com base nas unidades aprovadas × R$ 185,31

ano	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95
1	175.276.928	169.244.718	181.309.139	166.051.461	184.502.398
2	192.779.831	186.414.274	199.145.388	183.044.551	202.515.110
3	210.282.732	203.600.449	216.965.016	200.063.063	220.502.403
4	227.785.634	220.800.983	234.770.286	217.103.533	238.467.739
5	245.288.537	238.014.082	252.562.991	234.163.217	256.413.855

Com o método arima para quantidade aprovada e o último valor pago pela unidade farmacotécnica, é previsto, no total de cinco anos, o valor de R$ 1.051.413.662 (1.018.074.506-1.084.752.820).

Certolizumabe pegol 200 mg/mL injetável (por seringa preenchida) - CERT200

A partir do código SIGTAP (604380070) foi observado o período de agosto/2013 a novembro/2021. O maior número de usuários foi 9.654 em novembro/2021. A maior quantidade aprovada foi 21.548 em novembro/2021. A mediana (e quartis) de quantidade aprovada por usuário foi 2,1 (2,1-2,2) variando de 1,7 a 2,9 unidades por usuário. .

Table 3.3: Previsão CERT200 - usuários SUS

	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95	competencia	ano
29	2329	2244	2414	2198	2459	maio/2022	1
30	2421	2324	2519	2272	2571	junho/2022	1
31	2476	2359	2593	2297	2655	julho/2022	1
32	2547	2417	2678	2348	2746	agosto/2022	1
33	2611	2468	2755	2392	2831	setembro/2022	1
34	2678	2523	2834	2441	2916	outubro/2022	1
35	2744	2578	2910	2490	2998	novembro/2022	1
36	2810	2634	2987	2541	3080	dezembro/2022	1
37	2877	2690	3063	2592	3161	janeiro/2023	1
38	2943	2747	3138	2644	3242	fevereiro/2023	1
39	3009	2805	3213	2697	3321	março/2023	1
40	3075	2862	3288	2750	3400	abril/2023	1
41	3141	2920	3362	2804	3479	maio/2023	2
42	3207	2979	3436	2858	3557	junho/2023	2
43	3274	3037	3510	2912	3635	julho/2023	2
44	3340	3096	3583	2967	3712	agosto/2023	2
45	3406	3155	3656	3023	3789	setembro/2023	2
46	3472	3214	3730	3078	3866	outubro/2023	2
47	3538	3274	3802	3134	3942	novembro/2023	2
48	3604	3333	3875	3190	4019	dezembro/2023	2
49	3671	3393	3948	3246	4095	janeiro/2024	2
50	3737	3453	4020	3303	4170	fevereiro/2024	2
51	3803	3513	4093	3360	4246	março/2024	2
52	3869	3573	4165	3417	4321	abril/2024	2
53	3935	3634	4237	3474	4396	maio/2024	3
54	4001	3694	4309	3531	4471	junho/2024	3
55	4067	3754	4381	3589	4546	julho/2024	3
56	4134	3815	4452	3646	4621	agosto/2024	3
57	4200	3876	4524	3704	4695	setembro/2024	3
58	4266	3936	4595	3762	4770	outubro/2024	3
59	4332	3997	4667	3820	4844	novembro/2024	3
60	4398	4058	4738	3878	4918	dezembro/2024	3
61	4464	4119	4810	3937	4992	janeiro/2025	3
62	4531	4180	4881	3995	5066	fevereiro/2025	3
63	4597	4242	4952	4054	5140	março/2025	3
64	4663	4303	5023	4112	5214	abril/2025	3
65	4729	4364	5094	4171	5287	maio/2025	4
66	4795	4426	5165	4230	5361	junho/2025	4
67	4861	4487	5236	4289	5434	julho/2025	4
68	4928	4548	5307	4348	5507	agosto/2025	4
69	4994	4610	5378	4407	5581	setembro/2025	4
70	5060	4672	5448	4466	5654	outubro/2025	4
71	5126	4733	5519	4525	5727	novembro/2025	4
72	5192	4795	5590	4585	5800	dezembro/2025	4
73	5258	4857	5660	4644	5873	janeiro/2026	4
74	5325	4919	5731	4704	5946	fevereiro/2026	4
75	5391	4980	5801	4763	6018	março/2026	4
76	5457	5042	5872	4823	6091	abril/2026	4
77	5523	5104	5942	4883	6164	maio/2026	5
78	5589	5166	6012	4942	6236	junho/2026	5
79	5655	5228	6083	5002	6309	julho/2026	5
80	5722	5290	6153	5062	6381	agosto/2026	5
81	5788	5352	6223	5122	6454	setembro/2026	5
82	5854	5415	6293	5182	6526	outubro/2026	5
83	5920	5477	6363	5242	6598	novembro/2026	5
84	5986	5539	6434	5302	6670	dezembro/2026	5
85	6052	5601	6504	5362	6742	janeiro/2027	5
86	6119	5663	6574	5423	6815	fevereiro/2027	5
87	6185	5726	6644	5483	6887	março/2027	5
88	6251	5788	6714	5543	6959	abril/2027	5

É previsto, no total de cinco anos, o atendimento de 257.930 usuários/mês (238.981-276.881).

Table 3.3: Previsão CERT200 -unidades aprovadas

ano	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95
1	68.844	64.983	72.709	62.936	74.754
2	89.403	83.512	95.292	80.394	98.410
3	109.959	102.595	117.323	98.697	121.218
4	130.515	121.931	139.101	117.387	143.646
5	151.074	141.419	160.726	136.311	165.835

É previsto, no total de cinco anos, a quantidade aprovada de 549.795 (514.440-585.151).

Previsão de gasto ao mes - Certolizumabe pegol 200 mg/mL injetável (por seringa preenchida) - CERT200

Table 3.3: Previsão CERT200 - valor total

ano	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95
1	39.539.697	37.303.252	41.776.140	36.119.352	42.960.042
2	50.786.316	47.439.434	54.133.200	45.667.697	55.904.936
3	62.032.938	57.869.269	66.196.602	55.665.157	68.400.715
4	73.279.556	68.436.254	78.122.861	65.872.364	80.686.749
5	84.526.176	79.087.959	89.964.392	76.209.142	92.843.210

Com o método arima, é previsto, no total de cinco anos, o valor de R$ 310.164.683 (290.136.168-330.193.195).

Table 3.3: Previsão CERT200 - valor total com base nas unidades aprovadas × R$ 494,77

ano	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95
1	45.328.501	42.158.300	48.498.701	40.480.097	50.176.904
2	55.343.439	50.471.486	60.215.394	47.892.429	62.794.450
3	65.358.379	59.255.052	71.461.708	56.024.144	74.692.614
4	75.373.319	68.250.527	82.496.109	64.479.950	86.266.685
5	85.388.257	77.375.373	93.401.142	73.133.608	97.642.909

Com o método arima para quantidade aprovada e o último valor pago pela unidade farmacotécnica, é previsto, no total de cinco anos, o valor de R$ 326.791.895 (297.510.738-356.073.054).

Citrato de tofacitinibe 5 mg (por comprimido) - CITR5

A partir do código SIGTAP (604320159) foi observado o período de outubro/2018 a novembro/2021. O maior número de usuários foi 8.051 em outubro/2021. A maior quantidade aprovada foi 488.804 em novembro/2021. A mediana (e quartis) de quantidade aprovada por usuário foi 60,3 (59,1-60,9) variando de 50,3 a 64,9 unidades por usuário. .

Table 3.3: Previsão CITR5 - usuários SUS

	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95	competencia	ano
10	1270	1063	1477	953	1587	outubro/2020	1
11	1410	1117	1703	962	1858	novembro/2020	1
12	1550	1191	1909	1001	2099	dezembro/2020	1
13	1690	1275	2105	1056	2324	janeiro/2021	1
14	1830	1367	2293	1121	2539	fevereiro/2021	1
15	1970	1462	2478	1194	2746	março/2021	1
16	2110	1562	2658	1271	2949	abril/2021	1
17	2250	1664	2836	1353	3147	maio/2021	1
18	2390	1768	3012	1439	3341	junho/2021	1
19	2530	1875	3185	1528	3532	julho/2021	1
20	2670	1983	3357	1619	3721	agosto/2021	1
21	2810	2092	3528	1712	3908	setembro/2021	1
22	2950	2203	3697	1807	4093	outubro/2021	2
23	3090	2314	3866	1904	4276	novembro/2021	2
24	3230	2427	4033	2002	4458	dezembro/2021	2
25	3370	2541	4199	2102	4638	janeiro/2022	2
26	3510	2655	4365	2203	4817	fevereiro/2022	2
27	3650	2771	4529	2305	4995	março/2022	2
28	3790	2887	4693	2408	5172	abril/2022	2
29	3930	3003	4857	2512	5348	maio/2022	2
30	4070	3120	5020	2617	5523	junho/2022	2
31	4210	3238	5182	2723	5697	julho/2022	2
32	4350	3356	5344	2830	5870	agosto/2022	2
33	4490	3475	5505	2937	6043	setembro/2022	2
34	4630	3594	5666	3045	6215	outubro/2022	3
35	4770	3713	5827	3154	6386	novembro/2022	3
36	4910	3833	5987	3263	6557	dezembro/2022	3
37	5050	3953	6147	3373	6727	janeiro/2023	3
38	5190	4074	6306	3483	6897	fevereiro/2023	3
39	5330	4195	6465	3594	7066	março/2023	3
40	5470	4316	6624	3705	7235	abril/2023	3
41	5610	4438	6782	3817	7403	maio/2023	3
42	5750	4559	6941	3929	7571	junho/2023	3
43	5890	4681	7099	4042	7738	julho/2023	3
44	6030	4804	7256	4155	7905	agosto/2023	3
45	6170	4926	7414	4268	8072	setembro/2023	3
46	6310	5049	7571	4382	8238	outubro/2023	4
47	6450	5172	7728	4496	8404	novembro/2023	4
48	6590	5296	7884	4610	8570	dezembro/2023	4
49	6730	5419	8041	4725	8735	janeiro/2024	4
50	6870	5543	8197	4840	8900	fevereiro/2024	4
51	7010	5667	8353	4956	9064	março/2024	4
52	7150	5791	8509	5071	9229	abril/2024	4
53	7290	5915	8665	5187	9393	maio/2024	4
54	7430	6040	8820	5304	9556	junho/2024	4
55	7570	6164	8976	5420	9720	julho/2024	4
56	7710	6289	9131	5537	9883	agosto/2024	4
57	7850	6414	9286	5654	10046	setembro/2024	4
58	7990	6539	9441	5771	10209	outubro/2024	5
59	8130	6664	9596	5889	10371	novembro/2024	5
60	8270	6790	9750	6006	10534	dezembro/2024	5
61	8410	6915	9905	6124	10696	janeiro/2025	5
62	8550	7041	10059	6242	10858	fevereiro/2025	5
63	8690	7167	10213	6361	11019	março/2025	5
64	8830	7293	10367	6479	11181	abril/2025	5
65	8970	7419	10521	6598	11342	maio/2025	5
66	9110	7545	10675	6717	11503	junho/2025	5
67	9250	7672	10828	6836	11664	julho/2025	5
68	9390	7798	10982	6955	11825	agosto/2025	5
69	9530	7925	11135	7075	11985	setembro/2025	5

É previsto, no total de cinco anos, o atendimento de 324.000 usuários/mês (259.022-388.978).

Table 3.3: Previsão CITR5 -unidades aprovadas

ano	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95
1	1.429.722	1.057.614	1.801.836	860.628	1.998.822
2	2.607.282	1.953.558	3.261.012	1.607.494	3.607.076
3	3.784.842	2.943.075	4.626.615	2.497.473	5.072.217
4	4.962.402	3.967.964	5.956.846	3.441.539	6.483.271
5	6.139.962	5.013.484	7.266.446	4.417.162	7.862.768

É previsto, no total de cinco anos, a quantidade aprovada de 18.924.210 (14.935.695-22.912.755).

Previsão de gasto ao mes - Citrato de tofacitinibe 5 mg (por comprimido) - CITR5

Table 3.3: Previsão CITR5 - valor total

ano	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95
1	36.156.161	26.628.080	45.684.244	21.584.216	50.728.108
2	65.723.097	48.984.120	82.462.073	40.123.041	91.323.152
3	95.290.032	73.736.193	116.843.868	62.326.283	128.253.780
4	124.856.965	99.393.909	150.320.022	85.914.582	163.799.350
5	154.423.900	125.579.893	183.267.907	110.310.798	198.537.004

Com o método arima, é previsto, no total de cinco anos, o valor de R$ 476.450.155 (374.322.195-578.578.114).

Table 3.3: Previsão CITR5 - valor total com base nas unidades aprovadas × R$ 13,57

ano	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95
1	89.734.883	76.326.682	103.143.084	69.228.808	110.240.956
2	116.295.501	92.739.916	139.851.086	80.270.342	152.320.658
3	142.856.118	112.524.920	173.187.317	96.468.554	189.243.684
4	169.416.735	133.584.368	205.249.106	114.615.860	224.217.614
5	195.977.354	155.387.212	236.567.497	133.900.087	258.054.621

Com o método arima para quantidade aprovada e o último valor pago pela unidade farmacotécnica, é previsto, no total de cinco anos, o valor de R$ 714.280.591 (570.563.098-857.998.090).

Etanercepte 25 mg injetavel (por frasco-ampola) - ETAN25

A partir do código SIGTAP (601010027 604380020) foi observado o período de janeiro/2008 a novembro/2021. O maior número de usuários foi 3.035 em julho/2012. A maior quantidade aprovada foi 22.513 em agosto/2010. A mediana (e quartis) de quantidade aprovada por usuário foi 5,3 (4,7-6,0) variando de 1,0 a 9,3 unidades por usuário. .

Table 3.3: Previsão ETAN25 - usuários SUS

	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95	competencia	ano
87	914	737	1092	643	1186	março/2027	1
88	910	697	1122	585	1235	abril/2027	1
89	891	661	1120	540	1242	maio/2027	1
90	872	627	1117	497	1247	junho/2027	1
91	853	593	1113	455	1251	julho/2027	1
92	834	560	1108	415	1253	agosto/2027	1
93	815	527	1102	375	1255	setembro/2027	1
94	796	496	1096	337	1255	outubro/2027	1
95	777	464	1089	299	1255	novembro/2027	1
96	758	434	1082	262	1254	dezembro/2027	1
97	739	403	1075	226	1252	janeiro/2028	1
98	720	373	1066	190	1250	fevereiro/2028	1
99	701	344	1058	154	1247	março/2028	2
100	682	314	1049	120	1244	abril/2028	2
101	663	285	1041	85	1240	maio/2028	2
102	644	256	1031	51	1236	junho/2028	2
103	625	228	1022	18	1232	julho/2028	2
104	606	200	1012	-16	1227	agosto/2028	2
105	587	171	1002	-49	1222	setembro/2028	2
106	568	143	992	-81	1217	outubro/2028	2
107	549	116	982	-114	1211	novembro/2028	2
108	530	88	972	-146	1205	dezembro/2028	2
109	511	61	961	-178	1199	janeiro/2029	2
110	492	33	950	-209	1193	fevereiro/2029	2
111	473	6	939	-241	1186	março/2029	3
112	454	-21	928	-272	1179	abril/2029	3
113	435	-47	917	-303	1172	maio/2029	3
114	416	-74	906	-334	1165	junho/2029	3
115	397	-101	894	-364	1158	julho/2029	3
116	378	-127	883	-395	1150	agosto/2029	3
117	359	-154	871	-425	1142	setembro/2029	3
118	340	-180	859	-455	1135	outubro/2029	3
119	321	-206	848	-485	1127	novembro/2029	3
120	302	-232	836	-515	1118	dezembro/2029	3
121	283	-258	824	-544	1110	janeiro/2030	3
122	264	-284	812	-574	1101	fevereiro/2030	3
123	245	-310	799	-603	1093	março/2030	4
124	226	-336	787	-633	1084	abril/2030	4
125	207	-361	775	-662	1075	maio/2030	4
126	188	-387	762	-691	1066	junho/2030	4
127	169	-412	750	-720	1057	julho/2030	4
128	150	-438	737	-749	1048	agosto/2030	4
129	131	-463	724	-777	1039	setembro/2030	4
130	112	-488	712	-806	1029	outubro/2030	4
131	93	-514	699	-834	1020	novembro/2030	4
132	74	-539	686	-863	1010	dezembro/2030	4
133	55	-564	673	-891	1001	janeiro/2031	4
134	36	-589	660	-919	991	fevereiro/2031	4
135	17	-614	647	-948	981	março/2031	5
136	-2	-639	634	-976	971	abril/2031	5
137	-21	-664	621	-1004	961	maio/2031	5
138	-40	-688	608	-1031	951	junho/2031	5
139	-59	-713	594	-1059	941	julho/2031	5
140	-78	-738	581	-1087	930	agosto/2031	5
141	-97	-763	568	-1115	920	setembro/2031	5
142	-116	-787	554	-1142	910	outubro/2031	5
143	-135	-812	541	-1170	899	novembro/2031	5
144	-154	-836	528	-1197	888	dezembro/2031	5
145	-173	-861	514	-1225	878	janeiro/2032	5
146	-192	-885	500	-1252	867	fevereiro/2032	5

É previsto, no total de cinco anos, o atendimento de 23.162 usuários/mês (1.118-45.182).

Table 3.3: Previsão ETAN25 -unidades aprovadas

ano	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95
1	53.426	31.322	75.530	19.620	87.232
2	28.150	5.603	50.700	-6.336	62.633
3	4.826	-8.484	18.137	-15.531	25.183

É previsto, no total de cinco anos, a quantidade aprovada de 86.402 (28.441-144.367).

Previsão de gasto ao mes - Etanercepte 25 mg injetavel (por frasco-ampola) - ETAN25

Table 3.3: Previsão ETAN25 - valor total

ano	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95
1	47.392.104	36.491.061	58.293.146	30.720.401	64.063.808
2	48.555.264	36.931.157	60.179.367	30.777.729	66.332.796
3	48.595.570	36.970.693	60.220.448	30.816.854	66.374.287
4	48.596.967	36.972.088	60.221.847	30.818.250	66.375.687
5	48.597.012	36.972.138	60.221.892	30.818.300	66.375.732

Com o método arima, é previsto, no total de cinco anos, o valor de R$ 241.736.917 (184.337.137-299.136.700).

Table 3.3: Previsão ETAN25 - valor total com base nas unidades aprovadas × R$ 147,42

ano	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95
1	9.902.380	7.016.396	12.788.363	5.488.648	14.316.110
2	5.832.020	2.758.918	8.905.122	1.132.117	10.531.923
3	1.770.320	-1.201.839	4.742.478	-2.775.204	6.315.845

Com o método arima para quantidade aprovada e o último valor pago pela unidade farmacotécnica, é previsto, no total de cinco anos, o valor de R$ 17.504.720 (8.573.475-26.435.963).

Etanercepte 50 mg injetavel (por frasco-ampola ou seringa preenchida) - ETAN50

A partir do código SIGTAP (601010051 604380038) foi observado o período de dezembro/2008 a novembro/2021. O maior número de usuários foi 21.461 em janeiro/2018. A maior quantidade aprovada foi 96.909 em setembro/2017. A mediana (e quartis) de quantidade aprovada por usuário foi 4,0 ( 3,9- 4,0) variando de 0,9 a 22,1 unidades por usuário. .

Table 3.3: Previsão ETAN50 - usuários SUS

	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95	competencia	ano
69	21644	20949	22339	20581	22707	setembro/2025	1
70	21649	20844	22454	20418	22880	outubro/2025	1
71	21826	21000	22651	20563	23088	novembro/2025	1
72	22002	21157	22848	20709	23295	dezembro/2025	1
73	22179	21314	23044	20856	23502	janeiro/2026	1
74	22355	21471	23239	21003	23707	fevereiro/2026	1
75	22531	21628	23434	21150	23913	março/2026	1
76	22708	21787	23629	21299	24117	abril/2026	1
77	22884	21945	23824	21448	24321	maio/2026	1
78	23061	22104	24018	21597	24525	junho/2026	1
79	23237	22263	24212	21747	24728	julho/2026	1
80	23414	22422	24405	21897	24930	agosto/2026	1
81	23590	22582	24599	22048	25132	setembro/2026	2
82	23767	22742	24792	22199	25334	outubro/2026	2
83	23943	22902	24984	22351	25535	novembro/2026	2
84	24120	23062	25177	22503	25736	dezembro/2026	2
85	24296	23223	25369	22655	25937	janeiro/2027	2
86	24472	23384	25561	22808	26137	fevereiro/2027	2
87	24649	23545	25753	22961	26337	março/2027	2
88	24825	23707	25944	23114	26536	abril/2027	2
89	25002	23868	26136	23268	26736	maio/2027	2
90	25178	24030	26327	23422	26935	junho/2027	2
91	25355	24192	26518	23576	27133	julho/2027	2
92	25531	24354	26708	23731	27332	agosto/2027	2
93	25708	24516	26899	23886	27530	setembro/2027	3
94	25884	24679	27090	24041	27728	outubro/2027	3
95	26061	24841	27280	24196	27925	novembro/2027	3
96	26237	25004	27470	24351	28123	dezembro/2027	3
97	26413	25167	27660	24507	28320	janeiro/2028	3
98	26590	25330	27850	24663	28517	fevereiro/2028	3
99	26766	25493	28039	24819	28713	março/2028	3
100	26943	25657	28229	24976	28910	abril/2028	3
101	27119	25820	28418	25132	29106	maio/2028	3
102	27296	25984	28608	25289	29302	junho/2028	3
103	27472	26147	28797	25446	29498	julho/2028	3
104	27649	26311	28986	25603	29694	agosto/2028	3
105	27825	26475	29175	25761	29890	setembro/2028	4
106	28002	26639	29364	25918	30085	outubro/2028	4
107	28178	26804	29553	26076	30280	novembro/2028	4
108	28355	26968	29741	26234	30475	dezembro/2028	4
109	28531	27132	29930	26392	30670	janeiro/2029	4
110	28707	27297	30118	26550	30865	fevereiro/2029	4
111	28884	27461	30306	26708	31059	março/2029	4
112	29060	27626	30495	26867	31254	abril/2029	4
113	29237	27791	30683	27026	31448	maio/2029	4
114	29413	27956	30871	27184	31642	junho/2029	4
115	29590	28121	31059	27343	31836	julho/2029	4
116	29766	28286	31246	27502	32030	agosto/2029	4
117	29943	28451	31434	27661	32224	setembro/2029	5
118	30119	28616	31622	27821	32417	outubro/2029	5
119	30296	28782	31809	27980	32611	novembro/2029	5
120	30472	28947	31997	28140	32804	dezembro/2029	5
121	30648	29113	32184	28299	32997	janeiro/2030	5
122	30825	29278	32372	28459	33190	fevereiro/2030	5
123	31001	29444	32559	28619	33383	março/2030	5
124	31178	29609	32746	28779	33576	abril/2030	5
125	31354	29775	32933	28939	33769	maio/2030	5
126	31531	29941	33120	29100	33962	junho/2030	5
127	31707	30107	33307	29260	34154	julho/2030	5
128	31884	30273	33494	29421	34347	agosto/2030	5

É previsto, no total de cinco anos, o atendimento de 1.600.862 usuários/mês (1.526.316-1.675.409).

Table 3.3: Previsão ETAN50 -unidades aprovadas

ano	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95
1	876.954	834.177	919.730	811.533	942.378
2	1.009.503	954.215	1.064.793	924.947	1.094.058
3	1.142.052	1.076.634	1.207.473	1.042.003	1.242.104
4	1.274.603	1.200.430	1.348.773	1.161.168	1.388.037
5	1.407.150	1.325.159	1.489.142	1.281.758	1.532.544

É previsto, no total de cinco anos, a quantidade aprovada de 5.710.262 (5.390.615-6.029.911).

Previsão de gasto ao mes - Etanercepte 50 mg injetavel (por frasco-ampola ou seringa preenchida) - ETAN50

Table 3.3: Previsão ETAN50 - valor total

ano	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95
1	63.425.496	-47.777.519	174.628.503	-106.644.836	233.495.821
2	63.425.496	-131.936.431	258.787.415	-235.354.786	362.205.770
3	63.425.496	-188.131.040	314.982.021	-321.297.022	448.148.006
4	63.425.496	-233.755.849	360.606.831	-391.074.145	517.925.131
5	63.425.496	-273.215.199	400.066.181	-451.422.016	578.273.001

Com o método arima, é previsto, no total de cinco anos, o valor de R$ 317.127.480 (-874.816.038-1.509.070.951).

Table 3.3: Previsão ETAN50 - valor total com base nas unidades aprovadas × R$ 161,91

ano	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95
1	159.901.458	153.246.933	166.555.982	149.724.240	170.078.676
2	177.954.378	169.387.139	186.521.617	164.851.916	191.056.844
3	196.007.300	185.886.933	206.127.668	180.529.532	211.485.069
4	214.060.224	202.596.532	225.523.910	196.528.022	231.592.421
5	232.113.144	219.448.357	244.777.932	212.744.021	251.482.265

Com o método arima para quantidade aprovada e o último valor pago pela unidade farmacotécnica, é previsto, no total de cinco anos, o valor de R$ 980.036.504 (930.565.894-1.029.507.109).

Etanercepte 50 mg injetável (por frasco-ampola ou seringa preenchida)(biossimilar a) - ETAN50A

A partir do código SIGTAP (604380100) foi observado o período de setembro/2020 a novembro/2021. O maior número de usuários foi 14.394 em dezembro/2020. A maior quantidade aprovada foi 59.557 em dezembro/2020. A mediana (e quartis) de quantidade aprovada por usuário foi 4,1 (4,0-4,3) variando de 4,0 a 4,6 unidades por usuário. .

Table 3.3: Previsão ETAN50A - usuários SUS

	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95	competencia	ano
16	10296	7768	12823	6430	14161	março/2023	1
17	9843	6449	13238	4652	15035	abril/2023	1
18	9843	6449	13238	4652	15035	maio/2023	1
19	9843	6449	13238	4652	15035	junho/2023	1
20	9843	6449	13238	4652	15035	julho/2023	1
21	9843	6449	13238	4652	15035	agosto/2023	1
22	9843	6449	13238	4652	15035	setembro/2023	1
23	9843	6449	13238	4652	15035	outubro/2023	1
24	9843	6449	13238	4652	15035	novembro/2023	1
25	9843	6449	13238	4652	15035	dezembro/2023	1
26	9843	6449	13238	4652	15035	janeiro/2024	1
27	9843	6449	13238	4652	15035	fevereiro/2024	1
28	9843	6449	13238	4652	15035	março/2024	2
29	9843	6449	13238	4652	15035	abril/2024	2
30	9843	6449	13238	4652	15035	maio/2024	2
31	9843	6449	13238	4652	15035	junho/2024	2
32	9843	6449	13238	4652	15035	julho/2024	2
33	9843	6449	13238	4652	15035	agosto/2024	2
34	9843	6449	13238	4652	15035	setembro/2024	2
35	9843	6449	13238	4652	15035	outubro/2024	2
36	9843	6449	13238	4652	15035	novembro/2024	2
37	9843	6449	13238	4652	15035	dezembro/2024	2
38	9843	6449	13238	4652	15035	janeiro/2025	2
39	9843	6449	13238	4652	15035	fevereiro/2025	2
40	9843	6449	13238	4652	15035	março/2025	3
41	9843	6449	13238	4652	15035	abril/2025	3
42	9843	6449	13238	4652	15035	maio/2025	3
43	9843	6449	13238	4652	15035	junho/2025	3
44	9843	6449	13238	4652	15035	julho/2025	3
45	9843	6449	13238	4652	15035	agosto/2025	3
46	9843	6449	13238	4652	15035	setembro/2025	3
47	9843	6449	13238	4652	15035	outubro/2025	3
48	9843	6449	13238	4652	15035	novembro/2025	3
49	9843	6449	13238	4652	15035	dezembro/2025	3
50	9843	6449	13238	4652	15035	janeiro/2026	3
51	9843	6449	13238	4652	15035	fevereiro/2026	3
52	9843	6449	13238	4652	15035	março/2026	4
53	9843	6449	13238	4652	15035	abril/2026	4
54	9843	6449	13238	4652	15035	maio/2026	4
55	9843	6449	13238	4652	15035	junho/2026	4
56	9843	6449	13238	4652	15035	julho/2026	4
57	9843	6449	13238	4652	15035	agosto/2026	4
58	9843	6449	13238	4652	15035	setembro/2026	4
59	9843	6449	13238	4652	15035	outubro/2026	4
60	9843	6449	13238	4652	15035	novembro/2026	4
61	9843	6449	13238	4652	15035	dezembro/2026	4
62	9843	6449	13238	4652	15035	janeiro/2027	4
63	9843	6449	13238	4652	15035	fevereiro/2027	4
64	9843	6449	13238	4652	15035	março/2027	5
65	9843	6449	13238	4652	15035	abril/2027	5
66	9843	6449	13238	4652	15035	maio/2027	5
67	9843	6449	13238	4652	15035	junho/2027	5
68	9843	6449	13238	4652	15035	julho/2027	5
69	9843	6449	13238	4652	15035	agosto/2027	5
70	9843	6449	13238	4652	15035	setembro/2027	5
71	9843	6449	13238	4652	15035	outubro/2027	5
72	9843	6449	13238	4652	15035	novembro/2027	5
73	9843	6449	13238	4652	15035	dezembro/2027	5
74	9843	6449	13238	4652	15035	janeiro/2028	5
75	9843	6449	13238	4652	15035	fevereiro/2028	5

É previsto, no total de cinco anos, o atendimento de 591.033 usuários/mês (388.259-793.865).

Table 3.3: Previsão ETAN50A -unidades aprovadas

ano	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95
1	560.148	369.816	750.480	269.064	851.232
2	560.148	369.816	750.480	269.064	851.232
3	560.148	369.816	750.480	269.064	851.232
4	560.148	369.816	750.480	269.064	851.232
5	560.148	369.816	750.480	269.064	851.232

É previsto, no total de cinco anos, a quantidade aprovada de 2.800.740 (1.849.080-3.752.400).

Previsão de gasto ao mes - Etanercepte 50 mg injetável (por frasco-ampola ou seringa preenchida)(biossimilar a) - ETAN50A

Table 3.3: Previsão ETAN50A - valor total

ano	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95
1	164.346.972	109.622.100	219.071.832	80.652.504	248.041.428
2	164.346.972	109.622.100	219.071.832	80.652.504	248.041.428
3	164.346.972	109.622.100	219.071.832	80.652.504	248.041.428
4	164.346.972	109.622.100	219.071.832	80.652.504	248.041.428
5	164.346.972	109.622.100	219.071.832	80.652.504	248.041.428

Com o método arima, é previsto, no total de cinco anos, o valor de R$ 821.734.860 (548.110.500-1.095.359.160).

Table 3.3: Previsão ETAN50A - valor total com base nas unidades aprovadas × R$ 161,91

ano	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95
1	90.691.896	59.876.388	121.507.392	43.563.648	137.820.132
2	90.691.896	59.876.388	121.507.392	43.563.648	137.820.132
3	90.691.896	59.876.388	121.507.392	43.563.648	137.820.132
4	90.691.896	59.876.388	121.507.392	43.563.648	137.820.132
5	90.691.896	59.876.388	121.507.392	43.563.648	137.820.132

Com o método arima para quantidade aprovada e o último valor pago pela unidade farmacotécnica, é previsto, no total de cinco anos, o valor de R$ 453.459.480 (299.381.940-607.536.960).

Fingolimode 0.5 mg (por cápsula) - FING05

A partir do código SIGTAP (604320132) foi observado o período de fevereiro/2015 a novembro/2021. O maior número de usuários foi 4.501 em novembro/2021. A maior quantidade aprovada foi 146.062 em novembro/2021. A mediana (e quartis) de quantidade aprovada por usuário foi 29,3 (29,0-29,7) variando de 26,7 a 34,5 unidades por usuário. .

Table 3.3: Previsão FING05 - usuários SUS

	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95	competencia	ano
24	2069	1771	2368	1612	2526	dezembro/2021	1
25	2117	1811	2422	1650	2583	janeiro/2022	1
26	2164	1853	2476	1688	2641	fevereiro/2022	1
27	2212	1894	2530	1725	2698	março/2022	1
28	2259	1935	2583	1764	2755	abril/2022	1
29	2307	1977	2637	1802	2812	maio/2022	1
30	2354	2018	2690	1840	2868	junho/2022	1
31	2402	2060	2744	1879	2925	julho/2022	1
32	2449	2101	2797	1917	2981	agosto/2022	1
33	2497	2143	2850	1956	3037	setembro/2022	1
34	2544	2185	2903	1995	3093	outubro/2022	1
35	2592	2227	2956	2034	3149	novembro/2022	1
36	2639	2269	3009	2074	3205	dezembro/2022	2
37	2687	2312	3062	2113	3260	janeiro/2023	2
38	2734	2354	3115	2152	3316	fevereiro/2023	2
39	2782	2396	3167	2192	3371	março/2023	2
40	2829	2439	3220	2232	3427	abril/2023	2
41	2877	2481	3273	2272	3482	maio/2023	2
42	2924	2524	3325	2311	3537	junho/2023	2
43	2972	2566	3377	2351	3592	julho/2023	2
44	3019	2609	3430	2392	3647	agosto/2023	2
45	3067	2652	3482	2432	3702	setembro/2023	2
46	3114	2694	3534	2472	3757	outubro/2023	2
47	3162	2737	3587	2512	3811	novembro/2023	2
48	3209	2780	3639	2553	3866	dezembro/2023	3
49	3257	2823	3691	2593	3921	janeiro/2024	3
50	3304	2866	3743	2634	3975	fevereiro/2024	3
51	3352	2909	3795	2674	4030	março/2024	3
52	3399	2952	3847	2715	4084	abril/2024	3
53	3447	2995	3899	2756	4138	maio/2024	3
54	3494	3038	3951	2797	4192	junho/2024	3
55	3542	3081	4003	2838	4246	julho/2024	3
56	3589	3125	4054	2878	4300	agosto/2024	3
57	3637	3168	4106	2920	4355	setembro/2024	3
58	3685	3211	4158	2961	4408	outubro/2024	3
59	3732	3254	4210	3002	4462	novembro/2024	3
60	3780	3298	4261	3043	4516	dezembro/2024	4
61	3827	3341	4313	3084	4570	janeiro/2025	4
62	3875	3385	4364	3125	4624	fevereiro/2025	4
63	3922	3428	4416	3167	4677	março/2025	4
64	3970	3472	4467	3208	4731	abril/2025	4
65	4017	3515	4519	3250	4785	maio/2025	4
66	4065	3559	4570	3291	4838	junho/2025	4
67	4112	3602	4622	3333	4892	julho/2025	4
68	4160	3646	4673	3374	4945	agosto/2025	4
69	4207	3690	4725	3416	4998	setembro/2025	4
70	4255	3733	4776	3458	5052	outubro/2025	4
71	4302	3777	4827	3499	5105	novembro/2025	4
72	4350	3821	4878	3541	5158	dezembro/2025	5
73	4397	3865	4930	3583	5212	janeiro/2026	5
74	4445	3908	4981	3625	5265	fevereiro/2026	5
75	4492	3952	5032	3666	5318	março/2026	5
76	4540	3996	5083	3708	5371	abril/2026	5
77	4587	4040	5134	3750	5424	maio/2026	5
78	4635	4084	5186	3792	5477	junho/2026	5
79	4682	4128	5237	3834	5530	julho/2026	5
80	4730	4172	5288	3876	5583	agosto/2026	5
81	4777	4216	5339	3918	5636	setembro/2026	5
82	4825	4260	5390	3961	5689	outubro/2026	5
83	4872	4304	5441	4003	5742	novembro/2026	5

É previsto, no total de cinco anos, o atendimento de 208.243 usuários/mês (181.402-235.085).

Table 3.3: Previsão FING05 -unidades aprovadas

ano	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95
1	1.048.097	904.234	1.191.955	828.080	1.268.110
2	1.249.364	1.092.236	1.406.493	1.009.055	1.489.670
3	1.450.633	1.281.274	1.619.990	1.191.620	1.709.644
4	1.651.902	1.471.140	1.832.662	1.375.450	1.928.352
5	1.853.170	1.661.682	2.044.657	1.560.319	2.146.022

É previsto, no total de cinco anos, a quantidade aprovada de 7.253.166 (6.410.566-8.095.757).

Golimumabe 50 mg injetável (por seringa preenchida - GOLI50

A partir do código SIGTAP (604380089) foi observado o período de julho/2013 a novembro/2021. O maior número de usuários foi 14.583 em novembro/2021. A maior quantidade aprovada foi 15.809 em novembro/2021. A mediana (e quartis) de quantidade aprovada por usuário foi 1,0 (1,0-1,0) variando de 0,9 a 1,2 unidades por usuário. .

Table 3.3: Previsão GOLI50 - usuários SUS

	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95	competencia	ano
36	5392	5031	5754	4839	5946	dezembro/2022	1
37	5484	5115	5853	4919	6048	janeiro/2023	1
38	5575	5199	5951	5000	6151	fevereiro/2023	1
39	5666	5283	6050	5080	6253	março/2023	1
40	5758	5368	6148	5161	6354	abril/2023	1
41	5849	5452	6246	5242	6456	maio/2023	1
42	5940	5537	6344	5323	6558	junho/2023	1
43	6032	5621	6442	5404	6659	julho/2023	1
44	6123	5706	6540	5486	6760	agosto/2023	1
45	6214	5791	6637	5567	6861	setembro/2023	1
46	6306	5876	6735	5649	6962	outubro/2023	1
47	6397	5962	6832	5731	7063	novembro/2023	1
48	6488	6047	6930	5813	7164	dezembro/2023	2
49	6580	6132	7027	5895	7264	janeiro/2024	2
50	6671	6217	7124	5977	7365	fevereiro/2024	2
51	6762	6303	7222	6060	7465	março/2024	2
52	6854	6389	7319	6142	7565	abril/2024	2
53	6945	6474	7416	6225	7665	maio/2024	2
54	7036	6560	7513	6308	7765	junho/2024	2
55	7128	6646	7610	6390	7865	julho/2024	2
56	7219	6731	7706	6473	7965	agosto/2024	2
57	7310	6817	7803	6556	8064	setembro/2024	2
58	7402	6903	7900	6639	8164	outubro/2024	2
59	7493	6989	7997	6723	8263	novembro/2024	2
60	7584	7075	8093	6806	8363	dezembro/2024	3
61	7676	7161	8190	6889	8462	janeiro/2025	3
62	7767	7248	8286	6973	8561	fevereiro/2025	3
63	7858	7334	8383	7056	8660	março/2025	3
64	7950	7420	8479	7140	8759	abril/2025	3
65	8041	7506	8575	7223	8858	maio/2025	3
66	8132	7593	8672	7307	8957	junho/2025	3
67	8224	7679	8768	7391	9056	julho/2025	3
68	8315	7766	8864	7475	9155	agosto/2025	3
69	8406	7852	8960	7559	9254	setembro/2025	3
70	8497	7939	9056	7643	9352	outubro/2025	3
71	8589	8025	9153	7727	9451	novembro/2025	3
72	8680	8112	9249	7811	9550	dezembro/2025	4
73	8771	8198	9345	7895	9648	janeiro/2026	4
74	8863	8285	9441	7979	9746	fevereiro/2026	4
75	8954	8372	9536	8063	9845	março/2026	4
76	9045	8459	9632	8148	9943	abril/2026	4
77	9137	8545	9728	8232	10041	maio/2026	4
78	9228	8632	9824	8317	10140	junho/2026	4
79	9319	8719	9920	8401	10238	julho/2026	4
80	9411	8806	10016	8486	10336	agosto/2026	4
81	9502	8893	10111	8570	10434	setembro/2026	4
82	9593	8980	10207	8655	10532	outubro/2026	4
83	9685	9067	10303	8740	10630	novembro/2026	4
84	9776	9154	10398	8824	10728	dezembro/2026	5
85	9867	9241	10494	8909	10826	janeiro/2027	5
86	9959	9328	10589	8994	10923	fevereiro/2027	5
87	10050	9415	10685	9079	11021	março/2027	5
88	10141	9502	10781	9164	11119	abril/2027	5
89	10233	9589	10876	9249	11217	maio/2027	5
90	10324	9677	10972	9334	11314	junho/2027	5
91	10415	9764	11067	9419	11412	julho/2027	5
92	10507	9851	11162	9504	11509	agosto/2027	5
93	10598	9938	11258	9589	11607	setembro/2027	5
94	10689	10026	11353	9674	11704	outubro/2027	5
95	10781	10113	11448	9759	11802	novembro/2027	5

É previsto, no total de cinco anos, o atendimento de 485.191 usuários/mês (453.413-516.973).

Table 3.3: Previsão GOLI50 -unidades aprovadas

ano	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95
1	73.525	68.105	78.946	65.234	81.815
2	89.051	81.673	96.429	77.766	100.333
3	104.577	95.667	113.485	90.953	118.201
4	120.101	109.891	130.311	104.487	135.716
5	135.627	124.266	146.990	118.248	153.006

É previsto, no total de cinco anos, a quantidade aprovada de 522.881 (479.602-566.161).

Previsão de gasto ao mes - Golimumabe 50 mg injetável (por seringa preenchida - GOLI50

Table 3.3: Previsão GOLI50 - valor total

ano	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95
1	100.417.788	85.554.097	115.281.490	77.685.733	123.149.855
2	100.417.788	81.821.749	119.013.837	71.977.600	128.857.988
3	100.417.788	78.728.792	122.106.794	67.247.327	133.588.258
4	100.417.788	76.027.039	124.808.549	63.115.352	137.720.236
5	100.417.788	73.596.986	127.238.600	59.398.910	141.436.678

Com o método arima, é previsto, no total de cinco anos, o valor de R$ 502.088.940 (395.728.663-608.449.270).

Table 3.3: Previsão GOLI50 - valor total com base nas unidades aprovadas × R$ 1.313,19

ano	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95
1	112.244.734	100.611.810	123.877.657	94.453.712	130.035.753
2	130.138.433	117.435.840	142.841.026	110.711.495	149.565.376
3	148.086.320	134.440.525	161.732.114	127.216.878	168.955.763
4	166.034.209	151.506.405	180.562.012	143.815.848	188.252.567
5	183.982.096	168.622.905	199.341.287	160.492.242	207.471.950

Com o método arima para quantidade aprovada e o último valor pago pela unidade farmacotécnica, é previsto, no total de cinco anos, o valor de R$ 740.485.792 (672.617.485-808.354.096).

Infliximabe 10 mg/mL injetavel (por frasco-ampola com 10 mL) - INFL1010

A partir do código SIGTAP (601010035 601010043 604380046 604380054) foi observado o período de janeiro/2008 a novembro/2021. O maior número de usuários foi 11.045 em maio/2021. A maior quantidade aprovada foi 44.576 em março/2021. A mediana (e quartis) de quantidade aprovada por usuário foi 2,3 (2,2-3,2) variando de 1,5 a 4,5 unidades por usuário. .

Table 3.3: Previsão INFL1010 - usuários SUS

	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95	competencia	ano
87	7079	6779	7379	6620	7538	março/2027	1
88	6992	6673	7312	6503	7481	abril/2027	1
89	7137	6743	7530	6534	7739	maio/2027	1
90	7135	6712	7558	6488	7781	junho/2027	1
91	7225	6756	7694	6508	7942	julho/2027	1
92	7257	6758	7757	6494	8021	agosto/2027	1
93	7326	6792	7861	6509	8144	setembro/2027	1
94	7372	6808	7936	6510	8235	outubro/2027	1
95	7433	6839	8027	6524	8341	novembro/2027	1
96	7484	6863	8105	6534	8434	dezembro/2027	1
97	7541	6893	8189	6550	8532	janeiro/2028	1
98	7594	6921	8268	6564	8624	fevereiro/2028	1
99	7650	6952	8348	6582	8718	março/2028	2
100	7704	6982	8426	6600	8808	abril/2028	2
101	7759	7014	8504	6620	8899	maio/2028	2
102	7814	7047	8581	6640	8987	junho/2028	2
103	7869	7080	8658	6662	9075	julho/2028	2
104	7923	7113	8734	6685	9162	agosto/2028	2
105	7978	7148	8809	6708	9249	setembro/2028	2
106	8033	7182	8884	6732	9334	outubro/2028	2
107	8088	7218	8958	6757	9419	novembro/2028	2
108	8143	7253	9032	6782	9503	dezembro/2028	2
109	8197	7289	9106	6808	9586	janeiro/2029	2
110	8252	7326	9179	6835	9669	fevereiro/2029	2
111	8307	7362	9252	6862	9752	março/2029	3
112	8362	7399	9324	6890	9834	abril/2029	3
113	8417	7437	9396	6918	9915	maio/2029	3
114	8471	7474	9468	6947	9996	junho/2029	3
115	8526	7512	9540	6976	10076	julho/2029	3
116	8581	7551	9611	7005	10156	agosto/2029	3
117	8636	7589	9682	7035	10236	setembro/2029	3
118	8690	7628	9753	7066	10315	outubro/2029	3
119	8745	7667	9823	7096	10394	novembro/2029	3
120	8800	7706	9894	7127	10473	dezembro/2029	3
121	8855	7746	9964	7159	10551	janeiro/2030	3
122	8910	7785	10034	7190	10629	fevereiro/2030	3
123	8964	7825	10103	7222	10706	março/2030	4
124	9019	7865	10173	7255	10784	abril/2030	4
125	9074	7906	10242	7287	10861	maio/2030	4
126	9129	7946	10311	7320	10937	junho/2030	4
127	9183	7987	10380	7353	11014	julho/2030	4
128	9238	8027	10449	7386	11090	agosto/2030	4
129	9293	8068	10518	7420	11166	setembro/2030	4
130	9348	8109	10586	7454	11242	outubro/2030	4
131	9403	8151	10655	7488	11317	novembro/2030	4
132	9457	8192	10723	7522	11393	dezembro/2030	4
133	9512	8233	10791	7557	11468	janeiro/2031	4
134	9567	8275	10859	7591	11543	fevereiro/2031	4
135	9622	8317	10927	7626	11617	março/2031	5
136	9676	8359	10994	7661	11692	abril/2031	5
137	9731	8401	11062	7697	11766	maio/2031	5
138	9786	8443	11129	7732	11840	junho/2031	5
139	9841	8485	11196	7768	11914	julho/2031	5
140	9896	8528	11264	7804	11988	agosto/2031	5
141	9950	8570	11331	7840	12061	setembro/2031	5
142	10005	8613	11398	7876	12135	outubro/2031	5
143	10060	8655	11464	7912	12208	novembro/2031	5
144	10115	8698	11531	7948	12281	dezembro/2031	5
145	10170	8741	11598	7985	12354	janeiro/2032	5
146	10224	8784	11664	8022	12427	fevereiro/2032	5

É previsto, no total de cinco anos, o atendimento de 516.548 usuários/mês (457.175-575.924).

Table 3.3: Previsão INFL1010 -unidades aprovadas

ano	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95
1	273.179	256.158	290.200	247.149	299.207
2	293.255	270.163	316.345	257.940	328.570
3	313.330	285.483	341.179	270.740	355.920
4	333.405	301.510	365.304	284.622	382.189
5	353.480	317.994	388.965	299.211	407.751

É previsto, no total de cinco anos, a quantidade aprovada de 1.566.649 (1.431.308-1.701.993).

Previsão de gasto ao mes - Infliximabe 10 mg/mL injetavel (por frasco-ampola com 10 mL) - INFL1010

Table 3.3: Previsão INFL1010 - valor total

ano	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95
1	216.863.040	196.600.308	237.125.772	185.873.868	247.852.212
2	216.863.040	196.600.308	237.125.772	185.873.868	247.852.212
3	216.863.040	196.600.308	237.125.772	185.873.868	247.852.212
4	216.863.040	196.600.308	237.125.772	185.873.868	247.852.212
5	216.863.040	196.600.308	237.125.772	185.873.868	247.852.212

Com o método arima, é previsto, no total de cinco anos, o valor de R$ 1.084.315.200 (983.001.540-1.185.628.860).

Table 3.3: Previsão INFL1010 - valor total com base nas unidades aprovadas × R$ 3.536,66

ano	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95
1	939.284.614	879.270.031	999.299.192	847.500.230	1.031.068.994
2	1.015.481.340	937.188.196	1.093.774.483	895.742.311	1.135.220.368
3	1.091.678.066	998.678.691	1.184.677.442	949.447.798	1.233.908.337
4	1.167.874.794	1.062.209.688	1.273.539.899	1.006.273.960	1.329.475.629
5	1.244.071.522	1.127.109.630	1.361.033.412	1.065.193.744	1.422.949.298

Com o método arima para quantidade aprovada e o último valor pago pela unidade farmacotécnica, é previsto, no total de cinco anos, o valor de R$ 5.458.390.336 (5.004.456.236-5.912.324.428).

Rituximabe 500 mg injetável (por frasco-ampola de 50 mL) - RITU50050

A partir do código SIGTAP (604680023) foi observado o período de abril/2013 a novembro/2021. O maior número de usuários foi 721 em janeiro/2020. A maior quantidade aprovada foi 1.581 em agosto/2020. A mediana (e quartis) de quantidade aprovada por usuário foi 2,2 (1,8-2,3) variando de 1,5 a 3,7 unidades por usuário. .

Table 3.3: Previsão RITU50050 - usuários SUS

	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95	competencia	ano
26	497	422	572	383	611	fevereiro/2022	1
27	438	354	523	309	567	março/2022	1
28	438	354	523	309	567	abril/2022	1
29	438	354	523	309	567	maio/2022	1
30	438	354	523	309	567	junho/2022	1
31	438	354	523	309	567	julho/2022	1
32	438	354	523	309	567	agosto/2022	1
33	438	354	523	309	567	setembro/2022	1
34	438	354	523	309	567	outubro/2022	1
35	438	354	523	309	567	novembro/2022	1
36	438	354	523	309	567	dezembro/2022	1
37	438	354	523	309	567	janeiro/2023	1
38	438	354	523	309	567	fevereiro/2023	2
39	438	354	523	309	567	março/2023	2
40	438	354	523	309	567	abril/2023	2
41	438	354	523	309	567	maio/2023	2
42	438	354	523	309	567	junho/2023	2
43	438	354	523	309	567	julho/2023	2
44	438	354	523	309	567	agosto/2023	2
45	438	354	523	309	567	setembro/2023	2
46	438	354	523	309	567	outubro/2023	2
47	438	354	523	309	567	novembro/2023	2
48	438	354	523	309	567	dezembro/2023	2
49	438	354	523	309	567	janeiro/2024	2
50	438	354	523	309	567	fevereiro/2024	3
51	438	354	523	309	567	março/2024	3
52	438	354	523	309	567	abril/2024	3
53	438	354	523	309	567	maio/2024	3
54	438	354	523	309	567	junho/2024	3
55	438	354	523	309	567	julho/2024	3
56	438	354	523	309	567	agosto/2024	3
57	438	354	523	309	567	setembro/2024	3
58	438	354	523	309	567	outubro/2024	3
59	438	354	523	309	567	novembro/2024	3
60	438	354	523	309	567	dezembro/2024	3
61	438	354	523	309	567	janeiro/2025	3
62	438	354	523	309	567	fevereiro/2025	4
63	438	354	523	309	567	março/2025	4
64	438	354	523	309	567	abril/2025	4
65	438	354	523	309	567	maio/2025	4
66	438	354	523	309	567	junho/2025	4
67	438	354	523	309	567	julho/2025	4
68	438	354	523	309	567	agosto/2025	4
69	438	354	523	309	567	setembro/2025	4
70	438	354	523	309	567	outubro/2025	4
71	438	354	523	309	567	novembro/2025	4
72	438	354	523	309	567	dezembro/2025	4
73	438	354	523	309	567	janeiro/2026	4
74	438	354	523	309	567	fevereiro/2026	5
75	438	354	523	309	567	março/2026	5
76	438	354	523	309	567	abril/2026	5
77	438	354	523	309	567	maio/2026	5
78	438	354	523	309	567	junho/2026	5
79	438	354	523	309	567	julho/2026	5
80	438	354	523	309	567	agosto/2026	5
81	438	354	523	309	567	setembro/2026	5
82	438	354	523	309	567	outubro/2026	5
83	438	354	523	309	567	novembro/2026	5
84	438	354	523	309	567	dezembro/2026	5
85	438	354	523	309	567	janeiro/2027	5

É previsto, no total de cinco anos, o atendimento de 26.339 usuários/mês (21.308-31.429).

Table 3.3: Previsão RITU50050 -unidades aprovadas

ano	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95
1	17.862	15.544	20.180	14.319	21.406
2	19.687	17.234	22.141	15.934	23.439
3	21.547	18.984	24.109	17.628	25.464
4	23.406	20.739	26.073	19.328	27.480
5	25.266	22.499	28.032	21.033	29.496

É previsto, no total de cinco anos, a quantidade aprovada de 107.768 (95.000-120.535).

Rituximabe 500 mg injetável (por frasco- ampola de 5o mL ) (biossimilar a) - RITU50050A

A partir do código SIGTAP (604680031) foi observado o período de setembro/2020 a novembro/2021. O maior número de usuários foi 324 em novembro/2020. A maior quantidade aprovada foi 1.177 em novembro/2020. A mediana (e quartis) de quantidade aprovada por usuário foi 3,5 (3,2-3,7) variando de 3,2 a 4,7 unidades por usuário. .

Table 3.3: Previsão RITU50050A - usuários SUS

	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95	competencia	ano
16	270	189	350	146	393	março/2023	1
17	199	99	300	46	353	abril/2023	1
18	199	99	300	46	353	maio/2023	1
19	199	99	300	46	353	junho/2023	1
20	199	99	300	46	353	julho/2023	1
21	199	99	300	46	353	agosto/2023	1
22	199	99	300	46	353	setembro/2023	1
23	199	99	300	46	353	outubro/2023	1
24	199	99	300	46	353	novembro/2023	1
25	199	99	300	46	353	dezembro/2023	1
26	199	99	300	46	353	janeiro/2024	1
27	199	99	300	46	353	fevereiro/2024	1
28	199	99	300	46	353	março/2024	2
29	199	99	300	46	353	abril/2024	2
30	199	99	300	46	353	maio/2024	2
31	199	99	300	46	353	junho/2024	2
32	199	99	300	46	353	julho/2024	2
33	199	99	300	46	353	agosto/2024	2
34	199	99	300	46	353	setembro/2024	2
35	199	99	300	46	353	outubro/2024	2
36	199	99	300	46	353	novembro/2024	2
37	199	99	300	46	353	dezembro/2024	2
38	199	99	300	46	353	janeiro/2025	2
39	199	99	300	46	353	fevereiro/2025	2
40	199	99	300	46	353	março/2025	3
41	199	99	300	46	353	abril/2025	3
42	199	99	300	46	353	maio/2025	3
43	199	99	300	46	353	junho/2025	3
44	199	99	300	46	353	julho/2025	3
45	199	99	300	46	353	agosto/2025	3
46	199	99	300	46	353	setembro/2025	3
47	199	99	300	46	353	outubro/2025	3
48	199	99	300	46	353	novembro/2025	3
49	199	99	300	46	353	dezembro/2025	3
50	199	99	300	46	353	janeiro/2026	3
51	199	99	300	46	353	fevereiro/2026	3
52	199	99	300	46	353	março/2026	4
53	199	99	300	46	353	abril/2026	4
54	199	99	300	46	353	maio/2026	4
55	199	99	300	46	353	junho/2026	4
56	199	99	300	46	353	julho/2026	4
57	199	99	300	46	353	agosto/2026	4
58	199	99	300	46	353	setembro/2026	4
59	199	99	300	46	353	outubro/2026	4
60	199	99	300	46	353	novembro/2026	4
61	199	99	300	46	353	dezembro/2026	4
62	199	99	300	46	353	janeiro/2027	4
63	199	99	300	46	353	fevereiro/2027	4
64	199	99	300	46	353	março/2027	5
65	199	99	300	46	353	abril/2027	5
66	199	99	300	46	353	maio/2027	5
67	199	99	300	46	353	junho/2027	5
68	199	99	300	46	353	julho/2027	5
69	199	99	300	46	353	agosto/2027	5
70	199	99	300	46	353	setembro/2027	5
71	199	99	300	46	353	outubro/2027	5
72	199	99	300	46	353	novembro/2027	5
73	199	99	300	46	353	dezembro/2027	5
74	199	99	300	46	353	janeiro/2028	5
75	199	99	300	46	353	fevereiro/2028	5

É previsto, no total de cinco anos, o atendimento de 12.011 usuários/mês (6.030-18.050).

Table 3.3: Previsão RITU50050A -unidades aprovadas

ano	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95
1	8.484	4.596	12.372	2.532	14.424
2	8.484	4.596	12.372	2.532	14.424
3	8.484	4.596	12.372	2.532	14.424
4	8.484	4.596	12.372	2.532	14.424
5	8.484	4.596	12.372	2.532	14.424

É previsto, no total de cinco anos, a quantidade aprovada de 42.420 (22.980-61.860).

Secuquinumabe 150 mg/mL solução injetável (por seringa preenchida) - SECU150

A partir do código SIGTAP (604690029) foi observado o período de fevereiro/2019 a novembro/2021. O maior número de usuários foi 8.482 em novembro/2021. A maior quantidade aprovada foi 18.163 em novembro/2021. A mediana (e quartis) de quantidade aprovada por usuário foi 2,0 (2,0-2,1) variando de 1,9 a 2,3 unidades por usuário. .

Table 3.3: Previsão SECU150 - usuários SUS

	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95	competencia	ano
27	6244	5834	6655	5616	6872	fevereiro/2024	1
28	6295	5859	6731	5628	6961	março/2024	1
29	6483	6039	6927	5804	7161	abril/2024	1
30	6861	6340	7383	6064	7659	maio/2024	1
31	7039	6485	7593	6191	7887	junho/2024	1
32	7238	6667	7808	6366	8110	julho/2024	1
33	7537	6927	8147	6604	8471	agosto/2024	1
34	7760	7119	8400	6780	8739	setembro/2024	1
35	7974	7314	8635	6964	8985	outubro/2024	1
36	8238	7549	8927	7184	9292	novembro/2024	1
37	8475	7759	9190	7380	9569	dezembro/2024	1
38	8701	7964	9437	7574	9827	janeiro/2025	1
39	8949	8188	9709	7786	10112	fevereiro/2025	2
40	9189	8405	9973	7990	10387	março/2025	2
41	9422	8617	10226	8191	10652	abril/2025	2
42	9664	8838	10489	8401	10926	maio/2025	2
43	9904	9057	10751	8609	11199	junho/2025	2
44	10140	9273	11006	8815	11465	julho/2025	2
45	10380	9493	11266	9024	11735	agosto/2025	2
46	10619	9714	11525	9234	12004	setembro/2025	2
47	10857	9933	11781	9443	12271	outubro/2025	2
48	11096	10153	12039	9654	12538	novembro/2025	2
49	11335	10374	12296	9866	12805	dezembro/2025	2
50	11574	10595	12552	10077	13071	janeiro/2026	2
51	11813	10816	12809	10289	13336	fevereiro/2026	3
52	12052	11038	13065	10502	13601	março/2026	3
53	12290	11260	13320	10715	13866	abril/2026	3
54	12529	11482	13576	10928	14130	maio/2026	3
55	12768	11705	13831	11142	14394	junho/2026	3
56	13007	11928	14086	11356	14657	julho/2026	3
57	13245	12150	14341	11571	14920	agosto/2026	3
58	13484	12374	14595	11786	15183	setembro/2026	3
59	13723	12597	14849	12001	15445	outubro/2026	3
60	13962	12821	15103	12216	15707	novembro/2026	3
61	14201	13044	15357	12432	15969	dezembro/2026	3
62	14440	13268	15611	12648	16231	janeiro/2027	3
63	14678	13493	15864	12865	16492	fevereiro/2027	4
64	14917	13717	16117	13082	16753	março/2027	4
65	15156	13942	16370	13299	17013	abril/2027	4
66	15395	14166	16623	13516	17274	maio/2027	4
67	15634	14391	16876	13733	17534	junho/2027	4
68	15872	14616	17129	13951	17794	julho/2027	4
69	16111	14841	17381	14169	18053	agosto/2027	4
70	16350	15067	17633	14387	18313	setembro/2027	4
71	16589	15292	17886	14606	18572	outubro/2027	4
72	16828	15518	18138	14824	18831	novembro/2027	4
73	17066	15743	18390	15043	19090	dezembro/2027	4
74	17305	15969	18641	15262	19349	janeiro/2028	4
75	17544	16195	18893	15481	19607	fevereiro/2028	5
76	17783	16421	19144	15700	19865	março/2028	5
77	18022	16647	19396	15920	20123	abril/2028	5
78	18260	16874	19647	16140	20381	maio/2028	5
79	18499	17100	19898	16360	20639	junho/2028	5
80	18738	17327	20149	16580	20897	julho/2028	5
81	18977	17553	20400	16800	21154	agosto/2028	5
82	19216	17780	20651	17020	21411	setembro/2028	5
83	19454	18007	20902	17241	21668	outubro/2028	5
84	19693	18234	21153	17461	21925	novembro/2028	5
85	19932	18461	21403	17682	22182	dezembro/2028	5
86	20171	18688	21654	17903	22439	janeiro/2029	5

É previsto, no total de cinco anos, o atendimento de 787.678 usuários/mês (725.021-850.327).

Table 3.3: Previsão SECU150 -unidades aprovadas

ano	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95
1	147.012	129.400	164.623	120.077	173.944
2	217.269	190.265	244.272	175.972	258.566
3	287.714	253.912	321.517	236.016	339.412
4	358.159	318.723	397.598	297.845	418.473
5	428.605	384.246	472.963	360.766	496.443

É previsto, no total de cinco anos, a quantidade aprovada de 1.438.759 (1.276.546-1.600.973).

Tocilizumabe 20 mg/mL injetavel (por frasco-ampola de 4 mL) - TOCI204

A partir do código SIGTAP (604690010) foi observado o período de abril/2013 a novembro/2021. O maior número de usuários foi 6.920 em novembro/2021. A maior quantidade aprovada foi 54.267 em novembro/2021. A mediana (e quartis) de quantidade aprovada por usuário foi 7,0 (6,8-7,2) variando de 3,0 a 8,4 unidades por usuário. .

Table 3.3: Previsão TOCI204 - usuários SUS

	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95	competencia	ano
31	3810	3703	3917	3647	3973	julho/2022	1
32	3876	3761	3991	3700	4052	agosto/2022	1
33	3942	3819	4064	3755	4129	setembro/2022	1
34	4008	3878	4137	3810	4206	outubro/2022	1
35	4074	3937	4210	3865	4282	novembro/2022	1
36	4140	3997	4282	3921	4358	dezembro/2022	1
37	4205	4057	4354	3978	4433	janeiro/2023	1
38	4271	4117	4426	4035	4508	fevereiro/2023	1
39	4337	4177	4498	4092	4583	março/2023	1
40	4403	4237	4569	4149	4657	abril/2023	1
41	4469	4298	4640	4207	4731	maio/2023	1
42	4535	4358	4712	4265	4805	junho/2023	1
43	4601	4419	4782	4323	4879	julho/2023	2
44	4667	4480	4853	4382	4952	agosto/2023	2
45	4733	4541	4924	4440	5025	setembro/2023	2
46	4799	4603	4994	4499	5098	outubro/2023	2
47	4864	4664	5065	4558	5171	novembro/2023	2
48	4930	4726	5135	4617	5244	dezembro/2023	2
49	4996	4787	5205	4676	5316	janeiro/2024	2
50	5062	4849	5276	4736	5389	fevereiro/2024	2
51	5128	4911	5346	4795	5461	março/2024	2
52	5194	4972	5416	4855	5533	abril/2024	2
53	5260	5034	5486	4915	5605	maio/2024	2
54	5326	5096	5555	4975	5677	junho/2024	2
55	5392	5158	5625	5035	5749	julho/2024	3
56	5458	5220	5695	5095	5821	agosto/2024	3
57	5523	5282	5765	5155	5892	setembro/2024	3
58	5589	5345	5834	5215	5964	outubro/2024	3
59	5655	5407	5904	5275	6035	novembro/2024	3
60	5721	5469	5973	5336	6107	dezembro/2024	3
61	5787	5532	6043	5396	6178	janeiro/2025	3
62	5853	5594	6112	5457	6249	fevereiro/2025	3
63	5919	5656	6181	5517	6320	março/2025	3
64	5985	5719	6251	5578	6391	abril/2025	3
65	6051	5781	6320	5639	6462	maio/2025	3
66	6117	5844	6389	5700	6533	junho/2025	3
67	6182	5907	6458	5761	6604	julho/2025	4
68	6248	5969	6527	5822	6675	agosto/2025	4
69	6314	6032	6597	5883	6746	setembro/2025	4
70	6380	6095	6666	5944	6817	outubro/2025	4
71	6446	6158	6735	6005	6887	novembro/2025	4
72	6512	6220	6804	6066	6958	dezembro/2025	4
73	6578	6283	6873	6127	7029	janeiro/2026	4
74	6644	6346	6941	6188	7099	fevereiro/2026	4
75	6710	6409	7010	6250	7170	março/2026	4
76	6776	6472	7079	6311	7240	abril/2026	4
77	6841	6535	7148	6372	7310	maio/2026	4
78	6907	6598	7217	6434	7381	junho/2026	4
79	6973	6661	7286	6495	7451	julho/2026	5
80	7039	6724	7354	6557	7521	agosto/2026	5
81	7105	6787	7423	6618	7592	setembro/2026	5
82	7171	6850	7492	6680	7662	outubro/2026	5
83	7237	6913	7561	6742	7732	novembro/2026	5
84	7303	6976	7629	6803	7802	dezembro/2026	5
85	7369	7039	7698	6865	7872	janeiro/2027	5
86	7435	7103	7767	6927	7942	fevereiro/2027	5
87	7500	7166	7835	6989	8012	março/2027	5
88	7566	7229	7904	7050	8082	abril/2027	5
89	7632	7292	7972	7112	8152	maio/2027	5
90	7698	7356	8041	7174	8222	junho/2027	5

É previsto, no total de cinco anos, o atendimento de 345.246 usuários/mês (330.548-359.946).

Table 3.3: Previsão TOCI204 -unidades aprovadas

ano	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95
1	312.885	303.766	322.004	298.936	326.832
2	379.062	366.370	391.753	359.653	398.471
3	445.239	429.795	460.682	421.621	468.856
4	511.415	493.645	529.186	484.238	538.593
5	577.592	557.766	597.417	547.274	607.909

É previsto, no total de cinco anos, a quantidade aprovada de 2.226.193 (2.151.342-2.301.042).

Ustequinumabe 45 mg/0,5mL soluçâo injetàvel (por seringa preenchida) - USTEQ45

A partir do código SIGTAP (604690037) foi observado o período de maio/2020 a novembro/2021. O maior número de usuários foi 1.205 em novembro/2021. A maior quantidade aprovada foi 1.679 em outubro/2021. A mediana (e quartis) de quantidade aprovada por usuário foi 1,4 (1,3-1,5) variando de 1,2 a 1,8 unidades por usuário. .

Table 3.3: Previsão USTEQ45 - usuários SUS

	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95	competencia	ano
12	433	215	651	99	767	novembro/2022	1
13	433	125	741	-39	905	dezembro/2022	1
14	433	55	811	-145	1011	janeiro/2023	1
15	433	-3	869	-234	1100	fevereiro/2023	1
16	433	-55	921	-313	1179	março/2023	1
17	433	-101	967	-384	1250	abril/2023	1
18	433	-144	1010	-450	1316	maio/2023	1
19	433	-184	1050	-511	1377	junho/2023	1
20	433	-221	1087	-568	1434	julho/2023	1
21	433	-257	1123	-622	1488	agosto/2023	1
22	433	-290	1156	-673	1539	setembro/2023	1
23	433	-323	1189	-723	1589	outubro/2023	1
24	433	-353	1219	-770	1636	novembro/2023	2
25	433	-383	1249	-815	1681	dezembro/2023	2
26	433	-412	1278	-859	1725	janeiro/2024	2
27	433	-440	1306	-901	1767	fevereiro/2024	2
28	433	-466	1332	-943	1809	março/2024	2
29	433	-492	1358	-982	1848	abril/2024	2
30	433	-518	1384	-1021	1887	maio/2024	2
31	433	-543	1409	-1059	1925	junho/2024	2
32	433	-567	1433	-1096	1962	julho/2024	2
33	433	-590	1456	-1132	1998	agosto/2024	2
34	433	-613	1479	-1167	2033	setembro/2024	2
35	433	-636	1502	-1201	2067	outubro/2024	2
36	433	-658	1524	-1235	2101	novembro/2024	3
37	433	-679	1545	-1268	2134	dezembro/2024	3
38	433	-700	1566	-1300	2166	janeiro/2025	3
39	433	-721	1587	-1332	2198	fevereiro/2025	3
40	433	-742	1608	-1364	2230	março/2025	3
41	433	-762	1628	-1394	2260	abril/2025	3
42	433	-782	1648	-1424	2290	maio/2025	3
43	433	-801	1667	-1454	2320	junho/2025	3
44	433	-820	1686	-1483	2349	julho/2025	3
45	433	-839	1705	-1512	2378	agosto/2025	3
46	433	-858	1724	-1541	2407	setembro/2025	3
47	433	-876	1742	-1569	2435	outubro/2025	3
48	433	-894	1760	-1596	2462	novembro/2025	4
49	433	-912	1778	-1624	2490	dezembro/2025	4
50	433	-929	1795	-1650	2516	janeiro/2026	4
51	433	-947	1813	-1677	2543	fevereiro/2026	4
52	433	-964	1830	-1703	2569	março/2026	4
53	433	-981	1847	-1729	2595	abril/2026	4
54	433	-997	1863	-1755	2621	maio/2026	4
55	433	-1014	1880	-1780	2646	junho/2026	4
56	433	-1030	1896	-1805	2671	julho/2026	4
57	433	-1046	1912	-1830	2696	agosto/2026	4
58	433	-1062	1928	-1854	2720	setembro/2026	4
59	433	-1078	1944	-1878	2744	outubro/2026	4
60	433	-1094	1960	-1902	2768	novembro/2026	5
61	433	-1109	1975	-1926	2792	dezembro/2026	5
62	433	-1125	1991	-1949	2815	janeiro/2027	5
63	433	-1140	2006	-1973	2839	fevereiro/2027	5
64	433	-1155	2021	-1996	2862	março/2027	5
65	433	-1170	2036	-2019	2885	abril/2027	5
66	433	-1185	2051	-2041	2907	maio/2027	5
67	433	-1199	2065	-2063	2929	junho/2027	5
68	433	-1214	2080	-2086	2952	julho/2027	5
69	433	-1228	2094	-2108	2974	agosto/2027	5
70	433	-1243	2109	-2129	2995	setembro/2027	5
71	433	-1257	2123	-2151	3017	outubro/2027	5

É previsto, no total de cinco anos, o atendimento de 25.980 usuários/mês (-42.407-94.367).

Table 3.3: Previsão USTEQ45 -unidades aprovadas

ano	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95
1	7.788	-1.481	17.057	-6.386	21.962
2	7.788	-8.493	24.069	-17.112	32.688
3	7.788	-13.179	28.755	-24.276	39.852
4	7.788	-16.980	32.556	-30.093	45.669
5	7.788	-20.269	35.845	-35.123	50.699

É previsto, no total de cinco anos, a quantidade aprovada de 38.940 (-60.402-138.282).

Vedolizumabe 300 mg pó liofilizado para soluçăo injetável - VEDO300

A partir do código SIGTAP (604320167) foi observado o período de junho/2021 a novembro/2021. O maior número de usuários foi 285 em novembro/2021. A maior quantidade aprovada foi 391 em novembro/2021. A mediana (e quartis) de quantidade aprovada por usuário foi 1,4 (1,4-1,6) variando de 1,3 a 1,8 unidades por usuário. .

Table 3.3: Previsão VEDO300 - usuários SUS

	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95	competencia
7	336	318	354	309	364	junho/2022
8	388	362	413	349	427	julho/2022
9	439	408	470	392	487	agosto/2022
10	491	455	527	436	546	setembro/2022
11	542	502	582	480	604	outubro/2022
12	593	549	637	526	661	novembro/2022
13	645	597	692	572	718	dezembro/2022
14	696	645	747	618	774	janeiro/2023
15	748	694	802	665	830	fevereiro/2023
16	799	742	856	712	886	março/2023
17	850	791	910	759	942	abril/2023
18	902	839	964	806	997	maio/2023
19	953	888	1018	854	1052	junho/2023
20	1005	937	1072	902	1108	julho/2023
21	1056	986	1126	949	1163	agosto/2023
22	1107	1035	1179	997	1218	setembro/2023
23	1159	1085	1233	1045	1272	outubro/2023
24	1210	1134	1287	1093	1327	novembro/2023
25	1262	1183	1340	1142	1382	dezembro/2023
26	1313	1232	1394	1190	1436	janeiro/2024
27	1364	1282	1447	1238	1491	fevereiro/2024
28	1416	1331	1500	1287	1545	março/2024
29	1467	1381	1554	1335	1599	abril/2024
30	1519	1430	1607	1384	1653	maio/2024
31	1570	1480	1660	1432	1708	junho/2024
32	1621	1530	1713	1481	1762	julho/2024
33	1673	1579	1766	1530	1816	agosto/2024
34	1724	1629	1819	1579	1870	setembro/2024
35	1776	1679	1873	1627	1924	outubro/2024
36	1827	1728	1926	1676	1978	novembro/2024
37	1878	1778	1979	1725	2032	dezembro/2024
38	1930	1828	2032	1774	2086	janeiro/2025
39	1981	1878	2085	1823	2139	fevereiro/2025
40	2033	1928	2138	1872	2193	março/2025
41	2084	1978	2190	1921	2247	abril/2025
42	2135	2027	2243	1970	2301	maio/2025
43	2187	2077	2296	2019	2354	junho/2025
44	2238	2127	2349	2068	2408	julho/2025
45	2290	2177	2402	2118	2462	agosto/2025
46	2341	2227	2455	2167	2515	setembro/2025
47	2392	2277	2508	2216	2569	outubro/2025
48	2444	2327	2560	2265	2622	novembro/2025
49	2495	2377	2613	2315	2676	dezembro/2025
50	2547	2427	2666	2364	2729	janeiro/2026
51	2598	2477	2719	2413	2783	fevereiro/2026
52	2649	2527	2771	2463	2836	março/2026
53	2701	2577	2824	2512	2890	abril/2026
54	2752	2627	2877	2561	2943	maio/2026
55	2804	2678	2930	2611	2996	junho/2026
56	2855	2728	2982	2660	3050	julho/2026
57	2906	2778	3035	2710	3103	agosto/2026
58	2958	2828	3088	2759	3156	setembro/2026
59	3009	2878	3140	2809	3210	outubro/2026
60	3061	2928	3193	2858	3263	novembro/2026
61	3112	2979	3245	2908	3316	dezembro/2026
62	3163	3029	3298	2957	3369	janeiro/2027
63	3215	3079	3351	3007	3423	fevereiro/2027
64	3266	3129	3403	3057	3476	março/2027
65	3318	3179	3456	3106	3529	abril/2027
66	3369	3230	3508	3156	3582	maio/2027

É previsto, no total de cinco anos, o atendimento de 111.162 usuários/mês (105.515-116.804).

Table 3.3: Previsão VEDO300 -unidades aprovadas

	Point Forecast	Lo 80	Hi 80	Lo 95	Hi 95	competencia
7	459	419	500	398	521	junho/2022
8	528	471	585	441	615	julho/2022
9	596	526	666	489	703	agosto/2022
10	665	584	745	541	788	setembro/2022
11	733	643	823	595	871	outubro/2022
12	801	703	900	650	953	novembro/2022
13	870	763	977	707	1033	dezembro/2022
14	938	824	1052	764	1113	janeiro/2023
15	1007	886	1128	821	1192	fevereiro/2023
16	1075	947	1203	880	1270	março/2023
17	1143	1010	1277	939	1348	abril/2023
18	1212	1072	1352	998	1426	maio/2023
19	1280	1135	1426	1058	1503	junho/2023
20	1349	1198	1500	1118	1579	julho/2023
21	1417	1261	1573	1178	1656	agosto/2023
22	1485	1324	1647	1239	1732	setembro/2023
23	1554	1387	1720	1299	1808	outubro/2023
24	1622	1451	1793	1360	1884	novembro/2023
25	1691	1515	1866	1422	1960	dezembro/2023
26	1759	1579	1939	1483	2035	janeiro/2024
27	1827	1642	2012	1545	2110	fevereiro/2024
28	1896	1707	2085	1606	2185	março/2024
29	1964	1771	2158	1668	2260	abril/2024
30	2033	1835	2230	1730	2335	maio/2024
31	2101	1899	2303	1792	2410	junho/2024
32	2169	1964	2375	1855	2484	julho/2024
33	2238	2028	2447	1917	2558	agosto/2024
34	2306	2093	2520	1980	2633	setembro/2024
35	2375	2157	2592	2042	2707	outubro/2024
36	2443	2222	2664	2105	2781	novembro/2024
37	2511	2287	2736	2168	2855	dezembro/2024
38	2580	2352	2808	2231	2929	janeiro/2025
39	2648	2416	2880	2294	3003	fevereiro/2025
40	2717	2481	2952	2357	3076	março/2025
41	2785	2546	3024	2420	3150	abril/2025
42	2853	2611	3095	2483	3224	maio/2025
43	2922	2676	3167	2546	3297	junho/2025
44	2990	2741	3239	2610	3371	julho/2025
45	3059	2807	3311	2673	3444	agosto/2025
46	3127	2872	3382	2737	3517	setembro/2025
47	3195	2937	3454	2800	3591	outubro/2025
48	3264	3002	3525	2864	3664	novembro/2025
49	3332	3068	3597	2928	3737	dezembro/2025
50	3401	3133	3668	2991	3810	janeiro/2026
51	3469	3198	3740	3055	3883	fevereiro/2026
52	3537	3264	3811	3119	3956	março/2026
53	3606	3329	3882	3183	4029	abril/2026
54	3674	3395	3954	3247	4102	maio/2026
55	3743	3460	4025	3311	4175	junho/2026
56	3811	3526	4096	3375	4247	julho/2026
57	3879	3591	4168	3439	4320	agosto/2026
58	3948	3657	4239	3503	4393	setembro/2026
59	4016	3722	4310	3567	4465	outubro/2026
60	4085	3788	4381	3631	4538	novembro/2026
61	4153	3854	4452	3695	4611	dezembro/2026
62	4221	3919	4523	3760	4683	janeiro/2027
63	4290	3985	4594	3824	4756	fevereiro/2027
64	4358	4051	4665	3888	4828	março/2027
65	4427	4117	4737	3953	4901	abril/2027
66	4495	4182	4808	4017	4973	maio/2027

É previsto, no total de cinco anos, a quantidade aprovada de 148.632 (135.983-161.281).

4 Considerações

Bases consolidadas a partir de dados administrativos devem ser validadas com padrões amplamente aceitos. A comparação da quantidade aprovada ao mês com os dados disponíveis do tabnet se mostrou como o mais importante controle de qualidade da extração, transformação e carga (ETL), por se tratar do insumo mais amplamente utilizado e amplamente conhecidos na gestão do SUS.

A avaliação com técnicas iterativas de visualização da série histórica de usuários, quantidade aprovada e do produto do valor pago pela quantidade aprovada contribui para o conhecimento de cada procedimento do SUS e, consequentemente para o cálculo do impacto orçamentário.

Existem limitações relativas ao método arima, sobretudo diante de oscilações no atendimento como as que ocorreram no decorrer da pandemia por covid-19. Outra limitação do método arima ocorre quando a tendência decrescente leva à previsão de valores negativos.

Outra limitação é a disponibilidade sistemática de valores pagos pela unidade farmacotécnica, podendo haver oscilações que são corrigidas quando se obtêm mais de um valor de referência em dado ano.

O número de usuários distintos ao ano não foi avaliado, apenas o número de usuários ao mês, cujo número é próximo ou equivalente ao número de dispensações. A presente abordagem objetivou tecer um paralelo entre o número de usuários e a quantidade aprovada, cuja manutenção da granularidade ao mês contribui com mais observações para a avaliação do modelo do que agregada ao ano.

Outras metodologias de regressão combinando regressão linear, regressão logística, redes neurais ou deep learning podem ser mais resolutivas do que a adotada no presente trabalho. Devem ser utilizadas técnicas que permitam a utilização de mais variáveis do que a mera progressão histórica do valor em questão. Adicionalmente, outras técnicas e modelagens devem ser utilizadas para remoção de ruído.

Apêndice

4.1 Funções auxiliares

# OBTEM ARQUIVOS DO REPOSITORIO DO DATASUS E CARREGA NO POSTGRESQL
# Baixa os arquivos DBC do ftp do datasus para o Brasil.
# Recupera a quantidade aprovada do arquivo AM para o PA com procedimento 06
# Incorpora no PostgreSQL

# voce deve rodar no linux tendo instalado:
# wine
# dbview
# postgresql cliente

library("RCurl") # funcao getURL
library("downloader") # funcao download
library("RPostgreSQL") # conexao com SGBF
# library("read.dbc") # leitura de arquivo dbc
# library(foreign)
library(data.table)
library(gsubfn)
library(dplyr)
library(stringr) # para str_replace
library(read.dbc)
library(googledrive)
    library(scales)

options(scipen = 100) # Evita notacao cientifica

dirdbc="/home/ferre/Downloads/dbc/"
# setwd(dirdbc)
url="ftp://ftp.datasus.gov.br/dissemin/publicos/SIASUS/200801_/Dados/" # filezilla
# http://tabnet.datasus.gov.br/cgi/menu_baixa_tabwin.htm
exe="/home/ferre/Downloads/dbc/Tab415/dbf2dbc.exe"
tabnetcsv="/home/ferre/Dropbox/sabeis_pcdt29/tabnet.csv"

listaftp_diretriz="/home/ferre/Dropbox/sabeis_pcdt29/dados/listaftp_diretriz.csv.gz"


# CONEXAO COM O SGBD
pg_conecta = function(
  dbname,
  host,
  port,
  user,
  password
){
  con = DBI::dbConnect(
    dbDriver(drvName = "PostgreSQL"),
    dbname = dbname,
    host = host,
    port = port,
    user = user,
    password = password
  )
  return(con)
}

pg_roda_query = function(query){
  con = pg_conecta(dbname, host, port, user, password)
  x=dbGetQuery(
    con,
    query
  )
  
  dbDisconnect(con)
  rm(con)
  
  return(x)
}

# adiciona coisa no banco de dados
pg_persiste = function(dataframe, no_banco, no_tabela, overwrite, append){
  
  con = pg_conecta(dbname, host, port, user, password)
  x=dbWriteTable(
    con, 
    c(no_banco,no_tabela), 
    dataframe, 
    overwrite = overwrite,
    append = append
  )
  
  dbDisconnect(con)
  rm(con)
  
  return(x)
}

# retorna o none da ultima tabela de log
pg_obtem_mapa_ftp = function(){
  query="SELECT table_schema || '.' || table_name as log
           FROM information_schema.tables 
          WHERE table_schema = 'public' 
            and table_name like 'tf_coleta%' 
            and table_name not like '%tabnet%'
            and table_name not like '%procedimento%' 
            and table_name not like '%medicamento%' 
          order by 1"
  x=tail(pg_roda_query(query),1)$log
  return(x)
}

pg_get_lista_tabela_medicamento = function(){
  query="select no_schema || '.' || no_tabela as tabela 
  from bd_medicamento.tf_coleta_medicamento  
  where no_schema || '.' || no_tabela in (  
  SELECT table_schema || '.' || table_name as tabela
           FROM information_schema.tables 
          WHERE table_schema like 'bd_medicamento_%')"
  tabelas=pg_roda_query(query)$tabela
  
  return(tabelas)
}

library(stringr)
set_colnames = function(vetor){
  x=str_replace_all(
    str_replace_all(
      str_replace_all(
        str_replace_all(
        str_replace_all(iconv(tolower(vetor), from = 'UTF-8', to = 'ASCII//TRANSLIT'),'[^a-z0-9]','_')
        ,'__','_')
      ,'__','_')
    ,'_$','')
,'_',' ')
  
  return(x)
}

formata <- function(x) {
  y = format(x, big.mark = ".", decimal.mark = ",", scientific = F)
  return(y)
}

formata_mes <- function(x) {
  y = format(as.Date(paste0(x,"15"),"%Y%m%d"),"%m/%Y")
  return(y)
}


firstup <- function(x) {
  substr(x, 1, 1) <- toupper(substr(x, 1, 1))
  x
}

library(gsheet)
get_gsheet = function(url,planilha){
  ds=as.data.frame(gsheet2tbl(url, sheetid = planiha))
  colnames(ds)=set_colnames(colnames(ds))
  # ds[is.na(ds)] <- 0
  return(ds)
}

# atualiza um registro de bd_medicamento.tf_coleta_medicamento
pg_update_tf_coleta_medicamento = function(tabela){
  query=paste0("update bd_medicamento.tf_coleta_medicamento A
   set qt_registros_medicamento = B.qt_registros_medicamento,
       qt_usuariosus_medicamento = B.qt_usuariosus_medicamento,
       qt_aprovada_medicamento = B.qt_aprovada_medicamento
  from (
select
       COUNT(*) as qt_registros_medicamento,
       COUNT(distinct nu_usuariosus) as qt_usuariosus_medicamento,
       sum(qt_aprovada) as qt_aprovada_medicamento
  from ", tabela,"
      ) B
      where A.no_schema || '.' || A.no_tabela = '", tabela,"'")
  pg_roda_query(query)
}

# atualiza todos os registro de bd_medicamento.tf_coleta_medicamento
pg_update_tf_coleta_medicamentos <- function() {
  tabela=pg_get_lista_tabela_medicamento()
  for (tabela in sort(tabelas,decreasing = TRUE)) {
    pg_update_tf_coleta_medicamento(tabela)
  }  
}


pg_set_log_coleta_medicamento = function(){
  log=pg_obtem_mapa_ftp()
  
  # colocar timestamp
  pg_roda_query("delete from bd_medicamento.tf_coleta_medicamento
  where (vl_discrepancia_tabnet > 5 
         or qt_registros_medicamento = 0
         or qt_registros_medicamento is null)")
    
  # insere novos registros na tabela de coleta
  query=paste0("insert into bd_medicamento.tf_coleta_medicamento
  select 'bd_medicamento_' || nu_ano as no_schema,
         lower('pa' || sg_uf || nu_competencia::text) as no_tabela,
         sg_uf ,
         nu_competencia ,
         string_agg(distinct case when sg_subsistema = 'PA' then no_dbc else null end, ' ') as no_dbc_pa, 
         max(case when split_part(dt_dbc,'-',1)::int > 70 
            then (19 || dt_dbc)::DATE
            else (20 || dt_dbc)::DATE
         end) as dt_dbc,
         current_date as dt_carga_sabeis,
         sum(case when sg_subsistema = 'PA' then qt_bytes_dbc else 0 end) as qt_bytes_dbc_pa, 
         sum(case when sg_subsistema = 'PA' then qt_registros_dbc_local else 0 end) as qt_registros_dbc_local_pa,
         string_agg(distinct case when sg_subsistema = 'AM' then no_dbc else null end, ' ') as no_dbc_am, 
         sum(case when sg_subsistema = 'AM' then qt_bytes_dbc else 0 end) as qt_bytes_dbc_am, 
         sum(case when sg_subsistema = 'AM' then qt_registros_dbc_local else 0 end) as qt_registros_dbc_local_am         
    from ", log,"
   where sg_subsistema in ('PA','AM')
     and sg_sistema = 'SIA'
     and nu_ano >= 2008
     and lower('pa' || sg_uf || nu_competencia::text) not in (select distinct no_tabela from bd_medicamento.tf_coleta_medicamento)
   group by 1,2,3,4
   order by 1,2,3 ;")
  pg_roda_query(query)

  
  # lista tabelas persistidas
  query="select no_schema || '.' || no_tabela as tabela from bd_medicamento.tf_coleta_medicamento  
  where no_schema || '.' || no_tabela in (  
  SELECT table_schema || '.' || table_name as tabela
           FROM information_schema.tables 
          WHERE table_schema like 'bd_medicamento_%')
  "
  tabelas=pg_roda_query(query)$tabela
  
  for (tabela in tabelas) {
      print(tabela)
     pg_update_tf_coleta_medicamento(tabela)
  }

}

# TABNET

pg_tabnet_ufcmp = function(tabnetcsv,listaftp){
  # processa o CSV obtido do TABNET 
  # em http://tabnet.datasus.gov.br/cgi/tabcgi.exe?sia/cnv/qauf.def
  # com a quantidade aprovada de 
  # procedimento 06
  # por UF
  # por ano e mes de processamento
  
  tabnetcsv=
    get_gsheet("https://docs.google.com/spreadsheets/d/1lnZsswLNEe1_2YbV95MZLM8ECl_seP-f9xpgBptcxZI/edit?usp=sharing",
    planilha = 'ufcmp')
  
  tabnet=tabnetcsv
  tabnet[tabnet == '-'] <- 0
  
  # transpoe a tabela de colunas para linhas
  aux=tabnet[,c(1,2)]
  colnames(aux)=c("nu_competencia","qt_aprovada_tabnet")
  aux$sg_uf=colnames(tabnet)[2]
  colnames(tabnet)[1]="nu_competencia"
  
  for (uf in colnames(tabnet)[3:ncol(tabnet)-1]) {
    aux2=tabnet[,c("nu_competencia",uf)]
    colnames(aux2)=c("nu_competencia","qt_aprovada_tabnet")
    aux2$sg_uf=uf
    aux=rbind(
      aux,
      aux2
    )
  }
  
  aux$nu_competencia=as.numeric(substr(str_replace(aux$nu_competencia,'-',''),1,6))
  aux$sg_uf=toupper(aux$sg_uf)
  
  #pg_persiste(listaftp,"public","tm_tabnet",TRUE,FALSE)
  pg_persiste(aux,"public","tf_tabnet",TRUE,FALSE)
  
  # atualiza quantidade aprovada do tabnet  
  pg_roda_query("   update bd_medicamento.tf_coleta_medicamento A
                    set qt_aprovada_tabnet = B.qt_aprovada_tabnet::int 
                   from public.tf_tabnet B
                  where A.nu_competencia = B.nu_competencia::int
                    and A.sg_uf = B.sg_uf")

  # atualiza indice de discrepancia em relacao ao tabnet  
  pg_roda_query("update bd_medicamento.tf_coleta_medicamento
set vl_discrepancia_tabnet = case when qt_aprovada_medicamento > 0 and qt_aprovada_tabnet > 0 
            then ROUND(ABS(qt_aprovada_tabnet - qt_aprovada_medicamento)::decimal / (qt_aprovada_tabnet + qt_aprovada_medicamento)*100)
            when qt_aprovada_medicamento is null and qt_aprovada_tabnet = 0 then 0
            else 100
            end 
")
}

pg_qt_procedimento_mes <- function() {
  
  pg_roda_query("DROP TABLE IF EXISTS bd_medicamento.tf_procedimento_uf_mes;
  CREATE TABLE bd_medicamento.tf_procedimento_uf_mes (
    nu_competencia int4 NULL,
    sg_uf VARCHAR(2) NULL,
    co_procedimento int8 NULL,
    qt_registros int8 NULL,
    qt_usuariosus int8 NULL,
    qt_cnes int8 NULL,
    qt_municipio_ibge_residencia int8 NULL,
    qt_aprovada INT8 NULL
);")
  
  tabelas=pg_get_lista_tabela_medicamento()
  for (tabela in sort(tabelas,decreasing = FALSE)) {
    print(tabela)
    pg_roda_query(paste0("INSERT INTO bd_medicamento.tf_procedimento_uf_mes
   select nu_competencia
       ,sg_uf
       ,co_procedimento
       ,count(*) qt_registros
       ,count(distinct nu_usuariosus) qt_usuariosus
       ,count(distinct co_cnes) qt_cnes
       ,count(distinct co_municipio_ibge_residencia) as qt_municipio_ibge_residencia
       ,sum(qt_aprovada) qt_aprovada
  from ",tabela,"
  group by 1,2,3
  order by 3"))
  }
  
  pg_roda_query("drop table if exists bd_medicamento.tf_procedimento_mes;
create table bd_medicamento.tf_procedimento_mes as
select A.nu_competencia
       ,A.co_procedimento
       ,sum(qt_registros) qt_registros
       ,sum(qt_usuariosus) qt_usuariosus
       ,sum(qt_cnes) qt_cnes
       ,sum(qt_municipio_ibge_residencia) as qt_municipio_ibge_residencia
       ,sum(qt_aprovada) as qt_aprovada
       ,sum(qt_aprovada_tabnet) as qt_aprovada_tabnet
  from bd_medicamento.tf_procedimento_uf_mes A
  left join bd_medicamento.tf_tabnet_procedimento B
  on A.co_procedimento = B.co_procedimento 
  and A.nu_competencia = B.nu_competencia 
  group by 1,2
  order by 1,2")
  
  pg_roda_query("  GRANT ALL ON SCHEMA bd_medicamento TO conitec;
 GRANT SELECT ON ALL TABLES IN SCHEMA bd_medicamento TO conitec;")
  
}



pg_tabnet_sigtapcp = function(){
  # processa o CSV obtido do TABNET 
  # em http://tabnet.datasus.gov.br/cgi/tabcgi.exe?sia/cnv/qauf.def
  # com a quantidade aprovada de 
  # procedimento 06
  # por UF
  # por ano e mes de processamento
  
  tabnet=
    get_gsheet("https://docs.google.com/spreadsheets/d/1EmGWPp9xXwn_PqefazyDpdpYwoqwdABQ0eN7cwE4edk/edit?usp=sharing",
               planilha = 3)
  
  # transpoe a tabela de colunas para linhas
  aux=tabnet[,c(1,2)]
  colnames(aux)=c("no_procedimento","qt_aprovada_tabnet")
  aux$nu_competencia=colnames(tabnet)[2]
  
  for (cp in colnames(tabnet)[4:ncol(tabnet)-1]) {
    aux2=tabnet[,c("procedimento",cp)]
    colnames(aux2)=c("no_procedimento","qt_aprovada_tabnet")
    aux2$nu_competencia=cp
    aux=rbind(
      aux,
      aux2
    )
  }
  
  aux$nu_competencia=as.numeric(substr(str_replace(aux$nu_competencia,'_',''),1,6))
  aux$co_procedimento=as.numeric(substr(aux$no_procedimento,1,10))
  
  #pg_persiste(listaftp,"public","tm_tabnet",TRUE,FALSE)
  pg_persiste(aux,"bd_medicamento","tf_tabnet_procedimento",TRUE,FALSE)
  
  pg_roda_query("CREATE INDEX tf_tabnet_procedimento_nu_competencia_idx ON bd_medicamento.tf_tabnet_procedimento (nu_competencia);
CREATE INDEX tf_tabnet_procedimento_co_procedimento_idx ON bd_medicamento.tf_tabnet_procedimento (co_procedimento);
")
  
  # atualiza quantidade aprovada do tabnet  
  pg_roda_query("   update bd_medicamento.tf_coleta_medicamento A
                    set qt_aprovada_tabnet = B.qt_aprovada_tabnet::int 
                   from public.tf_tabnet B
                  where A.nu_competencia = B.nu_competencia::int
                    and A.sg_uf = B.sg_uf")
  
  # atualiza indice de discrepancia em relacao ao tabnet  
  pg_roda_query("update bd_medicamento.tf_coleta_medicamento
set vl_discrepancia_tabnet = case when qt_aprovada_medicamento > 0 and qt_aprovada_tabnet > 0 
            then ROUND(ABS(qt_aprovada_tabnet - qt_aprovada_medicamento)::decimal / (qt_aprovada_tabnet + qt_aprovada_medicamento)*100)
            when qt_aprovada_medicamento is null and qt_aprovada_tabnet = 0 then 0
            else 100
            end 
")
}


# faz limpeza em todas as tabelas listadas

pg_set_vacuum_full = function(tabelas){
  for (tabela in tabelas) {
    print(tabela)
    query=paste0("vacuum full ", tabela)
    pg_roda_query(query)
  }
}
# para rodar o vacuum nas tabelas de medicamento: 
# pg_set_vacuum_full(pg_get_lista_tabela_medicamento())


# converte CNS em caracteres numericos
set_cns = function(cns){
  x=gsubfn(
    ".", 
    list(
      "{" = "0", "}" = "9", "~" = "8", 
      "\177" = "7", "Ç" = "6", "ä" = "5", 
      "ü" = "4", "é" = "3", "|" = "2", "â" = "1"
    ), 
    iconv(cns, "CP861", "UTF-8")
  )
}


get_estrutura = function(fdbf){
  
  # estrutura do dbf
  str=system(paste("dbview -e -o ", fdbf," | awk -F'\t' '{ gsub(/[ \t]+$/,\"\",$1);gsub(\" \",\"_\",$1); print tolower($1)\",\"$2\",\"$3}' | sed 1d | sed 's/ //g' | nl | awk '{print $1\",\"$2}' | sed ':a;N;$!ba;s/\\n/,/g'"), intern = TRUE)
  str=as.data.frame(matrix(as.vector(strsplit(str, ",")[[1]]),ncol=4, byrow=TRUE))
  
  return(str)
  
}

# transforma o DBC e faz a carga no POSTGRESQL

pg_set_dbc_file = function(file,col,schema,tabela,exe,orverwrite,append,removedbc){
  # file="/media/ferre/ferre1tb/Downloads/dbc/PARS2011.dbc"
  
  fdbc=tail(str_split(file,"/")[[1]],1)
  dbc=tools::file_path_sans_ext(file)
  if (!file.exists(file)) {
    fdbc=file
    # file=paste0("/tmp/",fdbc)
    if (!file.exists(file)) {
      print(paste("baixando...",file))
      download.file(
        paste0(url,fdbc),
        destfile = file
      )      
    }
  }
  setwd(dirname(file))
  
  if (file.exists(file)) {
    # dbc para dbf
    system(paste("wine", exe, file))
    fdbf=system(paste0("ls ",dirname(file), " | grep -i ", tools::file_path_sans_ext(fdbc) ," | grep -i dbf | head -1"), intern = TRUE)
    str=get_estrutura(fdbf)
    
    # obtem as colunas de interesse 
    cols=paste(str[str$V2 %in% tolower(unlist(col)),"V1"], collapse='","$')
    system(paste0("echo '",paste(str$V2[str$V2 %in% tolower(col)], collapse = ","), "'> /tmp/tmp.csv"))
    system(paste("dbview -b -d\"^\" -t ", fdbf, " | iconv -f \"CP861\" -t \"UTF-8\" | sed 's/,//g' | awk -F'^' '{print $",cols,"}' | grep ,06 | sed 's/{/0/g' | sed 's/}/9/g' | sed 's/~/8/g' | sed 's/ /7/g' | sed 's/Ç/6/g' | sed 's/ä/5/g' | sed 's/ü/4/g' | sed 's/é/3/g' | sed 's/|/2/g' | sed 's/â/1/g' | sed 's/[^A-Z0-9,]/ /g'  | sed 's/ /4/g' | sed 's/,0000,/,,/g' | sed 's/,0000000000000,/,,/g' | sort -u >> /tmp/tmp.csv"))
    
    # persiste tabela
    pg_persiste(read.csv(file="/tmp/tmp.csv"),schema,tabela,orverwrite,append)
    # system(paste0("PGPASSWORD=",password," psql -U ",user," -h ",host," -d ",dbname," -p ",port," -c 'COPY ", schema,'.',tabela," FROM STDIN csv HEADER' < /tmp/tmp.csv"))
    
    if (removedbc) {
      file.remove(file)
    }
    file.remove(fdbf)
  }
}

pg_get_set_dbc = function(fdbc,url,schema,tabela,overwrite,append,remove){
  file=paste0("/tmp/",fdbc)
  if (!file.exists(file)) {
    print(paste("baixando...",file))
    download.file(
      paste0(url,fdbc),
      destfile = file
    )
  }
  
  pg_persiste(
    read.dbc(file), 
    schema,tabela,overwrite,append
  )
  
  if (file.exists(file) & remove) {
    # deleta arquivo se existir
    file.remove(file)
  }
  
}


pg_get_set_dbc_cns = function(fdbc,url,cns,schema,tabela,overwrite,orverwrite,append){
  file=paste0("/tmp/",fdbc)
  download.file(
    paste0(url,fdbc),
    destfile = file
  )
  
  x=read.dbc(file)[,c("AP_CODUNI","AP_AUTORIZ","AP_CNSPCN")]
  
  x$AP_CNSPCN=set_cns(x$AP_CNSPCN)
    
  pg_persiste(
    x, 
    schema,tabela,overwrite,append
  )
  
  if (file.exists(file)) {
    # deleta arquivo se existir
    file.remove(file)
  }
  
}



# persiste dado registro listado em bd_medicamento.tf_coleta_medicamento
pg_set_medicamento = function(tabela){
  # FTP do datasus
  url="ftp://ftp.datasus.gov.br/dissemin/publicos/SIASUS/200801_/Dados/"
  
  # lista de parametros para a coleta e carga
  tf_coleta_medicamento=pg_roda_query(
    paste0("SELECT * FROM bd_medicamento.tf_coleta_medicamento WHERE no_tabela='", tabela,"'")
  )

  
  # persiste arquivos PA, concatenando quando ha mais de um  
  dbc_pa=strsplit(tf_coleta_medicamento$no_dbc_pa, " ")[[1]]
  col=tolower(c("PA_CODUNI","PA_AUTORIZ","PA_PROC_ID","PA_CIDPRI","PA_QTDAPR","PA_UFMUN","PA_MUNPCN","PA_IDADE","PA_SEXO","PA_CIDSEC"))
  for (i in 1:length(dbc_pa)) {
    # pg_get_set_dbc(dbc_pa[i],url,"public","tmp_pa",i==1,i>1)
    pg_set_dbc_file(paste0(dirdbc,dbc_pa[i]),col,"public","tmp_pa",exe,i==1,i>1,TRUE)
  }
  
  pg_roda_query("delete from tmp_pa where substr(pa_proc_id::text,1,1)<>'6' or pa_qtdapr = 0 or pa_qtdapr is null; 
 alter table tmp_pa add pa_cnspcn int8 default null;")
  
  pg_roda_query(paste0(
    "drop table if exists 
    ", tf_coleta_medicamento$no_schema,".", tf_coleta_medicamento$no_tabela,
    ";create table ", tf_coleta_medicamento$no_schema,".", tf_coleta_medicamento$no_tabela,
    " () inherits (bd_medicamento.tf_dispensacao)",
    ";insert into ", tf_coleta_medicamento$no_schema,".", tf_coleta_medicamento$no_tabela," 
    (co_procedimento, co_cidpri, nu_usuariosus, nu_idade, sg_sexo, qt_aprovada, 
    co_cnes, co_municipio_ibge, co_municipio_ibge_residencia, co_cidsec, nu_apac) 
    select  pa_proc_id, pa_cidpri, pa_cnspcn, pa_idade, pa_sexo, pa_qtdapr, pa_coduni, pa_ufmun, pa_munpcn, pa_cidsec, pa_autoriz 
      from tmp_pa order by 1,2,3; drop table if exists tmp_pa,tmp_am;"
  ))
  
  pg_roda_query(paste0("UPDATE ", tf_coleta_medicamento$no_schema,".", tf_coleta_medicamento$no_tabela," SET nu_competencia = ", tf_coleta_medicamento$nu_competencia, ", sg_uf = '", tf_coleta_medicamento$sg_uf,"'"))

  if (!is.na(tf_coleta_medicamento$no_dbc_am)) {
    # persiste arquivos AM
    # pg_get_set_dbc(tf_coleta_medicamento$no_dbc_am,url,"public","tmp_am",TRUE,FALSE)
    col=tolower(c("AP_CODUNI","AP_AUTORIZ","AP_CNSPCN"))
    pg_set_dbc_file(paste0(dirdbc,tf_coleta_medicamento$no_dbc_am),col,"public","tmp_am",exe,TRUE,FALSE,TRUE)
    pg_roda_query("update ", tf_coleta_medicamento$no_schema,".", tf_coleta_medicamento$no_tabela," set nu_usuariosus = tmp_am.ap_cnspcn from tmp_am where pa_autoriz::text = nu_apac and co_cnes = ap_coduni::bigint;")
  }
  
pg_roda_query(paste0(
  "update bd_medicamento.tf_coleta_medicamento A
set dt_carga_sabeis = current_date,
    qt_registros_medicamento = B.qt_registros_medicamento,
    qt_usuariosus_medicamento = B.qt_usuariosus_medicamento,
    qt_aprovada_medicamento = B.qt_aprovada_medicamento,
    vl_discrepancia_tabnet = case when B.qt_aprovada_medicamento > 0 and qt_aprovada_tabnet > 0 
            then ROUND(ABS(qt_aprovada_tabnet - B.qt_aprovada_medicamento)::decimal / (qt_aprovada_tabnet + B.qt_aprovada_medicamento)*100)
            when B.qt_aprovada_medicamento is null and qt_aprovada_tabnet = 0 then 0
            else 100
            end 
from (
select 
count(*) qt_registros_medicamento, 
count(distinct nu_usuariosus) qt_usuariosus_medicamento, 
sum(qt_aprovada) qt_aprovada_medicamento 
from ",tf_coleta_medicamento$no_schema,".", tf_coleta_medicamento$no_tabela,"
      ) B      
  where A.no_tabela = '", tf_coleta_medicamento$no_tabela,"';
"
))
  

    
}

remove_dbc_discrepante <- function(dirdbc) {
  dbcs = unlist(strsplit(pg_roda_query(
    " select case when no_dbc_pa is null then '' else no_dbc_pa end  || ' ' || case when no_dbc_am is null then '' else no_dbc_am end as dbc
      from bd_medicamento.tf_coleta_medicamento 
     where (vl_discrepancia_tabnet > 5 
        or qt_registros_medicamento = 0
        or qt_registros_medicamento is null)
    order by nu_competencia desc, sg_uf"
  )$dbc, " "), recursive = TRUE)
  
  for (dbc in dbcs) {
    file=paste0(dirdbc,"/",dbc)
    print(file)
    if (file.exists(file)) {
      file.remove(file)
    }
     
  }
}


baixa_dbc_discrepante <- function(dirdbc,url) {
  dbcs = unlist(strsplit(pg_roda_query(
    " select case when no_dbc_pa is null then '' else no_dbc_pa end  || ' ' || case when no_dbc_am is null then '' else no_dbc_am end as dbc
      from bd_medicamento.tf_coleta_medicamento 
     where (vl_discrepancia_tabnet > 5 
        or qt_registros_medicamento = 0
        or qt_registros_medicamento is null)
    order by nu_competencia desc, sg_uf"
  )$dbc, " "), recursive = TRUE)
  
  for (dbc in dbcs) {
    file=paste0(dirdbc,"/",dbc)
    print(file)
    if (file.exists(file)) {
      file.remove(file)
    } 
    
    download.file(
      paste0(url,"/",dbc),
      destfile = file
    )
  }
}


baixa_dbc_discrepante_bash <- function(dirdbc) {
  setwd(dirdbc)
  system("wget --ignore-case --no-clobber ftp://ftp.datasus.gov.br/dissemin/publicos/SIASUS/200801_/Dados/PA*")
  system("wget --ignore-case --no-clobber ftp://ftp.datasus.gov.br/dissemin/publicos/SIASUS/200801_/Dados/AM*")
}


pg_set_medicamentos <- function() {
  tabelas = pg_roda_query(
    "select no_tabela 
      from bd_medicamento.tf_coleta_medicamento 
     where (vl_discrepancia_tabnet > 5 
        or qt_registros_medicamento = 0
        or qt_registros_medicamento is null)
    order by nu_competencia desc, sg_uf"
  )$no_tabela

  # and qt_aprovada_tabnet > 0
  setwd(dirdbc)  
  for (tabela in tabelas) {
    print(tabela)
    try(pg_set_medicamento(tabela))
  }
  
}

pg_obtem_procedimento_por_sigla <- function(sigla) {
  ds=pg_roda_query(paste0("select no_procedimento, co_procedimento from bd_medicamento.td_medicamento where sg_procedimento = '",sigla,"'"))
  
  ds$no_procedimento=tolower(ds$no_procedimento)
  ds$no_procedimento=str_replace_all(ds$no_procedimento,"ml","mL")
  ds$no_procedimento=str_replace_all(ds$no_procedimento," ui "," UI ")
  
  return(ds)
}

pg_preco_medicamento <- function() {
  url="https://docs.google.com/spreadsheets/d/1bD4c8bs3MLwKSGWzCf_lay2q9kz9KNr-lfP6Ivqdg0A/edit?usp=sharing"
  ds=as.data.frame(gsheet2tbl(url, sheetid = "valor_medicamento"))
  pg_persiste(ds,"bd_medicamento", "tm_medicamento_preco", TRUE,FALSE)
  query=paste0("drop table if exists bd_medicamento.tf_medicamento_preco;
  create table bd_medicamento.tf_medicamento_preco AS 
  select A.sg_procedimento, A.dt_compra as dt_inicio,
  case when B.dt_compra is null then A.dt_compra + 400 else B.dt_compra-1 
       end as dt_fim, round(A.vl_unitario_centavos::decimal/100,2) as vl_unitario,
       A.vl_unitario_centavos from (select DENSE_RANK () OVER (partition by sg_procedimento ORDER BY dt_compra::date) co_seq_abrev_data ,* from (select distinct sg_procedimento, dt_compra::date, vl_unitario_centavos from bd_medicamento.tm_medicamento_preco ) x order by sg_procedimento ,  dt_compra::date ) A left join ( select DENSE_RANK () OVER (partition by sg_procedimento ORDER BY dt_compra::date) co_seq_abrev_data,* from (select distinct sg_procedimento, dt_compra::date, vl_unitario_centavos from bd_medicamento.tm_medicamento_preco ) x order by sg_procedimento ,  dt_compra::date ) B on A.sg_procedimento=B.sg_procedimento and A.co_seq_abrev_data=B.co_seq_abrev_data-1")
pg_roda_query(query)

# try(pg_roda_query("alter table bd_medicamento.tf_procedimento_mes add vl_total decimal(21,2);"))

query=paste0("update bd_medicamento.tf_procedimento_mes A
   set vl_total = qt_aprovada * vl_unitario
  from bd_medicamento.tf_medicamento_preco B
  where A.sg_procedimento = B.sg_procedimento
    and to_date(nu_competencia::text || '15', 'yyyymmdd') 
        between dt_inicio and dt_fim;")
pg_roda_query(query)

}


# resumo da ETL
resumo=pg_roda_query(
  "select sum(case when vl_discrepancia_tabnet > 1 then 1 else 0  end) arquivos_discrepantes, 
   string_agg(distinct case when vl_discrepancia_tabnet > 1 then no_dbc_pa else null end, ' ') as dbc,
          count(*) arquivos,
       sum(case when vl_discrepancia_tabnet > 1 then qt_registros_medicamento else 0 end) as qt_registros_medicamento_discrepante,
       sum(qt_registros_medicamento) as qt_registros_medicamento,
       sum(qt_aprovada_tabnet) qt_aprovada_tabnet,
       sum(qt_aprovada_medicamento) qt_aprovada_medicamento,
       round(sum(qt_aprovada_tabnet)::decimal/sum(qt_aprovada_medicamento)*100,1) as registros_acurados
  from bd_medicamento.tf_coleta_medicamento  "
)

resumo[3:7]=formata(round(as.numeric(resumo[3:7])))
resumo[8]=formata(100-as.numeric(resumo[8]))

4.2 Funções de visualização de dados

library(ggplot2)
library(grid)
library(pyramid)
# library(sf)

library(forecast)
library(tseries)

plot_difusao <- function(dataframe, titulo, tipo,rotulo_x, rotulo_y) {
  # dataframe: atributo | tempo | n | p |rotulo |  
  # plot_difusao(dataframe[[2]],"teste","empilhada")
  # dataframe: tempo | categoria | valor | percentual
  # tempo = colnames(dataframe)[1]
  # categoria = colnames(dataframe)[2]
  # percentual = colnames(dataframe)[4]
  
  # dataframe$ano = as.factor(dataframe$ano)
  # dataframe$rotulo = format(dataframe$rotulo, big.mark = ".", decimal.mark = ",")
  
  # eixo_x=sort(levels(as.factor(dataframe[,2])))
  # eixo_x[!1:length(eixo_x) %in% seq(1, length(eixo_x),by = round(length(eixo_x)/12))]=""
  
  # seq(as.Date("2001-01-01"), by = "month", along = foo)
  # obtem escala de milhar, milhao, bilhao, etc
  escala=10^max(seq(3,15, by = 3)[mean(log10(dataframe$n))>seq(3,15, by = 3)])
  if (!is.na(escala) & !is.infinite(escala) & escala>0) {
    dataframe[,3]=dataframe[,3]/escala
    rotulo_y=paste0(rotulo_y, " (×", formata(escala) ,")")
  }
  
  
  if (tipo == 'empilhada') {
    g =ggplot(
      dataframe,
      aes(
        fill = atributo,
        y = p,
        x = ano,
        label = rotulo
      )
    ) +
      geom_bar(stat = "identity") +
      xlab('ano') +
      ylab('usuários (%)') +
      geom_text(size = 4, position = position_stack(vjust = 0.5)) +
      coord_flip() +
      scale_fill_brewer(palette = "Pastel1") +
      theme(
        legend.position = "bottom",
        legend.text = element_text(size = rel(1.3)),
        axis.title.x = element_text(size = rel(1.3)),
        axis.title.y = element_text(size = rel(1.3)),
        axis.text.x = element_text(size = rel(1.3)),
        axis.text.y = element_text(size = rel(1.3))
      )
  } 
  
  if (tipo == 'barras verticais') {
    g = ggplot(dataframe, aes(fill=atributo, y=n/100000, x=ano)) + 
      geom_bar(position="dodge", stat="identity") +
      scale_fill_brewer(palette = "Set2")+
      theme(
        legend.position = "bottom",
        legend.text = element_text(size = rel(1.3)),
        axis.title.x = element_text(size = rel(1.3)),
        axis.title.y = element_text(size = rel(1.3)),
        axis.text.x = element_text(size = rel(1.3)),
        axis.text.y = element_text(size = rel(1.3))
      )+
      xlab('ano') +
      ylab('usuários por 100 mil hab.') 
  }
  
  if (tipo == 'série temporal 1') {

    g = ggplot(dataframe, aes(x=ano, y=n, group=atributo, color=atributo)) +
      geom_line() +
      scale_fill_brewer(palette = "Set2")+
      labs(title = titulo)+
      # scale_x_continuous(breaks = eixo_x) +
      # scale_x_datetime(labels = date_format("%Y-%m"), breaks = date_breaks("months")) + 
      xlab('') +
      ylab(rotulo_y) + 
      scale_y_continuous(labels=function(x) formata(x)) +
      theme(
        legend.position = "none",
        legend.text = element_text(size = rel(1.0)),
        axis.title.x = element_text(size = rel(1.0)),
        axis.title.y = element_text(size = rel(1.0)),
        axis.text.x = element_text(size = rel(1.0), angle = 45),
        axis.text.y = element_text(size = rel(1.3))
        
      )
   
    
     
  }
  
  if (tipo == 'série temporal 2'){
    
    p = ggplot(dataframe) + 
      geom_line(aes(x = ano, y = n, group = atributo, colour = atributo)) + 
      geom_text(data = subset(dataframe, ano == input$painel_situacao_clinica_inAno[2] ), aes(label = atributo, colour = atributo, x = Inf, y = n), hjust = 1) +
      scale_colour_discrete(guide = 'none')  +    
      # xlab('ano') +
      # ylab('usuários') +
      theme(plot.margin = unit(c(1,3,1,1), "lines"),
            axis.title.x = element_text(size = rel(1.3)),
            axis.title.y = element_text(size = rel(1.3)),
            axis.text.x = element_text(size = rel(1.3)),
            axis.text.y = element_text(size = rel(1.3))
            ,legend.position = "none"
      ) 
    
    # Code to turn off clipping
    gt <- ggplotGrob(p)
    gt$layout$clip[gt$layout$name == "panel"] <- "off"
    g = grid.draw(gt)
  }
  
  if (tipo == 'série temporal 3') {
    
    tsdata=dataframe$n
    names(tsdata)=dataframe$ano
    
    tsdata= forecast(auto.arima(
      tsdata,
      allowmean = TRUE
    ), h = 60)
    
   g = autoplot(tsdata) +
      geom_line() +
      scale_fill_brewer(palette = "Set2")+
      labs(title = titulo)+
      xlab('') +
      ylab(rotulo_y) + 
      scale_y_continuous(labels=function(x) formata(x)) +
      theme(
        legend.position = "none",
        legend.text = element_text(size = rel(1.0)),
        axis.title.x = element_text(size = rel(1.0)),
        axis.title.y = element_text(size = rel(1.0)),
        axis.text.x = element_text(size = rel(1.0), angle = 45),
        axis.text.y = element_text(size = rel(1.3))
      )
   
  }
  
  return(g)
}

plot_arima <- function(dataframe,titulo, rotulo_x, rotulo_y) {
    tsdata=dataframe$n
    names(tsdata)=dataframe$ano
  
  plot(
  forecast(auto.arima(
    tsdata,
    allowmean = TRUE
  ), h = 60),
   xlab = rotulo_x,
  ylab = rotulo_y,
  main = titulo
)
}

4.3 Funções bash para extração, transformação e carga (ETL)

  echo "DROP TABLE IF EXISTS bd_medicamento.tf_procedimento_uf_mes;
CREATE TABLE bd_medicamento.tf_procedimento_uf_mes (
    nu_competencia int4 NULL,
    sg_uf varchar(2) NULL,
    co_procedimento int8 NULL,
    qt_registros int8 NULL,
    qt_usuariosus int8 NULL,
    qt_cnes int8 NULL,
    qt_municipio_ibge_residencia int8 NULL,
    qt_aprovada int8 NULL,
    vl_total decimal(21,2) NULL
);" | PGPASSWORD=$pw psql -U $us -h $hs -d $dbase -p $pt


query="select no_schema || '.' || no_tabela as tabela
  from bd_medicamento.tf_coleta_medicamento
  where no_schema || '.' || no_tabela in (
  SELECT table_schema || '.' || table_name as tabela
           FROM information_schema.tables
          WHERE table_schema like 'bd_medicamento_%') order by 1"

for tabela in $(echo $query | PGPASSWORD=$pw psql -U $us -h $hs -d $dbase -p $pt --csv -t);do

  cp=$(echo $tabela | awk -F'.' '{print substr($2,5,6)}')
  uf=$(echo $tabela | awk -F'.' '{print toupper(substr($2,3,2))}')

   echo $tabela

   echo "insert into bd_medicamento.tf_procedimento_uf_mes
select $cp nu_competencia
      , '$uf' as sg_uf
       ,co_procedimento
       ,count(*) qt_registros
       ,count(distinct nu_usuariosus) qt_usuariosus
       ,count(distinct co_cnes) qt_cnes
       ,count(distinct co_municipio_ibge_residencia) as qt_municipio_ibge_residencia
       ,sum(qt_aprovada) qt_aprovada
  from $tabela A
  where qt_aprovada > 0
  group by 1,2,3
  order by 3
" | PGPASSWORD=$pw psql -U $us -h $hs -d $dbase -p $pt -q

done


  echo "alter TABLE bd_medicamento.tf_procedimento_uf_mes
add sg_procedimento varchar(25) default null
-- ,add vl_total decimal(21,2) default null
 " | PGPASSWORD=$pw psql -U $us -h $hs -d $dbase -p $pt

echo "CREATE INDEX tf_procedimento_uf_mes_co_procedimento_idx ON bd_medicamento.tf_procedimento_uf_mes (co_procedimento);
CREATE INDEX tf_procedimento_uf_mes_sg_procedimento_idx ON bd_medicamento.tf_procedimento_uf_mes (sg_procedimento);
" | PGPASSWORD=$pw psql -U $us -h $hs -d $dbase -p $pt

  echo "update bd_medicamento.tf_procedimento_uf_mes A
  set sg_procedimento = M.sg_procedimento
from bd_medicamento.td_medicamento M
    where A.co_procedimento::Text::tsquery @@ M.co_procedimento::tsvector
 ;" | PGPASSWORD=$pw psql -U $us -h $hs -d $dbase -p $pt

echo "CREATE INDEX tf_procedimento_mes_co_procedimento_idx ON bd_medicamento.tf_procedimento_mes (co_procedimento);
CREATE INDEX tf_procedimento_mes_sg_procedimento_idx ON bd_medicamento.tf_procedimento_mes (sg_procedimento);
" | PGPASSWORD=$pw psql -U $us -h $hs -d $dbase -p $pt

  echo "update bd_medicamento.tf_procedimento_uf_mes A
  set vl_total = round(qt_aprovada * vl_unitario,2)
from bd_medicamento.tf_medicamento_preco P
    where A.sg_procedimento = P.sg_procedimento
   and to_date(A.nu_competencia::text || '15', 'yyyymmdd')
   between dt_inicio and dt_fim
 ;" | PGPASSWORD=$pw psql -U $us -h $hs -d $dbase -p $pt

  echo "drop table if exists bd_medicamento.tf_procedimento_mes;
create table bd_medicamento.tf_procedimento_mes as
select A.nu_competencia
       ,A.co_procedimento
       ,sum(qt_registros) qt_registros
       ,sum(qt_usuariosus) qt_usuariosus
       ,sum(qt_cnes) qt_cnes
       ,sum(qt_municipio_ibge_residencia) as qt_municipio_ibge_residencia
       ,sum(qt_aprovada) as qt_aprovada
  from bd_medicamento.tf_procedimento_uf_mes A
  where qt_aprovada > 0
  group by 1,2
  order by 1,2" | PGPASSWORD=$pw psql -U $us -h $hs -d $dbase -p $pt -q

  echo "GRANT ALL ON SCHEMA bd_medicamento TO conitec;
 GRANT SELECT ON ALL TABLES IN SCHEMA bd_medicamento TO conitec;" |
 PGPASSWORD=$pw psql -U $us -h $hs -d $dbase -p $pt -q

  echo "alter TABLE bd_medicamento.tf_procedimento_mes
add qt_aprovada_tabnet int8 default 0,
add sg_procedimento varchar(25) default null,
add vl_total decimal(21,2) default null
 " | PGPASSWORD=$pw psql -U $us -h $hs -d $dbase -p $pt

  echo "
  update bd_medicamento.tf_procedimento_mes A
     set qt_aprovada_tabnet = B.qt_aprovada_tabnet
  from bd_medicamento.tf_tabnet_procedimento B
  where A.co_procedimento = B.co_procedimento
  and A.nu_competencia = B.nu_competencia
  and B.no_procedimento <> 'TOTAL'
" | PGPASSWORD=$pw psql -U $us -h $hs -d $dbase -p $pt

  echo "update bd_medicamento.tf_procedimento_mes A
  set sg_procedimento = M.sg_procedimento
from bd_medicamento.td_medicamento M
    where A.co_procedimento::Text::tsquery @@ M.co_procedimento::tsvector
 ;" | PGPASSWORD=$pw psql -U $us -h $hs -d $dbase -p $pt

  echo "update bd_medicamento.tf_procedimento_mes A
  set vl_total = round(qt_aprovada * vl_unitario,2)
from bd_medicamento.tf_medicamento_preco P
    where A.sg_procedimento = P.sg_procedimento
   and to_date(A.nu_competencia::text || '15', 'yyyymmdd')
   between dt_inicio and dt_fim
 ;" | PGPASSWORD=$pw psql -U $us -h $hs -d $dbase -p $pt
 
 
 echo "alter table bd_medicamento.tf_procedimento_uf_mes 
add vl_total_ipca decimal(21,2) default 0;
 
update bd_medicamento.tf_procedimento_uf_mes 
   set vl_total_ipca = vl_total;
  
update bd_medicamento.tf_procedimento_uf_mes A
   set vl_total_ipca = vl_total_ipca * vl_fator_correcao
  from bd_geral.td_ipca B
 where A.nu_competencia = B.nu_competencia;  
"| PGPASSWORD=$pw psql -U $us -h $hs -d $dbase -p $pt
 
echo "alter table bd_medicamento.tf_procedimento_mes 
add vl_total_ipca decimal(21,2) default 0;
 
update bd_medicamento.tf_procedimento_mes 
   set vl_total_ipca = vl_total;
  
update bd_medicamento.tf_procedimento_mes A
   set vl_total_ipca = vl_total_ipca * vl_fator_correcao
  from bd_geral.td_ipca B
 where A.nu_competencia = B.nu_competencia;  
" | PGPASSWORD=$pw psql -U $us -h $hs -d $dbase -p $pt

4.4 Funções para análise descritiva e preditiva

library(knitr)
library(lubridate)

# sumario dos dados abertos do DATASUS
query=paste0("select A.sg_procedimento
        ,nu_competencia
        ,sum(qt_usuariosus) qt_usuariosus
        ,sum(qt_aprovada) qt_aprovada
        ,sum(vl_total_ipca) vl_total
   from bd_medicamento.tf_procedimento_mes A
   left join bd_medicamento.td_medicamento B
   on A.sg_procedimento = B.sg_procedimento
   where st_biologico = 'sim'
 group by 1,2
 order by 1,2")
  
ds_br=pg_roda_query(query)

ds_br$nu_competencia=as.Date(paste0(ds_br$nu_competencia,"01"),'%Y%m%d')

ds1=data.frame(
  ano=ds_br$nu_competencia
  ,atributo=ds_br$sg_procedimento
  ,n=ds_br$qt_usuariosus
)

ds2=data.frame(
  ano=ds_br$nu_competencia
  ,atributo=ds_br$sg_procedimento
  ,n=ds_br$qt_aprovada
)

ds3=data.frame(
  ano=ds_br$nu_competencia
  ,atributo=ds_br$sg_procedimento
  ,n=ds_br$vl_total
)

ds1$n=as.numeric(ds1$n)
ds2$n=as.numeric(ds2$n)
ds3$n=as.numeric(ds3$n)

media_movel <- function(vetor, n) {
  cx <- c(0,cumsum(vetor))
rsum <- (cx[(n+1):length(cx)] - cx[1:(length(cx) - n)]) / n
return(rsum)
}

minimiza_erro_arima <- function(ds_aux) {
    if (nrow(ds_aux) > 6) {
    ds_ts_otimo=expand.grid(
      seq(1,round(nrow(ds_aux)/3), by = 6) , 
      seq(round(3*nrow(ds_aux)/5),nrow(ds_aux), by = 6)
    )
    colnames(ds_ts_otimo)=c("j","k")
    ds_ts_otimo$ts_max=0
    # ds_ts_otimo = data.frame(
    #   j = seq(1,nrow(ds_aux)-6, by = 6)
    #   ,ts_max = seq(1,nrow(ds_aux)-6, by = 6)
    # )
    for (l in 1:nrow(ds_ts_otimo)) {
      j=ds_ts_otimo[l,"j"]
      k=ds_ts_otimo[l,"k"]
      ds_ts=ds_aux$n[j:k]; names(ds_ts)=ds_aux$ano[j:k]
      
      # if (length(ds_ts)>12) {
      #   mm=media_movel(ds_ts$n, 6)
      #   ds_ts[5:length(mm),"n"]=mm  
      # }
      
      ds_ts=round(as.data.frame(forecast(auto.arima(ds_ts, allowmean = TRUE), h = 60)))
      ds_ts_otimo[l,"ts_max"]=max((ds_ts$`Hi 80`-ds_ts$`Lo 80`))
    }
    j=ds_ts_otimo$j[ds_ts_otimo$ts_max==min(ds_ts_otimo$ts_max)]
    k=ds_ts_otimo$k[ds_ts_otimo$ts_max==min(ds_ts_otimo$ts_max)]
    ds_ts=ds_aux$n[j:k]; names(ds_ts)=ds_aux$ano[j:k]
    ds_ts=round(as.data.frame(forecast(auto.arima(ds_ts, allowmean = TRUE), h = 60)))
    ds_ts$competencia = format(max(ds_aux$ano) %m+% months(as.numeric(rownames(ds_ts))),'%B/%Y') 
    ds_ts$ano= rep(seq(1:5), each = 12)
    ds_ts_mes=ds_ts
    # ds_ts_mes=ds_ts_mes[seq(10,nrow(ds_ts), by = 12),]
    ds_ts$competencia=NULL
    ds_ts=as.data.frame(ds_ts[ds_ts$`Point Forecast`>0,])
    ds_ts = ds_ts %>% 
    group_by(ano) %>% 
    summarise_each(list(sum))
    ds_ts_out=as.data.frame(ds_ts[ds_ts$`Point Forecast`>0,])
    ds_ts_out[,2:6]=formata(ds_ts_out[,2:6])
  } else if (nrow(ds_aux) > 2) {
    j=1
    ds_ts=ds_aux$n[j:nrow(ds_aux)]; names(ds_ts)=ds_aux$ano[j:nrow(ds_aux)]
    ds_ts=round(as.data.frame(forecast(auto.arima(ds_ts, allowmean = TRUE), h = 60)))
    ds_ts$competencia = format(max(ds_aux$ano) %m+% months(as.numeric(rownames(ds_ts))),'%B/%Y') 
    ds_ts_out=ds_ts
    ds_ts_mes=ds_ts
  } else {ds_ts = NULL; j=1;ds_ts_out=ds_ts;ds_ts_mes=ds_ts}
  
  ds_aux=ds_aux[j:nrow(ds_aux),]
  
  return(list(
    ds_ts = ds_ts
    ,ds_aux = ds_aux
    ,ds_ts_out = ds_ts_out
    ,ds_ts_mes = ds_ts_mes
  ))
}


i=0
for (atributo in levels(as.factor(ds1$atributo))) {
  
  procedimento=pg_obtem_procedimento_por_sigla(atributo)

  # recorte temporal que minimiza o erro
  ds1_aux=ds1[ds1$atributo==atributo & !is.na(ds1$n),]
  # remove periodo apos jan/2020 se houver mais que doze observacoes
  if (sum(ds1_aux$ano<as.Date('2020-01-01')) > 12) {
    ds1_ts=minimiza_erro_arima(ds1_aux[ds1_aux$ano<as.Date('2020-01-01'),])  
  } else {ds1_ts=minimiza_erro_arima(ds1_aux)}
  
  
  ds2_aux=ds2[ds2$atributo==atributo & !is.na(ds2$n),]
  if (sum(ds2_aux$ano<as.Date('2020-01-01')) > 12) {
    ds2_ts=minimiza_erro_arima(ds2_aux[ds2_aux$ano<as.Date('2020-01-01'),])  
  } else {ds2_ts=minimiza_erro_arima(ds2_aux)}
  
  ds3_aux=ds3[ds3$atributo==atributo & !is.na(ds3$n),]  
  if (sum(ds3_aux$ano<as.Date('2020-01-01')) > 12) {
    ds3_ts=minimiza_erro_arima(ds3_aux[ds3_aux$ano<as.Date('2020-01-01'),])  
  } else {ds3_ts=minimiza_erro_arima(ds3_aux)}
  
  i=i+1
  
  resumo=formata(round(summary(ds2_aux$n/ds1_aux$n),1))
  aux=paste0(
    "foi observado o período de "
    ,format(min(ds1_aux$ano), format = "%B/%Y"), " a "
    ,format(max(ds1_aux$ano), format = "%B/%Y"),". "
    ,"O maior número de usuários foi "
    , formata(ds1_aux[ds1_aux$n==max(ds1_aux$n),]$n)
    , " em "
    , format(ds1_aux[ds1_aux$n==max(ds1_aux$n),]$ano, format = "%B/%Y")
    ,". "
    ,"A maior quantidade aprovada foi "
    , formata(ds2_aux[ds2_aux$n==max(ds2_aux$n),]$n)
    , " em "
    , format(ds2_aux[ds2_aux$n==max(ds2_aux$n),]$ano, format = "%B/%Y")
    ,". "
    ," A mediana (e quartis) de quantidade aprovada por usuário foi ",
    resumo[3], " (",resumo[2],"-",resumo[5],") ", 
    "variando de ", resumo[1]," a ", resumo[6]," unidades por usuário. "
  )
  
  if (nrow(ds3_aux>0)) {
    paste0(
      aux
      ,"O maior valor em reais foi "
    , formata(ds3_aux[ds3_aux$n==max(ds3_aux$n),]$n)
    , " em "
    , format(ds3_aux[ds3_aux$n==max(ds3_aux$n),]$ano, format = "%B/%Y")
    ,". "
    )
  }
  
  cat(paste0(
    "<h3>", firstup(procedimento$no_procedimento), " - "
    ,atributo,"","</h3><p>A partir do código SIGTAP ("
    ,procedimento$co_procedimento,") ",aux,".</p>"
  ))
    
  if (nrow(ds1_aux>0)) {
    print(plot_difusao(ds1_aux, paste0(atributo, " - usuários SUS"), "série temporal 1","","usuários do SUS"))
    print(plot_difusao(ds1_ts$ds_aux, paste0("Previsão ",atributo, " - usuários SUS"), "série temporal 3","","usuários do SUS"))
    # ds1_ts$ds_ts[,1:5]=formata(as.data.frame(ds1_ts$ds_ts)[,2:6])
    print(
      kbl(ds1_ts$ds_ts_mes, 
      caption = paste0("Previsão ",atributo, " - usuários SUS")) %>%
      kable_classic() 
    )
    
      cat(paste0(
    "<p>É previsto, no total de cinco anos, o atendimento de "
    ,formata(sum(ds1_ts$ds_ts$`Point Forecast`))," usuários/mês ("
    ,formata(sum(ds1_ts$ds_ts$`Lo 80`)),"-"
    ,formata(sum(ds1_ts$ds_ts$`Hi 80`)),").</p>"
  ))
    
  }
  
  if (nrow(ds2_aux>0)) {
    print(plot_difusao(ds2_aux, paste0(atributo, " - unidades aprovadas"), "série temporal 1","","unidades aprovadas"))
    print(plot_difusao(ds2_ts$ds_aux, paste0("Previsão ", atributo, " - unidades aprovadas"), "série temporal 3","","unidades aprovadas"))
    # ds2_ts$ds_ts[,1:5]=formata(ds2_ts$ds_ts[,1:5])
    print(
      kbl(ds2_ts$ds_ts_out, 
      caption = paste0("Previsão ",atributo, " -unidades aprovadas")) %>%
      kable_classic() 
    )
    
    cat(paste0(
    "<p>É previsto, no total de cinco anos, a quantidade aprovada de "
    ,formata(sum(ds2_ts$ds_ts$`Point Forecast`))," ("
    ,formata(sum(ds2_ts$ds_ts$`Lo 80`)),"-"
    ,formata(sum(ds2_ts$ds_ts$`Hi 80`)),").</p>"
  ))
    
  }
  
  
  if (nrow(ds3_aux>0)) {
    
    cat(paste0(
    "<h4>Previsão de gasto ao mes - ", firstup(procedimento$no_procedimento), " - "
    ,atributo,"","</h4>"
  ))
    
    print(plot_difusao(ds3_aux, paste0(atributo, " - valor total"), "série temporal 1","","R$"))
    print(plot_difusao(ds3_ts$ds_aux, paste0("Previsão ",atributo, " - valor total"), "série temporal 3","","R$"))
    # ds3_ts$ds_ts[,1:5]=formata(ds3_ts$ds_ts[,1:5])
    print(
      kbl(ds3_ts$ds_ts_out, 
      caption = paste0("Previsão ",atributo, " - valor total")) %>%
      kable_classic() 
    )
    
    cat(paste0(
    "<p>Com o método arima, é previsto, no total de cinco anos, o valor de R$ "
    ,formata(sum(ds3_ts$ds_ts$`Point Forecast`))," ("
    ,formata(sum(ds3_ts$ds_ts$`Lo 80`)),"-"
    ,formata(sum(ds3_ts$ds_ts$`Hi 80`)),").</p>"
  ))
    
  }

    if (nrow(ds3_aux>0)) {
      ds4_aux=ds2_aux
      valor=tail(ds3_aux[ds3_aux$n>0,],1)
      ds4_valor=(valor$n/ds2_aux[ds2_aux$ano==valor$ano,]$n)
      ds4_aux$n=ds4_aux$n*ds4_valor
      ds4_ts=minimiza_erro_arima(ds4_aux)      
      print(plot_difusao(ds4_ts$ds_aux, paste0("Previsão ", atributo, " - valor total com base nas unidades aprovadas × R$ ",formata(round(ds4_valor,2))), "série temporal 3","","valor total (R$)"))
    # ds4_ts$ds_ts[,1:5]=formata(ds4_ts$ds_ts[,1:5])
    print(
      kbl(ds4_ts$ds_ts_out, 
      caption = paste0("Previsão ",atributo, " - valor total com base nas unidades aprovadas × R$ ",formata(round(ds4_valor,2)))) %>%
      kable_classic() 
    )
    
    cat(paste0(
    "<p>Com o método arima para quantidade aprovada e o último valor pago pela unidade farmacotécnica, é previsto, no total de cinco anos, o valor de R$ "
    ,formata(sum(ds4_ts$ds_ts$`Point Forecast`))," ("
    ,formata(sum(ds4_ts$ds_ts$`Lo 80`)),"-"
    ,formata(sum(ds4_ts$ds_ts$`Hi 80`)),").</p>"
  ))
    
  }

    
}

4.5 Função bash para cálculo do fotor do IPCA em relação ao último mês disponível

cmpn=$(lynx -dump http://api.sidra.ibge.gov.br/values/h/n/t/1737/p/last/n1/all/v/63 | grep '"D1C":' | awk -F'"' '{print $(NF-1)}')

# baixa o ipca
for cmp in $(seq $cmp0 $cmpn | egrep "01$|02$|03$|04$|05$|06$|07$|08$|09$|10$|11$|12$");do
  ipca=$(lynx -dump http://api.sidra.ibge.gov.br/values/h/n/t/1737/p/$cmp/n1/all/v/2266 | grep '"V":' | awk -F'"' '{print $(NF-1)}')
  echo "$cmp,$ipca" 
done | tac > ipca.tmp # cmp
   
# calcula o fator acumulado para cmpn+1
ipca=$(head -1 ipca.tmp | awk -F',' '{print $2}')
echo "$cmpn,$ipca,1" > ipca.csv # primeira linha cmp,ipca,acumulado,um_real   

for line in $(cat ipca.tmp | sed 1d ); do
  cmp=$(echo $line | awk -F',' '{print $1}')
  ipca2=$(echo $line | head -1  | awk -F',' '{print $2}')
  val=$(echo "scale=4; $ipca / $ipca2  " | bc)
echo "$cmp,$ipca2,$val" >> ipca.csv
done # linie