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. Technical report available in Portuguese.

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

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 tipo de câncer, sobre os 5.570 municípios. A correção sobre todos os 13 tipos 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 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–câncer 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. A RMP por período usa os esperados em relação ao Brasil divididos proporcionalmente ao número de anos. 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. Uma validação independente exigiria dados de outro período, não usados na seleção, ou outra fonte, como registros de incidência.

9. 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 e a revisar 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.

10. 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.

11. Como reproduzir

O código completo 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. Os resultados completos estão em municipios_rmp.csv, sinais.csv, sensibilidade.csv e parametros_suavizacao.csv. Os arquivos do DATASUS podem ser republicados com correções; por isso as datas da seção 2 importam.

12. 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.