PegaSUS: infraestrutura computacional para integração semântica, modelagem matemática e exploração epidemiológica em dados públicos do SUS e do IBGE

Descrição

O projeto propõe o desenvolvimento e a avaliação inicial do PegaSUS, uma infraestrutura computacional para integração semântica, modelagem matemática e exploração epidemiológica de dados públicos brasileiros. A proposta parte de uma lacuna metodológica-operacional recorrente: o Brasil possui bases públicas extensas sobre mortalidade, internações, nascimentos, notificações, população, território e contexto social, mas o uso integrado dessas bases ainda depende de procedimentos fragmentados, reconstruídos manualmente a cada nova pergunta epidemiológica. O PegaSUS será desenvolvido como uma camada intermediária entre a extração dos dados e a análise epidemiológica. Ferramentas como microdatasus, em R, e PySUS, em Python, já cumprem papel importante no acesso, download e pré-processamento de bases do DATASUS, incluindo microdados em formato DBC e sistemas como SINAN, SIM, SINASC e SIH (SALDANHA; BASTOS; BARCELLOS, 2019; PYSUS, [s.d.]). Plataformas como o InfoDengue mostram a potência de sistemas verticais de alerta e nowcasting para arboviroses (CODEÇO et al., 2018; INFODENGUE, [s.d.]). O PegaSUS se diferencia dessas soluções por propor um middleware epidemiológico semântico: uma camada generalista que classifica objetos extraídos, impõe regras de compatibilidade entre numeradores e denominadores, gera indicadores rastreáveis e prepara dados para análise exploratória. O protótipo terá como estudo de caso inicial as notificações de dengue, usando dados públicos do SINAN/DATASUS como fonte de eventos e dados populacionais do IBGE/SIDRA como denominadores municipais. Esse recorte combina relevância epidemiológica, disponibilidade de dados, sazonalidade, estrutura territorial, necessidade de vigilância e possibilidade de comparação retrospectiva com sinais já descritos por boletins epidemiológicos e sistemas de monitoramento. O objetivo não é substituir sistemas especializados, mas usar a dengue como banco de prova para validar a arquitetura semântica e matemática do PegaSUS. A arquitetura será baseada em um registro semântico com tipagem forte. Uma notificação, um óbito, uma internação, um nascimento, uma população residente e uma proporção domiciliar não serão tratados como colunas numéricas equivalentes. O sistema deverá distinguir eventos de saúde, populações, exposições, denominadores, eixos de estratificação, variáveis contextuais, medidas agregáveis e indicadores derivados. Essa tipagem funcionará como regra de negócio: contagens poderão ser somadas quando definidas sobre subconjuntos disjuntos; taxas e proporções não poderão ser somadas linearmente; médias deverão preservar seus numeradores e pesos; variáveis contextuais não serão confundidas com eventos de saúde. O substrato matemático do projeto tratará contagens epidemiológicas como medidas finitas sobre espaços discretos de observação, como município, tempo, sexo, idade e agravo. Essa formalização orientará o compilador de indicadores: o sistema deverá impedir o cálculo de taxas sem denominador compatível, bloquear operações inválidas sobre indicadores derivados, preservar numeradores e denominadores primários, registrar escala territorial e temporal, e evitar a propagação silenciosa de valores indefinidos, infinitos ou ausentes em matrizes derivadas. O produto principal será um protótipo funcional contendo catálogo de variáveis, registro semântico mínimo, compilador de indicadores, rotinas de validação e módulo exploratório inicial aplicado à dengue. Esse módulo produzirá sinais temporais ou territoriais simples a partir de indicadores validados, com registro do recorte, estatística, estabilidade e interpretação permitida. O primeiro ciclo deverá entregar a transformação de dados públicos brutos ou pré-processados em indicadores epidemiológicos coerentes, documentados e úteis para vigilância exploratória.