Analisando dados do SUS com SQL 💻📊

Depois de um tempo com saudade, decidi voltar a brincar com o fascinante mundo do SQL, utilizando dados da organização Base dos Dados, que disponibiliza publicamente muitos dados valiosos.

Desta vez, analisei dados do SUS (Sistema Único de Saúde) de 2008 a 2023 usando SQL na BigQuery + Looker.

Aqui estão algumas queries que utilizei para diferentes tipos de análise:

1. Contagem de Procedimentos por Ano 📅

Para entender a quantidade de procedimentos realizados a cada ano, utilizei a seguinte query:

SELECT
  ano,
  COUNT(*) AS quantidade_procedimentos
FROM
  `basedosdados.br_ms_sih.servicos_profissionais`
GROUP BY
  ano
ORDER BY
  ano;

Essa consulta agrupa os dados por ano e conta o número total de procedimentos realizados em cada ano, ordenando-os de forma crescente.

2. Quantidade de Procedimentos por UF 📍

Para analisar a distribuição dos procedimentos por unidade federativa (UF), utilizei:

SELECT
  sigla_uf,
  COUNT(*) AS quantidade_procedimentos
FROM
  `basedosdados.br_ms_sih.servicos_profissionais`
GROUP BY
  sigla_uf
ORDER BY
  quantidade_procedimentos DESC;

Essa consulta agrupa os dados pelas siglas das UFs e conta o número total de procedimentos em cada UF, ordenando-os em ordem decrescente de quantidade.

3. Valor Total dos Atos Profissionais por Ano 💰

Para calcular o valor total dos atos profissionais realizados a cada ano, utilizei a seguinte query:

SELECT
  ano,
  SUM(valor_ato_profissional) AS valor_total
FROM
  `basedosdados.br_ms_sih.servicos_profissionais`
GROUP BY
  ano
ORDER BY
  ano;

Essa consulta soma o valor dos atos profissionais realizados em cada ano, agrupando os dados por ano e ordenando-os de forma crescente.

Conclusão 🏁

Essas consultas simples de SQL permitiram uma análise rápida dos dados do SUS que já revelam padrões e tendências importantes ao longo dos anos. 📈

Espero que você tenha achado interessante! Se tiver alguma dúvida ou sugestão, fique à vontade para deixar um comentário.

https://lookerstudio.google.com/reporting/50b7ad25-573d-47b4-8247-90ba68621892

#SQL #DataAnalysis #PublicHealth #SUS #DataVisualization #Healthcare #DataScience #Analytics #Brasil