SIH — Sistema de Informações Hospitalares

pip install pysus

ftp://ftp.datasus.gov.br/dissemin/publicos/SIHSUS/200801_/Dados/RD{UF}{AAMM}.dbc

from pysus.online_data.SIH import download
import pandas as pd
 
# Baixar AIH Reduzida de São Paulo, janeiro de 2023
# Retorna um objeto Parquet que pode ser convertido para DataFrame
dados = download(states=["SP"], years=[2023], months=[1], group="RD")
 
# Converter para DataFrame
df = dados.to_dataframe()
 
print(f"Total de internações: {len(df):,}")
print(f"Colunas disponíveis: {list(df.columns)}")
print(df.head())

from pysus.online_data.SIH import download
import pandas as pd
 
# Baixar dados de internação de Minas Gerais, 2023
dados = download(states=["MG"], years=[2023], months=[1, 2, 3], group="RD")
df = dados.to_dataframe()
 
# Top 10 diagnósticos principais (CID-10)
top_diagnosticos = (
    df.groupby("DIAG_PRINC")
    .agg(
        total_internacoes=("N_AIH", "count"),
        valor_total=("VAL_TOT", "sum"),
        media_dias=("DIAS_PERM", "mean"),
    )
    .sort_values("total_internacoes", ascending=False)
    .head(10)
)
 
print("Top 10 diagnósticos — Internações SUS em MG (1º tri/2023):")
print(top_diagnosticos)

from pysus.online_data.SIH import download
import pandas as pd
 
# Baixar dados do Rio de Janeiro
dados = download(states=["RJ"], years=[2023], months=[6], group="RD")
df = dados.to_dataframe()
 
# Converter campos numéricos
df["VAL_TOT"] = pd.to_numeric(df["VAL_TOT"], errors="coerce")
df["DIAS_PERM"] = pd.to_numeric(df["DIAS_PERM"], errors="coerce")
 
# Gastos por município de internação
gastos_municipio = (
    df.groupby("MUNIC_RES")
    .agg(
        internacoes=("N_AIH", "count"),
        gasto_total=("VAL_TOT", "sum"),
        media_permanencia=("DIAS_PERM", "mean"),
    )
    .sort_values("gasto_total", ascending=False)
    .head(10)
)
 
print("Top 10 municípios por gasto hospitalar SUS:")
print(gastos_municipio)

from pysus.online_data.SIH import download
import pandas as pd
 
# Baixar internações de SP
dados = download(states=["SP"], years=[2023], months=[1], group="RD")
df = dados.to_dataframe()
 
df["MORTE"] = pd.to_numeric(df["MORTE"], errors="coerce")
 
# Calcular taxa de letalidade por diagnóstico
letalidade = (
    df.groupby("DIAG_PRINC")
    .agg(
        total_internacoes=("N_AIH", "count"),
        total_obitos=("MORTE", "sum"),
    )
    .assign(taxa_letalidade=lambda x: x["total_obitos"] / x["total_internacoes"] * 100)
    .query("total_internacoes >= 100")
    .sort_values("taxa_letalidade", ascending=False)
    .head(10)
)
 
print("CID-10 com maior letalidade hospitalar (min. 100 internações):")
print(letalidade.round(2))