Tutorial 1: Importação de Dados do DATASUS

Objetivo

Ao final deste tutorial você será capaz de importar microdados dos Sistemas de Informação em Saúde do DATASUS com uma única função — sus_data_import() — e de controlar seus principais recursos: a escolha do sistema (SIM, SIH, SINAN, SINASC, CNES, SIA) e seus subsistemas, o recorte espacial (por UF, por região predefinida ou por município), a diferença entre sistemas anuais e mensais, a escolha do backend de processamento, e — fundamental para trabalhos reprodutíveis e de grande volume — o cache inteligente e o processamento paralelo.

A importação é a primeira etapa do pipeline do climasus4r. Tudo o que vem depois (padronização, filtragem, criação de variáveis, agregação, junção espacial, vínculo socioeconômico, integração climática e modelagem) parte da base bruta construída aqui.

Contexto científico

A pesquisa em clima e saúde no Brasil apoia-se nos Sistemas de Informação em Saúde (SIS) mantidos pelo Ministério da Saúde e disponibilizados pelo DATASUS. Cada sistema registra um tipo de evento, com cobertura nacional e granularidade municipal:

SIM — Sistema de Informações sobre Mortalidade (declarações de óbito);
SIH — Sistema de Informações Hospitalares (internações/AIH);
SINAN — Sistema de Informação de Agravos de Notificação (doenças notificáveis, como dengue, zika e chikungunya);
SINASC — Sistema de Informações sobre Nascidos Vivos;
CNES — Cadastro Nacional de Estabelecimentos de Saúde;
SIA — Sistema de Informações Ambulatoriais.

O acesso programático a esses arquivos .dbc é mediado pelo pacote microdatasus (Saldanha, Bastos & Barcellos, 2019). O climasus4r encapsula esse acesso em sus_data_import(), acrescentando cache (para não rebaixar os mesmos dados a cada execução), paralelismo (para acelerar downloads de muitas UFs/anos) e mensagens multilíngues. Importar de forma reprodutível — registrando sistema, ano e recorte espacial — é o que torna um estudo auditável e replicável.

Caso condutor. Ao longo de toda a série de tutoriais investigamos a temperatura e os desfechos de saúde em idosos (60+) na Região Metropolitana de São Paulo, 2014–2019. Neste primeiro tutorial montamos a base bruta multi-sistema: óbitos (SIM-DO), internações (SIH-RD) e, como caso secundário de clima × arboviroses, dengue (SINAN-DENGUE). Os objetos importados aqui são salvos e servirão de entrada para o Tutorial 2 (Encoding e Padronização).

Dados utilizados

Sistema	`system =`	Periodicidade	Papel no caso
SIM-DO (óbitos)	`"SIM-DO"`	Anual	Desfecho principal (mortalidade)
SIH-RD (internações)	`"SIH-RD"`	Mensal (exige `month`)	Morbidade hospitalar
SINAN-DENGUE	`"SINAN-DENGUE"`	Anual	Caso secundário (clima × dengue)

Recorte espacial: estado de São Paulo (uf = "SP"), 2014–2019. Todos os dados são públicos e reais, obtidos do DATASUS via microdatasus.

Pipeline completo

Os blocos abaixo reproduzem o que o script scripts/tutorial_01_importacao.R executa. Comece carregando o pacote:

library(climasus4r)

Importar um sistema anual (SIM-DO)

O SIM é anual: o argumento month é ignorado. Pedimos os seis anos de uma vez e deixamos o cache e o paralelismo ligados.

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 dados

dplyr::glimpse(obitos)

Importar um sistema mensal (SIH-RD)

O SIH é mensal: o argumento month é obrigatório. Aqui pedimos apenas os meses de inverno (junho a agosto), quando a mortalidade respiratória de idosos tende a ser mais 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 dados

dplyr::glimpse(internacoes)

Importar notificações (SINAN-DENGUE)

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

Visualizar dados

dplyr::glimpse(dengue)

Recorte espacial: por região ou por município

Em vez de listar UFs, você pode usar um grupo predefinido em region (macrorregiões, biomas ou bacias) — útil para estudos regionais:

# 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 dados

dplyr::glimpse(obitos_sudeste)

Ou restringir a um município por código IBGE (ou nome em city). O filtro é resolvido para o código IBGE antes do download:

# 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 dados

dplyr::glimpse(obitos_muni_sp)

(Opcional) Reler dados já exportados

Depois de exportar a base (com sus_data_export()), você pode relê-la em sessões futuras sem baixar de novo, com sus_data_read() — que detecta o formato automaticamente:

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

Ao final desta etapa temos obitos, internacoes e dengue — a base bruta multi-sistema que alimentará os próximos tutoriais.

Características das funções

`sus_data_import()`

A única porta de entrada da etapa de importação. Encapsula microdatasus::fetch_datasus (Saldanha, Bastos & Barcellos, 2019) com cache e paralelismo.

Argumento	Essencial?	Descrição
`uf` / `region`	sim (um deles)	UF(s) (`"SP"`, `c("SP","RJ")`, `"all"`) ou grupo predefinido (`"sudeste"`, `"amazonia_legal"`, …)
`year`	sim	Ano(s) com 4 dígitos (ex.: `2014:2019`)
`system`	sim	Sistema/subsistema (ver tabela de sistemas abaixo)
`month`	só mensais	Mês(es) 1–12; obrigatório para SIH, CNES e SIA; ignorado em SIM, SINAN e SINASC
`backend`	opcional	`"arrow"` (lazy, padrão, muito rápido) ou `"tibble"` (em memória)
`city` / `municipality_code`	opcional	Restringe a municípios (nome ou código IBGE de 6/7 dígitos)
`use_cache`	recomendado	`TRUE` reaproveita downloads; `cache_dir` define a pasta
`force_redownload`	opcional	`TRUE` ignora o cache e rebaixa tudo
`parallel` / `workers`	opcional	Paraleliza combinações UF/ano; respeita o `future::plan()` do usuário
`lang` / `verbose`	opcional	Idioma (`"pt"`, `"en"`, `"es"`) e nível de mensagens

Retorno: um tibble/data.frame (ou objeto Arrow, se backend = "arrow") com as variáveis originais do sistema, mais source_system e download_timestamp, datas como objetos Date e texto em UTF-8.

Cache inteligente. As chamadas são identificadas por uma chave SHA-256 dos parâmetros (UF, ano, mês, sistema). Os resultados ficam em cache_dir (~/.climasus4r_cache/data por padrão) como RDS comprimido e são reaproveitados automaticamente. O cache expira em ~30 dias para sistemas dinâmicos (CNES, SIA, SIH) e ~365 dias para os estáticos (SIM, SINAN, SINASC).

`sus_data_read()`

Relê arquivos já exportados, sem voltar à fonte. Autodetecta o formato.

Argumento	Descrição
`path`	Caminho de um arquivo, vetor de arquivos, ou uma pasta
`format`	`NULL` (autodetecta) ou `"parquet"`, `"csv"`, `"dbc"`, `"rds"`, `"shapefile"`, …
`parallel` / `workers`	Leitura paralela de muitos arquivos
`read_metadata`	Recupera metadados companheiros como atributos

Retorno: a tabela lida (ou objeto sf, para dados espaciais); leituras em lote são combinadas com dplyr::bind_rows().

Sistemas e subsistemas suportados

Tabela 1. Sistemas do DATASUS acessíveis por 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)

Atalhos de region (baixam várias UFs de uma vez):

Tabela 2. Exemplos de grupos predefinidos aceitos em 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

Estrutura típica do SIM-DO logo após a importação (causa básica em CAUSABAS, idade codificada em IDADE, município de residência em CODMUNRES):

Tabela 3. Amostra das colunas-chave do 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

Desempenho: cache e paralelismo

Dois recursos de sus_data_import() tornam a importação reprodutível e rápida. O ganho relativo (speedup) é a razão entre o tempo sem o recurso e o tempo com ele:

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

Valores de speedup acima de 1 indicam aceleração. As figuras abaixo trazem medições reais feitas pelo script de geração.

Figura 1. Benchmark de cache. A primeira chamada baixa os dados da rede; a segunda lê do cache local, tipicamente ordens de grandeza mais rápida — sem qualquer mudança no código de análise.

Figura 2. Benchmark de paralelismo. Importar os seis anos com workers = 4 é mais rápido do que em série (workers = 1). O ganho depende do número de núcleos disponíveis; sus_data_import() avisa se workers exceder os núcleos da máquina.

Resultados ilustrados

Figura 3. Número de registros importados por sistema para São Paulo, 2014–2019 (o SIH-RD foi restrito ao inverno, junho–agosto, para manter o exemplo leve). A ordem de grandeza muito diferente entre sistemas ajuda a dimensionar memória e tempo de download.

Figura 4. Série mensal de óbitos (todas as causas) do SIM-DO em São Paulo, 2014–2019. A sazonalidade de inverno já é visível na base bruta e será o ponto de partida para os recortes (idosos, causas respiratórias) dos próximos tutoriais.

Referências

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. Disponível em: http://datasus.saude.gov.br.

Navegação

Voltar ao hub de tutoriais
Próximo: Tutorial 2 — Encoding e Padronização

Equipe climasus4r

17/10/2026

Objetivo

Contexto científico

Dados utilizados

Pipeline completo

Importar um sistema anual (SIM-DO)

Importar um sistema mensal (SIH-RD)

Importar notificações (SINAN-DENGUE)

Recorte espacial: por região ou por município

(Opcional) Reler dados já exportados

Características das funções

`sus_data_import()`

`sus_data_read()`

Sistemas e subsistemas suportados

Desempenho: cache e paralelismo

Resultados ilustrados

Referências

Navegação