Projeto de um Data Warehouse para a Saúde Pública

Ricardo S. Santos1, Marco Antônio Gutierrez2, Sergio Furuie2, Umberto Tachinardi3

1
Departamento de Informática em Saúde (DIS)
Universidade Federal de São Paulo (UNIFESP), Brasil
2
Serviço de Informática, Instituto do Coração (INCOR)
Universidade de São Paulo (USP), Brasil
3
Secretaria de Estado da Saúde de São Paulo

Resumo – As técnicas de Data Warehouse para produzir informações estratégicas destinadas à tomada de
decisão têm despertado o interesse de organizações desde os anos 90. A área da saúde, sobretudo o segmento
da saúde pública, começa adotar esta tecnologia para obter uma maior eficiência no gerenciamento da saúde. O
objetivo deste trabalho é apresentar um projeto de Data Warehouse para a gestão da saúde pública. O Data
Warehouse proposto pretende suprir a Secretaria de Estado de Saúde de São Paulo com informação gerencial
obtida através da integração dos dados provenientes de diversas fontes isoladas. Este artigo detalha a
metodologia e a estratégia adotadas para o projeto, as ferramentas utilizadas, os desafios encontrados e as
soluções estabelecidas. A conclusão do trabalho mostra que os resultados obtidos, até o estágio atual, superam
as expectativas iniciais e encorajam a ampliação do projeto. A experiência obtida com a implementação do data
warehouse apresentada neste trabalho, pode contribuir, significativamente, em projetos similares na área da
saúde.

Palavras-chave: Data Warehouse, Gestão da Saúde, OLAP, Banco de Dados, Informática Médica.

Abstract – The Data Warehouse techniques for powered strategic decision-making information are dominating
the companies attention since the 1990s. The healthcare organizations, including the public healthcare
organizations, are adopting this technology to achieve the better efficiency in the health management. The
objective of this work is to present a Data Warehouse project for the management of the public health. The Data
Warehouse will supply the Health Secretary of São Paulo with strategic information through the integration from
several isolated data sources. This Paper details the methodology and strategy adopted for the project, the used
tools, the challenges and the solutions. The conclusion show the success in the implementation of the first part of
project and stimulate the continuity of the project. The experience obtained with the implementation of the data
warehouse showed by this work, can be used to similar projects in the health care organizations.

Key-words: Data Warehouse, Health Management, OLAP, Databases, Medical Informatics.

1. Introdução Muitas iniciativas de sucesso, como o DW

A produção de informações estratégicas para
tomadas de decisão, através das técnicas de data
warehouse (DW), tem despertado o interesse de
organizações desde os anos 90 [1]. Os benefícios
obtidos com a utilização desta tecnologia são
muitos. Entre eles destacam-se: - agilidade na
tomada de decisão, melhor gerenciamento dos
recursos, descoberta de novas oportunidades de
negócio, etc.
A área da saúde, sobretudo a da saúde
pública, também busca, através de soluções DW,
maior eficácia dos programas de saúde pública.
desenvolvido pela Universidade do Sul da Flórida
para gerenciamento da saúde comunitária [2] e
ferramentas para gerenciamento de doenças que
identificam e incluem cidadãos com potencial para
determinadas doenças em programas preventivos
[3], incentivam a adoção desta tecnologia como um
facilitador para o aumento de qualidade da saúde
pública.
O objetivo deste trabalho é apresentar um
projeto de implementação de um DW destinado à
gestão da saúde pública. O DW pretende suprir a
Secretaria de Estado de Saúde de São Paulo (SES-
SP) com informação gerencial obtida através da

1
integração de dados provenientes de diversas
fontes isoladas.
O projeto será apresentado detalhadamente,
mostrando o contexto e o escopo, a metodologia e
estratégia adotada, as ferramentas utilizadas, e as
soluções adotadas para os principais desafios.
2. Definições
Para melhor compreensão do projeto
apresentado neste trabalho, é necessário conhecer
a arquitetura de uma solução DW, que está
representada pela figura 1.
Shams [1] define DW como uma plataforma
que contém todos os dados da organização,
centralizados e organizados de forma que usuários,
de maneira muito simples, possam extrair relatórios
analíticos complexos, contendo informações
gerenciais para apoio à decisão.
Pode-se observar, pela arquitetura, que os
dados contidos no DW são provenientes dos
sistemas operacionais. São considerados sistemas
operacionais ou OLTP (On line Transaction
Processing), os sistemas que registram os detalhes
das transações ocorridas na organização [4].
A extração dos dados operacionais e a sua
inclusão no DW, são denominados processo de
carga, e correspondem a uma das mais árduas
tarefas do projeto. Neste processo, são realizados
procedimentos de limpeza, integração
transformação dos dados. Isto é necessário para
que eles sejam inseridos no DW em um formato
adequado à produção de informação gerencial [5].
Os procedimentos do processo de carga podem ser
implementados por programas desenvolvidos em
alguma linguagem de programação, ou, podem ser
utilizadas ferramentas disponíveis no mercado
destinadas a esta finalidade. São denominadas
ferramentas ETL (Extracting, Transforming and
Loading).
Após a carga, os dados contidos no DW
estão num modelo propício para a produção de
informação gerencial. Este modelo é denominado
Modelo Dimensional. Segundo Kimball [6], este
modelo corresponde a uma maneira intuitiva de
organizar os dados permitindo um acesso rápido. O
modelo consiste em uma tabela central,
denominada tabela fato, e num conjunto de tabelas
periféricas ligadas à tabela fato, denominadas
tabela dimensão.
Finalmente é necessário disponibilizar ao
usuário, em forma de informação gerencial, os
dados contidos no DW. O principal meio para obtê-
los ocorre através de ferramentas OLAP (On Line
Analytical Processing), que são apropriadas para
trabalharem com o modelo dimensional. Estas
ferramentas permitem ao usuário elaborar análises
sofisticadas através de diferentes e complexas
visões [5].
Para auxiliar os processos envolvidos em uma
solução DW, existe um amplo dicionário de dados
denominado metadados. Segundo Berson [5],
metadados são dados utilizados para descreverem
os dados contidos no DW, além de descreverem,
também, informações técnicas necessárias à
administração do DW. As descrições contidas no
metadados facilitam a elaboração de consultas e
relatórios pelo usuário final.
D a d o s O p e r a c i o n a is
BD1 BD2 BD3
P ro c e s s o d e C a rg a
( F e r r a m e n ta s E T L )
DW M e ta d a d o s
e
Acesso aos Dados
( F e r r a m e n ta s O L A P )
C o n s u lt a s /R e la t ó r io s G e r e n c ia is
Figura 1 – Arquitetura de uma solução DW.
3. O contexto do projeto
Além de uma visão geral sobre a arquitetura
de um DW, também é necessária uma noção sobre
as instituições relacionadas ao projeto: A Secretaria
da Saúde do Estado de São Paulo, como cliente das
informações e o DATASUS, como provedor dos
dados. As informações aqui apresentadas foram
extraídas dos sites institucionais das respectivas
instituições [7],[8].
A Secretaria de Estado da Saúde de São
Paulo (SES-SP), é o gestor estadual do SUS -
Sistema Único de Saúde. Está constituída por 6
coordenadorias e 24 diretorias regionais. Além
destas, integram a estrutura organizacional da SES-
2
SP, Fundações, Autarquias, Conselhos e As fontes de dados, representadas na figura
Assessorias. Uma das metas da SES-SP é a 2, correspondem às bases de dados provenientes
construção de uma rede estadual de informações, dos sistemas do DATASUS, além de planilhas e
cujo objetivo é garantir acesso à informação a todos documentos internos. Cada base de dados do
os gestores do SUS e a cidadãos comuns. DATASUS corresponde a um conjunto de sistemas
O Departamento de Informática do SUS que foram agrupados na fase do estudo inicial.
(DATASUS) é o órgão responsável por “coletar, As informações produzidas devem atender
processar e disseminar informações sobre saúde". três tipos diferentes de usuários: Os gestores
O DATASUS possui vários sistemas, cujos dados municipais, os diretores regionais e os
serão utilizados como fonte para o DW, entre eles coordenadores.
destacam-se: O sistema de Informações
4.1. Metodologia de Desenvolvimento
Ambulatoriais (SIA); Informações Hospitalares
(SIH); Estatísticas Vitais (IEV); Informações Existem várias abordagens metodológicas
Epdemiológicas (IEP); Prestadoras de Serviços para o desenvolvimento de um DW. Inmon [9],
(PS) e materiais médicos (MAT). estabelece uma metodologia que pode ser resumida
de acordo com a tabela 1.
4. O projeto
Etapa Descrição
O objetivo primordial é suprir a SES-SP e os 1- Análise do Modelo de Dados Elaborar o modelo de dados
gestores municipais de informações estratégicas para o DW.
2- Dimensionamento Estimar o volume de dados que
referentes à “saúde” no estado de São Paulo. O o DW vai conter.
objetivo do projeto é a definição e implementação 3- Avaliação Técnica Definição das configurações
de um DW para centralizar, integrar e disponibilizar técnicas para o DW
as informações provenientes dos sistemas do 4- Preparação do Ambiente Identificar tecnicamente como
DATASUS. Técnico a configuração definida será
acomodada.
Após um estudo inicial foi possível limitar um 5- Análise das áreas de Seleção da área de negócio
escopo para o projeto (figura 2). Interesse para ser povoada.
6- Projeto do Data Warehouse Elaborar o projeto físico de
DATASUS banco de dados para o DW.
7- Análise do Sistema Fonte Identificar, nos sistemas
existentes, a fonte de dados
SIA SIH IEV IEP PS MAT para o DW, e efetuar um
mapeamento entre eles.
8- Especificações Definir, em especificações de
programas, as rotinas para
carga dos dados.
XLS WEB 9- Programação Codificação das especificações
DOC
Carga
para as rotinas de carga
10-Povoamento Execução das rotinas de carga
do DW

Tabela 1. Metodologia para desenvolvimento de um

DW DW (Inmon).
SESSP
Considerando as particularidades do nosso
projeto, definimos uma metodologia específica,
baseada na proposta por Inmon, porém, com a
Front-End
alteração de algumas etapas. A principal diferença é
que Inmon sugere definir inicialmente o modelo do
DW e depois estudar os sistemas fontes. Em nosso
projeto iniciamos pelo estudo dos sistemas fontes
Coordena Diretorias Gestores para posteriormente definir o modelo do DW. Esta
-dorias Regionais Município decisão é fundamentada no fato dos sistemas fontes
pertencerem a outra instituição (DATASUS),
portanto, o nosso modelo deve ser projetado em
função dos dados disponibilizados por estes
Figura 2. Escopo global do projeto. sistemas. A tabela 2 mostra a metodologia adotada
para o projeto.

3
Etapa da metodologia Equivalente Inmon Conseqüentemente, na fase de modelagem
1- Estudo dos sistemas existentes Etapa 7 de dados são criados dois modelos: O modelo
(sistemas fontes) relacional, representado pelo DER (Diagrama de
2- Modelagem dos Dados Etapa 1
Entidade e Relacionamento) e o modelo
3- Análise do volume de dados Etapa 2
3- Definição das regras para carga Etapa 8
dimensional, representado pelo Esquema Estrela. A
4- Definição da arquitetura do DW Etapa 6 figura 4 mostra uma parte do modelo dimensional do
5- Análise do Ambiente Etapa 3 projeto, referente aos atendimentos ambulatoriais.
Operacional Ainda, nas definições estratégicas, deve-se
6- Implementação do Ambiente Etapa 4 escolher as ferramentas para o desenvolvimento do
Operacional
7- Implementação das rotinas de Etapa 9
projeto. O processo de escolha abrange vários
carga aspectos, entre eles: robustez para suportar o
8- Execução da Carga Etapa 10 volume de dados; existência de casos de sucesso
9- Desenvolvimento dos relatórios implementados na ferramenta e um custo acessível.
Considerando estes aspectos, foi adotado um
Tabela 2. Metodologia adotada para o projeto. conjunto de ferramentas Oracle, conforme tabela 3.
Além das ferramentas adotadas, também foi
4.2. Estratégia de Desenvolvimento utilizada uma ferramenta específica para
automatização do processo de carga.
Visando permitir ao usuário usufruir dos
benefícios rapidamente e, ainda, possibilitar uma Tarefa Ferramenta
avaliação parcial dos resultados, foi adotada a Armazenamento do DW Oracle 9i
estratégia de implementação modular, onde cada Modelagem Oracle Designer
1
módulo corresponde a uma fonte de dados ETL Oracle WarehouseBuilder
1
Metadados / Ferramenta OLAP Oracle Discoverer
proveniente dos sistemas do DATASUS.
Esta estratégia reforça o motivo de iniciar o
desenvolvimento com o estudo dos sistemas fontes, Tabela 3. Ferramentas Utilizadas
pois, só após este estudo, foi possível a definição
D_TEMPO
dos módulos. D_SEXO D_UNIDADE
.
Outro aspecto estratégico significativo é a .
criação de um banco de dados relacional .
(operacional) além do dimensional. O motivo é
manter os dados fontes em um meio mais seguro. D_FAIXA_ETARIA . D_MUNICIPIO
Eles estão disponíveis para download na home- . . .
.
page do DATASUS, porém, não há garantias que .
F_ATENDIMENTOS
sempre estarão lá. A figura 3 mostra o fluxo dos .
dados no projeto. . .
D_SERVICO
D_PROCEDIMENTO .
. . .
.
R e la t ó r io s
/ C o n s u lt a s

.
. .

D_ESPECIALIDADE D_TIPO
D_CID
B D
D im e n s io n a l
Figura 4 – Esquema Estrela – Modelo Dimensional

B D
R e la c io n a l 4.3. O processo de carga

Devido a estratégia adotada, o processo de

carga dos dados é constitui-se de duas fases. Na
A r q u iv o s S U S primeira fase os dados dos sistemas fontes
(DATASUS) são carregados em um banco
Figura 3 – Fluxo de dados no projeto relacional, e posteriormente, os dados são

4
carregados da base relacional para o banco são desenvolvidos pela ferramenta Oracle
dimensional (figura 3). Discoverer. A figura 9 mostra um exemplo de
Na primeira etapa da carga, há um grande consulta analítica desenvolvida para o usuário. O
número de arquivos recebidos por download numa exemplo analisa procedimentos realizados por cada
grande variedade de formatos. Visando facilitar a município em um determinado período, de acordo
carga para a base relacional, foi desenvolvida, em com o tipo de gestão e tipo de serviço.
parceria com a Compumédica Informática Ltda,
uma ferramenta para automatização do processo de
download, descompactação, transformação e carga
dos arquivos contidos na home-page do DATASUS
para a Base Relacional. A ferramenta também
efetua a validação do conteúdo e da estrutura do
arquivo para garantir a integridade dos dados. Todo
o processo de carga é armazenado em um arquivo
log, permitindo auditorias ou a repetição da carga. A
figura 5 mostra a interface da ferramenta.
A segunda etapa da carga é efetuada por
scripts simples gerados pelos mapeamentos
implementados no Oracle Warehouse Builder. As
rotinas são extremamente simples, pois, as tarefas
de limpeza, padronização e consistência dos dados
foram efetuadas na primeira etapa. Figura 5 – Consulta Analítica Pré-Definida

5. Resultados e Discussão

Embora o projeto ainda não esteja

implementado em sua totalidade, resultados
preliminares podem ser discutidos.
Atualmente, o projeto encontra-se em fase
final da implementação do primeiro módulo (SIA).
O desenvolvimento do primeiro módulo
permitiu a identificação de algumas dificuldades.
Estas dificuldades confirmam os desafios de um
projeto de DW para a área da saúde citadas por
autores como Berndt et al.[2], DeJesus [10], Isken et
al. [11]. Os desafios encontrados estão listados na
tabela 4.

Desafio Ação Adotada

- Dados provenientes A ferramenta de carga desenvolvida
de muitas fontes e em possui uma função de padronização
diversos formatos que unifica os vários formatos dos
arquivos.
- Constantes A ferramenta de carga analisa a
Alterações na estrutura do arquivo e efetua os ajustes
estrutura dos arquivos necessários.
Figura 4 – Ferramenta para carga (etapa 1). - Dados lançados em Inclusão de um campo para controle no
um determinado modelo de dados e tratamento desta
período, particularidade, através de uma regra
4.4. A exibição dos Dados do DW correspondentes a de negócio, no metadados. e
períodos anteriores consequentemente nos relatórios
Nesta etapa, além do cadastramento das desenvolvidos.
- Relatórios (saídas) Para prover todos os usuários com a
descrições dos dados e das regras de negócio no devem ser informação analítica, a estratégia é
metadados, são desenvolvidos relatórios e disseminados para disponibilizar o acesso via Web.
usuários separados
consultas pré-definidos para atender os principais geograficamente
requisitos dos usuários. Os relatórios e consultas Tabela 4. Principais desafios do projeto

5

Outros resultados preliminares que podem
ser discutidos, são o volume de dados e o
desempenho do processo de carga.
Considerando apenas o módulo SIA, o
volume mensal de dados para serem carregados no
DW é de 1.800.000 registros, que corresponde a
aproximadamente a 211 Mb. Acrescentando as
tabelas auxiliares, este número aproxima-se de 250
Mb. Isto corresponde a 2,9 Gb por ano. Somando
outras estruturas de banco de dados, como índices
e log, o volume anual será de, aproximadamente,
3,5 Gb. Embora não seja um número assustador, é
um volume razoável se comparado aos 23 Gb. do
CDR (Clinical Data Repository) da Universidade de
Virgínia [12] após 5 anos de existência.
Os tempos para o processo de carga estão
plenamente satisfatórios, mesmo sendo realizados
os testes de performance em um ambiente muito
inferior ao ambiente de produção. Os testes foram
realizados em um servidor x-series 200 da IBM,
com 128 Mb de RAM, uma rede de 10 Mbps, e
acesso web speedy 256 mbps. A primeira fase da
carga, que inclui as rotinas de limpeza e
consistência demorou aproximadamente 2 horas. A
segunda fase, bem mais simples, demora menos
que 10 minutos. O tempo para download dos
arquivos de um mês é de aproximadamente 30
minutos.
No estágio atual, ainda não é possível
mensurar a satisfação do usuário, nem quantificar
os benefícios obtidos com a nova solução, embora
eles sejam óbvios.
6. Conclusões
O artigo mostrou um projeto de uma solução
DW para fornecer informações estratégicas para a
gestão da saúde pública. O estágio atual do projeto,
mostra um resultado positivo que supera as
expectativas iniciais e encoraja a implementação
dos demais módulos.
Uma das grandes contribuições do trabalho é
a identificação de alguns aspectos peculiares da
área da saúde e a implementação de mecanismos
para a superação destes desafios.
O projeto foi desenvolvido utilizando um
conjunto de ferramentas robustas e adotando
metodologia adequada para garantir o sucesso do
empreendimento.
Os fatores mensuráveis apresentaram
números positivos. O volume de dados é razoável,
comparado a outros projetos, e o desempenho dos
procedimentos de carga está plenamente
satisfatório.
Os próximos passos, já em andamento, são a
avaliação da satisfação dos usuários para o módulo
desenvolvido e a implementação dos demais
módulos. Após a implementação de todos o
módulos, será iniciada a introdução de técnicas de
Data Mining para realização de simulações e
análises mais complexas.
7. Agradecimentos
Aos funcionários da Secretaria de Estado da
Saúde de São Paulo.
8. Referências
[1] Shams K., Farishta M. (2001), “Data Warehousing: Toward
knowledge Management”, Topics in Health Information
Management, v. 21, n. 3, p. 24-32.
[2] Berndt D.J., Hevner A.R., Studnicki J. (2003) “The Catch Data
Warehouse: Support for Community Health Care
Decision-Making”, Decision Support Systems, v.35 n.3,
p.367-384.
[3] Ramick D.C. (2001), “Data Warehousing in Disease
Management Programs”, Journal of Healthcare
Information Management, v. 15, n. 2, p. 99-105.
[4] Moody, D. L., Kortink, M.A.R. (2000), “From Entreprise Models
to Dimensional Models: A Methodology for Data
Warehouse and Data Mart Design”, Proceedings of the
International Workshop on Desing and Management of
Data Warehouse, Stockholm, Sweden, p. 5.1-5.12, 5-6
June.
[5] Berson A., Smith S. J. (1997), Data Warehousing, Data Mining,
& OLAP, New York: McGraw-Hill.
[6] Kimball R. (1997), “A Dimensional Modeling Manifesto”,
DBMS Online, (http:/www.dbmsmag.com/9708d15.html).
[7] Secretaria de Estado da Saúde de SP. Disponível em
http://www.saude.sp.gov.br. Acesso em 05 mai. 2003.
[8] DataSUS – Ministério da Saúde. Disponível em
http://www.datasus.gov.br. Acesso em 05 mai. 2003.
[9] Inmon, W. H. (1997), Como Construir o Data Warehouse, Rio
de Janeiro: Campus.
[10] DeJesus E.X. (1999), “Disease Management in a Warehouse:
Data Warehouse Technology Makes a Good Fit for
Disease Management programs.”, Healthcare Informatics,
v.16, n. 9, p. 33-36, 38-39
[11] Isken M.W., Littig S.J., West M. (2001), “A data Mart for
Operations Analysis”, Journal of Healthcare Information
Management, v. 15 , n. 2, p.143-153.
[12] Einbinder J.S., Scully K.W., Pates R.D., Schubart J.R.,
Reynolds R.E. (2001), “Case Study: A Data Warehouse
for an Academic Medical Center”, Journal of Healthcare
Infornmation Management, v. 15, n. 2, p. 165-175.
Contato
rsantos@compumedica.com.br