Por que dizer que a pesquisa usou dados do DATASUS é impreciso e o que escrever no lugar
Aldemar Araujo Castro
Criação: 25/07/2026
Atualização: 25/07/2026
Palavras: 1788
Tempo de leitura: 9 minutos
Resumo. Dizer que um estudo utilizou dados do DATASUS é impreciso, porque o DATASUS é a infraestrutura informacional, não a base de dados. Este texto distingue instrumento de coleta, gestão técnica e infraestrutura, percorre o trajeto descentralizado do registro até a base nacional e contrapõe os sistemas de racionalidade epidemiológica, SIM, SINASC e SINAN, aos de racionalidade administrativa, SIH e SIA. Discute cobertura, completitude, unidade de registro e falácia ecológica, e conclui com os cinco elementos que a seção de métodos precisa declarar, à luz da recomendação RECORD.
Introdução
Há uma frase que se repete em projetos de pesquisa, em trabalhos de conclusão de curso e mesmo em artigos publicados: o estudo foi realizado com dados do DATASUS. Ela soa técnica, passa despercebida na maioria das bancas e parece inofensiva. Ainda assim, é imprecisa, e a imprecisão não é apenas terminológica.
O DATASUS é o Departamento de Informação e Informática do Sistema Único de Saúde (SUS), órgão do Ministério da Saúde encarregado de desenvolver, hospedar e disseminar os sistemas de informação em saúde. Ele não preenche formulário, não define o conteúdo das variáveis e não decide o que conta como caso confirmado. Dizer que a pesquisa usou dados do DATASUS equivale a citar a biblioteca em vez do livro que se leu.
A distinção importa porque cada sistema nasceu de uma finalidade distinta, e a finalidade original governa o tipo de erro que o pesquisador vai encontrar. Este texto percorre o caminho que separa o papel preenchido na assistência da tabela que aparece na tela do pesquisador, examina por que os cinco principais sistemas nacionais falham de maneiras diferentes e termina com aquilo que deve constar da seção de métodos de quem trabalha com dados secundários.
Três coisas diferentes que recebem o mesmo nome
Quando um estudante afirma que trabalhou com o DATASUS, costuma estar fundindo três realidades que a metodologia exige separar. A primeira é o instrumento de coleta, isto é, o documento preenchido na assistência: a Declaração de Óbito, a Declaração de Nascido Vivo, a Autorização de Internação Hospitalar, o Boletim de Produção Ambulatorial e a ficha de notificação. Quem preenche esses documentos, na maior parte das vezes, é o próprio profissional de saúde, com frequência ao final de um plantão.
A segunda é a gestão técnica do sistema, atribuição das áreas finalísticas do Ministério da Saúde, responsáveis por definir variáveis, fluxos, instrutivos e regras de crítica. É nesse nível que se decide o que conta como caso, qual campo é obrigatório e como um agravo deve ser investigado.
A terceira é a infraestrutura informacional, e aqui, somente aqui, entra o DATASUS: software, armazenamento, consolidação nacional e ferramentas públicas de acesso, entre as quais o TABNET, o TabWin, os arquivos para transferência e o portal de dados abertos. A confusão entre esses três planos não é inofensiva, porque impede o pesquisador de formular a pergunta que antecede qualquer análise, a saber, para que finalidade aquele registro foi originalmente produzido. Não por acaso, o monitoramento da qualidade dos dados dos sistemas de informação em saúde no Brasil nunca seguiu um plano sistemático de avaliação (Lima et al., 2009).
O caminho do dado, do papel assinado à base nacional
O dado que o pesquisador baixa em poucos segundos percorreu antes um trajeto longo e desigual. Nasce no serviço de saúde, com o preenchimento de um formulário. Segue para a secretaria municipal, onde é digitado, criticado e corrigido. É consolidado na esfera estadual, transmitido ao nível federal e só então incorporado à base nacional, publicada pelo DATASUS. Cada uma dessas etapas é executada por pessoas diferentes, com formação, carga de trabalho e infraestrutura distintas.
Essa alimentação descentralizada explica boa parte das limitações que depois aparecem nos resultados. A completude de um campo, a oportunidade da transmissão e a consistência da codificação variam entre municípios, entre estados e ao longo do tempo. Explica também por que os anos mais recentes de qualquer série costumam ser preliminares, pois a base ainda não fechou. Um estudo que compare 2015 e 2025 sem verificar o estágio de consolidação pode estar comparando um ano maduro com um ano incompleto, e atribuindo a uma suposta queda epidemiológica aquilo que é apenas atraso administrativo.
Convém lembrar que os sistemas de estatísticas vitais foram concebidos justamente para suprir as falhas do Registro Civil e permitir conhecer o perfil epidemiológico de todo o país (Mello Jorge et al., 2007). Cumpriram amplamente esse propósito, mas o cumpriram de modo progressivo, o que significa que a qualidade do dado tem história: séries longas atravessam períodos de implantação, de expansão de cobertura e de mudança de instrumento.
Racionalidade epidemiológica e racionalidade administrativa
Aqui está a distinção que muda a interpretação de qualquer resultado. Os cinco sistemas mais usados em pesquisa dividem-se em dois grupos, conforme o motivo pelo qual foram criados.
O Sistema de Informações sobre Mortalidade (SIM), o Sistema de Informações sobre Nascidos Vivos (SINASC) e o Sistema de Informação de Agravos de Notificação (SINAN) obedecem a uma racionalidade epidemiológica: existem porque alguém precisa saber o que está acontecendo na população.
Já o Sistema de Informações Hospitalares do SUS (SIH) e o Sistema de Informações Ambulatoriais do SUS (SIA) obedecem a uma racionalidade administrativa: existem porque alguém precisa ser remunerado pelo serviço prestado.
A literatura nacional que revisou os métodos de avaliação de completitude adota exatamente essa divisão e registra que os sistemas de racionalidade epidemiológica concentraram a quase totalidade dos estudos de qualidade publicados no país (Correia et al., 2014).
A consequência prática é direta. Nos sistemas de vigilância, o erro típico é a ausência: o caso que não foi notificado, o campo deixado em branco, a causa de óbito registrada como mal definida. Nos sistemas administrativos, o erro típico é a distorção, porque o registro reflete aquilo que o instrumento de pagamento comporta, e não necessariamente aquilo que foi clinicamente realizado.
Ao revisarem quase duas décadas de produção científica apoiada no Sistema de Informações Hospitalares, Bittencourt e colaboradores reconheceram tanto a cobertura incompleta quanto as incertezas de confiabilidade, sem por isso descartar o sistema, uma vez que os resultados mostravam consistência interna e coerência com o conhecimento disponível (Bittencourt et al., 2006). A lição não é abandonar a base, e sim conhecer seus pontos fortes e fracos antes de interpretá-la.
O que a base não enxerga, e por que a invisibilidade não é aleatória
Nenhum dos cinco sistemas cobre a população brasileira do mesmo modo. Os sistemas de estatísticas vitais alcançam nascimentos e óbitos independentemente de quem financiou a assistência, ao passo que o Sistema de Informações Hospitalares e o Sistema de Informações Ambulatoriais registram apenas o que foi custeado pelo SUS. Se o agravo estudado é frequentemente tratado na saúde suplementar, a parcela invisível pode ser substancial, e ela não é aleatória, pois difere justamente nas variáveis socioeconômicas que o pesquisador pretende discutir.
Há ainda a desigualdade interna à própria cobertura. As revisões disponíveis mostram que os estudos de qualidade se concentraram nas dimensões de confiabilidade, validade, cobertura e completitude, e que metade deles se limitou a dados do Rio de Janeiro e de São Paulo (Lima et al., 2009). Sabemos menos sobre a qualidade do dado exatamente onde há mais razão para suspeitar dela. Quando um estudo ecológico compara regiões, a diferença observada pode refletir desigualdade de registro antes de refletir desigualdade de adoecimento.
O caso das causas mal definidas ilustra bem o ponto. Um percentual elevado de óbitos sem causa específica não descreve a mortalidade de uma população, descreve a fragilidade do preenchimento da Declaração de Óbito naquele território. Tratar esse percentual como achado epidemiológico, e não como limitação do instrumento, é um dos equívocos mais frequentes em trabalhos de iniciação científica.
A unidade de registro decide o que você pode concluir
Antes de qualquer análise, convém responder a uma pergunta simples: o que representa uma linha da minha tabela?
- No SIM, é um óbito.
- No SINASC, é um nascido vivo.
- No SINAN, é uma notificação, suspeita ou confirmada.
- No Sistema de Informações Hospitalares, é uma internação faturada, e não um paciente, de modo que o mesmo indivíduo internado três vezes no ano gera três registros.
- No Sistema de Informações Ambulatoriais, boa parte da produção é lançada de forma agregada, sem identificação individual, o que significa contar procedimentos, e não pessoas.
Confundir esses níveis produz dois erros clássicos. O primeiro consiste em tomar o evento pelo indivíduo, inflando prevalências e mascarando reinternações. O segundo é a falácia ecológica, isto é, concluir sobre pessoas a partir de dados agregados por município, atribuindo ao indivíduo uma associação observada apenas no nível do grupo. Nenhum dos dois se resolve com técnica estatística sofisticada, ambos se resolvem com clareza sobre o que a base efetivamente registra.
Acrescente-se a dificuldade de acompanhar o mesmo indivíduo entre sistemas distintos. Sem identificador único de uso irrestrito, o vínculo entre bases depende de relacionamento probabilístico de registros, técnica que exige competência específica e carrega erros de pareamento. Na ausência desse recurso, o desenho possível costuma ser transversal ou ecológico, e a conclusão precisa ser escrita nesse nível, sem promessa causal que os dados não sustentam.
Da crítica à prática: como declarar a fonte e as limitações
Toda essa discussão desemboca em conduta redacional. Existe recomendação internacional dedicada a estudos observacionais que utilizam dados coletados de rotina, a RECORD, extensão da recomendação STROBE, composta por treze itens que orientam o autor a esclarecer quais códigos foram usados para identificar a população e os desfechos, como se deu o vínculo entre bases e quais limitações decorrem do fato de o dado ter sido produzido para fins administrativos ou assistenciais, e não para responder à pergunta do pesquisador (Benchimol et al., 2015). Adotá-la é o modo mais econômico de converter crítica em qualidade.
Na prática, a frase de métodos deve conter cinco elementos: o sistema nomeado, o critério de seleção do evento, a abrangência geográfica, o período e a rastreabilidade da extração. Em vez de escrever que o estudo utilizou dados do DATASUS, escreva que se trata de estudo ecológico de série temporal, com dados do Sistema de Informações sobre Mortalidade, referentes a óbitos por doenças do aparelho circulatório segundo o capítulo IX da décima revisão da Classificação Internacional de Doenças, ocorridos em determinado estado e período, obtidos por meio do TABNET, com data de extração declarada. Sem esses elementos, ninguém reproduz o resultado, nem o próprio autor seis meses depois.
Dica. Para uso em sala de aula e para consulta rápida antes da redação do projeto, preparei um material visual complementar, com o percurso do dado, o quadro comparativo dos cinco sistemas e uma lista de verificação final, disponível em https://aldemararaujo.github.io/datasus/
Considerações finais
Os sistemas nacionais de informação em saúde constituem patrimônio público notável. Poucos países de renda média dispõem de séries históricas tão longas, de acesso tão aberto e de abrangência tão ampla, e é inteiramente legítimo que estudantes e pesquisadores recorram a eles. O problema nunca foi usar dados secundários, o problema é usá-los como se fossem dados primários, coletados sob controle do pesquisador e desenhados para responder à sua pergunta.
Nomear o sistema é o primeiro gesto de honestidade metodológica, porque obriga a examinar o instrumento de coleta, a unidade de registro, a cobertura e a finalidade original do registro. Desse exame nasce uma discussão de limitações específica e verificável, muito distinta do parágrafo genérico que apenas informa tratar-se de dados secundários sujeitos a subnotificação. A diferença entre um trabalho que convence e um trabalho que apenas cumpre tabela começa, quase sempre, na primeira frase da seção de métodos.
Fontes
[1]. Lima CRA, Schramm JMA, Coeli CM, Silva MEM. Revisão das dimensões de qualidade dos dados e métodos aplicados na avaliação dos sistemas de informação em saúde. Cad Saúde Pública. 2009;25(10):2095-2109.
DOI: https://doi.org/10.1590/S0102-311X2009001000002
Disponível em: https://www.scielo.br/j/csp/a/6SzFwLD4zgTcfDZYywqw5zj/?lang=pt
Comentário: revisão que organiza as dimensões pelas quais a qualidade de um sistema de informação pode ser julgada, entre elas confiabilidade, validade, cobertura e completitude. Sustenta neste texto duas afirmações centrais: a de que o monitoramento da qualidade não segue plano sistemático no país e a de que a produção avaliativa se concentrou no Sudeste, deixando lacunas justamente onde a suspeita de fragilidade é maior. Serve de vocabulário mínimo para quem precisa redigir a seção de limitações.
[2]. Bittencourt SA, Camacho LAB, Leal MC. O Sistema de Informação Hospitalar e sua aplicação na saúde coletiva. Cad Saúde Pública. 2006;22(1):19-30.
DOI: https://doi.org/10.1590/S0102-311X2006000100003
Disponível em: https://www.scielo.br/j/csp/a/wr86Wn5xbYf3McdLwh3tv7g/?lang=pt
Comentário: revisão da produção científica construída sobre o Sistema de Informações Hospitalares em quase duas décadas. Reconhece a cobertura incompleta e as incertezas de confiabilidade sem descartar o sistema, argumentando que a consistência interna dos achados justifica seu uso desde que os pontos fortes e fracos sejam compreendidos. É a referência que sustenta a leitura equilibrada proposta neste texto, distante tanto do entusiasmo acrítico quanto da recusa sumária.
[3]. Correia LOS, Padilha BM, Vasconcelos SML. Métodos para avaliar a completitude dos dados dos sistemas de informação em saúde do Brasil: uma revisão sistemática. Ciênc Saúde Coletiva. 2014;19(11):4467-4478.
DOI: https://doi.org/10.1590/1413-812320141911.02822013
Disponível em: https://www.scielo.br/j/csc/a/HGyrfBHWLXMd3mz74HCcvpy/?lang=pt
Comentário: revisão sistemática produzida na Universidade Federal de Alagoas que emprega expressamente a distinção entre sistemas de racionalidade epidemiológica e sistemas de racionalidade administrativa, eixo argumentativo deste texto. Documenta a escassez e a heterogeneidade dos estudos de completitude no Brasil e registra que o sítio do DATASUS é a via de acesso predominante aos dados, o que reforça a necessidade de nomear corretamente sistema e ferramenta.
[4]. Mello Jorge MHP, Laurenti R, Gotlieb SLD. Análise da qualidade das estatísticas vitais brasileiras: a experiência de implantação do SIM e do SINASC. Ciênc Saúde Coletiva. 2007;12(3):643-654.
DOI: https://doi.org/10.1590/S1413-81232007000300014
Disponível em: https://doi.org/10.1590/S1413-81232007000300014
Comentário: reconstitui a concepção, a implantação e a avaliação dos dois sistemas de estatísticas vitais, criados para superar as deficiências do Registro Civil. Fundamenta a advertência de que a qualidade do dado tem história, pois séries longas atravessam fases sucessivas de expansão de cobertura e de mudança de instrumento, o que impõe cautela na interpretação de tendências temporais.
[5]. Benchimol EI, Smeeth L, Guttmann A, Harron K, Moher D, Petersen I, et al. The REporting of studies Conducted using Observational Routinely-collected health Data (RECORD) statement. PLoS Med. 2015;12(10):e1001885.
DOI: https://doi.org/10.1371/journal.pmed.1001885
Disponível em: https://journals.plos.org/plosmedicine/article?id=10.1371%2Fjournal.pmed.1001885
Comentário: extensão da recomendação STROBE dedicada a estudos observacionais que utilizam dados coletados de rotina para fins administrativos e assistenciais. Os treze itens da lista de verificação orientam a descrição dos códigos usados para identificar população e desfechos, do vínculo entre bases e das limitações decorrentes da origem do dado. É o instrumento que converte a crítica metodológica discutida neste texto em prática concreta de redação científica.
Pontos para Recordar
- O DATASUS é o departamento do Ministério da Saúde responsável pela infraestrutura informacional, não é uma base de dados nem o produtor do dado.
- Todo registro analisado tem origem em um documento preenchido na assistência, e a qualidade do dado começa no preenchimento desse documento.
- A alimentação dos sistemas é descentralizada, o que torna completude e oportunidade desiguais entre municípios, entre estados e ao longo do tempo.
- SIM, SINASC e SINAN obedecem a racionalidade epidemiológica e falham tipicamente por ausência de registro; SIH e SIA obedecem a racionalidade administrativa e falham tipicamente por distorção do que é remunerável.
- SIH e SIA cobrem apenas o que foi custeado pelo SUS, e a parcela não coberta difere sistematicamente nas variáveis socioeconômicas de maior interesse analítico.
- A unidade de registro define o limite da conclusão, pois internação faturada não é paciente, procedimento não é pessoa e dado agregado por município não autoriza inferência individual.
- A seção de métodos deve declarar sistema, critério de seleção do evento, abrangência geográfica, período e data de extração, conforme orienta a recomendação RECORD.
Declaração de uso de Inteligência Artificial Generativa. Este texto foi produzido com o auxílio do Claude, desenvolvida pela Anthropic, utilizado como ferramenta de apoio nas fases de brainstorming, de estruturação do conteúdo e de produção do texto. As imagens foram produzidas com auxílio do ChatGPT da OpenAI. A responsabilidade pela versão final e precisão das informações, pelo pensamento crítico, pela seleção das fontes e pelo conteúdo publicado é integralmente do autor.