Tutorial 1: Importación de Datos del DATASUS

Objetivo

Al final de este tutorial usted será capaz de importar microdatos de los Sistemas de Información en Salud del DATASUS con una única función — sus_data_import() — y de controlar sus principales recursos: la elección del sistema (SIM, SIH, SINAN, SINASC, CNES, SIA) y sus subsistemas, el recorte espacial (por UF, por región predefinida o por municipio), la diferencia entre sistemas anuales y mensuales, la elección del backend de procesamiento y — fundamental para trabajos reproducibles y de gran volumen — la caché inteligente y el procesamiento paralelo.

La importación es la primera etapa del pipeline de climasus4r. Todo lo que viene después (estandarización, filtrado, creación de variables, agregación, unión espacial, vínculo socioeconómico, integración climática y modelado) parte de la base bruta construida aquí.

Contexto científico

La investigación en clima y salud en Brasil se apoya en los Sistemas de Información en Salud (SIS) mantenidos por el Ministerio de Salud y puestos a disposición por el DATASUS. Cada sistema registra un tipo de evento, con cobertura nacional y granularidad municipal:

SIM — Sistema de Información sobre Mortalidad (declaraciones de defunción);
SIH — Sistema de Información Hospitalaria (hospitalizaciones/AIH);
SINAN — Sistema de Información de Agravios de Notificación (enfermedades de notificación obligatoria, como dengue, zika y chikungunya);
SINASC — Sistema de Información sobre Nacidos Vivos;
CNES — Registro Nacional de Establecimientos de Salud;
SIA — Sistema de Información Ambulatoria.

El acceso programático a esos archivos .dbc está mediado por el paquete microdatasus (Saldanha, Bastos & Barcellos, 2019). climasus4r encapsula ese acceso en sus_data_import(), añadiendo caché (para no volver a descargar los mismos datos en cada ejecución), paralelismo (para acelerar descargas de muchas UF/años) y mensajes multilingües. Importar de forma reproducible — registrando sistema, año y recorte espacial — es lo que hace que un estudio sea auditable y replicable.

Caso guía. A lo largo de toda la serie de tutoriales investigamos la temperatura y los desenlaces de salud en personas mayores (60+) en la Región Metropolitana de São Paulo, 2014–2019. En este primer tutorial armamos la base bruta multisistema: defunciones (SIM-DO), hospitalizaciones (SIH-RD) y, como caso secundario de clima × arbovirosis, dengue (SINAN-DENGUE). Los objetos importados aquí se guardan y servirán de entrada para el Tutorial 2 (Encoding y Estandarización).

Datos utilizados

Sistema	`system =`	Periodicidad	Papel en el caso
SIM-DO (defunciones)	`"SIM-DO"`	Anual	Desenlace principal (mortalidad)
SIH-RD (hospitalizaciones)	`"SIH-RD"`	Mensual (exige `month`)	Morbilidad hospitalaria
SINAN-DENGUE	`"SINAN-DENGUE"`	Anual	Caso secundario (clima × dengue)

Recorte espacial: estado de São Paulo (uf = "SP"), 2014–2019. Todos los datos son públicos y reales, obtenidos del DATASUS mediante microdatasus.

Pipeline completo

Los bloques a continuación reproducen lo que ejecuta el script scripts/tutorial_01_importacao.R. Comience cargando el paquete:

library(climasus4r)

Importar un sistema anual (SIM-DO)

El SIM es anual: el argumento month se ignora. Pedimos los seis años de una vez y dejamos activados la caché y el paralelismo.

obitos <- sus_data_import(
  uf        = "SP",
  year      = 2014:2019,
  system    = "SIM-DO",
  backend   = "arrow",   # "arrow" (lazy, padrão) ou "tibble" (em memória)
  use_cache = TRUE,        # reaproveita downloads anteriores
  parallel  = TRUE,        # baixa anos em paralelo
  workers   = 4,
  lang      = "pt"
)

Visualizar datos

dplyr::glimpse(obitos)

Importar un sistema mensual (SIH-RD)

El SIH es mensual: el argumento month es obligatorio. Aquí pedimos solo los meses de invierno (junio a agosto), cuando la mortalidad respiratoria en personas mayores tiende a ser más alta.

internacoes <- sus_data_import(
  uf        = "SP",
  year      = 2014:2019,
  month     = 6:8,         # obrigatório para SIH, CNES e SIA
  system    = "SIH-RD",
  use_cache = TRUE,
  parallel  = TRUE,
  workers   = 4,
  lang      = "pt"
)

Visualizar datos

dplyr::glimpse(internacoes)

Importar notificaciones (SINAN-DENGUE)

dengue <- sus_data_import(
  uf        = "SP",
  year      = 2014:2019,
  system    = "SINAN-DENGUE",
  use_cache = TRUE,
  lang      = "pt"
)

Visualizar datos

dplyr::glimpse(dengue)

Recorte espacial: por región o por municipio

En lugar de listar UF, puede usar un grupo predefinido en region (macrorregiones, biomas o cuencas) — útil para estudios regionales:

# Toda a macrorregião Sudeste (ES, MG, RJ, SP) de uma vez:
obitos_sudeste <- sus_data_import(
  region = "sudeste",
  year   = 2019,
  system = "SIM-DO",
  lang   = "pt"
)

Visualizar datos

dplyr::glimpse(obitos_sudeste)

O bien restringir a un municipio por código IBGE (o nombre en city). El filtro se resuelve al código IBGE antes de la descarga:

# Apenas o município de São Paulo (código IBGE 3550308):
obitos_muni_sp <- sus_data_import(
  uf                = "SP",
  year              = 2014:2019,
  system            = "SIM-DO",
  municipality_code = "3550308",
  lang              = "pt"
)

Visualizar datos

dplyr::glimpse(obitos_muni_sp)

(Opcional) Releer datos ya exportados

Después de exportar la base (con sus_data_export()), puede releerla en sesiones futuras sin volver a descargarla, con sus_data_read() — que detecta el formato automáticamente:

obitos <- sus_data_read("output/sim_sp_2014_2019.parquet")

Al final de esta etapa tenemos obitos, internacoes y dengue — la base bruta multisistema que alimentará los próximos tutoriales.

Características de las funciones

`sus_data_import()`

La única puerta de entrada de la etapa de importación. Encapsula microdatasus::fetch_datasus (Saldanha, Bastos & Barcellos, 2019) con caché y paralelismo.

Argumento	¿Esencial?	Descripción
`uf` / `region`	sí (uno de ellos)	UF(s) (`"SP"`, `c("SP","RJ")`, `"all"`) o grupo predefinido (`"sudeste"`, `"amazonia_legal"`, …)
`year`	sí	Año(s) con 4 dígitos (ej.: `2014:2019`)
`system`	sí	Sistema/subsistema (ver tabla de sistemas abajo)
`month`	solo mensuales	Mes(es) 1–12; obligatorio para SIH, CNES y SIA; se ignora en SIM, SINAN y SINASC
`backend`	opcional	`"arrow"` (lazy, por defecto, muy rápido) o `"tibble"` (en memoria)
`city` / `municipality_code`	opcional	Restringe a municipios (nombre o código IBGE de 6/7 dígitos)
`use_cache`	recomendado	`TRUE` reutiliza descargas; `cache_dir` define la carpeta
`force_redownload`	opcional	`TRUE` ignora la caché y vuelve a descargar todo
`parallel` / `workers`	opcional	Paraleliza combinaciones UF/año; respeta el `future::plan()` del usuario
`lang` / `verbose`	opcional	Idioma (`"pt"`, `"en"`, `"es"`) y nivel de mensajes

Retorno: un tibble/data.frame (u objeto Arrow, si backend = "arrow") con las variables originales del sistema, más source_system y download_timestamp, fechas como objetos Date y texto en UTF-8.

Caché inteligente. Las llamadas se identifican mediante una clave SHA-256 de los parámetros (UF, año, mes, sistema). Los resultados quedan en cache_dir (~/.climasus4r_cache/data por defecto) como RDS comprimido y se reutilizan automáticamente. La caché expira en ~30 días para sistemas dinámicos (CNES, SIA, SIH) y ~365 días para los estáticos (SIM, SINAN, SINASC).

`sus_data_read()`

Relee archivos ya exportados, sin volver a la fuente. Autodetecta el formato.

Argumento	Descripción
`path`	Ruta de un archivo, vector de archivos, o una carpeta
`format`	`NULL` (autodetecta) o `"parquet"`, `"csv"`, `"dbc"`, `"rds"`, `"shapefile"`, …
`parallel` / `workers`	Lectura paralela de muchos archivos
`read_metadata`	Recupera metadatos asociados como atributos

Retorno: la tabla leída (u objeto sf, para datos espaciales); las lecturas en lote se combinan con dplyr::bind_rows().

Sistemas y subsistemas soportados

Tabla 1. Sistemas del DATASUS accesibles mediante sus_data_import().
Sistema	Descricao	Exemplos_system	Periodicidade
SIM	Mortalidade (declaracoes de obito)	SIM-DO, SIM-DOFET, SIM-DOINF, SIM-DOMAT, SIM-DOEXT	Anual (month ignorado)
SIH	Internacoes hospitalares (AIH)	SIH-RD, SIH-RJ, SIH-SP, SIH-ER	Mensal (exige month)
SINASC	Nascidos vivos	SINASC	Anual (month ignorado)
SINAN	Agravos de notificacao (doencas notificaveis)	SINAN-DENGUE, SINAN-ZIKA, SINAN-CHIKUNGUNYA, SINAN-MALARIA, …	Anual (month ignorado)
CNES	Estabelecimentos de saude	CNES-LT, CNES-ST, CNES-EQ, CNES-PF, …	Mensal (exige month)
SIA	Atendimentos ambulatoriais	SIA-PA, SIA-AB, SIA-AD, …	Mensal (exige month)

Atajos de region (descargan varias UF de una vez):

Tabla 2. Ejemplos de grupos predefinidos aceptados en region.
Grupo	Tipo	UFs
sudeste	Macrorregiao IBGE	ES, MG, RJ, SP
sul	Macrorregiao IBGE	PR, RS, SC
nordeste	Macrorregiao IBGE	AL, BA, CE, MA, PB, PE, PI, RN, SE
norte	Macrorregiao IBGE	AC, AP, AM, PA, RO, RR, TO
centro_oeste	Macrorregiao IBGE	DF, GO, MT, MS
amazonia_legal	Bioma/fronteira ecologica	AC, AP, AM, PA, RO, RR, MT, MA, TO
mata_atlantica	Bioma	AL, BA, CE, ES, GO, MA, MG, MS, PB, PE, PI, PR, RJ, RN, RS, SC, SE, SP
cerrado	Bioma	BA, DF, GO, MA, MG, MS, MT, PA, PI, PR, RO, SP, TO
bacia_sao_francisco	Bacia hidrografica	AL, BA, DF, GO, MG, PE, SE
semi_arido	Recorte climatico	AL, BA, CE, MA, PB, PE, PI, RN, SE, MG

Estructura típica del SIM-DO justo después de la importación (causa básica en CAUSABAS, edad codificada en IDADE, municipio de residencia en CODMUNRES):

Tabla 3. Muestra de las columnas clave del SIM-DO importado.
DTOBITO	DTNASC	SEXO	IDADE	RACACOR	CAUSABAS	CODMUNRES	CODMUNOCOR
08072017	17071962	2	454	1	C383	352230	352230
13062017	02091986	2	430	4	C099	353870	353870
05072017	14051971	2	446	4	C710	351170	353870
23062017	24081940	1	476	4	R960	351030	351030
07062017	21041928	1	489	1	R960	351030	351030
13052017	04091945	1	471	1	I119	351030	351030
28052017	02031949	2	468	4	I110	351030	351030
24062017	03101950	2	466	1	I120	351030	351030
13032017	28051917	2	499	1	I500	351040	351040
13032017	01031953	2	464	1	C538	351040	351040

Rendimiento: caché y paralelismo

Dos recursos de sus_data_import() hacen que la importación sea reproducible y rápida. La ganancia relativa (speedup) es la razón entre el tiempo sin el recurso y el tiempo con él:

$\text{speedup} = \frac{t_{\text{sem recurso}}}{t_{\text{com recurso}}}$

Valores de speedup superiores a 1 indican aceleración. Las figuras a continuación presentan mediciones reales hechas por el script de generación.

Figura 1. Benchmark de caché. La primera llamada descarga los datos de la red; la segunda lee de la caché local, típicamente órdenes de magnitud más rápida — sin ningún cambio en el código de análisis.

Figura 2. Benchmark de paralelismo. Importar los seis años con workers = 4 es más rápido que en serie (workers = 1). La ganancia depende del número de núcleos disponibles; sus_data_import() avisa si workers excede los núcleos de la máquina.

Resultados ilustrados

Figura 3. Número de registros importados por sistema para São Paulo, 2014–2019 (el SIH-RD se restringió al invierno, junio–agosto, para mantener el ejemplo liviano). El orden de magnitud muy diferente entre sistemas ayuda a dimensionar memoria y tiempo de descarga.

Figura 4. Serie mensual de defunciones (todas las causas) del SIM-DO en São Paulo, 2014–2019. La estacionalidad de invierno ya es visible en la base bruta y será el punto de partida para los recortes (personas mayores, causas respiratorias) de los próximos tutoriales.

Referencias

Saldanha, R. de F., Bastos, R. R., & Barcellos, C. (2019). Microdatasus: pacote para download e pré-processamento de microdados do Departamento de Informática do SUS (DATASUS). Cadernos de Saúde Pública, 35(9), e00032419.
Ministério da Saúde (Brasil). DATASUS — Departamento de Informática do SUS. Disponible en: http://datasus.saude.gov.br.

Navegación

Volver al hub de tutoriales
Siguiente: Tutorial 2 — Encoding y Estandarización

Equipo climasus4r

17/10/2026

Objetivo

Contexto científico

Datos utilizados

Pipeline completo

Importar un sistema anual (SIM-DO)

Importar un sistema mensual (SIH-RD)

Importar notificaciones (SINAN-DENGUE)

Recorte espacial: por región o por municipio

(Opcional) Releer datos ya exportados

Características de las funciones

`sus_data_import()`

`sus_data_read()`

Sistemas y subsistemas soportados

Rendimiento: caché y paralelismo

Resultados ilustrados

Referencias

Navegación