Artigos

INTRODUÇÃO
A vigilância da qualidade da água para consumo humano constitui uma ação essencial da saúde pública, uma vez que a inadequação dos parâmetros físico-químicos e microbiológicos está diretamente associada ao risco de doenças de veiculação hídrica. No Brasil, o marco normativo vigente é a Portaria GM/MS nº 888 de 4 de maio de 2021, que estabelece os procedimentos de controle e vigilância da qualidade da água e seu padrão de potabilidade1. Para operacionalizar essas diretrizes, o Ministério da Saúde possui o Programa Nacional de Vigilância da Qualidade da Água para Consumo Humano (Vigiagua), que utiliza o Sistema de Informação de Vigilância da Qualidade da Água para Consumo Humano (Sisagua) como principal instrumento para o registro e o acompanhamento das ações realizadas por secretarias de saúde e prestadores de serviço de abastecimento. O sistema contempla diferentes modalidades de abastecimento de água, constituindo uma base de dados estruturada para a gestão da vigilância em saúde ambiental2.
Além de seu papel institucional, o Sisagua constitui uma base analítica capaz de revelar padrões territoriais e operacionais da vigilância da qualidade da água em diferentes escalas, viabilizando a caracterização das formas de abastecimento e dos parâmetros de potabilidade, o que permite interpretações e comparações espaço-temporais3. Embora ele apresente ampla completitude em variáveis obrigatórias, fragilidades no preenchimento de campos opcionais pelos serviços locais de vigilância limitam seu uso estratégico ao dificultar a identificação de áreas vulneráveis e comprometer a capacidade de resposta oportuna do poder público a potenciais riscos sanitários4.
Sob uma perspectiva aplicada, pesquisas desenvolvidas em municípios brasileiros têm apontado tanto as vantagens quanto as dificuldades práticas do sistema, como no caso do Amazonas, onde se observa menor proporção de registros regulares no interior. Tais lacunas e inconsistências refletem entraves técnico-operacionais que comprometem a avaliação da segurança hídrica, enquanto as disparidades espaciais nos padrões de potabilidade revelam como essas limitações restringem a análise territorial3.
Em consonância com essas evidências, estudos de abrangência nacional identificam significativas desigualdades na qualidade da água entre áreas urbanas e rurais no Brasil, com impactos diretos na incidência de doenças diarreicas agudas, indicando a necessidade de ferramentas analíticas capazes de mapear com precisão as áreas de maior vulnerabilidade5. Verifica-se, porém, que a gestão desses dados em formatos estritamente tabulares compromete a celeridade e inviabiliza o cruzamento de informações essenciais, dificultando a compreensão da distribuição territorial dos riscos6. É nesse ponto que se situa a lacuna que este estudo enfrenta: embora o Sisagua reúna informações valiosas para a vigilância, permanece pouco explorada sua articulação com bases institucionais e recursos geoespaciais capazes de qualificar registros, ampliar a cobertura observável e tornar visíveis padrões territoriais não apreensíveis em tabelas.
Para superar essas barreiras, o uso de Sistemas de Informação Geográfica (SIG) permite ultrapassar a leitura puramente descritiva dos registros. Uma investigação sobre o monitoramento em Belém demonstrou que a espacialização evidencia padrões territoriais e desigualdades na distribuição de parâmetros críticos da água não identificáveis em tabelas, tornando a interpretação geográfica fundamental para o apoio à decisão e ao aprimoramento da vigilância7. Nesse cenário, o desenvolvimento de soluções baseadas em geotecnologias consolida-se como recurso estratégico na administração pública8. Essas tecnologias permitem a análise espaço-temporal de eventos epidemiológicos, identificando lacunas informacionais e vazios de monitoramento que relatórios analíticos tradicionais não revelam9.
Aliado às geotecnologias, a aplicação de ferramentas de Business Intelligence (BI), como o Qlik Sense, permite integrar grandes volumes de dados em painéis interativos e mapas temáticos, ampliando a capacidade de identificar falhas e riscos sanitários no território10. Tal detalhamento territorial atende à Diretriz Nacional do Plano de Amostragem da Vigilância da Qualidade da Água, que orienta o mapeamento de instituições vulneráveis e a priorização de pontos estratégicos de coleta. O acompanhamento sistemático da água fornecida a essas instituições constitui competência legal dos municípios, responsáveis pela execução local da vigilância11. Nessa perspectiva, a escolha do município do Recife como campo de análise deste estudo justifica-se pela robustez de sua Rede de Atenção à Saúde (RAS) municipal, estrategicamente descentralizada em oito Distritos Sanitários, atendendo desde a atenção básica até a alta complexidade12. Mais do que um recorte local, esse cenário permite examinar a aplicabilidade de uma estratégia analítica em outros contextos municipais do país.
Diante desse cenário, este trabalho propôs-se a desenvolver e aplicar uma arquitetura de inteligência de dados e geotecnologias para integrar e qualificar registros do Sisagua e do Cadastro Nacional de Estabelecimentos de Saúde (CNES), georreferenciar e vincular amostras de água aos estabelecimentos da rede municipal de saúde do Recife. O recorte de 2021 a 2025 abrange o quinquênio de vigência da Portaria GM/MS nº 888/2021, permitindo analisar a evolução dos padrões espaço-temporais de potabilidade e das lacunas de cobertura sob o atual marco regulatório. Assim, a contribuição do estudo reside na proposição e aplicação de um percurso analítico que qualifica a vigilância, subsidia o planejamento do Vigiagua e apresenta potencial de replicação em outros contextos municipais do país.
MATERIAIS E MÉTODOS
O estudo caracteriza-se como pesquisa aplicada, descritiva e documental, com abordagem quantitativa e espacial, configurando-se como estudo de caso. A análise de dados secundários da vigilância da qualidade da água teve como recorte a rede municipal de saúde do Recife e voltou-se à integração e qualificação de bases do Sisagua e CNES, ao georreferenciamento dos estabelecimentos e das amostras a eles vinculadas e à análise territorial da potabilidade e das lacunas de cobertura observável13.
Extração de dados
As variáveis analíticas foram extraídas do Sisagua, base estratégica para o gerenciamento de riscos associados ao abastecimento hídrico e à tomada de decisão em saúde pública14. Para isso, utilizou-se a base de dados do Ministério da Saúde disponível no Portal Brasileiro de Dados Abertos, assegurando acesso livre e reprodutibilidade.
Na etapa exploratória, testou-se a extração automatizada pela interface de programação de aplicações (API) do Sisagua com apoio do Power BI Desktop (versão 2.151.1182.0 64-bit) e do Qlik Sense Desktop (versão 14.254), ambos gratuitos. O Qlik Sense apresentou melhor desempenho no processamento de grandes volumes e estabilidade na validação das cargas, em consonância com a literatura sobre integração de bases complexas para planejamento, monitoramento e gestão de indicadores em saúde pública10,6. Como a comparação entre os dados obtidos via API e os arquivos anuais em formato CSV revelou inconsistências de cobertura, optou-se pela extração manual dos arquivos referentes a 2021–2025, visando à integridade e à completude do conjunto de dados15.
Para compor a base dos estabelecimentos de saúde, utilizou-se a base pública do CNES16, realizando-se o download do pacote de janeiro de 2026, empregando-se o arquivo tbEstabelecimento202601.csv para extração dos endereços e filtragem dos estabelecimentos da rede municipal de saúde do Recife12. No Qlik Sense Desktop, gerou-se o endereço completo pela concatenação de logradouro, número, bairro, cidade, estado e CEP, além do nome do estabelecimento, para posterior georreferenciamento e identificação cartográfica. Embora as amostras do Sisagua abranjam 2021–2025, utilizou-se a base do CNES de janeiro de 2026 como cadastro de referência, por representar a versão mais recente e consolidada dos endereços da rede municipal disponível no momento da extração.
Para incorporar os limites dos bairros, exportou-se o arquivo KML dos bairros do Recife. Utilizou-se o QGIS Desktop (versão 3.44.7), por meio do complemento QuickMapServices, com a camada ESIG_Recife, posteriormente exportada em XML para importação no Qlik Sense Desktop. O uso de representações vetoriais de limites político-administrativos em ambiente SIG constituiu infraestrutura básica para associar dados em saúde ao espaço geográfico territorial9.
Tratamento de dados
Os arquivos CSV, com registros nacionais superiores a 1 GB, foram consolidados no Qlik Sense por scripts automatizados, permitindo a criação de uma base unificada e filtrada para o Recife. Como cada amostra podia apresentar múltiplas linhas correspondentes a diferentes parâmetros, criou-se uma chave composta por ano, número da amostra e data da coleta, utilizada como identificador único. A partir dela, estruturou-se uma tabela mestre com as variáveis de identificação da amostra e bases auxiliares para cloro residual livre, turbidez, Escherichia coli e coliformes totais, indicadores básicos para avaliação da qualidade microbiológica da água11.
Com a base consolidada, procedeu-se à classificação da potabilidade segundo os limites da Portaria GM/MS nº 888/2021. Criaram-se campos booleanos para cada parâmetro e um campo síntese para classificar a amostra como potável ou não potável quando qualquer parâmetro apresentasse violação, procedimento compatível com estudos que utilizam dados do Sisagua para análise de padrões de qualidade7. Para a análise temporal, calculou-se a proporção anual de amostras não potáveis em relação ao total de amostras, com o respectivo denominador e a variação absoluta entre o primeiro e o último ano do período.
Para o tratamento da base dos estabelecimentos de saúde, elaborou-se uma rotina computacional em linguagem R (versão 4.5.2) para obtenção de latitudes e longitudes com base nos endereços, utilizando-se a biblioteca tidygeocoder com o provedor OSM. Nos casos sem correspondência automatizada, adotou-se protocolo de auditoria manual, com busca inicial pelo nome do estabelecimento e, quando necessário, pelo endereço, utilizando o Google Street View (Google Maps) para confirmar a fachada e obter as coordenadas.
Foram georreferenciados apenas os endereços das amostras coincidentes com os estabelecimentos da rede municipal de saúde do Recife. Esse recorte não decorre de plano municipal próprio de amostragem, mas do uso da Diretriz Nacional do Plano de Amostragem como referência normativa para verificar, em escala municipal, como o critério de priorização de pontos vulneráveis se expressa no território da rede municipal de saúde. Para isso, empregou-se a lógica fuzzy, cuja aplicação permite enfrentar problemas de emparelhamento marcados por incertezas, indefinições ou variações semânticas17.
A técnica produziu escore de similaridade de 0 a 100. Definiram-se três faixas operacionais de confiabilidade: ?90, confiável; 80–89, duvidosa, com validação manual; e <80, insuficiente. Após os critérios automáticos e a validação manual, foram mantidos 634 dos 678 pares classificados na faixa ?90 e 644 dos 777 na faixa 80–89; os 11.658 pares com escore inferior a 80 foram descartados, totalizando ao final 1.278 correspondências utilizadas na integração. Estabelecimentos sem correspondência não devem ser interpretados como ausência de coleta, mas como não observáveis na espacialização.
Modelagem de dados
Com as correspondências validadas, procedeu-se à carga dos dados no sistema, integrando os resultados analíticos aos registros georreferenciados e importando suas coordenadas. Essa integração de múltiplas fontes em um único ambiente de inteligência de negócios permitiu consolidar a modelagem e produzir visões espaciais integradas em saúde pública10.
Com os dados georreferenciados, procedeu-se à integração das matrizes no Qlik Sense Desktop, utilizando-se como bases as coletas do Sisagua, os polígonos dos bairros e os estabelecimentos da rede municipal de saúde. O identificador “BAIRRO” foi definido como campo central de associação, exigindo saneamento prévio da nomenclatura espacial nas três bases. Os polígonos dos bairros foram plotados em mapa e associados manualmente ao nome padronizado, pois a base gerada a partir do KML apresentava códigos alfanuméricos em vez da toponímia oficial. A planilha resultante foi utilizada na função de mapeamento (Mapping) do Qlik Sense Desktop, empregada também para converter grafias divergentes.
Por fim, realizou-se a análise espacial da cobertura observável dos pontos de amostragem, considerando a distribuição territorial das coletas e a presença de parâmetros críticos. Buscou-se identificar padrões espaciais e vazios de cobertura observável relevantes para o planejamento da vigilância municipal e avaliar, no recorte da rede municipal de saúde, a expressão territorial do critério de priorização de pontos vulneráveis previsto na Diretriz Nacional do Plano de Amostragem do Vigiagua11 e na literatura sobre avaliação espacial da qualidade da água7.
Declaração de uso de inteligência artificial
Utilizou-se o ChatGPT (OpenAI) como suporte metodológico auxiliar em duas etapas do estudo: (1) apoio ao desenvolvimento e à estruturação da rotina computacional em linguagem R para a geocodificação automatizada de endereços; (2) otimização do código empregado na aplicação da lógica fuzzy para o emparelhamento probabilístico das bases de dados.
RESULTADOS E DISCUSSÃO
Consolidação da base analítica e panorama global da potabilidade
O processamento dos dados provenientes do Sisagua para o município do Recife, referentes ao período de 2021 a 2025, resultou em 38.475 registros em formato CSV. Esse volume decorre da estrutura de armazenamento do sistema, que gera múltiplas linhas para uma mesma coleta de água, segmentando os resultados conforme o parâmetro avaliado, como cloro residual, turbidez, coliformes totais e Escherichia coli. Para mitigar as limitações analíticas inerentes ao manuseio manual desse volume de dados na saúde6, a rotina de processamento apoiou-se no uso integrado da linguagem R para a organização dos endereços e do software de Business Intelligence Qlik Sense para a modelagem associativa. A automatização em R obteve sucesso em 80,55% dos endereços, e os 19,45% restantes demandaram busca manual, resultando em uma base consolidada de 25.944 amostras únicas.
Para contextualizar o esforço amostral observado, correlacionou-se o volume de dados extraídos com o perfil demográfico do município e as exigências normativas vigentes. Segundo dados do Censo Demográfico de 2022, Recife possui 1.488.920 habitantes18. De acordo com a Diretriz Nacional do Plano de Amostragem da Vigilância da Qualidade da Água para Consumo Humano, municípios enquadrados na faixa populacional superior a 500.001 habitantes devem realizar um quantitativo mínimo mensal de amostras para os parâmetros básicos estipulado pela cota fixa de 35 coletas, acrescida de uma amostra para cada 50 mil habitantes11, o que corresponde, para Recife, a pelo menos 65 coletas mensais. Entretanto, no escopo deste estudo, a análise não se orienta pelo simples cumprimento desse quantitativo global, mas pela distribuição observável das coletas no recorte da rede municipal de saúde, à luz do critério de priorização de pontos vulneráveis previsto na diretriz nacional. Assim, o volume total de amostras não permite inferir, isoladamente, cobertura espacial e temporal uniforme, aspecto que deve ser interpretado em conjunto com os resultados cartográficos e com a vinculação entre bases.
No panorama global da base consolidada, 19.936 amostras (76,84%) apresentaram resultados potáveis, enquanto 6.008 (23,16%) foram classificadas como não potáveis por violarem ao menos um dos limites regulatórios estabelecidos pela Portaria GM/MS nº 888/20211. Embora o monitoramento municipal tenha alcançado volume expressivo de coletas, persistem inconformidades relevantes quanto à Escherichia coli distribuição territorial, o que exige análise específica no recorte da rede municipal de saúde. A integração dessas matrizes em painel analítico interativo permitiu a espacialização das amostras e ampliou a leitura territorial da informação, em consonância com Alves et al.10 e Catete et al.9 acerca do uso das geotecnologias e da inteligência de dados na administração pública.
Análise Espacial da Qualidade da Água na Rede municipal de Saúde
A análise espacial direcionada ao objeto principal de estudo iniciou-se com o mapeamento da infraestrutura de atendimento. A partir da base CNES, identificou-se um total de 329 estabelecimentos sob gestão municipal. Desses, 328 foram georreferenciados com sucesso (99,7%), permanecendo um estabelecimento sem geocodificação. Entre os 328 estabelecimentos georreferenciados, 160 (48,78%) foram vinculados a pelo menos uma amostra do Sisagua com correspondência validada entre as bases, viabilizando a espacialização no recorte da rede, enquanto 168 (51,22%) não apresentaram vínculo no processo de integração. Essa ausência de vínculo pode refletir tanto inexistência de registros de coleta associados às unidades quanto limitações de vinculação decorrentes de inconsistências de endereço, incompletude cadastral ou variações de grafia entre as bases. Desse modo, o indicador 160/328 expressa cobertura georreferenciável por linkage, e não a totalidade do monitoramento executado.
Os pontos de coleta georreferenciados corresponderam a 3.028 amostras com vinculação validada aos endereços dos estabelecimentos de saúde. Esse quantitativo representa aproximadamente 11,67% do total de coletas realizadas no município, delimitando o escopo amostral aos registros associados à rede municipal de saúde. Assim, esse subconjunto deve ser interpretado como cobertura observável resultante da vinculação entre bases de dados, e não como representação integral de todas as coletas potencialmente realizadas nesse recorte institucional. Ao estratificar a análise exclusivamente para esse conjunto, observou-se que 2.051 amostras (67,73%) apresentaram conformidade com os padrões regulatórios, enquanto 977 (32,27%) foram classificadas como não potáveis. Esse percentual, superior ao panorama global do município (desconsiderando-se o georreferenciamento das amostras), reforça a pertinência sanitária do recorte analítico adotado para a rede municipal de saúde.
A Figura 1 apresenta o painel criado com base nos dados, no qual é possível observar a distribuição espacial dos parâmetros de potabilidade das amostras georreferenciadas da rede municipal de saúde. O painel exibe tanto os quantitativos totais quanto o volume de amostras potáveis e não potáveis; dentre as 977 não potáveis, identificam-se os parâmetros específicos em desacordo de cada uma. Evidenciou-se, ainda, a ocorrência de múltiplas inconformidades simultâneas em uma mesma amostra. Essas inconformidades de coliformes, cloração, Escherichia coli e turbidez também são observadas em estudos relativos ao padrão de vulnerabilidade documentado em outras regiões do país, como nos estados da Bahia, Ceará e Paraná19,15,20, o que reforça a necessidade de atenção especial quando esses achados ocorrem em ambientes de assistência à saúde. Desta forma, esta arquitetura de dados permitiu a sua filtragem por bairros ou estabelecimentos específicos, demonstrando o potencial do sistema para apoiar análises microterritoriais e a tomada de decisão em saúde pública10.
Figura 1 – Painel com distribuição espacial e parâmetros de inconformidade da água na rede municipal de saúde do Recife (2021-2025).

Fig.1

A Figura 2 consolida a leitura territorial do conjunto vinculado entre estabelecimentos e amostras. Na representação cartográfica, os marcadores em formato de "X" indicam a localização das unidades de saúde municipal georreferenciadas, enquanto os círculos representam as amostras com correspondência validada, em verde para conformidade e em vermelho para inconformidade. Além de evidenciar a situação sanitária dos equipamentos de saúde sobreposta às delimitações dos bairros, a projeção espacial identifica vazios de vinculação entre as bases, que limitam a espacialização de parte da rede e podem ocultar coletas existentes não atribuídas a um estabelecimento. Essa constatação ratifica os apontamentos de Brito et al.7 sobre o papel dos mapas temáticos na tradução de grandes volumes de dados do Sisagua em instrumentos visuais úteis às políticas públicas de saneamento. Em termos analíticos, áreas com menor concentração de coletas georreferenciadas devem ser interpretadas como regiões de menor cobertura observável, o que pode refletir tanto menor ocorrência de coletas quanto maior perda de correspondência por inconsistências cadastrais.
Figura 2 – Dispersão espacial e conformidade da qualidade da água por estabelecimento da rede municipal de saúde do Recife (2021-2025).

Fig.2

A Figura 3 apresenta a tendência temporal das amostras vinculadas aos estabelecimentos georreferenciados entre 2021 e 2025. Observou-se declínio do percentual de amostras não potáveis de 46,69%, em 2021, para 9,98%, em 2025. Em termos absolutos, a quantidade de amostras não potáveis reduziu-se de 416 para 56, correspondendo a uma redução aproximada de 86,5%. Esse decréscimo sugere melhora nos resultados observados, embora sua interpretação deva considerar a estabilidade do plano amostral, a cobertura territorial e a completude dos registros entre os anos.
Figura 3 – Total de amostras (barras) e percentual de amostras não potáveis (linha) por ano na rede municipal de saúde do Recife (2021–2025).

Fig.3

Perfil dos Parâmetros em Desacordo
O uso de pontos georreferenciados para o monitoramento da qualidade da água permitiu uma visão espacializada do risco, transformando dados isolados em inteligência geográfica. Nessa direção, a utilização do Business Intelligence (Qlik Sense) estruturou a leitura territorial dos achados e permitiu articular a escala municipal à análise microterritorial dos pontos de coleta, favorecendo a tomada de decisão baseada em evidências9. Para examinar, simultaneamente, a frequência das falhas e a severidade do problema, a Figura 4 correlaciona o número absoluto de amostras reprovadas com o percentual de não potabilidade por bairro.
Observou-se que, em valores absolutos, o bairro de Santo Amaro concentrou a maior quantidade de amostras não potáveis, totalizando 101 registros, seguido por Casa Amarela, com 76 ocorrências. A avaliação proporcional dessas inconformidades revela que tais valores representam, respectivamente, 55,80% e 37,25% do total de coletas realizadas nessas unidades. Esse cruzamento entre volume absoluto e proporção relativa evita que a interpretação da vulnerabilidade territorial se apoie apenas na contagem bruta de eventos ou em percentuais isolados.
A análise espacial da proporção de não potabilidade na rede municipal de saúde também identificou localidades com 100% de inconformidade. No conjunto de dados georreferenciados, os bairros de Afogados, Coqueiral, Graças, Jardim São Paulo, Mangueira, Recife e San Martin registraram resultados não potáveis em todas as avaliações. A verificação dos valores absolutos associados a esses percentuais, entretanto, indica uma limitação amostral: no acumulado do período de 2021 a 2025, foram realizadas, respectivamente, 2, 3, 1, 5, 9, 12 e 1 coletas nessas localidades. Esse resultado exige cautela interpretativa, pois a leitura da inconformidade deve considerar, conjuntamente, o volume de testes e a cobertura observável. Em escala operacional, Santana et al.3 associam vazios de informação e baixa consistência dos registros a entraves persistentes na execução da vigilância, aspecto que ajuda a interpretar a baixa frequência de coletas nesses pontos da rede.
Esse achado também se alinha à literatura internacional sobre limitações de cobertura e monitoramento. Sridharan et al.21 argumentam que lacunas de informação constituem entraves gerenciais persistentes e exigem modelagens geoespaciais capazes de identificar zonas de risco em cenários de baixa densidade informacional. Na mesma direção, Jayanthi et al.22 ressaltam que os Sistemas de Informação Geográfica permitem integrar fatores complexos e heterogêneos, qualificando o suporte à decisão governamental. À luz dessas contribuições, a arquitetura de inteligência de dados demonstra que as lacunas no monitoramento e a dificuldade de cruzar informações não são apenas falhas operacionais. Elas funcionam como indicadores estratégicos para identificar e priorizar o atendimento nas áreas mais vulneráveis do território.
Figura 4 – Correlação entre volume de amostras reprovadas e índice de não potabilidade por bairro na rede municipal de saúde do Recife (2021-2025).

Fig.4

No conjunto das amostras georreferenciadas, os parâmetros que mais comprometeram os resultados foram coliformes totais, com 752 registros de presença, e a inadequação nos níveis de cloro residual livre, com 303 resultados fora dos limites definidos pela Portaria GM/MS nº 888, de 4 de maio de 20211. A Tabela 1 sintetiza a distribuição dessas inconformidades nos bairros que apresentaram os maiores indicadores de não potabilidade, detalhando seus respectivos parâmetros. Tais achados qualificam as análises territoriais e os dados da vigilância da qualidade da água para consumo humano, o que demanda o fortalecimento do gerenciamento e da tomada de decisão.
Tabela 1 – Distribuição quantitativa de inconformidades por parâmetro e bairro na rede municipal de saúde do Recife (2021-2025).

Tab.1

Ressalta-se que a arquitetura do painel inteligente contribuiu para identificar a procedência das amostras quanto ao tipo de ponto de coleta. Verificou-se que, do total de 2.522 análises georreferenciadas, 83,29% foram realizadas na Torneira antes da reservação, o que possibilita avaliar diretamente a qualidade da água fornecida pela concessionária pública. Essa distinção confere elevada segurança analítica ao permitir diferenciar falhas na rede de distribuição externa de problemas originados nas instalações hidráulicas internas das unidades. Em contrapartida, 260 registros não apresentam identificação do ponto de coleta, configurando a segunda maior ocorrência absoluta nessa categoria. Essa incompletude compromete a rastreabilidade espacial e operacional dos indicadores e reforça os argumentos de Oliveira et al.14 e Santana et al.3 de que falhas no preenchimento do Sisagua fragilizam a avaliação da segurança hídrica e o potencial analítico do sistema como ferramenta de vigilância em saúde ambiental.
CONCLUSÃO
A análise de dados governamentais por meio de plataformas de Business Intelligence e geotecnologias demonstrou capacidade técnica para converter as informações tabulares do Sisagua em matrizes de monitoramento territorial. No recorte da rede municipal de saúde, o processamento permitiu mapear 3.028 amostras vinculadas aos estabelecimentos, das quais 32,27% apresentaram parâmetros não potáveis ao longo do período avaliado.
A avaliação espacial identificou bairros com totalidade de amostras não potáveis, porém associados a baixo quantitativo de coletas, o que aponta restrições na capilaridade e na frequência da amostragem nessas localidades. Esse achado converge com Santana et al.3, ao evidenciar que vazios de dados e falhas operacionais de preenchimento refletem entraves técnico-administrativos persistentes na vigilância da qualidade da água. No subconjunto vinculado à rede municipal georreferenciada, observou-se ainda declínio de 86,5% na quantidade de amostras fora dos padrões entre 2021 e 2025. Como limitação, parte do georreferenciamento demandou busca manual, e o emparelhamento por similaridade textual pode incorporar incertezas residuais, reforçando a necessidade de padronização do registro primário de endereços para ampliar a reprodutibilidade. Tal cenário ratifica a premissa de Rios15 sobre a necessidade de qualificar e depurar bases de dados secundárias de forma prévia, garantindo a confiabilidade da modelagem analítica.
Além disso, 83,29% das amostras foram coletadas em pontos anteriores à reservação, o que permite avaliar mais diretamente a qualidade da água fornecida pela concessionária estadual de saneamento e distinguir potenciais problemas da rede pública daqueles relacionados às condições internas das unidades. Essa distinção é relevante para a vigilância à saúde, considerando que disparidades na qualidade da água distribuída impactam diretamente a incidência de doenças diarreicas agudas, como assinalam Lacerda et al.5.
Conclui-se que o georreferenciamento integrado aos dados do Sisagua, tomando a Diretriz Nacional do Plano de Amostragem como referência normativa e a rede municipal de saúde como recorte territorial, permitiu evidenciar padrões de potabilidade, lacunas de cobertura observável e limitações de vinculação entre bases. Em consonância com Catete et al.9, a análise espaço-temporal mostrou-se útil para identificar lacunas e padrões de risco pouco visíveis em relatórios tabulares estáticos. Dessa forma, o percurso analítico desenvolvido oferece subsídios ao aprimoramento do Programa Nacional de Vigilância da Qualidade da Água para Consumo Humano (Vigiagua), apoiando o planejamento, o direcionamento de ações corretivas e a tomada de decisão na vigilância municipal.
Declaração de Disponibilidade de Dados
As fontes dos dados utilizados na pesquisa estão indicadas no corpo do artigo.
REFERÊNCIAS
1. Brasil. PORTARIA GM/MS Nº 888, DE 4 DE MAIO DE 2021. Altera o Anexo XX da Portaria de Consolidação GM/MS nº 5, de 28 de setembro de 2017, para dispor sobre os procedimentos de controle e de vigilância da qualidade da água para consumo humano e seu padrão de potabilidade. Diário Oficial da União; 2021.
2. Ministério da Saúde. Manual do Sistema de Informação de Vigilância da Qualidade da Água para Consumo Humano – Sisagua: perfil Vigiagua (Vigilância em Saúde). Brasília, DF: Ministério da Saúde; 2020.
3. Santana ABC, Lopes AF, Mendes AP, Yamaguchi KKL. Análise de dados do Sistema de Informação de Vigilância da Qualidade da Água para Consumo Humano (Sisagua) no estado do Amazonas, 2016-2020. Vigilância Sanitária em Debate: Sociedade, Ciência & Tecnologia. 2021 Nov 30; 9(4):25–34.
4. Mata RN, Oliveira Júnior A, Ramalho WM. Sistema de Informação de Vigilância da Qualidade da Água para Consumo Humano (Sisagua): avaliação da completitude dos dados sobre cobertura de abastecimento, 2014-2020. 2022 Jan 1;31(3).
5. Lacerda MC, Batista GS, Sousa AFN, Lacerda ILC, Almeida MNV, Cunha PH, et al. Correlação entre a ocorrência de doenças diarreicas agudas e os dados de vigilância da qualidade de água para consumo humano no Brasil. Cad. Pedagógico [Internet]. 28º de março de 2024 [citado 30º de abril de 2026];21(3):e3445.
6. Torres DR, Cardoso GCP, Abreu DMF, Soranz DR, Oliveira EA. Aplicabilidade e potencialidades no uso de ferramentas de Business Intelligence na Atenção Primária em Saúde. Ciência & Saúde Coletiva [Internet]. 2021 Jun 30;26:2065–74.
7. Brito FSL, Barros KC, Aguiar CR. Vigilância da qualidade da água tratada usando o Sistema de Informação Geográfica (SIG) no Município de Belém, Pará, ¨Brasil. Revista AIDIS de ingeniería y ciencias ambientales: Investigación, desarrollo y práctica. 2024 Dec 10;741–62.
8. Oliveira Filho JAT, Peres FFF. Desenvolvimento de Soluções SIG para a Administração Pública Brasileira – Uma Revisão Sistemática: Development of GIS Solutions for the Brazilian Public Administration – A Systematic Review. REGNE [Internet]. 14º de agosto de 2023;9(2):69-82.
9. Catete CP, Ferreira HS, Guimarães RJPS, Costa KG, Gava FH, Silva CN, et al. GEOTECNOLOGIAS APLICADAS À SAÚDE PÚBLICA: FERRAMENTAS PARA ANÁLISE ESPAÇO-TEMPORAL E APOIO À TOMADA DE DECISÃO. Interference Journal [Internet]. 12º de dezembro de 2025;11(2):8811-40.
10. Alves L, Oliveira JA, Takao M, Santos J, Cunha V, Maciel C. Business Intelligence com Qlik Sense aplicado ao Radar Saúde. 2020 Nov 11;225–34.
11. Ministério da Saúde - SVS. Diretriz Nacional do plano de amostragem da vigilância da qualidade da água para consumo humano. MS; 2015.
12. Plano Municipal de Saúde (PMS 2022-2025). Prefeitura do Recife [Internet]. 2022.
13. Gil AC. Como elaborar projetos de pesquisa. São Paulo Atlas; 2002.
14. Oliveira Júnior A, Magalhães TB, Mata RN, Santos FSG, Oliveira DC, Carvalho JLB, et al. Sistema de Informação de Vigilância da Qualidade da Água para Consumo Humano (Sisagua): características, evolução e aplicabilidade*. Epidemiologia e Serviços de Saúde. 2019 Apr;28(1).
15. Rios IHR. Análise de dados fora do padrão sobre a água de abastecimento da região metropolitana de Salvador. Revista Baiana de Saúde Pública. 2022 Dec 31;46(4):267–84.
16. Cadastro Nacional de Estabelecimentos de Saúde. [citado 2026 jan 29]. https://cnes.datasus.gov.br/pages/downloads/arquivosBaseDados.jsp.
17. Neves EP, Cardoso ACV, Duarte MAQ, Vieira Filho J. Sistema audiométrico baseado em regras fuzzy. CQD - Rev Eletr Paul Mat [periódico na Internet]. 2022 [citado 2026 fev 23]; 22(3): [cerca de 19 p.]. Disponível em: https://revistas.bauru.unesp.br/index.php/revistacqd/article/view/346.
18. Instituto Brasileiro de Geografia e Estatística. Cidades e Estados: Recife — PE [Internet]. Rio de Janeiro: IBGE; 2023 [citado 2026 abr 27]. Disponível em: https://www.ibge.gov.br/cidades-e-estados/pe/recife.html.
19. Beatriz J, Paula S. PARÂMETROS BACTERIOLÓGICOS DA ÁGUA DE CONSUMO HUMANO: DADOS DO SISAGUA. Visão Acadêmica. 2023 Apr 4;24(1).
20. Silva IP, Vasconcelos MP, Costa TES. AVALIAÇÃO DA QUALIDADE DA ÁGUA DO SISTEMA DE ABASTECIMENTO DE UM MUNICÍPIO CEARENSE. Cadernos ESP. 2023 Nov 24;17(1):e1705.
21. Sridharan VK, Kumar S, Kumar SM. Can Remote Sensing Fill the United States’ Monitoring Gap for Watershed Management? Water. 2022 Jun 21;14(13):1985.
22. Jayanthi M, Thirumurthy S, Samynathan M, Manimaran K, Duraisamy M, Muralidhar M. Assessment of land and water ecosystems capability to support aquaculture expansion in climate-vulnerable regions using analytical hierarchy process based geospatial analysis. Journal of Environmental Management. 2020 Sep;270:110952.