# sih-br-mcp, microdatasus ou PySUS? A mesma pergunta sobre internações do SUS por três caminhos Sidney Bissoli 2026-11-02 - [A pergunta, e por que ela pede 432 arquivos](#a-pergunta-e-por-que-ela-pede-432-arquivos) - [Os três caminhos](#os-três-caminhos) - [microdatasus (R)](#microdatasus-r) - [PySUS (Python)](#pysus-python) - [sih-br-mcp (no assistente)](#sih-br-mcp-no-assistente) - [A armadilha no meio: o PySUS 2.11.7 e os arquivos sem grupo](#a-armadilha-no-meio-o-pysus-2117-e-os-arquivos-sem-grupo) - [Volume, em números](#volume-em-números) - [O que o sih-br-mcp não faz](#o-que-o-sih-br-mcp-não-faz) - [Qual usar](#qual-usar) *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/`](https://github.com/SidneyBissoli/sih-br-mcp/tree/master/scripts/comparativo) do repositório do sih-br-mcp; nada é ilustrativo. A mesma comparação, como página do produto: [sih.sidneybissoli.com/vs-microdatasus-pysus](https://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](https://github.com/rfsaldanha/microdatasus), do Raphael Saldanha, em R, e o [PySUS](https://github.com/AlertaDengue/PySUS), da equipe do AlertaDengue, em Python. Os dois baixam e decodificam o **microdado**: um registro por internação. O [sih-br-mcp](https://sih.sidneybissoli.com) 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. ``` r 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) ``` 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](https://github.com/AlertaDengue/PySUS/issues/372) e está corrigido no código desde 30/10 ([PR \#374](https://github.com/AlertaDengue/PySUS/pull/374)), à espera da próxima versão. O dos arquivos sem grupo eu [relatei no mesmo dia](https://github.com/AlertaDengue/PySUS/issues/380). 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](https://cran.r-project.org/package=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](https://github.com/SidneyBissoli/sih-br-mcp/issues) 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.