sih-br-mcp, microdatasus ou PySUS? A mesma pergunta sobre internações do SUS por três caminhos

Pneumonia em moradores do Espírito Santo em 2024: o microdado em R, o microdado em Python e um servidor MCP no assistente de IA — o mesmo total, quanto custa cada um, e uma armadilha no meio

Saúde pública

DataSUS

SIH

MCP

microdatasus

PySUS

Autor

Sidney Bissoli

Data de Publicação

2 de novembro de 2026

Publicado em 2 de novembro de 2026. Todos os números deste texto foram medidos nesse dia: sih-br-mcp 1.8.1 no endpoint público, microdatasus 3.0.0 com dplyr 1.2.1 e R 4.6.1 no Windows, PySUS 2.11.7 com Python 3.13 no Linux, numa conexão residencial no Brasil. Os scripts estão em scripts/comparativo/ do repositório do sih-br-mcp; nada é ilustrativo. A mesma comparação, como página do produto: sih.sidneybissoli.com/vs-microdatasus-pysus.

Quem trabalha com internações hospitalares do SUS — o SIH/SUS, as AIH que o DATASUS publica todo mês — chega ao dado, quase sempre, por um de dois pacotes: o microdatasus, do Raphael Saldanha, em R, e o PySUS, da equipe do AlertaDengue, em Python. Os dois baixam e decodificam o microdado: um registro por internação. O sih-br-mcp é meu e fica uma camada acima: é um servidor MCP que responde a pergunta agregada dentro do assistente de IA (Claude, ChatGPT, qualquer cliente MCP), a partir de cubos pré-agregados, com a proveniência em toda resposta.

São ferramentas para trabalhos diferentes, e é justamente por isso que vale pôr as três diante da mesma pergunta.

A pergunta, e por que ela pede 432 arquivos

Quantas internações por pneumonia (CID-10 J12–J18) tiveram os moradores do Espírito Santo em 2024, e quantos óbitos?

Parece pedir um arquivo. O DATASUS publica o SIH em um arquivo por UF do hospital e por competência — o mês em que a AIH foi faturada, não o mês da internação. A pergunta é por UF de residência e por data de internação. Duas consequências:

Quem mora no ES e foi internado em Minas está no arquivo de MG.
Quem internou em dezembro de 2024 pode ter sido faturado em março de 2025; as quatro competências seguintes fecham 99,7–99,9% de um ano.

Resposta honesta pelo microdado: 27 UFs × 16 competências (2024-01 a 2025-04) = 432 arquivos, 1.358 MiB de .dbc, 18.863.265 registros.

O atalho natural, ler só os 16 arquivos do ES (30 MiB), dá 13.097 internações. Faltam 208: moradores do ES internados em MG (102), no RJ (83) e em outras UFs. É pouco (1,6%), e é exatamente o tipo de diferença que ninguém percebe.

Os três caminhos

	Internações	Óbitos	O que baixou	Tempo
sih-br-mcp 1.8.1	13.305	1.250	resposta de 21 KB	0,9 s
microdatasus 3.0.0	13.305	1.250	432 arquivos, 1.358 MiB	40,6 min
PySUS 2.11.7, `group="RD"`	9.135	760	345 de 432 arquivos	59,4 min*

* No Linux do WSL, lendo e gravando no disco do Windows: não compare com o tempo do microdatasus.

O microdatasus e o sih-br-mcp chegam ao mesmo número, grupo a grupo: J12 461, J13 37, J14 1, J15 3.648, J16 265, J17 100, J18 8.793. Não é coincidência e não é mérito de nenhum dos dois: os cubos do sih saem de um espelho Parquet 1:1 dos mesmos .dbc, lendo a mesma janela de competências. O que muda é onde o trabalho acontece. No microdado, no seu computador, a cada pergunta. No sih, uma vez, na construção dos cubos; a pergunta só lê o resultado.

O PySUS ficou para trás por um motivo que tem seção própria, abaixo.

microdatasus (R)

Um arquivo por vez: juntar os 432 de uma vez não cabe na memória.

library(microdatasus)
library(dplyr)

ufs   <- c("AC", "AL", "AM", "AP", "BA", "CE", "DF", "ES", "GO", "MA", "MG", "MS", "MT", "PA",
           "PB", "PE", "PI", "PR", "RJ", "RN", "RO", "RR", "RS", "SC", "SE", "SP", "TO")
comps <- seq(as.Date("2024-01-01"), as.Date("2025-04-01"), by = "month")

pneu <- list()
for (d in as.list(comps)) for (uf in ufs) {
  y <- as.integer(format(d, "%Y")); m <- as.integer(format(d, "%m"))
  rd <- fetch_datasus(year_start = y, month_start = m, year_end = y, month_end = m,
                      uf = uf, information_system = "SIH-RD",
                      vars = c("MUNIC_RES", "DT_INTER", "DIAG_PRINC", "MORTE"))
  pneu[[length(pneu) + 1]] <- rd |>
    filter(substr(MUNIC_RES, 1, 2) == "32",                     # mora no ES
           substr(DT_INTER, 1, 4) == "2024",                    # internou em 2024
           substr(DIAG_PRINC, 1, 3) %in% sprintf("J%02d", 12:18))
}
bind_rows(pneu) |> summarise(internacoes = n(), obitos = sum(MORTE == "1"))
#>   internacoes obitos
#> 1       13305   1250

432 arquivos, nenhum erro, 40,6 minutos. O vars = do fetch_datasus() ajuda: só quatro colunas ficam na memória. Note MORTE == "1": o fetch_datasus() devolve tudo como texto, e é o texto que se compara — depois de um process_sih(), o código vira "Sim"/"Não".

PySUS (Python)

import pandas as pd
import pysus

ufs = "AC AL AM AP BA CE DF ES GO MA MG MS MT PA PB PE PI PR RJ RN RO RR RS SC SE SP TO".split()
comps = [(2024, m) for m in range(1, 13)] + [(2025, m) for m in range(1, 5)]
pneumonia = {f"J{n}" for n in range(12, 19)}

partes = []
for y, m in comps:
    for uf in ufs:
        rd = pysus.ftp.sih(state=uf, year=y, month=m, group="RD", as_dataframe=True)
        if rd.empty:
            continue
        partes.append(rd[rd["MUNIC_RES"].str[:2].eq("32")
                         & rd["DT_INTER"].str[:4].eq("2024")
                         & rd["DIAG_PRINC"].str[:3].isin(pneumonia)])
pneu = pd.concat(partes)
len(pneu)
#> 9135

sih-br-mcp (no assistente)

A pergunta vai em linguagem comum. O assistente escolhe a ferramenta, e a chamada que ele faz é esta:

get_hospitalizations {
  "uf": ["ES"], "year": [2024], "cid_chapter": [10], "group_by": ["cid_group"]
}

A resposta traz as linhas por grupo CID (a soma de J12 a J18 dá 13.305 internações e 1.250 óbitos) e um bloco de proveniência que diz de onde veio cada número: as competências lidas (2024-01 a 2025-04, as 27 UFs de arquivo), a safra do espelho, o MD5 de cada .dbc de origem e a citação formal do DATASUS. Primeira chamada da sessão, 0,9 s; a segunda, 0,7 s.

A armadilha no meio: o PySUS 2.11.7 e os arquivos sem grupo

Com group="RD", o laço acima devolveu 9.135 internações, não 13.305 — 31% a menos, sem um erro e sem um aviso.

A versão 2.x do PySUS não lista o FTP do DATASUS a cada chamada: consulta um catálogo próprio (um banco DuckDB baixado na primeira chamada) que aponta para cópias em Parquet dos arquivos. Nesse catálogo, 4.526 dos 10.946 arquivos RD do SIH estão sem grupo. A consulta por group="RD" filtra pelo grupo e não enxerga esses arquivos. Na janela desta pergunta são 87 dos 432 — entre eles 7 dos 16 meses do próprio ES (jan, fev, mar, jul e nov de 2024; jan e abr de 2025) — e as pneumonias que eles guardam somam 4.170. A conta fecha: 9.135 + 4.170 = 13.305.

Chamando sem group, esses arquivos aparecem, junto com os dos outros grupos do mês (ER, RJ e SP), que é preciso descartar pelo nome. No Windows há um segundo defeito, anterior a esse: o catálogo devolve caminhos do tipo WindowsPath, o str() deles sai com barra invertida, e uma checagem de prefixo escrita com barra normal descarta todos. As chamadas do SIH voltaram vazias, e a listagem de arquivos do SIM e do SINASC também. Esse já tinha sido relatado e está corrigido no código desde 30/10 (PR #374), à espera da próxima versão.

O dos arquivos sem grupo eu relatei no mesmo dia. É do tipo que se conserta numa tarde. Até lá, quem usa o PySUS 2.11 para o SIH faz bem em conferir quantos arquivos voltaram, não só quantas linhas.

Volume, em números

	Tamanho
Microdado bruto SIH-RD, 1992–2026, no espelho	23,86 GiB, 11.211 arquivos, 432.173.746 registros
Tudo o que o canal de cubos do sih publica	1,63 GiB
A pergunta deste texto	1.358 MiB pelo microdado; 21 KB pelo sih
Internações, dias, gasto e óbitos por ano, 1992–2025	420.107.114 internações, uma chamada de menos de 1 s

O que o sih-br-mcp não faz

Registro individual. Os cubos são agregados; não há como recuperar uma AIH.
Variáveis fora dos cubos: procedimento realizado, CNES do estabelecimento, caráter de atendimento, diagnóstico secundário.
Outros sistemas do DATASUS: SIM, SINASC, SIA, SINAN, CNES.
O que o DATASUS publicou hoje. A safra é a do espelho, e cada resposta diz qual é.

Para tudo isso, o caminho é o microdatasus ou o PySUS.

Qual usar

Pergunta agregada, resposta auditável, dentro do assistente: sih-br-mcp.
Microdado, variável fora do cubo, outro sistema, em R: microdatasus (e read.dbc, se só precisa abrir o .dbc).
O mesmo, em Python: PySUS, conferindo quantos arquivos voltaram.
Para conferir o sih-br-mcp: refaça a conta pelo microdado, como este texto fez. Divergência é defeito; abra uma issue com o recorte.

Os três se complementam mais do que competem. O sih-br-mcp só existe porque o microdado está aberto e porque o microdatasus e o PySUS mostraram, por anos, o que se pode fazer com ele. Obrigado ao Raphael Saldanha e à equipe do PySUS.