Skip to content
View carla-dados-br's full-sized avatar
🎯
Focusing
🎯
Focusing

Block or report carla-dados-br

Block user

Prevent this user from interacting with your repositories and sending you notifications. Learn more about blocking users.

You must be logged in to block users.

Content in all repositories owned by your account will be closed.
Maximum 250 characters. Please don’t include any personal information such as legal names or email addresses. This note will only be visible to you.
Report abuse

Contact GitHub support about this user’s behavior. Learn more about reporting abuse.

Report abuse
carla-dados-br/README.md

Carla Rodrigues

Tecnologia • Dados em Saúde • Análise e Qualidade de Dados • SQL · Python · Power BI

LinkedIn Email GitHub
Profissional em formação


👋 Sobre mim

Atuando no setor de tecnologia e direcionando minha trajetória profissional para Dados em Saúde, unindo experiência prática em tecnologia, formação em Biomedicina e formação em Ciência de Dados e Inteligência Artificial.

Em 2009 iniciei minha trajetória em tecnologia, atuando nas áreas de desenvolvimento e manutenção de sistemas, posteriormente atuando também com prestação de serviços envolvendo gestão de informações, sistemas, relatórios, painéis e automações.

Atualmente, curso Biomedicina (conclusão dez/2026) e Ciência de Dados e Inteligência Artificial (conclusão dez/2027). A combinação das áreas amplia minha capacidade de compreender tanto o contexto em que o dado de saúde é produzido quanto os processos necessários para analisá-lo e avaliá-lo.

Durante a formação em Biomedicina, obtive experiência prática em laboratório de análises clínicas, acompanhando todo o fluxo do processo laboratorial e da geração de informações, desde a identificação da amostra até a análise e liberação do resultado.

Na área de dados atuo desenvolvendo projetos utilizando SQL, Python e Power BI, com foco em análise, modelagem, profiling, validação, documentação e qualidade de dados.

Atualmente buscando direcionar minha atuação para Dados em Saúde, começando por análise e qualidade e avançando progressivamente para governança e interoperabilidade.

Biomedicina Ciência de Dados e IA Dados em Saúde


💻 Tecnologia e Dados

Tecnologia desde 2009 Dados em Saúde em desenvolvimento

Minha experiência profissional em tecnologia antecede minha formação atual em dados.

Ao longo dessa trajetória, trabalhei com desenvolvimento e manutenção de sistemas e com demandas de tecnologia para empresas, incluindo organização de informações, sistemas internos, relatórios, painéis e automações.

A formação em Biomedicina trouxe o contexto da saúde. A formação em Ciência de Dados e Inteligência Artificial amplia a base técnica para trabalhar com dados.

Direção profissional atual

TECNOLOGIA → DADOS → SAÚDE → QUALIDADE → GOVERNANÇA → INTEROPERABILIDADE

A identidade profissional é Dados em Saúde.

SQL, Python, Power BI, FHIR, cloud e outras tecnologias são ferramentas utilizadas para resolver problemas de dados, não o posicionamento em si.


📡 O contexto que orienta os projetos

Não escolho projetos apenas por tendência. Procuro entender os processos, os dados produzidos e as regras que precisam ser atendidas.

Referência O que estabelece Por que direciona o trabalho
Padrão TISS / TUSS — ANS Padrão de troca de informações na saúde suplementar Define estruturas e terminologias que precisam ser compreendidas e validadas
Decreto nº 12.560/2025 Dispõe sobre a RNDS e as Plataformas SUS Digital Contextualiza a evolução da interoperabilidade em saúde
HL7 FHIR na RNDS Padrão utilizado para troca estruturada de informações em saúde Direciona o estudo de interoperabilidade
LGPD + agenda da ANPD Dados de saúde como dados pessoais sensíveis Reforça a necessidade de controle, rastreabilidade e proteção

O que aprendo com isso: o desafio dos dados em saúde não está apenas em analisar grandes volumes. É necessário compreender significado, estrutura, qualidade, origem e contexto.

Estudo as referências, registro as decisões e documento também as limitações.


🎯 Competências em desenvolvimento

📏 Qualidade de Dados

Completude, consistência, atualidade
e investigação de causa-raiz
🗂️ Governança & Linhagem

Metadados, rastreabilidade
e evidência auditável
🔗 Interoperabilidade

HL7 FHIR, RNDS, TISS/TUSS
e terminologias clínicas
📊 Análise & Visualização

SQL, Python e Power BI aplicados
a dados e indicadores de saúde
🛡️ LGPD em Saúde

Dados sensíveis, proteção
e responsabilidade no uso dos dados
🏥 Contexto Assistencial

Base biomédica aplicada à leitura
crítica do dado de saúde

Formação e desenvolvimento contínuos. Os projetos publicados demonstram o que foi efetivamente realizado.


🛠️ Stack

SQL Python pandas BigQuery Power BI Git Docker DuckDB


✅ Projeto concluído

🏥 Diagnóstico de Qualidade e Governança de Dados em Estabelecimentos de Saúde

Status: concluído 7 de 7 fases concluídas Dados públicos CNES/DATASUS

A pergunta: quanto do cadastro está incompleto, inconsistente ou desatualizado, onde esses problemas aparecem, e quais controles reduzem o risco de propagação?

Recorte: Estado de São Paulo, competência de novembro de 2025 — 110.362 estabelecimentos. Consulta em BigQuery sobre o dataset público br_ms_cnes.

Achados documentados

Achado O que foi encontrado Por que importa
Ausência disfarçada id_regiao_saude com NULL, texto "nan" e string vazia. Checagem só por IS NULL retornava 0%. Métrica real: 54,70% A forma física da ausência precisa ser investigada antes de definir a métrica
Valor sentinela Ano 9999 como competência final em 6.072 de 6.764 habilitações (89,77%) Sem isolar o sentinela, a comparação temporal produz resultado falso
Possível dado pessoal Até 34.318 de 98.559 valores de cpf_cnpj compatíveis com CPF Risco de LGPD em base pública: o projeto publica só contagens agregadas
UTI × habilitação Com todos os leitos, 553 de 1.103 combinações sem habilitação; com leitos SUS, 0 de 550 A regra oficial (Portarias SAES/MS nº 2.902/2025 e nº 3.511/2025) vale para leitos SUS: antes de medir conformidade, é preciso definir a população da regra
Tempo sem alteração 20,72% sem alteração cadastral há mais de 24 meses O campo mede a última alteração, não a transmissão exigida pela Portaria SAS/MS nº 118/2014
Proveniência × semântica tipo_unidade = 16: 37 de 38 códigos reconciliados; o código está presente na origem consultada, mas sem significado oficial Código sem semântica confirmada não pode virar conceito FHIR validado

Correções de método registradas

A métrica de incompletude foi corrigida de 54,69% para 54,70% quando a mesma análise foi reproduzida em Python e revelou 5 registros com string vazia que o SQL não havia testado.

Na auditoria final, feita com apoio de IA, três regras foram revistas e corrigidas, com nota datada no histórico: a comparação entre leitos e habilitações passou a usar só habilitações que têm leitos (de 768 de 768 com divergência para 1 caso em 304), a regra de UTI passou a usar leitos SUS e o indicador de atualidade foi reinterpretado à luz da norma oficial.

Refazer a mesma análise em outra ferramenta, ou revisar a própria regra, não é retrabalho. É controle.

Entregas

Etapa Entrega
🔎 Exploração e recorte 19 consultas SQL documentadas, com decisão de recorte justificada e registro de cada consulta
🧹 Tratamento Limpeza e reprodução dos indicadores de completude e unicidade em Python
📏 Indicadores Completude, consistência, atualidade e unicidade, cada um com regra explícita
🧬 Proveniência Investigação da origem de código sem semântica confirmada, via PySUS em ambiente isolado
📊 Dashboard Completude por campo, atualidade cadastral e distribuição regional em Power BI
📚 Governança 10 regras de governança, cada uma ligada a um problema efetivamente encontrado
🔗 FHIR R4 Mapeamento CNES → FHIR, conversor com testes e 5 recursos validados (0 erros)
📑 Resultados Documento com resumo executivo, 10 achados e 11 recomendações

Competências aplicadas: SQL · Python · BigQuery · Power BI · Qualidade de dados · Governança · LGPD · FHIR R4 · Docker · Git

👉 Ver o projeto completo

Note

Projeto de estudo construído com dados públicos. Não representa implantação em instituição de saúde. Os números valem para o recorte declarado.

🌱 Método, queries, decisões, evidências e limitações documentados no repositório.


🗺️ Próximos passos

Concluído Diagnóstico de qualidade e governança do cadastro CNES (São Paulo, nov/2025)
A seguir Diagnóstico de Qualidade de Dados TISS, em dados sintéticos
Depois Monitoramento longitudinal da qualidade e governança das regras
Formação Pós-graduação em Saúde Digital / Informática em Saúde

🤝 Conversas que fazem sentido agora

🧪 Problemas de dados
Problemas relacionados a qualidade, organização e análise de dados
📖 Método e projeto
Queries, decisões, documentação e evidências abertas neste GitHub
🤝 Parceria técnica
Laboratórios, clínicas, healthtechs e software de saúde
📅 Projetos
Projetos e oportunidades em Dados em Saúde

Laboratórios · Clínicas · Centros diagnósticos · Healthtechs · Fornecedores de software de saúde · Operadoras


📬 Contato

Plataforma Acesso
💼 LinkedIn linkedin.com/in/carla-rodrigues-br
📧 E-mail carladados.br@gmail.com
💻 GitHub github.com/carla-dados-br

🌸 Carla Rodrigues

Experiência em tecnologia, formação em saúde e desenvolvimento em dados.

Em formação. Construindo evidências. Evoluindo com método. ✨

Pinned Loading

  1. diagnostico-qualidade-cnes diagnostico-qualidade-cnes Public

    "Diagnóstico de qualidade e governança de dados em estabelecimentos de saúde (CNES/DATASUS)".

    Jupyter Notebook 1

  2. vitalflow vitalflow Public

    Health Data Engineering Platform with Governance

    Python

  3. hospital-readmission-prediction hospital-readmission-prediction Public archive

    Projeto de Ciência de Dados para predição de risco de readmissão hospitalar. Pipeline completo end-to-end: EDA, análise SQL, Machine Learning e dashboards interativos. Projeto de portfólio usando P…

  4. lynch_datascience_portal lynch_datascience_portal Public archive

    Análise de variantes genéticas de Síndrome de Lynch com ML

    HTML 4

  5. codevault codevault Public archive

    Tool for Python code analysis, verification & security audit with focus on quality, security & reproducibility

    Python

  6. crispr-mmr-explorer crispr-mmr-explorer Public archive

    A bioinformatics platform for MMR and Lynch syndrome analysis

    Python 2 1