Estrutura dos Dados

Esta página descreve todos os campos da extração: o que cada um significa, quais valores pode assumir e a quais categorias se aplica. É a referência para quem vai carregar, validar ou analisar os dados.

Visão Geral

Os dados extraídos do nosso banco clínico são organizados em duas partes:

1. Campos de metadados: informações sobre o paciente e o documento (anonimizadas)
2. Campos de entidades clínicas: dados estruturados extraídos dos documentos médicos

Nota: os dados representam uma seleção do nosso banco de dados clínico, com ampla cobertura nacional e boa representatividade para estudos, filtrada conforme os critérios definidos pelo cliente contratante.

Campos de Metadados do Paciente e do 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	Sexo biológico do paciente (MALE, FEMALE, UNKNOWN). Ver detalhes abaixo.
birthdate	string	Data de nascimento do paciente (YYYY-MM-DD HH:MM:SS)
death	string	Status de óbito do paciente (Y, N, X). Ver detalhes abaixo.
provider_state_code	string	Código da Unidade Federativa do provedor
provider_type	string	Tipo de hospital (Público, Convênio, Particular). Ver detalhes abaixo.

Campos Adicionais

Os campos abaixo podem ser contratados à parte, durante a negociação da extração.

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: para incluir o campo, fale com o time comercial durante a negociação.

Detalhamento dos Campos

Campo death – Status de Óbito

O campo death indica se há registro de óbito do paciente na base.

Valor	Descrição
Y	Sim – Óbito registrado
N	Não – Sem registro de óbito
X	Não especificado / Indisponível – Informação não consta ou não pôde ser definida

Campo gender – Sexo Biológico do Paciente

O campo gender representa o sexo biológico do paciente, registrado nos documentos clínicos.

Valor	Descrição
MALE	Masculino
FEMALE	Feminino
UNKNOWN	Não especificado / Indisponível – Informação não consta ou não pôde ser definida

Campo provider_type – Tipo de Hospital

O campo provider_type classifica o provedor quanto à natureza da gestão e da fonte pagadora.

Valor	Descrição
Público	Estabelecimento exclusivamente da rede pública de saúde (SUS ou equivalente). Atendimento financiado pelo poder público.
Convênio ou Particular	Estabelecimento que atende por planos de saúde/convênios e/ou atendimento particular (privado), sem oferta pública.
Público, Convênio ou Particular	Estabelecimento que oferece atendimento nas três modalidades (público, convênio e particular).

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. Ver categorias.
assertion	string	Contexto em que a entidade foi mencionada (quando aplicável). Ver valores.

Campos de Relação (quando aplicável)

Campo	Tipo	Descrição
relation_type	string	Tipo de relação com outra entidade. Ver tipos.
relation_entity	string	A outra entidade da relação
relation_position	string	Posição da entidade da linha na relação (head ou tail)

Campos Estruturados de Biomarcadores e Exames

Os campos abaixo se aplicam apenas às categorias BIOMARKER e LAB_TEST, e são preenchidos quando foi possível normalizar e estruturar a entidade.

Campo	Tipo	BIOMARKER	LAB_TEST	Descrição
normalized_entity	string	✓	✓	Versão padronizada da entidade
specific_marker	string	✓	✓	Marcador específico do resultado
method	string	✓	✓	Método utilizado para obter o resultado
detection_status	string	✓	✓	Status de detecção do resultado
score	string	✓		Escore do resultado do biomarcador
numeric_value	número	✓	✓	Valor numérico extraído
unit	string	✓	✓	Unidade de medida

No JSONL, normalized_entity, specific_marker e method ficam no nível da entidade, e os demais campos ficam dentro do objeto result. Veja Formato JSONL.

Detalhamentos e Informações Adicionais

Campo assertion – Contexto das Entidades

O campo assertion indica o contexto clínico em que uma entidade foi mencionada no documento. O mesmo termo pode ter significados diferentes conforme o contexto, por isso esse campo é essencial para análises precisas.

Valores Possíveis

Valor	Nome	Descrição	Exemplo
PRESENT	Presente	Condição ativa no paciente naquele momento	"Paciente apresenta diabetes tipo 2"
INVESTIGATION	Em investigação	Hipótese, suspeita ou diagnóstico em apuração	"Suspeita de pneumonia"
HISTORY	Histórico	Esteve presente no passado e pode não estar mais ativo	"Histórico de cirurgia cardíaca em 2020"
FAMILY_HISTORY	Histórico familiar	Refere-se a um familiar, não ao paciente	"Mãe com câncer de mama"
ABSENT	Ausente	Termo negado no texto	"Paciente nega hipertensão"
OTHER	Outro	Menção fora da jornada clínica do paciente, como uma doença citada como referência, em estudo ou em documento de apoio	"Protocolo de rastreamento para câncer de colo"

Importância para Análise de Dados

• Evita falsos positivos: entidades negadas (ABSENT) não devem ser contadas como presentes
• Separa o paciente da família: entidades FAMILY_HISTORY não descrevem o próprio paciente
• Identifica suspeitas: entidades INVESTIGATION indicam casos em apuração
• Contextualiza o histórico: entidades HISTORY descrevem o passado do paciente
• Filtra menções de referência: entidades OTHER não fazem parte da jornada clínica do paciente

Exemplo Prático

Texto: "Paciente nega diabetes, com histórico de hipertensão. Mãe com câncer de mama.
Suspeita de insuficiência cardíaca."

Entidades extraídas:
- "diabetes" → assertion: ABSENT
- "hipertensão" → assertion: HISTORY
- "câncer de mama" → assertion: FAMILY_HISTORY
- "insuficiência cardíaca" → assertion: INVESTIGATION

Categorias com Asserção

O contexto é inferido apenas para as categorias FINDING, INJURY, DISEASE, PHARM_SUBSTANCE, PROCEDURE e MEDICAL_DEVICE.

Nas demais categorias, o campo assertion vem vazio. Essas entidades são tratadas como presentes no contexto do documento, e o campo vazio não indica falha na inferência.

Categorias de Entidades Clínicas

Label	Nome	Descrição	Exemplo
FINDING	Achado clínico	Sintomas relatados e achados do exame físico	"dor de cabeça", "febre", "edema"
INJURY	Lesão	Lesões físicas ou envenenamentos	"fratura", "queda", "alergia"
DISEASE	Doença	Condições médicas ou patológicas	"diabetes", "hipertensão"
PHARM_SUBSTANCE	Fármaco	Substâncias usadas em tratamento	"metformina", "morfina"
PROCEDURE	Procedimento	Procedimentos diagnósticos ou terapêuticos	"tomografia", "biópsia"
STAGE	Estadiamento	Estágio de uma condição	"EC IV", "EC IIA"
SCALE	Escala	Escalas padrão de avaliação	"ECOG", "Glasgow"
MEDICAL_DEVICE	Dispositivo médico	Dispositivos e equipamentos usados no cuidado	"cateter venoso", "dreno"
BODY_PART	Parte do corpo	Órgãos e componentes anatômicos	"mama", "pulmão"
TEMPORAL_CONCEPT	Conceito temporal	Datas e expressões de tempo	"15/01/2024", "há 2 anos"
BIOMARKER	Biomarcador	Indicadores biológicos de saúde ou doença	"KI67", "HER2", "PSA"
LAB_TEST	Exame laboratorial	Resultados de testes laboratoriais	"hemograma", "glicemia em jejum"

Tipos de Relação

Cada relação liga duas entidades: a primeira (head) e a segunda (tail), nessa ordem.

Relation type	Descrição	Exemplo (head → tail)
is_date_of	Associa uma data a um evento clínico	"15/01/2024" → "cirurgia"
finding_has_anatomic_site	Liga um achado clínico ao local anatômico	"edema" → "membros inferiores"
may_treat	Indica que um fármaco pode tratar uma condição	"metformina" → "diabetes"
procedure_has_target_anatomy	Define o alvo anatômico de um procedimento	"biópsia" → "fígado"
disease_has_anatomic_site	Liga uma doença ao local anatômico	"pneumonia" → "pulmão"
disease_has_associated_disease	Liga uma doença a outra doença associada	"diabetes" → "retinopatia"
disease_has_biomarker	Liga uma doença a um biomarcador	"câncer de mama" → "HER2"
disease_has_scale	Liga uma doença a uma escala de avaliação	"câncer de pulmão" → "ECOG"
disease_has_stage	Liga uma doença ao estadiamento	"câncer de mama" → "EC IIA"
injury_has_anatomic_site	Liga uma lesão ao local anatômico	"fratura" → "fêmur"
procedure_has_associated_device	Liga um procedimento ao dispositivo utilizado	"angioplastia" → "stent"
medical_device_has_target_anatomy	Define o alvo anatômico de um dispositivo médico	"cateter venoso central" → "veia jugular"
disease_has_oncologic_finding	Liga uma doença oncológica a um achado oncológico	"adenocarcinoma de pulmão" → "metástase"

Importante: a extração contém apenas os pacientes e documentos que atendem aos critérios definidos para o projeto, representando uma amostra selecionada da nossa base, com ampla cobertura e representatividade.