@precisa-saude/medbench-dataset

Dataset estruturado de questões de provas médicas brasileiras (Revalida e ENAMED).

Sobre

Questões extraídas dos cadernos oficiais publicados pelo INEP, com gabarito definitivo pós-recurso, classificação por especialidade e metadados de edição (nota de corte, taxa de aprovação, data de publicação). Distribuído em JSON, tipado em TypeScript, consumível em Node e no bundler de qualquer site estático.

É o dataset por trás do leaderboard em medbench-brasil.ia.br e do harness @precisa-saude/medbench-harness.

Instalação

pnpm add @precisa-saude/medbench-dataset
# ou
npm install @precisa-saude/medbench-dataset

Requer Node ≥ 20.

Uso

import {
  listEditions,
  loadEdition,
  loadAll,
  getModelContaminationRisk,
} from '@precisa-saude/medbench-dataset';
import type { Edition, Question } from '@precisa-saude/medbench-dataset';

// Listar todas as edições disponíveis
const ids = listEditions();
// → ['revalida-2024-1', 'revalida-2024-2', 'revalida-2025-1', 'enamed-2025']

// Carregar uma edição específica
const edition: Edition = loadEdition('revalida-2025-1');
console.log(edition.questions.length); // 100
console.log(edition.cutoffScore); // 0.6
console.log(edition.passRate); // 0.18

// Carregar todas de uma vez
const all: Edition[] = loadAll();

// Classificar risco de contaminação por par (edição × modelo)
const risk = getModelContaminationRisk(edition, '2024-10-01');
// → 'likely-clean' | 'likely-contaminated' | 'unknown'

API

Funções

| Export | Assinatura | | ----------------------------- | ----------------------------------------------------------------------- | | listEditions() | () => EditionId[] | | loadEdition(id) | (id: EditionId) => Edition | | loadAll() | () => Edition[] | | getModelContaminationRisk() | (edition: Edition, modelTrainingCutoff?: string) => ContaminationRisk | | examFamilyOf(id) | (id: EditionId) => 'revalida' \| 'enamed' |

Constantes

• SPECIALTIES — lista de especialidades válidas ('cirurgia', 'clinica-medica', 'ginecologia-obstetricia', 'medicina-familia-comunidade', 'pediatria', 'saude-publica').

Tipos

• Edition, EditionId, Question, QuestionOption ('A' | 'B' | 'C' | 'D'), Specialty, ExamFamily, ContaminationRisk.

Formato dos dados

Cada edição é um JSON com o seguinte shape (trecho real de revalida-2025-1):

{
  "id": "revalida-2025-1",
  "year": 2025,
  "publishedAt": "2025-04-14",
  "cutoffScore": 0.6,
  "passRate": 0.18,
  "source": "https://www.gov.br/inep/pt-br/areas-de-atuacao/avaliacao-e-exames-educacionais/revalida/provas-e-gabaritos",
  "questions": [
    {
      "id": "revalida-2025-1-q02",
      "number": 2,
      "editionId": "revalida-2025-1",
      "stem": "Homem de 42 anos, em uso crônico de anti-inflamatório…",
      "options": {
        "A": "Úlcera gástrica perfurada.",
        "B": "Pancreatite aguda.",
        "C": "Colecistite aguda.",
        "D": "Diverticulite aguda."
      },
      "correct": "A",
      "specialty": ["cirurgia"],
      "annulled": false,
      "hasImage": false,
      "hasTable": true
    }
  ]
}

Os arquivos ficam em data/revalida/<ano>-<N>.json e data/enamed/<ano>.json e são incluídos no tarball publicado no npm (files: ["dist", "data"]).

Edições disponíveis

| Edição | Questões | Publicação INEP | | ----------------- | -------- | --------------- | | revalida-2024-1 | 100 | 2024-03-17 | | revalida-2024-2 | 100 | 2024-08-25 | | revalida-2025-1 | 100 | 2025-04-14 | | enamed-2025 | 100 | 2025-10-26 |

Novas edições são incorporadas conforme o INEP publica os gabaritos definitivos pós-recurso. Edições anteriores (Revalida 2011–2023) estão no roadmap.

Integridade dos dados

• Fonte única: portal oficial do INEP. Nenhum dado é importado de terceiros, transcrições informais ou bancos de questões privados.
• Gabarito definitivo: alterações pós-recurso (marcadas em azul pelo INEP) prevalecem sobre o gabarito preliminar.
• Questões com imagem, tabela ou anuladas ficam marcadas por hasImage, hasTable e annulled, mas não são excluídas do JSON — a exclusão é decisão do consumidor (o harness, por padrão, exclui imagens e tabelas).
• Detalhes do pipeline e política editorial em CLAUDE.md e nos ADRs em docs/development/adr/.

Licença

Apache-2.0.

Links

• Site: medbench-brasil.ia.br
• Repositório: github.com/Precisa-Saude/medbench-brasil
• Issues: github.com/Precisa-Saude/medbench-brasil/issues
• Harness de avaliação: @precisa-saude/medbench-harness