Estrutura dos Dados

Documentação v1

Esta documentação corresponde às extrações entregues até 20/09/2026. Consulte a versão atual.

Visão Geral

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

1. Campos de Metadados - 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, com ampla cobertura nacional e boa representatividade para estudos, filtrados conforme 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 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.

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
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 da entidade da linha 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	número	BIOMARKER, LAB_TEST, CLINICAL_ATT	Valor numérico extraído
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

Categorias com Asserção

O modelo de inferência de asserção é aplicado apenas às seguintes categorias de entidades:

DISEASE, PROCEDURE, PHARM_SUBSTANCE, SYMPTOM, FINDING, INJURY, VENT_SUPPORT, MEDICAL_DEVICE.

Nas demais categorias (por exemplo, BIOMARKER, LAB_TEST, CLINICAL_ATT, BODY_PART, TEMPORAL_CONCEPT, entre outras), o modelo de inferência não é aplicado. Essas entidades são tratadas como naturalmente presentes no contexto clínico do documento e não demandam classificação adicional. Deste modo, a ausência do campo preenchido não indica falha do modelo na inferência.

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"

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 de nossa base, com ampla cobertura e representatividade.