Estrutura dos Dados

Visão Geral

Os dados extraídos de nosso banco clínico são organizados em duas seções principais:

1. Campos de Identificação - Informações sobre paciente e documento (anonimizadas)
2. Campos de Entidades Clínicas - Dados estruturados extraídos dos documentos médicos

Nota: Estes dados representam uma seleção específica de nosso banco de dados clínico, composto por mais de 45 milhões de documentos de aproximadamente 2,7 milhões de pacientes de 31 hospitais brasileiros, filtrados conforme critérios definidos pelo cliente contratante.

Campos de Identificação do Paciente e Documento

Campo	Tipo	Descrição
document_id	string	Identificador único do documento no banco de dados
document_date	string	Data de criação do documento clínico (YYYY-MM-DD HH:MM:SS)
patient_id	string	ID anonimizado do paciente (prefixo: "patient_")
case_id	string	ID anonimizado do caso clínico (prefixo: "case_")
gender	string	Gênero do paciente (MALE, FEMALE, UNKNOWN)
birthdate	string	Data de nascimento do paciente (YYYY-MM-DD HH:MM:SS)
death	string	Status de óbito (Y, N, X)
provider	string	Provedor de dados anonimizado
provider_state_code	string	Código da Unidade Federativa do provedor
provider_city	string	Cidade do provedor
provider_type	string	Tipo de hospital (Público, Convênio, Particular)

Campos Adicionais

Os campos abaixo podem ser contratados de forma adicional durante o processo de compra do banco de dados.

Campo	Tipo	Descrição
payer_name	string	Identificador da fonte pagadora associada à nota clínica. Um mesmo paciente ou atendimento pode ter múltiplas fontes pagadoras, conforme os serviços registrados. Campo do tipo string, não normalizado, que representa diversos planos/convênios de saúde, SUS ou privado, podendo conter variações de grafia para uma mesma fonte, o que exige normalização prévia para fins analíticos.

Importante: Verifique com o time comercial durante as negociações para inclusão do campo.

Campos de Entidades Clínicas

Campos Básicos da Entidade

Campo	Tipo	Descrição
entity_id	string	ID único da entidade (document_id + posição)
entity	string	Termo clínico extraído do texto
label	string	Categoria da entidade clínica
assertion	string	Aserção sobre o contexto da entidade (AUSENTE, PRESENTE, POSSIVEL, HISTORICO) (quando disponível)

Campos de Terminologia (quando disponível)

Campo	Tipo	Descrição
terminology	string	Terminologia utilizada (CID-10, ATC, TUSS)
term_code	string	Código da terminologia
term_desc	string	Descrição do termo

Campos de Relação (quando aplicável)

Campo	Tipo	Descrição
relation_type	string	Tipo de relação com outra entidade
relation_entity	string	Entidade relacionada
relation_position	string	Posição na relação (head, tail)

Campos Estruturados para Exames e Biomarcadores

Importante: Os campos abaixo são preenchidos apenas quando foi possível fazer a normalização/estruturação da entidade e se aplicam apenas às categorias especificadas:

Campo	Tipo	Categorias Aplicáveis	Descrição
normalized_entity	string	BIOMARKER, LAB_TEST, CLINICAL_ATT	Versão padronizada da entidade (quando normalização foi possível)
numeric_value	string	BIOMARKER, LAB_TEST, CLINICAL_ATT	Valor numérico extraído (quando disponível)
unit	string	BIOMARKER, LAB_TEST, CLINICAL_ATT	Unidade de medida (quando disponível)
specific_marker	string	BIOMARKER, LAB_TEST, CLINICAL_ATT	Marcador específico de resultado
detection_status	string	BIOMARKER, LAB_TEST	Status de detecção do resultado
condition	string	CLINICAL_ATT	Condições associadas
loinc_code	string	BIOMARKER	Código LOINC (quando disponível)

Detalhamentos e Informações Adicionais

Campo de Asserção - Contexto das Entidades

O campo assertion é uma classificação importante que indica o contexto clínico em que uma entidade foi mencionada no documento médico. Esta informação é crucial para análises precisas, pois o mesmo termo clínico pode ter significados diferentes dependendo do contexto.

Valores Possíveis de Asserção

Valor	Descrição	Exemplo de Uso
PRESENTE	A entidade está confirmada no paciente	"Paciente apresenta diabetes tipo 2"
AUSENTE	A entidade está negada ou ausente	"Paciente não apresenta hipertensão"
POSSIVEL	A entidade é suspeita ou possível	"Suspeita de pneumonia" ou "Possível infarto"
HISTORICO	A entidade é um histórico do paciente	"Histórico de cirurgia cardíaca em 2020"

Importância para Análise de Dados

A asserção é fundamental para análises precisas porque:

• Evita falsos positivos: Entidades negadas (AUSENTE) não devem ser contadas como presentes
• Identifica suspeitas: Entidades POSSIVEL podem indicar casos em investigação
• Contextualiza histórico: Entidades HISTORICO fornecem informações sobre o passado do paciente
• Melhora precisão: Permite análises mais refinadas considerando o contexto clínico

Exemplo Prático

Texto: "Paciente nega diabetes, mas apresenta histórico de hipertensão.
Suspeita de insuficiência cardíaca."

Entidades extraídas:
- "diabetes" → assertion: AUSENTE
- "hipertensão" → assertion: HISTORICO
- "insuficiência cardíaca" → assertion: POSSIVEL

Nota: O campo assertion está disponível apenas para algumas categorias de entidades e nem todos os documentos podem ter esta classificação aplicada.

Campos de Terminologia - Normalização e Codificação

Os campos de terminologia (terminology, term_code, term_desc) são aplicados apenas para 3 categorias específicas de entidades, quando foi possível fazer o mapeamento/normalização para terminologias médicas padronizadas.

Categorias com Terminologia

Categoria	Terminologia	Descrição	Exemplo
DISEASE	CID-10	Classificação Internacional de Doenças	"diabetes tipo 2" → CID-10: E11
PROCEDURE	TUSS	Terminologia Unificada da Saúde Suplementar	"cirurgia cardíaca" → TUSS: 31001001
PHARM_SUBSTANCE	ATC	Anatomical Therapeutic Chemical	"metformina" → ATC: A10BA02

Exemplo Prático

Entidade extraída: "diabetes mellitus tipo 2"
Categoria: DISEASE
Terminologia aplicada:
- terminology: "CID-10"
- term_code: "E11"
- term_desc: "Diabetes mellitus não-insulino-dependente"

Importante: Nem todas as entidades das categorias DISEASE, PROCEDURE e PHARM_SUBSTANCE terão campos de terminologia preenchidos. Isso ocorre apenas quando foi possível fazer o mapeamento automático para as terminologias padronizadas.

Categorias de Entidades Clínicas

Labels Disponíveis

Label	Descrição	Exemplo
DISEASE	Doenças e condições médicas	"diabetes", "hipertensão"
FINDING	Achados clínicos observados	"edema", "icterícia"
SYMPTOM	Sinais e sintomas	"dor", "febre"
PHARM_SUBSTANCE	Substâncias farmacológicas	"metformina", "insulina"
PROCEDURE	Procedimentos médicos	"cirurgia", "biópsia"
STAGE	Estágios de progressão	"estágio 3", "avançado"
SCALE	Escalas clínicas	"Glasgow", "APACHE"
VENT_SUPPORT	Suporte respiratório	"ventilação mecânica"
MEDICAL_DEVICE	Dispositivos médicos	"cateter", "marca-passo"
INJURY	Lesões e traumas	"fratura", "laceração"
HCARE_ACTIVITY	Atividades assistenciais	"fisioterapia", "enfermagem"
TEMPORAL_CONCEPT	Conceitos temporais	"ontem", "crônico"
BODY_PART	Partes anatômicas	"coração", "fígado"
BODY_LOC	Localizações específicas	"ventrículo esquerdo"
MORPHOLOGY	Características morfológicas	"hiperplasia", "atrofia"
BIOMARKER	Biomarcadores	"hemoglobina", "glicose"
LAB_TEST	Exames laboratoriais	"hemograma", "urina"
CLINICAL_ATT	Sinais vitais	"pressão arterial", "temperatura"

Tipos de Relação

Relation Type	Descrição	Exemplo
is_date_of	Associa data a evento	"15/01/2024" → "cirurgia"
is_associated_anatomic_site_of	Relaciona entidade a local anatômico	"tumor" → "fígado"
may_treat	Indica tratamento possível	"metformina" → "diabetes"
procedure_has_target_anatomy	Define alvo anatômico de procedimento	"biópsia" → "fígado"
is_qualifier_of	Qualifica ou modifica entidade	"agudo" → "infarto"
may_diagnose	Indica capacidade diagnóstica	"tomografia" → "tumor"
disease_has_primary_anatomic_site	Relaciona doença ao local primário	"hepatite" → "fígado"
induced_by	Liga entidade ao fator causador	"úlcera" → "AINEs"
disease_has_finding	Associa doença a achado	"diabetes" → "poliúria"
disease_has_metastatic_anatomic_site	Define local metastático	"câncer" → "pulmão"
disease_has_associated_anatomic_site	Relaciona doença a local associado	"pneumonia" → "pulmão"

Provedores Disponíveis

Nossa base de dados clínica inclui dados de 31 provedores (hospitais) distribuídos por todas as regiões do Brasil, totalizando aproximadamente 2,7 milhões de vidas e mais de 45 milhões de documentos:

• Sudeste: 12 provedores (SP, MG)
• Nordeste: 6 provedores (PE, RN, CE, PB)
• Sul: 8 provedores (RS, PR, SC)
• Norte: 3 provedores (TO, RO)
• Centro-Oeste: 2 provedores (MT)

Importante: A extração de dados disponibilizada contém apenas os pacientes e documentos que atendem aos critérios específicos definidos para o projeto, representando uma amostra selecionada desta base completa.

---

Próximo: Entrega dos Dados