SINASC — Sistema de Informações sobre Nascidos Vivos

pip install pysus

ftp://ftp.datasus.gov.br/dissemin/publicos/SINASC/NOV/DNRES/DN{UF}{AAAA}.dbc

from pysus.online_data.SINASC import download
import pandas as pd
 
# Baixar dados de nascidos vivos de São Paulo, 2022
dados = download(states=["SP"], years=[2022])
 
# Converter para DataFrame
df = dados.to_dataframe()
 
print(f"Total de nascidos vivos registrados: {len(df):,}")
print(f"Colunas disponíveis: {list(df.columns)}")
print(df.head())

from pysus.online_data.SINASC import download
import pandas as pd
 
# Baixar dados de Minas Gerais
dados = download(states=["MG"], years=[2022])
df = dados.to_dataframe()
 
# PARTO: 1=Vaginal, 2=Cesáreo
df["tipo_parto"] = df["PARTO"].map({"1": "Vaginal", "2": "Cesáreo"})
 
# Proporção de cesáreas por município
cesareas = (
    df.groupby("CODMUNRES")
    .apply(lambda g: pd.Series({
        "total_nascimentos": len(g),
        "cesareas": (g["PARTO"] == "2").sum(),
        "prop_cesarea": (g["PARTO"] == "2").mean() * 100,
    }))
    .reset_index()
    .query("total_nascimentos >= 100")
    .sort_values("prop_cesarea", ascending=False)
)
 
print("Municípios com maior proporção de cesáreas (min. 100 nascimentos):")
print(cesareas.head(10).round(1))
print(f"\nMédia estadual de cesáreas: {cesareas['prop_cesarea'].mean():.1f}%")

from pysus.online_data.SINASC import download
import pandas as pd
 
# Baixar dados do Rio Grande do Sul
dados = download(states=["RS"], years=[2022])
df = dados.to_dataframe()
 
# Converter campos numéricos
df["PESO"] = pd.to_numeric(df["PESO"], errors="coerce")
df["GESTACAO"] = pd.to_numeric(df["GESTACAO"], errors="coerce")
 
# Baixo peso ao nascer (< 2.500g)
baixo_peso = df[df["PESO"] < 2500]
print(f"Nascidos com baixo peso (< 2.500g): {len(baixo_peso):,}")
print(f"Proporção: {len(baixo_peso) / len(df) * 100:.1f}%")
 
# Prematuridade (< 37 semanas de gestação)
# GESTACAO codificada: 1=<22sem, 2=22-27, 3=28-31, 4=32-36, 5=37-41, 6=42+
prematuros = df[df["GESTACAO"].isin([1, 2, 3, 4])]
print(f"\nNascidos prematuros (< 37 semanas): {len(prematuros):,}")
print(f"Proporção: {len(prematuros) / len(df) * 100:.1f}%")

from pysus.online_data.SINASC import download
import pandas as pd
 
# Baixar dados da Bahia
dados = download(states=["BA"], years=[2022])
df = dados.to_dataframe()
 
# Idade da mãe
df["IDADEMAE"] = pd.to_numeric(df["IDADEMAE"], errors="coerce")
 
faixas_mae = pd.cut(
    df["IDADEMAE"],
    bins=[0, 15, 20, 25, 30, 35, 40, 55],
    labels=["<15", "15-19", "20-24", "25-29", "30-34", "35-39", "40+"],
)
print("Distribuição por idade da mãe:")
print(faixas_mae.value_counts().sort_index())
 
# Consultas de pré-natal
# CONSPRENAT: número de consultas
df["CONSPRENAT"] = pd.to_numeric(df["CONSPRENAT"], errors="coerce")
print(f"\nMédia de consultas de pré-natal: {df['CONSPRENAT'].mean():.1f}")
print(f"Sem pré-natal (0 consultas): {(df['CONSPRENAT'] == 0).sum():,}")
print(f"Pré-natal adequado (7+ consultas): {(df['CONSPRENAT'] >= 7).sum():,}")

from pysus.online_data.SINASC import download as download_sinasc
from pysus.online_data.SIM import download as download_sim
import pandas as pd
 
# Baixar nascimentos e óbitos de SP, 2022
nascimentos = download_sinasc(states=["SP"], years=[2022]).to_dataframe()
obitos = download_sim(states=["SP"], years=[2022]).to_dataframe()
 
# Filtrar óbitos neonatais (< 28 dias de vida)
# IDADE: 1xx=horas, 2xx=dias → menor que 228 (28 dias)
obitos["IDADE"] = pd.to_numeric(obitos["IDADE"], errors="coerce")
obitos_neonatais = obitos[
    (obitos["IDADE"] < 228) & (obitos["TIPOBITO"] == "2")
]
 
# Taxa de mortalidade neonatal por município
nasc_mun = nascimentos.groupby("CODMUNRES").size().reset_index(name="nascidos_vivos")
obit_mun = obitos_neonatais.groupby("CODMUNRES").size().reset_index(name="obitos_neonatais")
 
mortalidade = nasc_mun.merge(obit_mun, on="CODMUNRES", how="left").fillna(0)
mortalidade["taxa_neonatal"] = (
    mortalidade["obitos_neonatais"] / mortalidade["nascidos_vivos"] * 1000
)
 
print("Taxa de mortalidade neonatal (por 1.000 NV) — SP, 2022:")
print(mortalidade.sort_values("taxa_neonatal", ascending=False).head(10).round(2))