Relatório técnico · Fase 1

Mortalidade por câncer por município no Brasil, 2020–2024: estudo exploratório

Documento para quem quer verificar ou reproduzir a análise: fontes e versões, definições, exclusões, métodos, parâmetros, testes de sensibilidade e limitações. English version.

Autor: Clériston Almeida Capistrano (ORCID 0009-0008-5280-1869) · pesquisador independente, sem formação na área da saúde · cledon.org

Resumo

Objetivo: identificar municípios brasileiros com mortalidade por câncer acima do esperado para a idade e o sexo de sua população, de 2020 a 2024, como hipóteses para investigação. Métodos: estudo ecológico com 7.913.003 declarações de óbito do SIM/DATASUS (1.202.950 com câncer como causa básica) e a população do Censo 2022, nos 5.570 municípios; padronização indireta por idade e sexo, intervalos de confiança exatos, teste de Poisson com correção de Benjamini-Hochberg dentro de cada um dos 13 grupos de análise e suavização bayesiana empírica; critérios geográficos exploratórios e análises de sensibilidade. Resultados: 145 sinais estatísticos em 93 municípios; 45 permanecem após os critérios geográficos. O câncer de esôfago concentra 16 desses sinais (5 no Sul, 9 em Minas Gerais e 2 na Bahia), dos quais 14 se mantêm em todos os cenários de sensibilidade; em Minas Gerais e na Bahia, a RMP suavizada em relação ao Brasil vai de 2,39 a 3,63. Em 2015–2019, período não utilizado na seleção dos sinais, e com plano de análise registrado localmente antes do exame dos dados, 29 dos 45 pares município–grupo após os critérios geográficos e 12 dos 16 referentes ao câncer de esôfago apresentaram novamente excesso de mortalidade pelo critério definido. Esses resultados sustentam a persistência temporal dos padrões observados, mas não distinguem excessos reais de vieses persistentes nem estabelecem causalidade. Limitações: desenho ecológico, mortalidade em vez de incidência, possíveis erros de causa básica e de endereço, critérios geográficos não validados, efeito da pandemia de COVID-19 e ausência de revisão independente. Os sinais são hipóteses, não conclusões.

1. Pergunta e desenho

Pergunta: em quais municípios a mortalidade por câncer, de 2020 a 2024, ficou acima do esperado para a idade e o sexo de sua população, com evidência estatística forte? Desenho: estudo ecológico, descritivo e exploratório, com o município como unidade de análise. Desfecho: óbito com câncer como causa básica (campo CAUSABAS da declaração de óbito). Cada óbito é atribuído ao município de residência (campo CODMUNRES), não ao de ocorrência.

2. Fontes de dados e versões

3. Definições

Os nomes dos grupos seguem os códigos usados: "Cólon, reto e ânus" (C18–C21) inclui cólon, junção retossigmoide, reto, ânus e canal anal; "Fígado e vias biliares intra-hepáticas" corresponde a C22; "Lábio, cavidade oral e faringe", a C00–C14. "Todos os cânceres" contém os demais grupos, por isso falamos em 13 grupos de análise, e não em 13 tipos de câncer.

Grupos auxiliares, usados só para qualidade e contexto: todas as causas (A00–Z99) e causas mal definidas (R00–R99). A comparação usa os três primeiros caracteres da causa básica. Faixas etárias: 0-4, 5-9, 10-14, 15-19, 20-24, 25-29, 30-34, 35-39, 40-44, 45-49, 50-54, 55-59, 60-64, 65-69, 70-74, 75-79, 80+ anos. Idade: unidade 0–3 do campo IDADE (menos de 1 ano) = 0; unidade 4 = anos; unidade 5 = 100 anos ou mais.

4. Processamento e exclusões

Foram mantidas 7.913.003 declarações de óbito de todas as causas, das quais 1.202.950 com câncer (C00–C97) como causa básica e 403.341 (5,1%) com causa mal definida. Foram excluídas 18.361 declarações (0,23% do total), por falta de informação necessária para a padronização:

As exclusões são aplicadas nessa ordem, a todas as causas. Não há imputação de valores ausentes. Todos os 5.570 municípios do Censo 2022 entram na análise, inclusive os com zero óbitos em um grupo.

5. Métodos estatísticos

Óbitos esperados (padronização indireta). Para cada grupo e referência (Brasil ou a UF do município), a taxa de referência é r_s,a = óbitos_s,a / pessoa-anos_s,a, por sexo s e faixa etária a. Os esperados do município i são E_i = Σ_s,a r_s,a × P_i,s,a × 5, em que P é a população do Censo 2022. Por construção, a soma dos esperados é igual à soma dos observados em cada referência.

RMP = O_i / E_i, com intervalo de confiança exato de 95% (método de Garwood, pela distribuição qui-quadrado). Teste: Poisson unilateral, p = P(X ≥ O_i | E_i). Correção para múltiplas comparações: Benjamini-Hochberg (FDR) aplicada dentro de cada grupo de análise, sobre os 5.570 municípios. A correção sobre os 13 grupos de análise juntos foi testada na sensibilidade (cenário C).

Suavização bayesiana empírica (Marshall, 1991): modelo Poisson-Gama, com priori Gama estimada pelo método dos momentos, uma por grupo e referência. RMP suavizada = (O + α) / (E + β), e a probabilidade posterior de RMP > 1 vem da distribuição Gama(O + α, E + β). Por isso, a RMP suavizada costuma ser menor que a divisão direta O / E em municípios pequenos: em Capelinha (esôfago), por exemplo, 37 / 9,75 = 3,79 sem suavização e 2,44 com suavização, com IC 95% de 2,67 a 5,23 para a RMP sem suavização.

Critérios de sinal (referência: a UF do município): q < 0,01; P(RMP > 1) > 0,99; RMP suavizada ≥ 1,3; pelo menos 10 óbitos observados. A referência estadual reduz, mas não elimina, diferenças regionais de diagnóstico e registro.

Critérios geográficos exploratórios. Cada sinal recebe um contexto: capital (27 capitais); entorno de capital (centro aproximado do município a até 40 km do centro de uma capital); polo de tratamento (pelo menos 200 óbitos por câncer de não residentes ocorridos no município e pelo menos 25% dos óbitos por câncer de seus residentes). Os demais aparecem como "após critérios geográficos". Os limiares foram escolhidos de forma exploratória, sem validação externa. Esses critérios não demonstram que os vieses foram removidos e podem excluir excessos reais. As diretrizes do CDC ressaltam que escolhas geográficas podem criar ou ocultar padrões e exigem interpretação especializada. Por isso, os limiares foram variados na sensibilidade.

6. Resultados

145 sinais em 93 municípios: 47 em capitais, 9 no entorno de capitais, 44 em polos de tratamento e 45 após os critérios geográficos exploratórios. A contagem por grupo de análise está na tabela da seção 3.

7. Análises de sensibilidade

Cada cenário muda uma escolha do método e mantém as demais. "Em comum" conta os pares município–grupo que permanecem após os critérios geográficos tanto no cenário quanto na análise principal. No cenário D, a população por idade e sexo de 2022 é reescalada pelo total estimado de cada ano. As estimativas de 2020 e 2021 foram feitas antes do Censo e ficam acima dele, então esse cenário testa a sensibilidade à população, e não uma população "correta".

8. Câncer de esôfago: estabilidade dos sinais

14 dos 16 municípios com sinal após os critérios geográficos permanecem em todos os cenários de sensibilidade. As RMPs por período são sem suavização: óbitos observados no período divididos pelos esperados em relação ao Brasil, repartidos proporcionalmente ao número de anos (3/5 e 2/5). Isto é uma checagem de estabilidade, não uma validação independente: os municípios foram selecionados com os cinco anos juntos, então o excesso tende a aparecer nos dois períodos por construção. A validação com um período independente está na seção 9.

5 desses municípios ficam no Sul (PR, SC e RS). Nessa região, a literatura já associa o câncer de esôfago (sobretudo o carcinoma de células escamosas) ao consumo de bebidas muito quentes, como o chimarrão em temperatura muito alta, além do álcool e do tabaco; a IARC classifica o consumo de bebidas muito quentes, acima de 65 °C, como provavelmente cancerígeno (grupo 2A). Este estudo não mediu nenhuma dessas exposições, e a compatibilidade com a literatura não confirma a causa. Para os municípios de Minas Gerais e da Bahia, os dados analisados não apontam uma explicação.

Tabela 8a. Óbitos, RMP e intervalo de confiança (2020–2024).

Tabela 8b. Estabilidade por período e nos cenários de sensibilidade.

9. Validação em período independente (2015–2019)

Os sinais foram selecionados com os óbitos de 2020–2024. Para testar se poderiam ser fruto do acaso, os mesmos pares município–grupo foram testados em 2015–2019, período que não foi usado na seleção. Nada foi reselecionado: não há novos limiares nem novos critérios geográficos. Plano de análise registrado localmente: o critério foi definido e registrado no controle de versões (git, commit 1112c34, 03/10/2026 às 22h35 (UTC−3)) antes de processar os dados de 2015–2019; o arquivo validar.py usado na análise é idêntico ao registrado nesse commit. Um sinal replica se, em 2015–2019, a RMP sem suavização em relação ao próprio estado for maior que 1 com teste de Poisson unilateral p < 0,05. O número de replicações foi comparado com os 5% esperados se não houvesse excesso (teste binomial unilateral, como especificado). O registro fica no repositório do autor: documenta a ordem dos passos, mas não comprova de forma independente quando os dados foram examinados, como faria um registro datado em uma plataforma pública. Por isso não o chamamos de pré-registro formal.

Dados. O FTP do DATASUS ficou indisponível em 03 e 04/10/2026. Os óbitos de 2015–2019 foram obtidos dos arquivos nacionais em CSV do OpenDataSUS, com os mesmos campos. Antes do uso, as duas fontes foram comparadas em 2020: as contagens por município, sexo, faixa etária e grupo foram idênticas em 100% das 292.219 células (commit 7a233dd). A população de 2015–2019 foi estimada por interpolação linear entre os Censos de 2010 e 2022, no ano central (2017), por município, sexo e faixa etária; os 5 municípios criados depois de 2010 usam a população de 2022.

Inclusões e exclusões em 2015–2019. Foram mantidas 6.529.667 declarações de óbito de todas as causas, das quais 1.089.385 com câncer como causa básica. Foram excluídas 23.465, pelos mesmos motivos e na mesma ordem da análise principal: município de residência ignorado ou inválido (15.169), sexo ignorado (2.157) e idade ignorada (6.139). O SHA-256 de cada um dos 755 arquivos de entrada (desta análise, da validação e das Fases 1b a 2b, com a coluna uso indicando a etapa) está em hashes_entradas.csv.

Tabela 9a. Replicação dos sinais em 2015–2019. "Pares" são combinações município–grupo; entre parênteses, o número de municípios distintos.

Sobre os valores esperados e o p. Os 5% são uma referência nominal: como o teste de Poisson é discreto, a probabilidade efetiva de um par "replicar" sem excesso real é menor (de 3,3% a 4,6% em média nos conjuntos), calculada exatamente a partir dos óbitos esperados de cada par (análise complementar, não pré-especificada, em validar_complementar.py). O valor de p da tabela supõe independência entre os pares, o que não se sustenta plenamente: há municípios com mais de um par, grupos que se sobrepõem ("Todos os cânceres" contém os demais) e referências estaduais compartilhadas. Por isso esses valores de p, ainda que muito pequenos, não são a principal sustentação da interpretação, e um valor de p não informa a probabilidade de os dados terem sido produzidos apenas pelo acaso. O conjunto do esôfago é o menos afetado: 16 municípios distintos e um único grupo.

Tabela 9b. Câncer de esôfago: RMP agrupada em 2015–2019, em relação ao próprio estado.

Tabela 9c. Os 16 municípios com sinal de câncer de esôfago, em 2015–2019.

Interpretação. Em 2015–2019, período não utilizado na seleção dos sinais, 29 dos 45 pares município–grupo após os critérios geográficos e 12 dos 16 referentes ao câncer de esôfago apresentaram novamente excesso de mortalidade pelo critério definido; os 16 de esôfago mantiveram RMP acima de 1. Esses resultados sustentam a persistência temporal dos padrões observados, mas não distinguem excessos reais de vieses persistentes nem estabelecem causalidade. Trata-se de uma replicação temporal dentro do mesmo sistema de registros. Entre os pares em capitais, no entorno de capitais e em polos de tratamento, potencialmente sujeitos a diferenças de diagnóstico, registro e endereço, 91 de 100 também replicaram; a replicação não distingue, nesses locais, diferenças de registro de excessos reais. Os critérios geográficos identificam contextos, mas não comprovam a presença ou a ausência de viés. Os valores de 2015–2019 são menores que os de 2020–2024 (mediana da razão de 0,61 no esôfago), o que é compatível com regressão à média, mas também pode refletir mudanças ao longo do tempo e nos denominadores, já que a população de 2015–2019 é uma interpolação entre os Censos. O passo seguinte mais informativo é confrontar esses resultados com a qualidade dos registros, a incidência de câncer e informações locais sobre diagnóstico e tratamento, com a participação de epidemiologistas.

Verificações adicionais (Fase 1b). Um relatório separado, com plano de análise próprio, cruza os 16 municípios de câncer de esôfago com o Registro Hospitalar de Câncer do INCA, procura agrupamentos espaciais e descreve as tendências anuais de 2015 a 2024: https://cledon.org/fase1b. A Fase 1c volta a 1996–2014, com dados que não participaram da seleção: https://cledon.org/fase1c. A Fase 2 descreve características municipais associadas ao excesso, para gerar hipóteses: https://cledon.org/fase2; a Fase 2b aprofunda Minas Gerais: https://cledon.org/fase2b.

10. Onde entrou a inteligência artificial

A IA (Claude, da Anthropic) foi usada como assistente de programação e de redação: escreveu o código a partir das especificações, ajudou a explorar os dados, a revisar e a traduzir os textos, sempre com revisão humana. A análise é epidemiológica e estatística clássica (padronização indireta, testes de Poisson, FDR e suavização bayesiana empírica). Nenhum modelo de aprendizado de máquina foi treinado, ajustado ou avaliado nesta fase. Para o futuro piloto clínico com modelos preditivos, o relato seguirá a diretriz TRIPOD+AI.

11. Limitações

• Estudo ecológico: associações no nível do município não se aplicam a indivíduos (falácia ecológica).
• Mortalidade não é incidência: reflete também diagnóstico, estadiamento e acesso ao tratamento.
• A qualidade da certificação da causa básica varia entre municípios; causas mal definidas subestimam o câncer.
• Endereço de residência pode estar errado, por exemplo quando pacientes declaram o endereço da cidade onde se tratam.
• População fixa de 2022 na análise principal; municípios com mudanças populacionais grandes podem ter esperados imprecisos.
• Muitas comparações: mesmo com FDR, alguns sinais podem ser falsos positivos, e municípios pequenos têm pouco poder estatístico.
• Os sinais não foram comparados com dados de incidência (registros de câncer de base populacional) nem com exposições.
• Pandemia de COVID-19: em 2020–2021, diagnósticos e tratamentos de câncer foram adiados e houve excesso de óbitos por outras causas, o que pode alterar a mortalidade por câncer de forma desigual entre municípios.
• A validação em 2015–2019 é uma replicação temporal no mesmo sistema de registros: sustenta a persistência dos padrões, mas não distingue excessos reais de vieses persistentes; e o plano de análise foi registrado no repositório do autor, não em uma plataforma pública independente.

12. Declarações

• Ética: o processamento usou os microdados do SIM disponibilizados publicamente e sem restrição de acesso pelo DATASUS (declarações de óbito sem nome, com campos como município de residência, sexo, idade e causa básica), além de dados agregados do IBGE. Os microdados foram lidos apenas no computador do autor, para gerar contagens por município, grupo, sexo e faixa etária; nenhum dado individual foi publicado, cruzado com outras fontes ou usado para identificar pessoas. Os resultados publicados são agregados por município e grupo para o período de cinco anos, nível de detalhe igual ou menor que o das tabulações públicas do próprio DATASUS. Na avaliação do autor, o estudo se enquadra nas hipóteses de não registro e não avaliação pelo sistema CEP/Conep da Resolução CNS nº 510/2016, art. 1º, parágrafo único, inciso II (informações de acesso público, nos termos da Lei nº 12.527/2011) e inciso V (resultados agregados, sem possibilidade de identificação individual). O estudo não foi submetido a comitê de ética; este enquadramento não é uma dispensa formal emitida por comitê.
• Financiamento: nenhum.
• Conflitos de interesse: nenhum.
• Disponibilidade de dados e código: dados de origem públicos (DATASUS e IBGE). Resultados agregados, código e este relatório estão em https://cledon.org/relatorio e no depósito Zenodo doi.org/10.5281/zenodo.24195057. Licenças: CC BY 4.0 para o relatório e os resultados; MIT para o código.
• Autoria: concepção, análise e redação por Clériston Almeida Capistrano, pesquisador independente, sem formação na área da saúde, com assistência de IA descrita na seção 10.

13. Como reproduzir

O código completo (https://cledon.org/codigo) roda em Python 3.14.4 (pandas 3.0.6, numpy 2.5.3, scipy 1.18.1, dbfread 2.0.7, datasus-dbc 0.1.3). Ordem: baixar.py → preparar.py → analisar.py → sensibilidade.py → gerar_mapa.py → gerar_relatorio.py. Validação: baixar.py validacao (ou validacao-csv, se o FTP estiver indisponível) → preparar.py validacao → validar.py; o teste de equivalência das fontes está em equivalencia_fontes.py; a análise complementar, em validar_complementar.py; os hashes, em registrar_hashes.py. Resultados da validação: validacao_sinais.csv, validacao_resumo.csv, validacao_complementar.csv e hashes_entradas.csv. Os resultados completos estão em municipios_rmp.csv, sinais.csv, sensibilidade.csv e parametros_suavizacao.csv (em https://cledon.org/mapa); o depósito Zenodo (doi.org/10.5281/zenodo.24195057) contém os mesmos arquivos, o código desta versão e este relatório. Os arquivos do DATASUS podem ser republicados com correções; por isso as datas da seção 2 importam.

14. Referências

• Marshall RJ. Mapping disease and mortality rates using empirical Bayes estimators. Applied Statistics, 1991;40(2):283–294.
• Benjamini Y, Hochberg Y. Controlling the false discovery rate. Journal of the Royal Statistical Society B, 1995;57(1):289–300.
• CDC/ATSDR. Guidelines for Examining Unusual Patterns of Cancer and Environmental Concerns, 2022.
• IARC. Drinking Coffee, Mate, and Very Hot Beverages. IARC Monographs, vol. 116, 2018.
• Collins GS et al. TRIPOD+AI statement. BMJ, 2024;385:e078378.