MÉTODO E REPRODUÇÃO — análise editorial de dados, pt-BR

Pergunta: o mesmo nome comercial literal conhecido corresponde a mais de um
ID de registro/cadastro presente em uma exportação congelada da Anvisa?
Não é censo de produtos físicos, modelos, disponibilidade, segurança ou
situação regulatória atual. Não mede erros de pessoas nem o buscador oficial.
Não houve revisão médica ou por pares. Produção com auxílio de IA e cálculo
refeito por implementação independente, com resultados concordantes.

FONTE E EDIÇÃO
URL: https://dados.anvisa.gov.br/dados/TA_PRODUTO_SAUDE_SITE.csv
SHA-256: 16df7e01468ad666465d4b516d17d85c200547478a61bc7310c519ea83179e69
Tamanho: 27.684.590 bytes. Obtido em 01/11/2026 (UTC).
HTTP Last-Modified: Tue, 13 Oct 2026 19:09:34 GMT.
Campo de atualização literal: 10/12/2026 19:00:00 em 116.008 linhas.
Ordem de data e fuso do campo não confirmados; não foi convertido para ISO.
O dicionário 2020 e o PDA 2022–2024 divergem quanto ao escopo de situação;
não há campo de situação nas 12 colunas atuais. O denominador é o arquivo.

UNIDADES E EXCLUSÕES
116.008 linhas;100.681 IDs exatos distintos (sem filtrar por 11 dígitos).
Um número pode repetir por fabricante/país. Não contar linhas como produtos.
Campos acessados pelos nomes da tabela de cabeçalhos verificada; IDs são
texto exato. Todas as linhas têm 12 campos separados por ponto e vírgula.
Checagem CSV estrita de cada registro exige 12 campos byte-idênticos; uma linha
falha e suas duas associações de nomes ficam desconhecidas. ID preservado.
Cada campo de nome tem decodificação 1252 estrita: sem replace/ignore/guesses.
Qualquer aspas ASCII em nome exigido também torna esse campo desconhecido.
71 linhas / 60 IDs têm nome comercial desconhecido, sem preenchimento inferido.
União de IDs com algum dos dois nomes desconhecido:109; T completa = 100.572.
São 100.621 pares ID–nome conhecidos e 93.740 nomes literais conhecidos.
Ausência de conflito observado não é pressuposto para apagar linhas.

CHAVES E DENOMINADORES
Principal: igualdade literal do campo conhecido, inclusive espaços/acentos.
Secundário: NFC Unicode, strip+collapse de whitespace, depois casefold.
Não retira acentos/pontuação/números. Casefold não é necessariamente lower.
Não é descrição da interface da Anvisa. Os dois critérios usam os mesmos
campos interpretáveis; aspas/bytes indefinidos não são normalizados.
Nome compartilhado=chave ligada a >= 2 IDs exatos distintos.
Percentual de nomes usa apenas o universo de chaves conhecidas da regra.
Percentual confirmado de IDs usa todos os 100.681 IDs: limite inferior.
Comparação técnica usa T original de trincas(ID,nome,nome técnico) literais
completas. As 100.572 associações permanecem fixas em todos os testes.
No secundário, normalizam-se ambos os nomes, mas NÃO se deduplica T depois.
Refinamento é monotônico por construção; não comprova melhora de busca.

HISTÓRICO DE MÉTODO
Pergunta/normalização definidas antes dos resultados; alteração de parser,
principal literal e quarentena registrada antes das contas. Não é estudo
pré-registrado. O detalhe de normalizar ambos os campos na chave técnica
secundária foi esclarecido depois da primeira conta do produtor, antes da
conta independente; preservou o código já implementado. Sem alteração de T.

EXECUÇÃO OFFLINE (Python 3, apenas biblioteca-padrão)
Obtenha separadamente o arquivo ORIGINAL com SHA acima e salve como fonte.csv.
Na pasta methods, execute:
python registry_audit.py --input fonte.csv --protocol protocolo-metodologico.json --output auditoria.json
Para calcular as estatísticas após verificar os campos, execute:
python registry_audit.py --input fonte.csv --protocol protocolo-metodologico.json --output resultados.json --allow-analysis
O programa não baixa dados e não escreve linhas, nomes reais, identificadores ou CNPJ.
Para gerar novamente os gráficos SVG/PNG, instale a versão de Matplotlib
registrada em requirements-figures.txt e execute:
python build_figures.py --results ../data/resultados-agregados.json --output ../figures
O código dos gráficos usa apenas os agregados, sem acesso ao CSV original.
Datas de execução e formato do envelope diferem do JSON público; as medidas
numéricas sob primary_literal/secondary/technical devem coincidir.

LIMITAÇÃO DE REPRODUÇÃO
A URL da Anvisa pode passar a servir outra edição. Sem o arquivo exato, não
é possível reproduzir os agrupamentos históricos só com uma edição futura.
O input congelado está preservado para auditoria, mas não é redistribuído.
Os CSVs/JSON agregados permitem conferir somas e denominadores publicados.
CSVs: UTF-8, separador ponto e vírgula; decimais de máquina usam ponto.
Percentuais no artigo/gráficos são arredondados a2 casas; não recalcular
contagens a partir de percentuais arredondados. Exemplo fictício excluído.

DIREITOS
CC BY 4.0 só para texto/gráficos/tabelas agregadas originais desta análise.
MIT só para código próprio. Fonte: Anvisa, com identificação da edição.
Compilação original, PDFs, logos, marcas e obras de terceiros excluídos.
Este pacote não redistribui nomes comerciais/IDs/CNPJ/linhas da fonte.
