Leitos hospitalares por mil habitantes (versão preliminar)

Introdução

A nota técnica de indicador descreve o trabalho de processamento e apresentação de dados de Leitos hospitalares por habitante 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_hospitalares_por_habitante.

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

tabnet - CNES - RECURSOS FÍSICOS - HOSPITALAR - LEITOS DE INTERNAÇÃO - BRASIL http://tabnet.datasus.gov.br/cgi/tabcgi.exe?cnes/cnv/leiintbr.def Quantidade existente por Região segundo Ano/mês compet. Período: 2015-2022 A partir da competência de Janeiro 2010 os dados referentes a leitos Complementares foram retirados da consulta referente a leitos de Internação, passando a constituir uma consulta específica conforme descrito na Nota Técnica. Fonte: Ministério da Saúde - Cadastro Nacional dos Estabelecimentos de Saúde do Brasil - CNES Nota: A partir do processamento de junho de 2012, houve mudança na classificação da natureza e esfera dos estabelecimentos. Com isso, temos que: Até maio de 2012 estas informações estão disponíveis como "Natureza" e "Esfera Administrativa". De junho de 2012 a outubro de 2015, estão disponíveis tanto como "Natureza" e "Esfera Administrativa", como "Natureza Jurídica" e "Esfera Jurídica". A partir de novembro de 2015, estão disponíveis como "Natureza Jurídica" e "Esfera Jurídica".
Ano/mês compet.	1 Região Norte	2 Região Nordeste	3 Região Sudeste	4 Região Sul	5 Região Centro-Oeste	Total
2015/Jan	31.651	114.163	186.581	74.821	36.552	443.768
2015/Fev	31.476	114.236	185.786	74.934	36.535	442.967
2015/Mar	31.624	114.061	186.278	74.844	36.627	443.434
2015/Abr	31.658	114.043	186.459	74.786	36.877	443.823
2015/Mai	31.688	113.590	186.263	74.574	37.005	443.120
2015/Jun	31.639	113.884	186.014	74.689	37.037	443.263
2015/Jul	31.681	114.063	185.850	74.959	36.704	443.257
2015/Ago	31.608	113.903	185.821	74.841	36.713	442.886
2015/Set	31.568	114.083	185.771	74.849	36.756	443.027
2015/Out	31.569	114.248	184.832	74.425	36.690	441.764
2015/Nov	31.588	114.363	184.783	74.610	36.754	442.098
2015/Dez	31.518	114.610	184.640	74.365	36.668	441.801
2016/Jan	31.551	114.727	183.979	74.257	36.762	441.276
2016/Fev	31.690	114.910	183.803	74.190	36.809	441.402
2016/Mar	31.412	114.372	181.374	73.922	36.716	437.796
2016/Abr	31.436	114.283	181.876	74.064	36.750	438.409
2016/Mai	31.456	114.185	181.948	73.769	36.617	437.975
2016/Jun	31.440	114.163	181.672	74.034	36.314	437.623
2016/Jul	31.395	114.290	182.546	74.041	36.500	438.772
2016/Ago	31.379	114.678	181.283	74.125	36.590	438.055
2016/Set	31.667	114.542	181.125	74.106	36.524	437.964
2016/Out	31.828	114.705	181.607	74.103	36.519	438.762
2016/Nov	31.951	114.780	182.077	73.956	36.708	439.472
2016/Dez	31.545	114.733	181.220	73.706	36.745	437.949
2017/Jan	31.588	115.212	181.272	73.774	36.844	438.690
2017/Fev	31.535	115.302	181.605	73.966	36.949	439.357
2017/Mar	31.573	115.321	181.826	73.982	36.787	439.489
2017/Abr	31.597	115.365	181.747	73.931	36.958	439.598
2017/Mai	31.567	115.282	181.240	73.699	36.753	438.541
2017/Jun	31.508	115.435	181.406	73.588	36.849	438.786
2017/Jul	31.650	115.396	181.148	73.492	37.132	438.818
2017/Ago	31.688	115.509	180.759	73.714	37.316	438.986
2017/Set	31.841	115.419	180.240	73.648	37.372	438.520
2017/Out	31.569	115.236	179.906	73.763	37.169	437.643
2017/Nov	31.605	115.519	179.484	73.528	37.066	437.202
2017/Dez	31.272	116.234	178.993	73.417	36.896	436.812
2018/Jan	31.645	115.973	179.427	73.507	37.013	437.565
2018/Fev	31.525	116.121	179.941	73.444	37.203	438.234
2018/Mar	31.587	115.754	180.068	73.355	37.241	438.005
2018/Abr	31.807	115.133	180.026	72.730	37.128	436.824
2018/Mai	31.872	115.658	179.530	72.921	37.374	437.355
2018/Jun	31.941	115.806	179.076	72.892	37.536	437.251
2018/Jul	32.013	115.904	179.701	72.883	37.742	438.243
2018/Ago	31.975	115.704	179.549	73.002	37.299	437.529
2018/Set	31.834	115.530	179.788	72.903	37.280	437.335
2018/Out	31.453	114.235	176.671	72.868	37.054	432.281
2018/Nov	31.477	113.943	176.931	72.965	36.770	432.086
2018/Dez	31.591	114.105	176.947	73.193	36.952	432.788
2019/Jan	31.522	114.084	177.421	73.185	37.011	433.223
2019/Fev	31.572	114.203	177.674	73.247	36.990	433.686
2019/Mar	31.683	114.167	177.514	73.330	37.277	433.971
2019/Abr	31.618	114.165	177.891	73.214	37.617	434.505
2019/Mai	31.687	114.204	177.660	73.232	37.562	434.345
2019/Jun	31.472	113.718	178.027	73.040	37.313	433.570
2019/Jul	30.892	113.848	177.586	72.882	37.595	432.803
2019/Ago	30.926	113.920	177.373	72.741	37.197	432.157
2019/Set	31.062	114.098	177.472	72.930	37.243	432.805
2019/Out	30.989	114.445	176.736	72.874	37.355	432.399
2019/Nov	31.040	114.495	176.248	72.879	37.266	431.928
2019/Dez	30.892	114.507	175.500	72.876	36.827	430.602
2020/Jan	30.375	114.102	171.834	72.786	37.009	426.106
2020/Fev	30.357	114.215	171.967	72.947	36.902	426.388
2020/Mar	30.820	115.906	176.006	73.562	37.280	433.574
2020/Abr	32.056	119.071	179.257	74.067	37.360	441.811
2020/Mai	32.458	121.061	181.114	73.961	37.909	446.503
2020/Jun	32.659	121.590	182.632	73.794	38.248	448.923
2020/Jul	33.011	122.283	183.033	73.792	38.480	450.599
2020/Ago	33.279	122.092	182.383	73.653	38.534	449.941
2020/Set	33.194	122.058	182.374	73.703	38.655	449.984
2020/Out	33.054	122.025	181.366	73.383	38.745	448.573
2020/Nov	32.888	121.638	180.603	73.254	38.577	446.960
2020/Dez	32.957	121.701	180.905	73.197	39.044	447.804
2021/Jan	33.133	121.833	180.203	73.124	39.066	447.359
2021/Fev	33.262	122.016	180.273	73.021	38.938	447.510
2021/Mar	33.503	122.485	181.202	73.410	39.120	449.720
2021/Abr	33.474	122.793	181.313	73.309	39.115	450.004
2021/Mai	33.099	122.391	182.072	73.272	39.010	449.844
2021/Jun	33.088	122.408	181.757	72.483	39.122	448.858
2021/Jul	33.037	122.279	182.141	72.440	39.385	449.282
2021/Ago	33.230	122.588	181.863	72.339	39.532	449.552
2021/Set	33.331	122.526	181.406	72.509	39.670	449.442
2021/Out	33.331	122.424	180.632	72.167	39.754	448.308
2021/Nov	33.128	122.330	180.511	71.813	39.885	447.667
2021/Dez	32.948	122.417	180.521	71.733	40.018	447.637
2022/Jan	33.031	122.336	181.999	71.835	40.213	449.414
2022/Fev	32.999	122.451	182.057	71.767	40.102	449.376
2022/Mar	33.101	122.353	181.988	71.696	40.189	449.327
2022/Abr	33.193	122.762	181.246	71.680	40.249	449.130
2022/Mai	33.081	122.759	181.057	71.623	40.169	448.689
2022/Jun	33.128	122.483	181.185	71.976	39.820	448.592
2022/Jul	33.107	122.196	181.046	72.060	39.908	448.317
2022/Ago	33.112	122.116	180.925	72.014	40.106	448.273
2022/Set	33.202	122.240	180.550	72.152	40.051	448.195
2022/Out	33.049	122.602	180.328	72.181	40.089	448.249
2022/Nov	33.116	122.562	180.630	72.210	40.035	448.553
2022/Dez	33.056	122.718	180.753	72.062	40.096	448.685

POPULAÇÃO RESIDENTE - ESTUDO DE ESTIMATIVAS POPULACIONAIS POR MUNICÍPIO, IDADE E SEXO 2000-2021 - BRASIL http://tabnet.datasus.gov.br/cgi/tabcgi.exe?ibge/cnv/popsvsbr.def População residente por Região segundo Ano Período: 2015-2021 Fonte: 2000 a 2021 – Estimativas preliminares elaboradas pelo Ministério da Saúde/SVS/DASNT/CGIAE
Ano	1 Região Norte	2 Região Nordeste	3 Região Sudeste	4 Região Sul	5 Região Centro-Oeste	Total
2015	17.458.469	55.828.194	85.679.246	29.067.145	15.442.629	203.475.683
2016	17.691.399	56.138.510	86.367.683	29.300.208	15.658.787	205.156.587
2017	17.929.800	56.442.149	87.035.037	29.526.869	15.870.886	206.804.741
2018	18.182.253	56.760.780	87.711.946	29.754.036	16.085.885	208.494.900
2019	18.430.980	57.071.654	88.371.433	29.975.984	16.297.074	210.147.125
2020	18.672.591	57.374.243	89.012.240	30.192.315	16.504.303	211.755.692
2021	18.906.962	57.667.842	89.632.912	30.402.587	16.707.336	213.317.639

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

Código posgreSQL de criação da tabela mv_codufmun_competen_tp_leito:

CREATE MATERIALIZED VIEW cartesiano.mv_codufmun_competen_tp_leito
AS SELECT vcc.co_municipio_ibge,
    vcc.competen,
    tctl.co_tpleito
   FROM territoriais.vw_codufmun_competen vcc
     CROSS JOIN cnv.td_cnes_tp_leito tctl;

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

Amostra da tabela mv_codufmun_competen_tp_leito

co_municipio_ibge	competen	co_tpleito
410180	2020-04-01	2
410290	2016-10-01	5
211240	2021-05-01	5
412000	2018-08-01	5
421250	2020-08-01	6
510622	2022-07-01	2
411330	2021-12-01	5
411580	2020-11-01	7
172049	2021-07-01	6
210005	2022-10-01	6
250790	2021-04-01	5
230200	2019-04-01	2
261540	2016-03-01	1
150720	2016-06-01	1
412120	2020-07-01	2

Amostra da vw_codufmun_competen

co_municipio_ibge	competen
312510	2022-08-01
251020	2016-02-01
220620	2021-06-01
431290	2019-01-01
412640	2020-03-01
140002	2019-01-01
316695	2016-09-01
310390	2015-05-01
251360	2021-06-01
314180	2018-09-01
292370	2015-05-01
320455	2018-10-01
241030	2015-11-01
352330	2015-03-01
211050	2019-06-01

Tipo de leito mantido na td_cnes_tp_leito

co_tpleito	ds_tpleito
1	Cirúrgico
2	Clínico
3	Complementar
4	Obstétrico
5	Pediátrico
6	Outras Especialidades
7	Hospital Dia

Código posgreSQL de criação da tabela mv_leitos_tipo_mun_cartesiano:

CREATE MATERIALIZED VIEW pri.mv_leitos_tipo_mun_cartesiano
AS SELECT cctu.co_municipio_ibge,
    cctu.competen,
    lpm.dt_atualizacao,
    cctu.co_tpleito,
        CASE cctu.co_tpleito
            WHEN 1 THEN 19
            WHEN 2 THEN 20
            WHEN 4 THEN 21
            WHEN 5 THEN 22
            ELSE NULL::integer
        END AS indicador_id,
    COALESCE(lpm.qt_leito, 0::bigint::numeric) AS qt_leitos,
    lpm.st_sus
   FROM cartesiano.mv_codufmun_competen_tp_leito cctu
     LEFT JOIN pri.mv_leitos_tipo_mun lpm 
       ON cctu.co_municipio_ibge = lpm.co_municipio_ibge 
      AND cctu.competen = lpm.dt_competen 
      AND cctu.co_tpleito = lpm.co_tpleito
  WHERE cctu.co_tpleito = ANY (ARRAY[1, 2, 4, 5])
  ORDER BY cctu.co_municipio_ibge, cctu.competen;

Amostra da tabela mv_leitos_tipo_mun_cartesiano

co_municipio_ibge	competen	dt_atualizacao	co_tpleito	indicador_id	qt_leitos	st_sus
354970	2018-01-01	2022-12-09	5	22	6	false
210440	2016-02-01	2022-12-09	4	21	0	false
251370	2021-07-01	2022-12-09	1	19	5	false
521839	2015-07-01	[NULL]	2	20	0	[NULL]
210390	2016-07-01	2022-12-09	4	21	0	false
313420	2021-05-01	2022-12-09	5	22	8	false
250570	2019-07-01	2022-12-09	1	19	2	true
210980	2018-06-01	2022-12-09	1	19	0	false
312610	2018-07-01	2022-12-09	5	22	12	true
522200	2022-02-01	2022-12-09	4	21	5	true
421660	2019-12-01	2022-12-09	2	20	37	false
411930	2017-05-01	2022-12-09	5	22	1	false
421190	2019-11-01	2022-12-09	4	21	4	false
510523	2021-02-01	[NULL]	5	22	0	[NULL]
312120	2021-09-01	2022-12-09	2	20	5	false

Método de processamento analítico

Código posgreSQL de criação da tabela mv_e_3_cartesiano:

CREATE MATERIALIZED VIEW pri.mv_e_3_cartesiano
AS SELECT 8 AS indicador_id,
    x.co_municipio_ibge,
    date_part('year'::text, x.competen) AS nu_ano,
    x.st_sus,
    sum(x.qt_leitos) / 12::numeric AS vl_media_leitos
   FROM pri.mv_leitos_tipo_mun_cartesiano x
  WHERE x.co_tpleito <> ALL (ARRAY[3, 4, 5, 7])
  GROUP BY 8::integer, x.co_municipio_ibge, (date_part('year'::text, x.competen)), x.st_sus;

Amostra da tabela mv_e_3_cartesiano

indicador_id	co_municipio_ibge	nu_ano	st_sus	vl_media_leitos
8	251040	2.022	true	0,8333333333
8	521220	2.022	[NULL]	0
8	290290	2.019	true	20
8	521280	2.017	false	14,25
8	270010	2.015	true	17
8	315230	2.015	[NULL]	0
8	241340	2.022	[NULL]	0
8	251250	2.022	false	0
8	211027	2.017	true	8
8	311400	2.015	[NULL]	0
8	352460	2.017	[NULL]	0
8	220010	2.022	[NULL]	0
8	411080	2.018	false	0
8	150750	2.016	true	10
8	293040	2.019	false	0
8	170510	2.020	[NULL]	0
8	430265	2.017	true	14
8	410220	2.019	[NULL]	0
8	240130	2.021	[NULL]	0
8	431710	2.022	[NULL]	0

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)

Rastreabilidade

atributo	valor
Identificador	8
Código RIPSA	E.3
Nome RIPSA	Número de leitos hospitalares por habitante – CNES/MS - E.3 - 2012
URL RIPSA	http://fichas.ripsa.org.br/2012/e-3/?l=pt_BR
tabela CIEGES	bd_pri.mv_e_3_cartesiano