Schemas e tipagem

Detecção automática

schema = :auto (default) deduz o sistema pelo prefixo do nome do arquivo, via MicroSUS.detecta_sistema:

prefixo	sistema	exemplo
`DO`	`:sim`	`DOPE2023.dbc`
`DN`	`:sinasc`	`DNBA2022.dbc`
`RD`, `SP`	`:sih`	`RDPE2301.dbc`
`PA`	`:sia`	`PAPE2301.dbc`
`ST`, `LT`, `PF`	`:cnes`	`STPE2301.dbc`

Se o prefixo não for reconhecido (arquivo renomeado, por exemplo), force com schema = :sim etc., ou passe um Dict próprio.

Tipos lógicos

Um schema é um Dict{Symbol,Symbol} de campo → tipo lógico:

tipo lógico	vira	observações
`:texto`	`InlineStrings`	dimensionado pela largura do campo
`:pool`	`PooledArray` de `InlineStrings`	categóricas; `pool = false` rebaixa para `:texto`
`:inteiro`	`Union{Missing,Int32}`	parse direto dos bytes; vazio → `missing`
`:float`	`Union{Missing,Float64}`	idem
`:data_ddmmyyyy`	`Union{Missing,Date}`	SIM e SINASC
`:data_yyyymmdd`	`Union{Missing,Date}`	SIH e campos tipo `D` do DBF
`:idade_sim`	`Union{Missing,Float64}`	codificação do SIM → anos

Campos fora do schema caem na tipagem do próprio DBF: N → :inteiro ou :float (conforme decimais), D → :data_yyyymmdd, C → :texto.

A `IDADE` do SIM

O campo tem 3 dígitos: o primeiro é a unidade, os dois últimos o valor. decodifica_idade_sim converte para anos:

1º dígito	unidade	exemplo	anos
0	minutos	`"030"`	30 / 525 960
1	horas	`"112"`	12 / 8 766
2	dias	`"230"`	30 / 365,25
3	meses	`"310"`	10 / 12
4	anos	`"425"`	25,0
5	100 + valor	`"501"`	101,0
9	ignorada	`"999"`	`missing`

Schema próprio

Passe um Dict completo — ele substitui (não estende) o schema automático:

meu = Dict(:DTOBITO => :data_ddmmyyyy,
           :CAUSABAS => :pool,
           :IDADE => :texto)      # quero os 3 dígitos crus
t = ler(caminho; schema = meu)

Ou estenda o registro global (afeta as próximas chamadas com schema = :auto/:sim):

MicroSUS.SCHEMAS[:sim][:LINHAA] = :texto

Armadilhas de layout por sistema

Campos que existem no cabeçalho não são necessariamente campos preenchidos, e o que está preenchido muda com o ano. Dois casos que quebram série longa:

SIH — diagnóstico secundário. DIAG_SECUN era o campo vivo até 2014; o bloco DIAGSEC1–DIAGSEC9 aparece no layout de 2014 ainda vazio e assume em janeiro de 2015, quando o antigo zera. Medido em junho de cada ano, em PE:

ano	`DIAG_SECUN`	`DIAGSEC1`
2008	6,1%	não existe
2013	12,4%	não existe
2014	14,5%	0,0% (existe, vazio)
2015	0,0%	17,3%
2022	0,0%	17,6%

Contar só DIAGSEC1 zera tudo antes de 2015; contar só DIAG_SECUN zera tudo depois de 2014. Numa série que atravesse a virada, use a união e deixe o campo consultado variar com o ano.

SIH — número de campos. 86 (2010) → 93 (2011–2012) → 95 (2013) → 113 (2014 em diante). Confira com cabecalho antes de empilhar anos, e use ler(...; ignorar_ausentes = true) para pedir a mesma lista de colunas em todos eles.

O que os schemas embutidos cobrem

Os campos mais usados de cada sistema — datas, numéricos e as categóricas de alto tráfego (sexo, raça/cor, municípios, causa básica, procedimento, diagnóstico...). A lista exata está em MicroSUS.SCHEMAS; os layouts oficiais completos ficam na documentação de cada sistema no DATASUS. Campos não cobertos continuam funcionando (tipagem do DBF) — o schema só melhora a ergonomia.