Plataforma de gestão de clínica médica

Descrição

Projeto de desenvolvimento de uma plataforma de gestão de clínica médica com interface em Python para gerenciar cadastros ou consultar disponibilidade de horários.

Autores

• Kauã Amado
• Moisés Campos

Tecnologias Utilizadas

• Docker 29.0.4
• MySQL Workbench 8.0
• Python 3.12.3

Modelo de Dados

• Modelo relacional (MySQL 8.0)

Entidades Principais

• medicos: Cadastro dos profissionais, incluindo especialidade e contato.
• clientes: Dados pessoais dos pacientes, incluindo tipo sanguíneo (Fator RH).
• consultas: Tabela central que registra os agendamentos, vinculando médico e paciente.
• horarios_atendimento: Grade de horários disponíveis de cada médico (Dias da semana e turnos).
• catalogo_condicoes: Tabela de domínio (lookup) contendo tipos padronizados de doenças, alergias e hábitos.
• ficha_paciente: Prontuário médico que registra o histórico de saúde (Relacionamento N:M entre Clientes e Condições).

Relacionamentos

• [medicos] 1 → N [consultas]: Um médico pode realizar diversas consultas, mas uma consulta pertence a apenas um médico.
• [clientes] 1 → N [consultas]: Um paciente pode agendar várias consultas ao longo do tempo.
• [medicos] 1 → N [horarios_atendimento]: Um médico possui vários horários de disponibilidade cadastrados na semana.
• [clientes] N ↔ M [catalogo_condicoes]: Relacionamento Muitos-para-Muitos implementado através da tabela associativa ficha_paciente.
  • Explicação: Um paciente pode ter várias condições de saúde (ex: ser fumante e ter alergia), e uma condição (ex: Diabetes) pode afetar vários pacientes.

Decisões de Design

1. Normalização e Tabela Associativa (Ficha Médica):

   • Para evitar redundância e inconsistência nos dados de saúde (como grafias diferentes para a mesma doença), optamos por criar uma tabela separada catalogo_condicoes.
   • A tabela ficha_paciente atua como uma entidade associativa, permitindo criar um prontuário rico onde um paciente pode ter múltiplas comorbidades registradas de forma organizada.

2. Uso de ENUM para Integridade de Dados:

   • Utilizamos o tipo de dado ENUM para campos com valores fixos e previsíveis, como tipo_sanguineo (A+, B-, etc.) e tipo da condição (Alergia, Cirurgia, etc.).
   • Isso impede a inserção de dados inválidos no sistema e otimiza o armazenamento.

3. Infraestrutura com Docker:

   • O projeto foi containerizado para garantir que o ambiente de desenvolvimento seja reproduzível. Utilizamos um volume persistente (mysql_data) e um script de inicialização (schema.sql) para automatizar a criação da estrutura do banco.

4. Tratamento de Datas e Horários:

   • Separamos data e horario em colunas distintas na tabela de consultas para facilitar filtros por dia ou por faixa de horário, simplificando a lógica de verificação de disponibilidade no backend.

🚀 Como Executar

1. Preparar o Ambiente Python

Recomendamos o uso de um ambiente virtual para isolar as dependências do projeto.

# 1. Crie o ambiente virtual (chamado .venv)
python3 -m venv .venv

# 2. Ative o ambiente
# No Linux/Mac:
source .venv/bin/activate
# No Windows (PowerShell):
.venv\Scripts\Activate

# 3. Instale a biblioteca de conexão com o MySQL
pip install mysql-connector-python

2. Subir o Banco de Dados

sudo docker compose up -d # Aguarde alguns segundos na primeira execução para que o container carregue tudo.

Executar o sistema

python main.py

⚠️ Observação sobre a Persistência de Dados (mysql_data)

O projeto utiliza um volume Docker (./mysql_data) para garantir que os dados não sejam perdidos quando o container é desligado.

• Para resetar o banco de dados: Se você alterar o arquivo schema.sql e precisar recriar o banco do zero, execute os seguintes comandos:

  docker compose down
  # No Linux/Mac:
  sudo rm -rf mysql_data
  # No Windows (PowerShell):
  # Remove-Item -Recurse -Force mysql_data
  docker compose up -d