SINAN — Sistema de Informação de Agravos de Notificação

pip install pysus

ftp://ftp.datasus.gov.br/dissemin/publicos/SINAN/DADOS/FINAIS/    (dados consolidados)
ftp://ftp.datasus.gov.br/dissemin/publicos/SINAN/DADOS/PRELIM/    (dados preliminares)

from pysus.online_data.SINAN import download
import pandas as pd
 
# Baixar dados de dengue do Brasil, 2023
dados = download(disease="dengue", years=[2023])
 
# Converter para DataFrame
df = dados.to_dataframe()
 
print(f"Total de notificações de dengue: {len(df):,}")
print(f"Colunas disponíveis: {list(df.columns)}")
print(df.head())

from pysus.online_data.SINAN import download
import pandas as pd
 
# Baixar dados de dengue
dados = download(disease="dengue", years=[2023])
df = dados.to_dataframe()
 
# Converter data de notificação
df["DT_NOTIFIC"] = pd.to_datetime(df["DT_NOTIFIC"], format="%Y%m%d", errors="coerce")
 
# Semana epidemiológica
df["semana_epi"] = df["DT_NOTIFIC"].dt.isocalendar().week
 
# Curva epidêmica: casos por semana
curva = (
    df.groupby("semana_epi")
    .size()
    .reset_index(name="casos")
    .sort_values("semana_epi")
)
 
print("Curva epidêmica de dengue — 2023:")
print(curva.head(20))

from pysus.online_data.SINAN import download
import pandas as pd
 
# Baixar dados de dengue
dados = download(disease="dengue", years=[2023])
df = dados.to_dataframe()
 
# Classificação final: 1=Dengue, 2=Dengue com sinais de alarme,
# 3=Dengue grave, 5=Descartado, 8=Inconclusivo
classificacao = {
    "1": "Dengue clássica",
    "2": "Dengue com sinais de alarme",
    "3": "Dengue grave",
    "5": "Descartado",
    "8": "Inconclusivo",
}
df["classificacao"] = df["CLASSI_FIN"].map(classificacao)
 
print("Distribuição por classificação final:")
print(df["classificacao"].value_counts())
 
# Top 10 municípios com mais notificações confirmadas
confirmados = df[df["CLASSI_FIN"].isin(["1", "2", "3"])]
top_municipios = (
    confirmados.groupby("ID_MUNICIP")
    .size()
    .reset_index(name="casos_confirmados")
    .sort_values("casos_confirmados", ascending=False)
    .head(10)
)
 
print("\nTop 10 municípios — Dengue confirmada (2023):")
print(top_municipios)

from pysus.online_data.SINAN import download
import pandas as pd
 
# Baixar dados de tuberculose
dados = download(disease="tuberculose", years=[2022])
df = dados.to_dataframe()
 
print(f"Notificações de tuberculose (2022): {len(df):,}")
 
# Distribuição por sexo
df["SEXO"] = df["CS_SEXO"].map({"M": "Masculino", "F": "Feminino", "I": "Ignorado"})
print("\nPor sexo:")
print(df["SEXO"].value_counts())
 
# Distribuição por faixa etária
df["NU_IDADE_N"] = pd.to_numeric(df["NU_IDADE_N"], errors="coerce")
bins = [0, 15, 30, 45, 60, 120]
labels = ["0-14", "15-29", "30-44", "45-59", "60+"]
df["faixa_etaria"] = pd.cut(df["NU_IDADE_N"], bins=bins, labels=labels, right=False)
print("\nPor faixa etária:")
print(df["faixa_etaria"].value_counts().sort_index())
 
# Desfecho do tratamento
desfecho = {
    "1": "Cura",
    "2": "Abandono",
    "3": "Óbito por tuberculose",
    "4": "Óbito por outras causas",
    "5": "Transferência",
    "9": "Ignorado",
}
df["desfecho"] = df["TRATAMENTO"].map(desfecho)
print("\nDesfecho do tratamento:")
print(df["desfecho"].value_counts())

from pysus.online_data.SINAN import download
import pandas as pd
 
# Baixar dados de dengue
dados = download(disease="dengue", years=[2023])
df = dados.to_dataframe()
 
# Filtrar casos confirmados
confirmados = df[df["CLASSI_FIN"].isin(["1", "2", "3"])]
 
# Casos por município de residência
casos_mun = (
    confirmados.groupby("ID_MN_RESI")
    .size()
    .reset_index(name="casos")
)
 
# Populações estimadas (exemplo simplificado — obter do IBGE)
# Em produção, usar estimativas populacionais do IBGE por município
populacao = pd.DataFrame({
    "ID_MN_RESI": ["355030", "330455", "310620"],
    "populacao": [12396372, 6775561, 2530701],
    "nome": ["São Paulo", "Rio de Janeiro", "Belo Horizonte"],
})
 
# Calcular taxa de incidência
incidencia = casos_mun.merge(populacao, on="ID_MN_RESI", how="inner")
incidencia["taxa_incidencia"] = incidencia["casos"] / incidencia["populacao"] * 100000
 
print("Taxa de incidência de dengue (por 100.000 hab.):")
print(incidencia[["nome", "casos", "populacao", "taxa_incidencia"]].round(1))