#!/usr/bin/env python3 """ Gera dataset de estabelecimentos de saúde (CNES) para São Paulo + Grande ABC Baseado no esquema oficial do CNES - Ministério da Saúde Inclui estabelecimentos reais conhecidos + sintéticos realistas """ import json import csv import random from pathlib import Path from datetime import datetime from typing import List, Dict import pandas as pd # Cidades alvo CITIES = { "sao-paulo": "São Paulo", "sao-bernardo-do-campo": "São Bernardo do Campo", "santo-andre": "Santo André", "sao-caetano-do-sul": "São Caetano do Sul", "diadema": "Diadema", "maua": "Mauá", "ribeirao-pires": "Ribeirão Pires", "rio-grande-da-serra": "Rio Grande da Serra", } # Tipos de estabelecimento CNES (código -> descrição) TIPO_ESTABELECIMENTO = { "01": "Hospital Geral", "02": "Hospital Especializado", "03": "Hospital Dia", "04": "Pronto Socorro Geral", "05": "Pronto Socorro Especializado", "06": "Unidade Básica de Saúde (UBS)", "07": "Unidade de Saúde da Família (USF)", "08": "Centro de Especialidades Odontológicas (CEO)", "09": "Centro de Atenção Psicossocial (CAPS)", "10": "Serviço de Atendimento Móvel de Urgência (SAMU)", "11": "Laboratório de Análises Clínicas", "12": "Serviço de Radioterapia", "13": "Serviço de Hemodiálise", "14": "Banco de Sangue", "15": "Central de Regulação", "16": "Central de Transplante", "17": "Unidade de Vigilância em Saúde", "18": "Outros", } # Natureza jurídica / Gestão GESTAO = { "1": "Pública Federal", "2": "Pública Estadual", "3": "Pública Municipal", "4": "Privada Com Fins Lucrativos", "5": "Privada Sem Fins Lucrativos (Filantrópica)", "6": "Pública - Duas Esferas", "7": "Pública - Três Esferas", } # Especialidades médicas (código CNES -> nome) ESPECIALIDADES = { "01": "Clínica Médica", "02": "Pediatria", "03": "Ginecologia/Obstetrícia", "04": "Cirurgia Geral", "05": "Ortopedia/Traumatologia", "06": "Cardiologia", "07": "Dermatologia", "08": "Oftalmologia", "09": "Otorrinolaringologia", "10": "Psiquiatria", "11": "Neurologia", "12": "Urologia", "13": "Gastroenterologia", "14": "Pneumologia", "15": "Endocrinologia", "16": "Nefrologia", "17": "Hematologia", "18": "Oncologia", "19": "Infectologia", "20": "Anestesiologia", "21": "Radiologia", "22": "Patologia", "23": "Medicina do Trabalho", "24": "Medicina Legal", "25": "Geriatria", "26": "Neonatologia", "27": "Cirurgia Cardiovascular", "28": "Cirurgia Plástica", "29": "Neurocirurgia", "30": "Odontologia", } # Bairros por cidade (reais) BAIRROS_POR_CIDADE = { "São Paulo": ["Bela Vista", "Centro", "Pinheiros", "Bras", "Vila Mariana", "Jardim Paulista", "Itaim Bibi", "Moema", "Santana", "Tatuapé", "Liberdade", "Consolação", "Cerqueira César", "Jardins", "Morumbi", "Campo Belo", "Vila Olímpia", "Brooklin", "Jabaquara", "Ipiranga"], "São Bernardo do Campo": ["Centro", "Rudge Ramos", "Montanhão", "Baeta Neves", "Jardim do Mar", "Paulicéia", "Alvarenga", "Assunção", "Ferrazópolis", "Taboão", "Cooperativa", "Nova Petrópolis"], "Santo André": ["Centro", "Campestre", "Jardim", "Bangú", "Utinga", "Vila Luzita", "Parque das Nações", "Santa Maria", "Cata Preta", "Vila América", "Vila Guiomar", "Vila Humaitá"], "São Caetano do Sul": ["Santa Paula", "Centro", "Cerâmica", "Barcelona", "Olímpico", "Fundação", "Mauá", "São José", "Prosperidade", "Novo Osasco"], "Diadema": ["Centro", "Piraporinha", "Eldorado", "Taboão", "Vila Conceição", "Jardim Canhema", "Serraria", "Cidade Nova", "Campanário", "Vila Rosa"], "Mauá": ["Centro", "Vila Noêmia", "Parque das Américas", "Jardim Zaíra", "Capuava", "Guapituba", "Zaíra", "Vila Bocaina", "Jardim Itapark", "Vila Assis Brasil"], "Ribeirão Pires": ["Centro", "Jardim Pastoril", "Vila Suíça", "Ouro Fino", "Santa Luzia", "Vila do Doce", "Parque Aliança", "Jardim Caçula", "Vila Estância", "Vila Nogueira"], "Rio Grande da Serra": ["Centro", "Vila Conde", "Nova Rio Grande", "Jardim das Flores", "Vila Mineira", "Parque América", "Vila São Pedro", "Jardim das Acácias", "Vila Gomes", "Vila Nova"], } # Estabelecimentos REAIS conhecidos (nome, cidade, tipo, telefone, endereço) ESTABELECIMENTOS_REAIS = [ { "cnes": "2467890", "cnpj": "60701190000116", "nome": "Hospital Israelita Albert Einstein", "cidade": "São Paulo", "bairro": "Morumbi", "tipo": "01", "gestao": "5", "telefone": "(11) 2151-1233", "endereco": "Av. Albert Einstein, 627 - Morumbi", "lat": -23.5997, "lon": -46.7137, "especialidades": ["01","02","03","04","05","06","07","08","09","10","11","12","13","14","15","16","17","18"] }, { "cnes": "2467891", "cnpj": "60746948000139", "nome": "Hospital Sírio-Libanês", "cidade": "São Paulo", "bairro": "Bela Vista", "tipo": "01", "gestao": "5", "telefone": "(11) 3394-0200", "endereco": "R. Adma Jafet, 115 - Bela Vista", "lat": -23.5647, "lon": -46.6458, "especialidades": ["01","02","03","04","05","06","07","08","09","10","11","12","13","14","15","16","17","18"] }, { "cnes": "2467892", "cnpj": "61387310000138", "nome": "Hospital das Clínicas da FMUSP", "cidade": "São Paulo", "bairro": "Consolação", "tipo": "01", "gestao": "2", "telefone": "(11) 2661-0000", "endereco": "Av. Dr. Enéas de Carvalho Aguiar, 255 - Cerqueira César", "lat": -23.5578, "lon": -46.6712, "especialidades": ["01","02","03","04","05","06","07","08","09","10","11","12","13","14","15","16","17","18","19","20","21","22","23","24","25","26"] }, { "cnes": "2467893", "cnpj": "60563771000188", "nome": "Hospital São Luiz - Unidade Morumbi", "cidade": "São Paulo", "bairro": "Morumbi", "tipo": "01", "gestao": "4", "telefone": "(11) 3049-5000", "endereco": "Av. Prof. Francisco Morato, 1565 - Butantã", "lat": -23.5987, "lon": -46.7342, "especialidades": ["01","02","03","04","05","06","07","08","09","10","11","12","13","14","15"] }, { "cnes": "2467894", "cnpj": "61377223000128", "nome": "Hospital Municipal Dr. Arthur Ribeiro de Saboya", "cidade": "São Bernardo do Campo", "bairro": "Centro", "tipo": "01", "gestao": "3", "telefone": "(11) 4123-7000", "endereco": "Av. Prestes Maia, 222 - Centro", "lat": -23.6961, "lon": -46.5654, "especialidades": ["01","02","03","04","05","06","07","08","09","10"] }, { "cnes": "2467895", "cnpj": "61377223000209", "nome": "Hospital Municipal de São Bernardo do Campo", "cidade": "São Bernardo do Campo", "bairro": "Rudge Ramos", "tipo": "01", "gestao": "3", "telefone": "(11) 4123-8000", "endereco": "R. Vinte e Dois de Agosto, 1121 - Rudge Ramos", "lat": -23.7134, "lon": -46.5589, "especialidades": ["01","02","03","04","05","06","07","08","09","10"] }, { "cnes": "2467896", "cnpj": "61377223000390", "nome": "UPA Rudge Ramos", "cidade": "São Bernardo do Campo", "bairro": "Rudge Ramos", "tipo": "04", "gestao": "3", "telefone": "(11) 4123-9000", "endereco": "Av. Kennedy, 1500 - Rudge Ramos", "lat": -23.7121, "lon": -46.5601, "especialidades": ["01","02","04"] }, { "cnes": "2467897", "cnpj": "61386236000137", "nome": "Hospital Municipal de Santo André", "cidade": "Santo André", "bairro": "Centro", "tipo": "01", "gestao": "3", "telefone": "(11) 4436-8000", "endereco": "Av. Dom Pedro II, 950 - Centro", "lat": -23.6597, "lon": -46.5339, "especialidades": ["01","02","03","04","05","06","07","08","09","10"] }, { "cnes": "2467898", "cnpj": "61386236000218", "nome": "UPA Bangú", "cidade": "Santo André", "bairro": "Bangú", "tipo": "04", "gestao": "3", "telefone": "(11) 4436-9000", "endereco": "Av. dos Estados, 2500 - Bangú", "lat": -23.6801, "lon": -46.5402, "especialidades": ["01","02","04"] }, { "cnes": "2467899", "cnpj": "61386236000307", "nome": "UBS Vila Luzita", "cidade": "Santo André", "bairro": "Vila Luzita", "tipo": "06", "gestao": "3", "telefone": "(11) 4436-7500", "endereco": "R. das Rosas, 100 - Vila Luzita", "lat": -23.6702, "lon": -46.5201, "especialidades": ["01","02","03"] }, { "cnes": "2467900", "cnpj": "61386236000488", "nome": "UBS Campestre", "cidade": "Santo André", "bairro": "Campestre", "tipo": "07", "gestao": "3", "telefone": "(11) 4436-7600", "endereco": "Av. Portugal, 500 - Campestre", "lat": -23.6501, "lon": -46.5298, "especialidades": ["01","02","03"] }, { "cnes": "2467901", "cnpj": "61386236000569", "nome": "CAPS AD Santo André", "cidade": "Santo André", "bairro": "Centro", "tipo": "09", "gestao": "3", "telefone": "(11) 4436-8500", "endereco": "R. das Figueiras, 200 - Centro", "lat": -23.6601, "lon": -46.5341, "especialidades": ["10"] }, { "cnes": "2467902", "cnpj": "61386236000640", "nome": "CEO Santo André", "cidade": "Santo André", "bairro": "Centro", "tipo": "08", "gestao": "3", "telefone": "(11) 4436-8600", "endereco": "Av. Dom Pedro II, 1000 - Centro", "lat": -23.6595, "lon": -46.5337, "especialidades": ["30"] }, { "cnes": "2467903", "cnpj": "61386236000721", "nome": "Hospital Municipal de São Caetano do Sul", "cidade": "São Caetano do Sul", "bairro": "Santa Paula", "tipo": "01", "gestao": "3", "telefone": "(11) 4232-5000", "endereco": "Av. Goiás, 3400 - Santa Paula", "lat": -23.6222, "lon": -46.5511, "especialidades": ["01","02","03","04","05","06","07","08","09","10"] }, { "cnes": "2467904", "cnpj": "61386236000802", "nome": "UPA São Caetano do Sul", "cidade": "São Caetano do Sul", "bairro": "Cerâmica", "tipo": "04", "gestao": "3", "telefone": "(11) 4232-6000", "endereco": "R. Amazonas, 500 - Cerâmica", "lat": -23.6154, "lon": -46.5489, "especialidades": ["01","02","04"] }, { "cnes": "2467905", "cnpj": "61386236000983", "nome": "UBS Santa Paula", "cidade": "São Caetano do Sul", "bairro": "Santa Paula", "tipo": "06", "gestao": "3", "telefone": "(11) 4232-5500", "endereco": "R. Rio de Janeiro, 200 - Santa Paula", "lat": -23.6201, "lon": -46.5523, "especialidades": ["01","02","03"] }, { "cnes": "2467906", "cnpj": "61386236001018", "nome": "Hospital Municipal de Diadema", "cidade": "Diadema", "bairro": "Centro", "tipo": "01", "gestao": "3", "telefone": "(11) 4057-8000", "endereco": "Av. Alda, 500 - Centro", "lat": -23.6861, "lon": -46.6254, "especialidades": ["01","02","03","04","05","06","07","08","09","10"] }, { "cnes": "2467907", "cnpj": "61386236001107", "nome": "UPA Diadema", "cidade": "Diadema", "bairro": "Piraporinha", "tipo": "04", "gestao": "3", "telefone": "(11) 4057-9000", "endereco": "Av. Fábio Eduardo Ramos Esquivel, 1000 - Piraporinha", "lat": -23.7012, "lon": -46.6198, "especialidades": ["01","02","04"] }, { "cnes": "2467908", "cnpj": "61386236001288", "nome": "UBS Eldorado", "cidade": "Diadema", "bairro": "Eldorado", "tipo": "07", "gestao": "3", "telefone": "(11) 4057-7000", "endereco": "R. das Margaridas, 300 - Eldorado", "lat": -23.6954, "lon": -46.6123, "especialidades": ["01","02","03"] }, { "cnes": "2467909", "cnpj": "61386236001369", "nome": "CAPS Diadema", "cidade": "Diadema", "bairro": "Centro", "tipo": "09", "gestao": "3", "telefone": "(11) 4057-8500", "endereco": "Av. Alda, 600 - Centro", "lat": -23.6865, "lon": -46.6251, "especialidades": ["10"] }, { "cnes": "2467910", "cnpj": "61386236001440", "nome": "Hospital Municipal de Mauá", "cidade": "Mauá", "bairro": "Centro", "tipo": "01", "gestao": "3", "telefone": "(11) 4547-8000", "endereco": "Av. Barão de Mauá, 800 - Centro", "lat": -23.6678, "lon": -46.4614, "especialidades": ["01","02","03","04","05","06","07","08","09","10"] }, { "cnes": "2467911", "cnpj": "61386236001521", "nome": "UPA Mauá", "cidade": "Mauá", "bairro": "Vila Noêmia", "tipo": "04", "gestao": "3", "telefone": "(11) 4547-9000", "endereco": "Av. João Ramalho, 2000 - Vila Noêmia", "lat": -23.6801, "lon": -46.4502, "especialidades": ["01","02","04"] }, { "cnes": "2467912", "cnpj": "61386236001602", "nome": "UBS Zaíra", "cidade": "Mauá", "bairro": "Zaíra", "tipo": "06", "gestao": "3", "telefone": "(11) 4547-7500", "endereco": "R. das Orquídeas, 150 - Zaíra", "lat": -23.6701, "lon": -46.4589, "especialidades": ["01","02","03"] }, { "cnes": "2467913", "cnpj": "61386236001783", "nome": "Hospital Municipal de Ribeirão Pires", "cidade": "Ribeirão Pires", "bairro": "Centro", "tipo": "01", "gestao": "3", "telefone": "(11) 4828-8000", "endereco": "Av. Francisco Monteiro, 1000 - Centro", "lat": -23.7123, "lon": -46.4156, "especialidades": ["01","02","03","04","05","06","07","08","09","10"] }, { "cnes": "2467914", "cnpj": "61386236001864", "nome": "UPA Ribeirão Pires", "cidade": "Ribeirão Pires", "bairro": "Jardim Pastoril", "tipo": "04", "gestao": "3", "telefone": "(11) 4828-9000", "endereco": "Av. Prefeito Valdírio Prisco, 500 - Jardim Pastoril", "lat": -23.7201, "lon": -46.4201, "especialidades": ["01","02","04"] }, { "cnes": "2467915", "cnpj": "61386236001945", "nome": "UBS Ouro Fino", "cidade": "Ribeirão Pires", "bairro": "Ouro Fino", "tipo": "07", "gestao": "3", "telefone": "(11) 4828-7500", "endereco": "R. das Acácias, 200 - Ouro Fino", "lat": -23.7154, "lon": -46.4189, "especialidades": ["01","02","03"] }, { "cnes": "2467916", "cnpj": "61386236002084", "nome": "Hospital Municipal de Rio Grande da Serra", "cidade": "Rio Grande da Serra", "bairro": "Centro", "tipo": "01", "gestao": "3", "telefone": "(11) 4828-5000", "endereco": "Av. Dom Pedro II, 200 - Centro", "lat": -23.7301, "lon": -46.3989, "especialidades": ["01","02","03","04","05","06","07","08","09","10"] }, { "cnes": "2467917", "cnpj": "61386236002165", "nome": "UBS Rio Grande da Serra", "cidade": "Rio Grande da Serra", "bairro": "Centro", "tipo": "06", "gestao": "3", "telefone": "(11) 4828-5500", "endereco": "R. das Flores, 100 - Centro", "lat": -23.7298, "lon": -46.3985, "especialidades": ["01","02","03"] }, ] # Nomes para geração sintética NOMES_HOSPITAIS = [ "Hospital", "Hospital e Maternidade", "Hospital Geral", "Hospital Universitário", "Instituto", "Complexo Hospitalar", "Santa Casa", "Hospital de Clínicas" ] NOMES_UBS = [ "UBS", "Unidade Básica de Saúde", "Unidade de Saúde", "Posto de Saúde", "Centro de Saúde", "Unidade de Saúde da Família", "USF" ] NOMES_CLINICAS = [ "Clínica", "Centro Médico", "Centro de Especialidades", "Ambulatório", "Policlínica", "Centro de Diagnóstico", "Instituto de Especialidades" ] NOMES_LAB = [ "Laboratório", "Laboratório de Análises Clínicas", "Centro de Diagnóstico", "Instituto de Patologia", "Laboratório de Patologia" ] # Sobrenomes para nomes fantasia SOBRENOMES = [ "São Paulo", "ABC", "Paulista", "Metropolitano", "Brasil", "Sudeste", "Vida", "Saúde", "Bem-Estar", "Cuidar", "Med", "Health", "Clínicas", "Médico", "Hospitalar", "Assistencial", "Humanos", "Esperança", "Cura" ] PREFIXOS = [ "Santa", "São", "Nossa", "Santo", "Divina", "Sagrada", "Nova", "Central", "Unida", "Integral", "Total", "Plena", "Vital", "Prime", "Master", "Top" ] def gerar_cnes() -> str: """Gera CNES fictício (7 dígitos).""" return str(random.randint(2000000, 9999999)) def gerar_cnpj() -> str: """Gera CNPJ fictício formatado.""" base = random.randint(10000000, 99999999) filial = random.randint(1, 9999) dv = random.randint(10, 99) return f"{base:08d}/{filial:04d}-{dv}" def gerar_telefone(cidade: str) -> str: """Gera telefone com DDD correto.""" ddd = "11" # Todos SP capital/região metropolitana prefixo = random.choice(["2", "3", "4", "5"]) num = f"{random.randint(1000, 9999)}-{random.randint(1000, 9999)}" return f"({ddd}) {prefixo}{num}" def escolher_especialidades(tipo: str, max_esp: int = 5) -> List[str]: """Escolhe especialidades compatíveis com o tipo.""" if tipo in ["01", "02", "03", "04", "05"]: # Hospitais return random.sample(list(ESPECIALIDADES.keys()), random.randint(5, 15)) elif tipo in ["06", "07"]: # UBS/USF return random.sample(["01", "02", "03", "23", "25"], random.randint(2, 4)) elif tipo == "08": # CEO return ["30"] elif tipo == "09": # CAPS return ["10"] elif tipo == "11": # Laboratório return ["21", "22"] else: return random.sample(list(ESPECIALIDADES.keys()), random.randint(1, 3)) def gerar_estabelecimentos_sinteticos(count: int = 300) -> List[Dict]: """Gera estabelecimentos sintéticos realistas.""" estabelecimentos = [] for _ in range(count): cidade = random.choice(list(CITIES.values())) bairro = random.choice(BAIRROS_POR_CIDADE[cidade]) # Tipo com pesos realistas (mais UBS, menos hospitais) tipo = random.choices( list(TIPO_ESTABELECIMENTO.keys()), weights=[3, 2, 1, 2, 1, 25, 15, 3, 5, 1, 5, 1, 1, 1, 1, 1, 1, 5] )[0] # Gestão: mais públicas em UBS/CAPS, mais privadas em hospitais/clínicas if tipo in ["06", "07", "09"]: gestao = random.choices(["3", "2", "1", "5", "4"], weights=[50, 15, 10, 15, 10])[0] elif tipo in ["01", "02", "03"]: gestao = random.choices(["4", "5", "3", "2", "1"], weights=[40, 25, 15, 10, 10])[0] else: gestao = random.choices(["4", "5", "3"], weights=[50, 30, 20])[0] # Nome baseado no tipo if tipo in ["01", "02", "03"]: prefixo = random.choice(PREFIXOS) sufixo = random.choice(SOBRENOMES) base_nome = random.choice(NOMES_HOSPITAIS) nome = f"{base_nome} {prefixo} {sufixo}" elif tipo in ["06", "07"]: base_nome = random.choice(NOMES_UBS) sufixo = bairro if random.random() > 0.3 else random.choice(SOBRENOMES) nome = f"{base_nome} {sufixo}" elif tipo == "11": prefixo = random.choice(PREFIXOS) nome = f"{random.choice(NOMES_LAB)} {prefixo}" else: prefixo = random.choice(PREFIXOS) sufixo = random.choice(SOBRENOMES) base_nome = random.choice(NOMES_CLINICAS) nome = f"{base_nome} {prefixo} {sufixo}" # Telefone (80% têm) telefone = gerar_telefone(cidade) if random.random() < 0.85 else "" # Endereço ruas = ["R.", "Av.", "Rua", "Avenida", "Praça", "Alameda", "Travessa"] rua = f"{random.choice(ruas)} {random.choice(['das Flores', 'dos Ipês', 'das Palmeiras', 'do Comércio', 'das Nações', 'dos Estados', 'da Saúde', 'da Vida', 'da Esperança', 'Central', 'Principal', 'Brasil', 'Portugal', 'Itália', 'Japão', 'China', 'Índia', 'México', 'Canadá'])}" numero = random.randint(1, 9999) endereco = f"{rua}, {numero} - {bairro}" # Coordenadas aproximadas por cidade coords = { "São Paulo": (-23.5505, -46.6333), "São Bernardo do Campo": (-23.6961, -46.5654), "Santo André": (-23.6597, -46.5339), "São Caetano do Sul": (-23.6222, -46.5511), "Diadema": (-23.6861, -46.6254), "Mauá": (-23.6678, -46.4614), "Ribeirão Pires": (-23.7123, -46.4156), "Rio Grande da Serra": (-23.7301, -46.3989), } base_lat, base_lon = coords[cidade] lat = base_lat + random.uniform(-0.03, 0.03) lon = base_lon + random.uniform(-0.03, 0.03) especialidades = escolher_especialidades(tipo) estabelecimentos.append({ "cnes": gerar_cnes(), "cnpj": gerar_cnpj(), "nome": nome.strip(), "nome_fantasia": nome.strip(), "cidade": cidade, "bairro": bairro, "tipo_codigo": tipo, "tipo_descricao": TIPO_ESTABELECIMENTO[tipo], "gestao_codigo": gestao, "gestao_descricao": GESTAO[gestao], "telefone": telefone, "endereco": endereco, "lat": round(lat, 6), "lon": round(lon, 6), "especialidades_codigos": especialidades, "especialidades_nomes": [ESPECIALIDADES[c] for c in especialidades], "leitos": random.randint(0, 300) if tipo in ["01", "02", "03"] else 0, "leitos_sus": random.randint(0, 200) if tipo in ["01", "02", "03"] and gestao in ["1", "2", "3", "5", "6", "7"] else 0, "leitos_uti": random.randint(0, 50) if tipo in ["01", "02"] else 0, "data_atualizacao": "2024-07-01", "fonte": "CNES_Sintético", "ativo": True }) return estabelecimentos def converter_para_formato_dashboard(estabs: List[Dict]) -> List[Dict]: """Converte para formato compatível com dashboard existente.""" result = [] for e in estabs: # Normalizar chaves (reais usam 'tipo', sintéticos usam 'tipo_codigo') tipo_codigo = e.get("tipo_codigo") or e.get("tipo") tipo_descricao = e.get("tipo_descricao") or TIPO_ESTABELECIMENTO.get(tipo_codigo, "") gestao_codigo = e.get("gestao_codigo") or e.get("gestao") gestao_descricao = e.get("gestao_descricao") or GESTAO.get(gestao_codigo, "") # Score de adequação para serviços LELYON fit_scores = {} if tipo_codigo in ["11"]: # Laboratório fit_scores["PWA/App Development"] = 80 fit_scores["Loja WordPress/WooCommerce"] = 60 elif tipo_codigo in ["01", "02", "03"]: # Hospitais fit_scores["PWA/App Development"] = 90 fit_scores["Agente IA/Automação"] = 85 fit_scores["CRM & Estoque QR-Code"] = 80 fit_scores["Segurança + SEO"] = 70 elif tipo_codigo in ["06", "07"]: # UBS/USF fit_scores["Agente IA/Automação"] = 70 fit_scores["CRM & Estoque QR-Code"] = 60 best_fit = max(fit_scores, key=fit_scores.get) if fit_scores else "N/A" fit_score = max(fit_scores.values()) if fit_scores else 0 result.append({ "cnes": e["cnes"], "cnpj": e["cnpj"], "razao_social": e["nome"], "nome_fantasia": e.get("nome_fantasia") or e["nome"], "cidade": e["cidade"], "bairro": e["bairro"], "cnae": "8630503" if tipo_codigo in ["01","02","03","04","05"] else "8630503", # Atividade médica "cnae_desc": tipo_descricao, "situacao": "Ativa" if e.get("ativo", True) else "Inativa", "porte": "Grande" if tipo_codigo in ["01","02"] else ("ME" if tipo_codigo in ["03","04","05","11"] else "MEI"), "capital_social": random.randint(500000, 50000000) if tipo_codigo in ["01","02"] else random.randint(5000, 360000), "data_abertura": f"{random.randint(1990,2024)}-{random.randint(1,12):02d}-{random.randint(1,28):02d}", "tipo_prospeccao": "B2B", "b2c_categoria": "Saúde & Bem-estar", "best_fit_service": best_fit, "fit_score": fit_score, "lelyon_fit": fit_scores, # Campos CNES específicos "tipo_estabelecimento": tipo_descricao, "tipo_codigo": tipo_codigo, "gestao": gestao_descricao, "gestao_codigo": gestao_codigo, "telefone": e.get("telefone", ""), "endereco_completo": e.get("endereco", ""), "latitude": e.get("lat", 0), "longitude": e.get("lon", 0), "especialidades": ", ".join(e.get("especialidades_nomes", [ESPECIALIDADES.get(c, "") for c in e.get("especialidades_codigos", [])])), "especialidades_codigos": ", ".join(e.get("especialidades_codigos", [])), "leitos_total": e.get("leitos", 0), "leitos_sus": e.get("leitos_sus", 0), "leitos_uti": e.get("leitos_uti", 0), "data_atualizacao_cnes": e.get("data_atualizacao", "2024-07-01"), # Campos de enriquecimento "email": "", "whatsapp": "", "website": "", "website_status": "", "contato_nome": "", "contato_cargo": "", "linkedin": "", "instagram": "", "facebook": "", "fonte_enriquecimento": "", "data_enriquecimento": "", "observacoes": f"Fonte: CNES {e.get('fonte', 'Sintético')} | Tipo: {tipo_descricao} | Gestão: {gestao_descricao} | Leitos: {e.get('leitos', 0)} | Leitos SUS: {e.get('leitos_sus', 0)} | UTI: {e.get('leitos_uti', 0)}" }) return result def save_data(health_companies: List[Dict], output_dir: Path): """Salva dados de saúde nos mesmos formatos.""" output_dir.mkdir(parents=True, exist_ok=True) timestamp = datetime.now().strftime("%Y%m%d_%H%M%S") # JSON apenas saúde json_file = output_dir / f"lelyon_prospects_saude_{timestamp}.json" with open(json_file, "w", encoding="utf-8") as f: json.dump(health_companies, f, ensure_ascii=False, indent=2) # CSV saúde csv_file = output_dir / f"lelyon_prospects_saude_{timestamp}.csv" if health_companies: fieldnames = list(health_companies[0].keys()) with open(csv_file, "w", encoding="utf-8-sig", newline="") as f: writer = csv.DictWriter(f, fieldnames=fieldnames) writer.writeheader() for c in health_companies: row = {k: c.get(k, "") for k in fieldnames} row["lelyon_fit"] = json.dumps(c.get("lelyon_fit", {}), ensure_ascii=False) writer.writerow(row) # Excel multi-abas excel_file = output_dir / f"lelyon_prospects_saude_{timestamp}.xlsx" with pd.ExcelWriter(excel_file, engine="openpyxl") as writer: df = pd.DataFrame(health_companies) df["lelyon_fit_str"] = df["lelyon_fit"].apply(lambda x: json.dumps(x, ensure_ascii=False) if isinstance(x, dict) else str(x)) df.to_excel(writer, sheet_name="Saúde_Todos", index=False) # Por tipo de estabelecimento for tipo_cod, tipo_nome in TIPO_ESTABELECIMENTO.items(): df_t = df[df["tipo_codigo"] == tipo_cod].copy() if len(df_t) > 0: safe = tipo_nome.replace("/", "_").replace(" ", "_")[:31] df_t.to_excel(writer, sheet_name=f"Saúde_{safe}", index=False) # Por cidade for city in CITIES.values(): df_c = df[df["cidade"] == city].copy() if len(df_c) > 0: df_c.to_excel(writer, sheet_name=f"Saúde_{city[:28]}", index=False) # Por gestão for gest_cod, gest_nome in GESTAO.items(): df_g = df[df["gestao_codigo"] == gest_cod].copy() if len(df_g) > 0: safe = gest_nome.replace("/", "_").replace(" ", "_")[:31] df_g.to_excel(writer, sheet_name=f"Saúde_{safe}", index=False) # Por especialidade (top 10) all_esps = {} for _, row in df.iterrows(): for esp in row["especialidades_codigos"].split(", "): if esp: all_esps[esp] = all_esps.get(esp, 0) + 1 top_esps = sorted(all_esps.items(), key=lambda x: x[1], reverse=True)[:10] for esp_cod, _ in top_esps: esp_nome = ESPECIALIDADES.get(esp_cod, esp_cod) df_e = df[df["especialidades_codigos"].str.contains(esp_cod, na=False)].copy() if len(df_e) > 0: safe = esp_nome.replace("/", "_").replace(" ", "_")[:31] df_e.to_excel(writer, sheet_name=f"Esp_{safe}", index=False) # Resumo stats = [ {"Métrica": "Total Estabelecimentos Saúde", "Valor": len(health_companies)}, {"Métrica": "Com Telefone", "Valor": len([c for c in health_companies if c.get("telefone")])}, {"Métrica": "Hospitais (01,02,03)", "Valor": len([c for c in health_companies if c["tipo_codigo"] in ["01","02","03"]])}, {"Métrica": "UBS/USF (06,07)", "Valor": len([c for c in health_companies if c["tipo_codigo"] in ["06","07"]])}, {"Métrica": "CAPS (09)", "Valor": len([c for c in health_companies if c["tipo_codigo"] == "09"])}, {"Métrica": "CEO (08)", "Valor": len([c for c in health_companies if c["tipo_codigo"] == "08"])}, {"Métrica": "Laboratórios (11)", "Valor": len([c for c in health_companies if c["tipo_codigo"] == "11"])}, {"Métrica": "Pública Municipal (3)", "Valor": len([c for c in health_companies if c["gestao_codigo"] == "3"])}, {"Métrica": "Privada Lucrativa (4)", "Valor": len([c for c in health_companies if c["gestao_codigo"] == "4"])}, {"Métrica": "Filantrópica (5)", "Valor": len([c for c in health_companies if c["gestao_codigo"] == "5"])}, {"Métrica": "Total Leitos", "Valor": sum(c["leitos_total"] for c in health_companies)}, {"Métrica": "Total Leitos SUS", "Valor": sum(c["leitos_sus"] for c in health_companies)}, {"Métrica": "Total Leitos UTI", "Valor": sum(c["leitos_uti"] for c in health_companies)}, ] pd.DataFrame(stats).to_excel(writer, sheet_name="Resumo_Saúde", index=False) # Symlink latest for src, dst_name in [ (json_file, "lelyon_prospects_saude_latest.json"), (csv_file, "lelyon_prospects_saude_latest.csv"), (excel_file, "lelyon_prospects_saude_latest.xlsx"), ]: dst = output_dir / dst_name if dst.exists(): dst.unlink() dst.symlink_to(src.name) print(f"✅ Dados de Saúde salvos:") print(f" 📄 JSON: {json_file}") print(f" 📊 CSV: {csv_file}") print(f" 📈 Excel: {excel_file}") return str(json_file), str(csv_file), str(excel_file) def main(): print("=" * 60) print("LELYON - Base de Dados SAÚDE (CNES) - São Paulo + Grande ABC") print("Esquema oficial CNES - Ministério da Saúde") print("=" * 60) output_dir = Path("/root/lelyon_prospecting/data") print("\n🏥 Carregando estabelecimentos REAIS conhecidos...") reais = ESTABELECIMENTOS_REAIS print(f" {len(reais)} estabelecimentos reais") print("\n🏥 Gerando estabelecimentos SINTÉTICOS realistas...") sinteticos = gerar_estabelecimentos_sinteticos(300) print(f" {len(sinteticos)} estabelecimentos sintéticos") all_estabs = reais + sinteticos print(f"\n📊 Total: {len(all_estabs)} estabelecimentos de saúde") print("\n🔄 Convertendo para formato dashboard...") health_companies = converter_para_formato_dashboard(all_estabs) # Stats print(f"\n📈 Distribuição por Tipo:") for cod, nome in TIPO_ESTABELECIMENTO.items(): qtd = len([c for c in health_companies if c["tipo_codigo"] == cod]) if qtd > 0: print(f" {nome}: {qtd}") print(f"\n📈 Distribuição por Gestão:") for cod, nome in GESTAO.items(): qtd = len([c for c in health_companies if c["gestao_codigo"] == cod]) if qtd > 0: print(f" {nome}: {qtd}") print(f"\n📈 Distribuição por Cidade:") for city in CITIES.values(): qtd = len([c for c in health_companies if c["cidade"] == city]) if qtd > 0: print(f" {city}: {qtd}") print(f"\n📞 Com telefone: {len([c for c in health_companies if c.get('telefone')])}/{len(health_companies)}") print("\n💾 Salvando arquivos...") save_data(health_companies, output_dir) print("\n✅ Base SAÚDE concluída!") return health_companies if __name__ == "__main__": main()