Metodologia
Fundamentos científicos e metodológicos
O Corpus é uma plataforma multidisciplinar de análise de dados de saúde, desenvolvida para transformar grandes volumes de informação clínica e hospitalar em conhecimento rigoroso, verificável e socialmente útil — combinando epidemiologia, bioestatística, ciência dos dados e inteligência artificial.
A sua arquitectura metodológica permite que investigadores, clínicos, epidemiologistas, estudantes, decisores públicos, jornalistas e cidadãos acedam a análises rigorosas construídas a partir da mesma base factual, sujeitas aos mesmos critérios de validação estatística e de transparência metodológica.
A base de dados
O Corpus assenta na Base de Dados de Morbilidade Hospitalar (BDMH), anteriormente designada Base de Dados dos Grupos de Diagnóstico Homogéneos (BD-GDH), obtida após um longo processo de litigância administrativa. Contém aproximadamente 38,5 milhões de episódios hospitalares ocorridos entre 2000 e 2024 nos hospitais do SNS — com diagnósticos, procedimentos, características demográficas, duração do internamento, destino após alta e mortalidade intra-hospitalar.
A dimensão da base permite ultrapassar uma limitação clássica da investigação baseada em amostras: em numerosas análises, o Corpus trabalha sobre a totalidade dos episódios registados no SNS, observando os fenómenos clínicos e epidemiológicos numa escala próxima da população real observada.
Princípios metodológicos
A credibilidade de um sistema de análise não resulta da dimensão da base de dados, mas da qualidade da metodologia. O Corpus assenta em cinco princípios fundamentais.
- 1
Harmonização clínica
Entre 2000 e 2016 os hospitais portugueses utilizaram predominantemente a classificação ICD-9-CM; a partir de 2017 foi adoptada a ICD-10-CM/PCS. Para assegurar a comparabilidade temporal, o Corpus utiliza sistemas internacionais de harmonização — nomeadamente o Clinical Classifications Software (CCS) da AHRQ — que agregam dezenas de milhares de códigos em categorias clínicas homogéneas e comparáveis ao longo do tempo, sem rupturas artificiais associadas à mudança de codificação.
- 2
Ajustamento demográfico
As populações portuguesas apresentam estruturas etárias muito distintas entre regiões. Sempre que os dados o permitem, o Corpus recorre a técnicas de padronização etária, eliminando o efeito das diferenças demográficas na comparação de indicadores — distinguindo fenómenos epidemiológicos reais de simples diferenças de envelhecimento populacional.
- 3
Análise temporal
A plataforma integra métodos de análise de séries temporais para identificar tendências, ciclos, rupturas estruturais e alterações significativas. As quebras de série conhecidas são identificadas explicitamente: sempre que uma análise as atravessa, essa circunstância é assinalada e considerada na interpretação.
- 4
Ajustamento para complexidade clínica
A comparação entre hospitais exige considerar a gravidade dos doentes tratados. O Corpus utiliza sistemas internacionalmente reconhecidos de avaliação do case-mix — incluindo o método de Elixhauser adaptado por Quan e colaboradores — para quantificar a carga de doença de cada episódio e distinguir desempenho institucional de complexidade clínica.
- 5
Reprodutibilidade e transparência
Todas as análises são acompanhadas pela descrição das fontes, critérios de inclusão e exclusão, período analisado, classificações clínicas adoptadas e métodos estatísticos aplicados — para que os resultados possam ser reproduzidos, verificados e escrutinados por terceiros.
Quebras de série
A análise desta base de dados deve ter em conta duas quebras de série metodológicas relevantes. Em 2007 ocorreu uma alteração na extracção dos dados, com a inclusão das linhas de ambulatório, enquanto em 2013 foi modificada a definição de internamento, reduzindo significativamente o número de episódios registados. Adicionalmente, 2020 constitui uma perturbação excepcional associada à pandemia de COVID-19, que afectou profundamente a actividade hospitalar. Embora não represente uma quebra metodológica da série, este choque externo pode influenciar a comparabilidade temporal dos resultados e deve ser considerado nas análises de tendência.
Capacidades estatísticas e epidemiológicas
A plataforma integra um conjunto alargado de métodos quantitativos utilizados em epidemiologia, saúde pública, bioestatística e avaliação de sistemas de saúde, distribuídos por diferentes níveis de complexidade analítica.
Todas as análises assentam em consultas estruturadas e reproduzíveis: os critérios de selecção, filtros, períodos, classificações clínicas e métodos estatísticos são registados e podem ser auditados — qualquer resultado pode ser replicado por terceiros com os mesmos dados e parâmetros.
O papel da inteligência artificial
A inteligência artificial desempenha uma função instrumental e não substitui os métodos científicos. Os modelos de linguagem actuam como intermediários entre os utilizadores e a base de dados — permitem formular perguntas complexas em linguagem natural, gerar consultas analíticas, automatizar tarefas repetitivas e apoiar a interpretação dos resultados.
Os algoritmos não criam dados, não alteram os resultados observados e não substituem os métodos estatísticos. Toda a informação quantitativa apresentada resulta exclusivamente dos dados observados e dos métodos estatísticos aplicados.
Notas técnicas
Especificações que se aplicam a todos os estudos; cada estudo acrescenta as suas notas próprias.
Classificações ICD
Episódios até 2016 em ICD-9-CM; a partir de 2017 em ICD-10-CM/PCS (cerca de 5,6% dos episódios de 2016 já usam ICD-10, tratados episódio a episódio). Análises de tendência que atravessam 2017 mapeiam explicitamente as duas classificações.
Ligação de doentes
Um identificador pseudonimizado e estável permite seguir o mesmo doente ao longo dos anos (p. ex. para reinternamentos), sem nunca identificar a pessoa. A ligação é fraca antes de 2006 — até 26% de episódios não identificados em 2000; menos de 1% a partir de 2017.
Denominadores populacionais
Estimativas anuais de população residente do INE (indicador 0004167), por distrito, sexo e grupo etário, 2000–2024. As taxas são calculadas ao nível do distrito; os grupos etários são amplos (0-14, 15-24, 25-64, 65+), pelo que a padronização por idade é aproximada — salvo indicação em contrário, as taxas são brutas. As estimativas intercensitárias são revistas após cada Censo.
Campos sob licença
Os campos do agrupador APR-DRG (GDH, GCD, severidade, mortalidade) têm licença 3M/Sigesa e não são divulgados ao nível do episódio; estatísticas agregadas derivadas destes campos podem ser apresentadas.
Supressão de células pequenas
Só são publicados valores agregados; células estatísticas com menos de 5 observações são suprimidas. Nenhum dado ao nível do episódio é disponibilizado publicamente.
Privacidade e protecção de dados
O Corpus trabalha exclusivamente com dados agregados. Nenhuma informação individual é disponibilizada publicamente e nenhum utilizador tem acesso aos registos clínicos originais. As células estatísticas com reduzido número de observações são suprimidas de acordo com critérios de protecção da privacidade, minimizando o risco de reidentificação.
Limitações metodológicas
A base de dados regista episódios hospitalares — não a totalidade dos eventos de doença na população. Os resultados dependem da qualidade dos registos hospitalares e podem ser influenciados por alterações nos sistemas de codificação, critérios clínicos ou processos administrativos. Nenhuma metodologia elimina completamente as diferenças introduzidas pelas mudanças de classificação clínica ao longo do tempo.
Importa igualmente sublinhar que correlação não significa causalidade: a identificação de padrões estatísticos não constitui, por si só, prova de relações causais. Os resultados devem ser entendidos como instrumentos de observação, investigação e apoio à decisão — e nenhuma análise deve ser considerada definitiva. O conhecimento científico progride através da verificação, da replicação e do escrutínio permanente.
Missão
Transformar dados em conhecimento, conhecimento em compreensão e compreensão em melhores decisões científicas, clínicas, institucionais e sociais — contribuindo para uma cultura de transparência, evidência e escrutínio informado na saúde pública portuguesa.