Escolha do tema e do dataset
Módulo 4 · Aplicação na docência
A primeira decisão do Capstone é também a mais consequente. Tema mal escolhido = projeto que custa o dobro pra terminar e vira exemplo morno em sala de aula. Tema bem escolhido = trabalho que flui, que você tem genuíno interesse em conduzir, e que vira material durável para sua docência. Esse capítulo dá critérios para acertar de primeira.
Critérios de bom tema
Tema adequado para o Capstone passa por três filtros simultâneos:
1. Relevância docente. O tema dá exemplo concreto de algo que você já ensina (ou quer começar a ensinar). Se você dá aula de epidemiologia clínica, o tema bate em desenho de estudo. Se você dá residência de psiquiatria, bate em depressão pós-AVC, em estudo de coorte com escalas validadas, em algo que aparece na sua prática didática.
2. Disponibilidade de dados. Você consegue dados — públicos ou próprios — sem barreiras burocráticas grandes. Capstone com aprovação de comitê de ética em curso geralmente é Capstone que não fecha em tempo razoável. Prefira dados públicos ou sintéticos para o exercício.
3. Escopo realista. Análise concluível em 6-12 horas de trabalho concentrado. Coortes complexas com modelagem multinível, análise de sobrevida ajustada por propensity score, e comparação multivariada de mais de cinco grupos são tentações que adiam a entrega indefinidamente. Comece simples.
A regra: se você precisar de mais de 3 minutos para descrever o tema em voz alta para um colega, está complexo demais para um Capstone.
Padrões que costumam funcionar
Alguns formatos que historicamente fluem bem em projetos integradores curtos:
- Caracterização epidemiológica de uma condição num conjunto de dados público. Ex.: prevalência de hipertensão em adultos brasileiros segundo a PNS 2019; mortalidade por suicídio em adolescentes 15-19 anos na última década.
- Comparação simples entre dois ou três grupos. Ex.: tempo de internação por porte de hospital (pequeno/médio/grande); idade de diagnóstico de transtornos por sexo.
- Análise temporal de séries temporais públicas. Ex.: evolução da taxa de cesarianas no SUS entre 2010 e 2024; curva pandêmica de COVID-19 em municípios mineiros.
- Validação descritiva de um instrumento ou escala em um subgrupo. Ex.: distribuição de PHQ-9 numa coorte hipotética; característica psicométrica do GAD-7.
Padrões que frequentemente travam:
- Análise causal sofisticada exigindo propensity score matching ou difference-in-differences.
- Coorte longitudinal com missing complicado.
- Machine learning aplicado a imagem médica.
- Meta-análise (boa em si, mas exige busca sistemática que não cabe no prazo).
Os complexos podem virar Capstone depois — por agora, prefira algo manejável.
Onde achar dados públicos brasileiros
Brasil tem excelente infraestrutura de dados abertos em saúde, e usar dados públicos no Capstone tem vantagem dupla: viabilidade técnica + reproducibilidade que o aluno pode replicar.
DataSUS — o repositório central:
- TabNet (datasus.gov.br/informacoes-de-saude) — interface web para gerar tabulações.
- DATASUS FTP — arquivos brutos das principais bases nacionais (SIM, SINAN, SINASC, SIH, SIA).
- microdatasus — pacote R que automatiza download e leitura. Excelente para Capstone.
Bases específicas de DataSUS importantes:
| Base | O que tem |
|---|---|
| SIM (Sistema de Informações sobre Mortalidade) | Causa de morte, idade, local — desde 1979 |
| SINASC (Sistema de Informações sobre Nascidos Vivos) | Nascimentos, peso, prematuridade |
| SIH (Sistema de Informações Hospitalares) | Internações no SUS, com diagnóstico CID, procedimentos |
| SIA (Sistema de Informações Ambulatoriais) | Consultas e procedimentos ambulatoriais |
| SINAN (Sistema de Informação de Agravos de Notificação) | Doenças de notificação compulsória (dengue, sífilis, COVID) |
Outras fontes brasileiras úteis:
- PNS (Pesquisa Nacional de Saúde) — IBGE, dados individuais sobre saúde da população. Última edição completa: 2019.
- PNAD Contínua — IBGE, com módulo trimestral de saúde.
- SISVAN — Vigilância alimentar e nutricional, dados antropométricos populacionais.
- Portal da Transparência — gastos federais, incluindo saúde.
- OpenDataSUS — portal moderno com APIs (opendatasus.saude.gov.br).
Internacionais que valem para Capstone:
- WHO Global Health Observatory — indicadores de saúde global.
- WHO Mortality Database — comparação Brasil vs. outros países.
- OECD Health Statistics — sistemas de saúde comparados.
- MIMIC-IV (physionet.org/content/mimiciv) — UTI desidentificada Beth Israel Deaconess, exige cadastro mas é gratuita. Excelente para Capstone em medicina intensiva.
Quando dados públicos não bastam: dados sintéticos
Se seu tema didático específico requer dados clínicos com estrutura precisa (e dados públicos não cobrem), considere gerar dados sintéticos que reproduzem padrões realistas sem identificar pessoas reais.
Vibe coding facilita isso enormemente:
“Gere dados sintéticos de uma coorte de 487 pacientes hipertensivos. Idade entre 35 e 80 anos (distribuição realista). Sexo F/M ~60/40. Pressão arterial sistólica baseline com média 152 mmHg, DP 18 mmHg. Após tratamento (12 semanas e 24 meses), redução média de 12 mmHg com IC realista. Inclua comorbidades comuns (DM2, dislipidemia, obesidade) com prevalências realistas. Salve em CSV em
dados/raw/coorte_sintetica.csve documente o gerador num script reproduzível.”
O agente entrega script R/Python que gera dados realistas. Como saída é gerada por código, você inclui o gerador no compêndio — qualquer pessoa pode reproduzir os mesmos dados sintéticos.
Em todo lugar do compêndio que mencione os dados, deixe explícito: “dados sintéticos gerados para fins didáticos, sem correspondência com pacientes reais”. Estudante eventualmente confunde dados sintéticos com reais; a comunicação clara evita esse problema.
Em manuscrito ou apresentação derivada, nunca chame dados sintéticos de “amostra real” ou faça inferência clínica como se fossem dados de pesquisa. São pedagógicos, não evidência.
Dados próprios anonimizados — caminho válido com cuidados
Se você tem dados próprios de pesquisa já aprovados por comitê de ética e quer usar no Capstone, é viável — com cuidados:
- Anonimização robusta — sem identificadores diretos (CPF, prontuário, nome) e sem combinações que permitam reidentificação (idade exata + sexo + município pequeno).
- Verificar termos do TCLE — alguns TCLEs antigos não autorizam compartilhamento público. Releia.
- Conformidade com LGPD — capítulo M1-B1-06 cobre. Em caso de dúvida, consulte o DPO da sua instituição.
- Consentimento dos coautores — se a coorte foi gerada em colaboração, todos precisam concordar com publicação como material didático.
A vantagem dos dados próprios é o realismo. A desvantagem é o risco. Para Capstone primeiro, dados públicos ou sintéticos costumam ser caminho mais leve.
A pergunta de pesquisa
Definido o tema e o dataset disponível, formule uma pergunta de pesquisa específica que guia toda a análise. Ela tem três características:
- Específica. Não “estudar hipertensão” — “qual a prevalência de hipertensão arterial estágio 2 em adultos brasileiros 40-64 anos segundo a PNS 2019, estratificada por região e sexo?”.
- Respondível com os dados disponíveis. Verifique se as variáveis necessárias estão no dataset.
- Relevante didaticamente. Você consegue imaginar a aula em que esse resultado entra? Se sim, vai bem.
Anote a pergunta numa única frase e fixe num arquivo pergunta.md no projeto. Volte a ela sempre que se perder no meio da análise.
Conexão com IA
Agentes podem ajudar nas três decisões deste capítulo:
1. Brainstorming de temas. “Sou professor de cardiologia, dou aula de hipertensão. Quero um Capstone usando PNS 2019 que sirva de exemplo na minha disciplina. Sugira 5 perguntas de pesquisa viáveis com esse dataset.” — agente devolve cinco opções com pré-análise de viabilidade.
2. Inspeção rápida de dataset desconhecido. “Aqui está o cabeçalho do arquivo SIM 2023. Quais variáveis são úteis para análise de mortalidade por suicídio em adolescentes?” — agente identifica colunas-chave e propõe limpeza inicial.
3. Geração de dados sintéticos realistas. Especialmente útil quando dados públicos não cobrem exatamente o que você precisa.
O que vem a seguir
Tema escolhido, dataset identificado (ou plano de geração definido), pergunta formulada. Próximo passo: planejar a análise antes de começar a executar. Estrutura de pastas, plano estatístico pré-especificado, AGENTS.md, SAP — para que o Capstone não vire improviso.