Leitos hospitalares por mil habitantes (versão preliminar): mudanças entre as edições

De Wiki
Ir para navegação Ir para pesquisar
Linha 52: Linha 52:
== Dados Estatísticos e Comentários ==
== Dados Estatísticos e Comentários ==


{| class="wikitable"
| colspan="8" |'''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
|}
{| class="wikitable"
| colspan="8" |'''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
|}
{| class="wikitable sortable mw-collapsible" style="text-align:right;"
{| class="wikitable sortable mw-collapsible" style="text-align:right;"
|+Número médio de leitos hospitalares por região do Brasil
|+Número médio de leitos hospitalares por região do Brasil

Edição das 18h01min de 17 de janeiro de 2023

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

Ligações externas

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
Disponível em “https://wiki.conass.org.br/index.php?title=Leitos_hospitalares_por_mil_habitantes_(versão_preliminar)&oldid=437”