Edição das 18h04min de 13 de janeiro de 2023

Introdução

A nota técnica de indicador descreve o trabalho de processamento e apresentação de dados de Leitos psiquiátricos e/ou saúde mental em hospitais gerais (transtornos, transtorno e dependência química e dependência química, adultos e adolescentes) e decorrente estratificação. A metodologia aplicada pelo Centro de Informações Estratégicas para a Gestão do SUS (Cieges) constitui adaptação de fichas da Rede Interagencial de Informações para a Saúde (RIPSA) e de ensejos anteriores da gestão estadual do SUS.

Endereço eletrônico

Essa nota técnica é acessível pelo endereço https://wiki.conass.org.br/index.php?title=Leitos_psiqui%C3%A1tricos_e/ou_sa%C3%BAde_mental_em_hospitais_gerais_(transtornos,_transtorno_e_depend%C3%AAncia_qu%C3%ADmica_e_depend%C3%AAncia_qu%C3%ADmica,_adultos_e_adolescentes).

Objetivo

Apresentar parâmetros de interpretação, granularidade e reprodutibilidade do indicador.

Ficha do indicador para o sanitarista

Conceituação

Número de leitos hospitalares existentes, por mil habitantes residentes, em determinado espaço geográfico, no ano considerado.

Interpretação

Mede a relação entre a oferta de leitos hospitalares conveniados ou contratados pelo SUS e a população residente na mesma área geográfica. Não inclui os leitos privados sem vínculo com o SUS.
É influenciado por fatores socioeconômicos, epidemiológicos e demográficos, tais como nível de renda, composição etária, desenvolvimento tecnológico, oferta de profissionais de saúde, políticas públicas assistenciais e preventivas, a exemplo das de incentivo a cirurgias ambulatoriais, desospitalização na saúde mental e programas de internação domiciliar. Em geral, a concentração de leitos está associada ao maior poder aquisitivo da população e à demanda por serviços especializados, condições que atraem investimentos do setor privado de saúde.

Usos

Analisar variações geográficas e temporais da oferta de leitos hospitalares pelo SUS, segundo a esfera administrativa, identificando situações de desigualdade e tendências que demandem ações e estudos específicos.
Subsidiar processos de planejamento, gestão e avaliação de políticas públicas voltadas para a assistência médico-hospitalar de responsabilidade do SUS.

Limitações

Exclui os leitos existentes em hospitais privados sem vínculo com o SUS, embora o indicador se refira à população total.
Inclui a demanda hospitalar por parte de pessoas não residentes, alterando a relação de proporcionalidade dos leitos disponíveis para a população residente.
Inexistem padrões nacionais ou internacionais validados para análises comparativas, pois o indicador expressa uma combinação de fatores inerentes a realidades regionais ou locais distintas.
Até 2003, o indicador tinha como fonte os hospitais participantes do Sistema de Informações Hospitalares do SUS (SIH/SUS); a partir de 2005, passa a ser utilizado o Cadastro Nacional de Estabelecimentos de Saúde (CNES). Esta mudança de fonte pode ter introduzido descontinuidades nos valores dos indicadores.
Critérios administrativos, como a manutenção efetuada em 2002, eliminando do cadastro hospitais que não mais apresentavam Autorizações de Internações Hospitalares (AIH), podem provocar quebras na série histórica do indicador.
Até 2003, os hospitais com atividades de ensino e pesquisa eram classificados como “universitários”, independentemente de sua vinculação ou não a universidades, não discriminando se públicos ou privados. Com a implantação do CNES, esta categoria foi extinta, sendo os hospitais universitários reclassificados como públicos ou privados, também gerando descontinuidade no indicador.

Fontes

Ministério da Saúde. Secretaria de Atenção à Saúde (SAS): Sistema de Informações Hospitalares do SUS – SIH/SUS (até 2003), Cadastro Nacional de Estabelecimentos de Saúde – CNES (a partir de 2005) e base demográfica do IBGE.

Métodos de Cálculo

[Média anual do número mensal de leitos hospitalares existentes]÷[População total residente]×1000

Categorias Sugeridas para Análise

Unidade geográfica: Brasil, grandes regiões, estados, Distrito Federal, regiões metropolitanas e municípios das capitais. Tipo de leito: existentes SUS, existentes não-SUS, total. Esfera administrativa: federal, estadual, municipal e privado. Tipo de prestador: público, privado e filantrópico.

Dados Estatísticos e Comentários

Número médio de leitos hospitalares por região do Brasil
nu_ano	1 N	2 NE	3 SE	4 S	5 CO	Brasil
2.015	10.963	35.183,8	37.208	16.522,3	8.738,3	108.615,4
2.016	10.942,6	34.816,1	36.414,6	16.032,4	8.604,7	106.810,3
2.017	10.854,5	34.471,9	35.714,3	15.596,5	8.550	105.187,3
2.018	10.836,1	33.708,1	34.775,7	15.119,7	9.126,5	103.566
2.019	10.666,8	32.876,8	34.136,2	14.776,8	8.953	101.409,4
2.020	10.364,3	32.454,4	33.536,3	14.114,2	8.819,3	99.288,4
2.021	10.287,6	32.211,4	32.846,9	13.418,4	8.694,8	97.459,2

A média do número absoluto de leitos hospitalares apresenta tendência de queda em todas as regiões do Brasil.

Leitos por mil habitantes por região do Brasil
nu_ano	1 N	2 NE	3 SE	4 S	5 CO	Brasil
2.015	0,63	0,63	0,43	0,57	0,57	0,53
2.016	0,62	0,62	0,42	0,55	0,55	0,52
2.017	0,61	0,61	0,41	0,53	0,54	0,51
2.018	0,6	0,59	0,4	0,51	0,57	0,5
2.019	0,58	0,58	0,39	0,49	0,55	0,48
2.020	0,56	0,57	0,38	0,47	0,53	0,47
2.021	0,54	0,56	0,37	0,44	0,52	0,46

O número de leitos por habitantes é inferior à média nacional da região Sudeste ao logo da série histórica observada.

Literatura relacionada

A busca "Beds"[Mesh] no sítio PubMed resultou, em 12/1/2022, em 4.588 resultados.

Ficha do indicador para o cientista de dados

Método de processamento de dados

Amostra, com atributos selecionados, da tabela cnes.st
competen	codufmun	tp_unid	cnes	vinc_sus	tpgestao	esfera_a	atividad	natureza	tp_prest
200901	431350	22	3999947	0	5	4	4	7	20
201901	330455	39	9310746	0	5	[NULL]	4	[NULL]	99
201710	420680	70	9086870	1	5	[NULL]	4	[NULL]	99
200605	410480	39	2736543	1	5	4	4	7	[NULL]
201612	160010	1	2021900	1	5	[NULL]	4	[NULL]	99
201311	210927	68	6760538	1	5	3	4	1	50
201309	350320	22	5171458	0	5	4	4	7	20
201511	316370	22	5678463	0	5	[NULL]	4	[NULL]	99
202006	431660	1	2246651	1	3	[NULL]	4	[NULL]	99
200807	315210	1	2216477	1	5	3	4	1	50
201612	411990	22	6431151	0	5	[NULL]	4	[NULL]	99
201904	311330	4	2114771	1	5	[NULL]	4	[NULL]	99
201907	291510	22	9351086	0	5	[NULL]	4	[NULL]	99
201707	420540	36	3573583	0	5	[NULL]	4	[NULL]	99
201007	430510	36	3586022	0	5	4	4	7	20
202001	353140	42	6948715	1	3	[NULL]	4	[NULL]	99
202005	150808	74	9439218	1	3	[NULL]	4	[NULL]	99
202104	350280	22	7643829	0	3	[NULL]	4	[NULL]	99
201608	150020	39	6990320	0	5	[NULL]	4	[NULL]	99
202108	350280	42	7957203	1	3	[NULL]	4	[NULL]	99
201005	510370	36	6277977	1	5	3	4	1	50
202003	421050	39	9371400	1	3	[NULL]	4	[NULL]	99
200710	312480	1	2145782	1	5	3	4	1	50
201509	316670	68	6538320	1	5	3	4	1	50
201606	430510	36	5729807	0	5	[NULL]	4	[NULL]	99
202203	313750	43	6791468	0	3	[NULL]	4	[NULL]	99
202008	293340	2	4033698	1	3	[NULL]	4	[NULL]	99
200912	530010	36	5215846	0	5	4	4	7	20
201910	314640	39	7018622	0	5	[NULL]	4	[NULL]	99
202107	314330	22	7737475	0	3	[NULL]	4	[NULL]	99

Os atributos da tabela cnes.st são listados a seguir: cnes, codufmun, cod_cep, cpf_cnpj, pf_pj, niv_dep, cnpj_man, cod_ir, vinc_sus, tpgestao, esfera_a, retencao, atividad, natureza, clientel, tp_unid, turno_at, niv_hier, tp_prest, co_banco, co_agenc, c_corren, contratm, dt_publm, contrate, dt_puble, alvara, dt_exped, orgexped, av_acred, clasaval, dt_acred, av_pnass, dt_pnass, gesprg1e, gesprg1m, gesprg2e, gesprg2m, gesprg4e, gesprg4m, nivate_a, gesprg3e, gesprg3m, gesprg5e, gesprg5m, gesprg6e, gesprg6m, nivate_h, qtleitp1, qtleitp2, qtleitp3, leithosp, qtinst01, qtinst02, qtinst03, qtinst04, qtinst05, qtinst06, qtinst07, qtinst08, qtinst09, qtinst10, qtinst11, qtinst12, qtinst13, qtinst14, urgemerg, qtinst15, qtinst16, qtinst17, qtinst18, qtinst19, qtinst20, qtinst21, qtinst22, qtinst23, qtinst24, qtinst25, qtinst26, qtinst27, qtinst28, qtinst29, qtinst30, atendamb, qtinst31, qtinst32, qtinst33, centrcir, qtinst34, qtinst35, qtinst36, qtinst37, centrobs, qtleit05, qtleit06, qtleit07, qtleit08, qtleit09, qtleit19, qtleit20, qtleit21, qtleit22, qtleit23, qtleit32, qtleit34, qtleit38, qtleit39, qtleit40, centrneo, atendhos, serap01p, serap01t, serap02p, serap02t, serap03p, serap03t, serap04p, serap04t, serap05p, serap05t, serap06p, serap06t, serap07p, serap07t, serap08p, serap08t, serap09p, serap09t, serap10p, serap10t, serap11p, serap11t, serapoio, res_biol, res_quim, res_radi, res_comu, coletres, comiss01, comiss02, comiss03, comiss04, comiss05, comiss06, comiss07, comiss08, comiss09, comiss10, comiss11, comiss12, comissao, ap01cv01, ap01cv02, ap01cv05, ap01cv06, ap01cv03, ap01cv04, ap02cv01, ap02cv02, ap02cv05, ap02cv06, ap02cv03, ap02cv04, ap03cv01, ap03cv02, ap03cv05, ap03cv06, ap03cv03, ap03cv04, ap04cv01, ap04cv02, ap04cv05, ap04cv06, ap04cv03, ap04cv04, ap05cv01, ap05cv02, ap05cv05, ap05cv06, ap05cv03, ap05cv04, ap06cv01, ap06cv02, ap06cv05, ap06cv06, ap06cv03, ap06cv04, ap07cv01, ap07cv02, ap07cv05, ap07cv06, ap07cv03, ap07cv04, atend_pr, dt_atual, competen, nat_jur, cod_arquivo, ap01cv07, ap02cv07, ap03cv07, ap04cv07, ap05cv07, ap06cv07, ap07cv07.

Amostra da tabela cnes.lt
cnes	terceiro	tp_leito	codleito	qt_exist	qt_sus	qt_nsus	cod_arquivo	codufmun	competen
2312115	[NULL]	1	6	2	0	2	151912	150380	201912
434	1	3	61	12	0	12	260804	261160	200804
2081083	1	2	46	2	1	1	351106	350400	201106
2490935	2	1	3	2	2	0	421312	421830	201312
2206528	[NULL]	2	33	26	12	14	311705	316720	201705
2753960	2	2	33	13	12	1	411204	412100	201204
3340503	2	4	10	5	0	5	320810	320130	200810
2328380	[NULL]	1	6	3	3	0	231702	231140	201702
2701626	2	1	6	1	0	1	511205	510760	201205
6003494	2	2	31	2	0	2	281005	280030	201005
2297795	[NULL]	2	42	4	4	0	331606	330580	201606
2589532	2	6	47	80	64	16	521107	520140	201107
2436949	2	1	3	4	4	0	520801	520915	200801
2282097	[NULL]	3	94	11	0	11	332008	330350	202008
6674585	[NULL]	1	3	6	0	6	351102	350950	201102
2117568	[NULL]	5	45	6	6	0	311611	312390	201611
3827836	2	2	33	14	14	0	411208	410690	201208
2515369	2	1	13	5	0	5	110809	110020	200809
2362821	1	1	14	1	1	0	250707	250400	200707
4004787	2	6	49	3	3	0	131506	130380	201506
2352516	[NULL]	1	15	5	0	5	262006	261160	202006
477	2	7	7	8	8	0	261006	261160	201006
2702843	[NULL]	1	3	3	3	0	262207	261570	202207
3405702	[NULL]	2	33	30	0	30	322004	320520	202004
2265060	2	1	15	23	23	0	431311	431490	201311
2397056	1	3	66	1	1	0	511401	510060	201401
7766777	[NULL]	1	11	2	0	2	532106	530010	202106
2560771	[NULL]	1	13	11	6	5	422103	420900	202103
9103147	[NULL]	7	73	17	0	17	352108	355030	202108
2442612	[NULL]	2	32	8	6	2	521909	520510	201909

O significado dos atributos e tabelas de disseminação das tabelas ST e LT encontra-se no dicionário de dados do CNES.

Código posgreSQL de criação da tabela mv_codufmun_competen_tp_unid:

CREATE MATERIALIZED VIEW cartesiano.mv_codufmun_competen_tp_unid
AS SELECT vcc.co_municipio_ibge,
    vcc.competen,
    tctu.co_tpunid
   FROM territoriais.vw_codufmun_competen vcc
     CROSS JOIN cnv.td_cnes_tp_unid tctu;

-- View indexes:
CREATE INDEX mv_codufmun_competen_tp_unid_co_municipio_ibge_idx 
ON cartesiano.mv_codufmun_competen_tp_unid USING btree 
(co_municipio_ibge, competen);

Método de processamento analítico

Código posgreSQL de criação da tabela mv_leitos_psiquiatricos:

CREATE MATERIALIZED VIEW pri.mv_leitos_psiquiatricos_mun
AS SELECT CURRENT_DATE AS dt_atualizacao,
    to_date(s.competen::text, 'YYYYMM'::text) AS dt_competen,
    s.codufmun AS co_municipio_ibge,
    s.tp_unid,
    sum(l.qt_sus) AS qt_leitos,
    true AS st_sus
   FROM cnes.st s
     JOIN cnes.lt l ON s.competen = l.competen AND s.cnes = l.cnes
  WHERE s.competen > 201412 
    AND l.codleito = 47 
    AND (s.tp_unid = ANY (ARRAY[5, 7]))
  GROUP BY (CURRENT_DATE), 
           (to_date(s.competen::text, 'YYYYMM'::text)), s.codufmun, s.tp_unid
UNION
 SELECT CURRENT_DATE AS dt_atualizacao,
    to_date(s.competen::text, 'YYYYMM'::text) AS dt_competen,
    s.codufmun AS co_municipio_ibge,
    s.tp_unid,
    sum(l.qt_nsus) AS qt_leitos,
    false AS st_sus
   FROM cnes.st s
     JOIN cnes.lt l ON s.competen = l.competen AND s.cnes = l.cnes
  WHERE s.competen > 201412 
    AND l.codleito = 47 
    AND (s.tp_unid = ANY (ARRAY[5, 7]))
  GROUP BY (CURRENT_DATE), 
           (to_date(s.competen::text, 'YYYYMM'::text)), 
           s.codufmun, 
           s.tp_unid;

Código posgreSQL de criação da tabela mv_leitos_psiquiatricos_mun_cartesiano:

CREATE MATERIALIZED VIEW pri.mv_leitos_psiquiatricos_mun_cartesiano
AS SELECT
        CASE
            WHEN cctu.co_tpunid = 5 THEN 6
            ELSE 7
        END AS indicador_id,
    cctu.co_municipio_ibge,
    cctu.competen,
    cctu.co_tpunid,
    COALESCE(lpm.qt_leitos, 0::bigint) AS qt_leitos,
    lpm.st_sus
   FROM cartesiano.mv_codufmun_competen_tp_unid cctu
     LEFT JOIN pri.mv_leitos_psiquiatricos_mun lpm 
       ON cctu.co_municipio_ibge = lpm.co_municipio_ibge 
      AND cctu.competen = lpm.dt_competen 
      AND cctu.co_tpunid = lpm.tp_unid
  WHERE cctu.co_tpunid = ANY (ARRAY[5, 7])
  ORDER BY cctu.co_municipio_ibge, cctu.competen;


CREATE INDEX mv_leitos_psiquiatricos_mun_cartesiano_co_municipio_ibge_idx 
    ON pri.mv_leitos_psiquiatricos_mun_cartesiano USING btree 
       (co_municipio_ibge, competen);

Amostra da tabela mv_leitos_psiquiatricos_mun_cartesiano.
indicador_id	co_municipio_ibge	competen	co_tpunid	qt_leitos	st_sus
6	432160	2022-01-01	5	1	true
6	420890	2018-10-01	5	1	true
6	431680	2020-11-01	5	2	false
6	211110	2020-06-01	5	4	true
6	430370	2021-03-01	5	10	true
7	355280	2020-07-01	7	108	false
6	431610	2020-05-01	5	32	true
6	521020	2017-11-01	5	4	true
6	510785	2018-02-01	5	4	true
6	150304	2020-01-01	5	1	true
7	250400	2021-09-01	7	143	true
6	420350	2018-11-01	5	1	false
6	432240	2020-02-01	5	10	true
6	230590	2018-07-01	5	1	true
7	352530	2020-07-01	7	20	false

Método de apresentação de dados

O indicador constitui painel analítico na plataforma do CIEGES, empregando-se a ferramenta Tableau.

Método de análise matemática e estatística

As consultas postgreSQL abaixo ilustra como foi realizada a extração das tabelas apresentadas na seção Dados Estatísticos e Comentários.

Média de leitos em doze meses:

 select 
       extract(year from competen) nu_ano,
       round(sum(case when left(co_municipio_ibge::text,1)::int=1 
                      THEN qt_leitos ELSE 0 END)::numeric/12
      ,1) "1 N",
       round(sum(case when left(co_municipio_ibge::text,1)::int=2
                      THEN qt_leitos ELSE 0 END)::numeric/12
      ,1) "2 NE",
       round(sum(case when left(co_municipio_ibge::text,1)::int=3
                      THEN qt_leitos ELSE 0 END)::numeric/12
      ,1) "3 SE",
       round(sum(case when left(co_municipio_ibge::text,1)::int=4
                      THEN qt_leitos ELSE 0 END)::numeric/12
      ,1) "4 S",
       round(sum(case when left(co_municipio_ibge::text,1)::int=5 
                      THEN qt_leitos ELSE 0 END)::numeric/12
      ,1) "5 CO",
      ROUND(SUM(qt_leitos)::numeric/12,1) "Brasil"
  from pri.mv_leitos_tipo_mun_cartesiano
 where extract(year from competen) between 2015 and 2021
   and co_tpleito in (3, 4, 5, 7)
 group by 1
 order by 1

Leitos por habitante:

select nu_ano,
       max(case when regiao = 1 then leitos_hab end) "1 N",
       max(case when regiao = 2 then leitos_hab end) "2 NE",
       max(case when regiao = 3 then leitos_hab end) "3 SE",
       max(case when regiao = 4 then leitos_hab end) "4 S",
       max(case when regiao = 5 then leitos_hab end) "5 CO",
       max(case when regiao = 0 then leitos_hab end) "Brasil"
from (       
select A.nu_ano,
       A.regiao,
       round((A.qt_leitos::numeric/12)) qt_leitos,
       B.qt_populacao,
       round((A.qt_leitos::numeric/12)/B.qt_populacao*1000,2) leitos_hab
from (
select extract(year from competen) nu_ano,
       left(A.co_municipio_ibge::text,1)::int regiao,
       sum(qt_leitos) qt_leitos
  from pri.mv_leitos_tipo_mun_cartesiano A
 where extract(year from competen) between 2015 and 2021
   and co_tpleito in (3, 4, 5, 7)
   group by 1,2
union
select extract(year from competen) nu_ano,
       0 regiao,
       round(sum(qt_leitos)::numeric) qt_leitos
  from pri.mv_leitos_tipo_mun_cartesiano A
 where extract(year from competen) between 2015 and 2021
   and co_tpleito in (3, 4, 5, 7)
   group by 1,2
) A
  left join 
  (select nu_ano,
          left(co_municipio_ibge::text,1)::int regiao,
          sum(qt_populacao) qt_populacao
     from bd_geral.tf_populacao_municipio_idade_sexo
     group by 1,2
    union
   select nu_ano,
          0 regiao,
          sum(qt_populacao) qt_populacao
     from bd_geral.tf_populacao_municipio_idade_sexo
     group by 1,2 
   ) B
    on A.regiao = B.regiao 
    and A.nu_ano = B.nu_ano 
   order by 1,2
) x
group by 1
order by 1

Método de descoberta de conhecimento em bancos de dados (KDD)

Não foram aplicados modelos de mineração de dados no presente indicador.

Base de dados

O acesso aos dados processados está em desenvolvimento.

Apêndice

Ver também

Nomenclatura

Ligações externas

Caderno Verde de indicadores básicos para a saúde no Brasil (IDB)
Fichas de Qualificação da RIPSA – 2012
Centro de Informações Estratégicas para a Gestão do SUS (Cieges)
[1](Dicionário de dados do CNES)

Rastreabilidade

atributo	valor
Identificador	6
Código RIPSA	E.3.1
Nome RIPSA	Nº de leitos psiquiátricos em hospitais gerais
URL RIPSA
tabela CIEGES	bd_pri.mv_leitos_psiquiatricos_mun_cartesiano

@@ Linha 1 219: / Linha 1 219: @@
 * [http://fichas.ripsa.org.br/2012/ Fichas de Qualificação da RIPSA – 2012]
 * [https://cieges.conass.org.br/ Centro de Informações Estratégicas para a Gestão do SUS (Cieges)]
+* [ftp://ftp.datasus.gov.br/dissemin/publicos/CNES/200508_/doc/IT_CNES_1706.pdf](Dicionário de dados do CNES)
 == Rastreabilidade ==

Leitos psiquiátricos em hospitais gerais por mil habitantes: mudanças entre as edições

Edição das 18h04min de 13 de janeiro de 2023

Índice

Introdução

Endereço eletrônico

Objetivo

Ficha do indicador para o sanitarista

Conceituação

Interpretação

Usos

Limitações

Fontes

Métodos de Cálculo

Categorias Sugeridas para Análise

Dados Estatísticos e Comentários

Literatura relacionada

Ficha do indicador para o cientista de dados

Método de processamento de dados

Método de processamento analítico

Método de apresentação de dados

Método de análise matemática e estatística

Método de descoberta de conhecimento em bancos de dados (KDD)

Base de dados

Apêndice

Ver também

Ligações externas

Rastreabilidade

Menu de navegação

Leitos psiquiátricos em hospitais gerais por mil habitantes: mudanças entre as edições

Edição das 18h04min de 13 de janeiro de 2023

Introdução

Endereço eletrônico

Objetivo

Ficha do indicador para o sanitarista

Conceituação

Interpretação

Usos

Limitações

Fontes

Métodos de Cálculo

Categorias Sugeridas para Análise

Dados Estatísticos e Comentários

Literatura relacionada

Ficha do indicador para o cientista de dados

Método de processamento de dados

Método de processamento analítico

Método de apresentação de dados

Método de análise matemática e estatística

Método de descoberta de conhecimento em bancos de dados (KDD)

Base de dados

Apêndice

Ver também

Ligações externas

Rastreabilidade

Menu de navegação

Pesquisa