Onco-360: Uma Visão Integral da Oncologia na Saúde Pública do Brasil

Quando comecei a estudar os dados de saúde pública brasileira, percebi que as informações sobre oncologia estavam espalhadas em pelo menos cinco sistemas diferentes do governo, com formatos incompatíveis e sem nenhuma ponte entre eles. Foi daí que nasceu o Onco-360.

Um Data Hub desenvolvido para centralizar e facilitar a análise do cenário oncológico brasileiro no âmbito da Saúde Pública.

O Onco-360 reúne mortalidade por câncer, rede assistencial habilitada em oncologia (com sinalizador adulto/pediátrico, endereço, geolocalização e leitos reais), procedimentos realizados no SUS, diagnóstico e rastreamento autorreferidos pela população, repasses públicos federais por instituição, e o perfil de incidência e atendimento hospitalar consolidado pelo INCA - agregando informações de múltiplas fontes oficiais do Brasil (DATASUS, IBGE, INCA, Controladoria-Geral da União), cuidadosamente curadas, padronizadas e documentadas.

O dataset completo está disponível no Kaggle: kaggle.com/datasets/rafatrindade/onco-360.

O código-fonte completo do pipeline está disponível em github.com/rafa-trindade/onco-360-foundation, incluindo um notebook de exemplo demonstrando como cruzar as bases (rede assistencial, repasses e mortalidade, por UF).

🎯 Objetivos e Aplicações

O principal objetivo deste conjunto de dados é:

• Democratizar o acesso aos dados de saúde pública oncológica, frequentemente dispersos em sistemas governamentais.
• Servir como uma base de dados unificada para análise e planejamento de políticas de saúde.
• Permitir estudos sobre a distribuição geográfica, tendências temporais e o impacto socioeconômico do câncer na população brasileira.

O objetivo de longo prazo é consolidar estudos derivados deste hub em github.com/rafa-trindade/oncoped-360 - um repositório de pesquisa dedicado especificamente ao câncer infanto-juvenil, ainda em estruturação, apoiado nos recortes pediátricos já sinalizados aqui (habilitações pediátricas do CNES, faixas etárias da PNS, incidência infanto-juvenil do INCA).

🔄 Cada fonte tem sua própria cadência de atualização - o Portal da Transparência (convênios) é atualizado semanalmente, e é a fonte mais frequentemente republicada; SIM, Painel de Oncologia e CNES são sincronizados automaticamente sempre que o DATASUS publica algo novo; PNS e INCA são bases estáticas por edição/snapshot. Detalhes completos no README do pipeline.

☁️ Datasets Disponíveis

• raw_cnes_oncologia_instituicoes.parquet – estabelecimentos de saúde com habilitação em Alta Complexidade em Oncologia (CNES): identificação, CNPJ (próprio e da mantenedora), endereço, geolocalização, telefone, sinalizador adulto/pediátrico, habilitações, leitos reais e classificação administrativa. (retrato do mês mais recente disponível)
• raw_convenios_cancer.parquet – convênios federais (Portal da Transparência) com objeto relacionado a câncer/oncologia, já cruzados com a instituição beneficiária. (acumulado desde 1996, atualizado semanalmente)
• raw_sim_obitos_cancer_cid9.parquet – óbitos por câncer (neoplasia maligna), 1979-1995.
• raw_sim_obitos_cancer_cid10.parquet – óbitos por câncer (neoplasia maligna), 1996-atual. (atualização contínua)
• raw_sim_obitos_cancer_prelim.parquet – óbitos por câncer do ano corrente, ainda não consolidados pelo DATASUS.
• raw_sim_obitos_cancer_resumo_anual.csv – resumo ano a ano da série histórica de mortalidade por câncer, unificado entre as três eras do SIM.
• raw_painel_de_oncologia.parquet – procedimentos de diagnóstico e tratamento oncológico realizados no SUS, desde 2013. (atualização contínua)
• raw_pns_2013_diagnostico_cancer.parquet / raw_pns_2019_diagnostico_cancer.parquet – diagnóstico autorreferido de câncer (PNS/IBGE), edições 2013 e 2019.
• raw_pns_2013_rastreamento_colo_utero.parquet / raw_pns_2019_rastreamento_colo_utero.parquet – rastreamento preventivo de câncer de colo do útero (PNS/IBGE), edições 2013 e 2019.
• raw_inca_cancer_populacional.parquet – estimativas de incidência de câncer por população (RCBP/INCA). (snapshot estático)
• raw_inca_registro_hospitalar.parquet – perfil de atendimento hospitalar de pacientes com câncer (RHC/INCA). (snapshot estático)
• raw_macroregiao_de_saude.parquet – municípios brasileiros associados às suas macrorregiões de saúde, regiões de saúde, UF e coordenadas geográficas.
• raw_onco360_metadados.csv – metadados gerados automaticamente pelo pipeline: fonte, descrição, tipo de atualização e contagem de registros de cada base.

Todos esses arquivos estão disponíveis para download no Kaggle: kaggle.com/datasets/rafatrindade/onco-360.

📄 Licença e Créditos

Este dataset consolidado é disponibilizado sob licença CC0 1.0 (domínio público) - referente ao trabalho de curadoria e harmonização. Os dados originais permanecem de titularidade das instituições de origem (DATASUS, IBGE, INCA, CGU), que devem ser citadas ao utilizar cada fonte individualmente - detalhes completos no README do pipeline.

💡 Se você se interessa por analytics e data engineering voltados à saúde pública, acesse o dataset no Kaggle e deixe seu upvote para apoiar o projeto: kaggle.com/datasets/rafatrindade/onco-360!