Diretrizes por revisar

Coluna numérica de duração (nome tipo "Dias Afastado", "Tempo de Parada") com apenas 2 valores distintos, sendo um deles 0 e o outro um valor fixo, não é duração medida: é um flag sim/não com o "sim" codificado num número redondo. Somar ou tirar média produz um "total de dias perdidos" que ninguém mediu. A regra mecânica: coluna numérica cujo nome sugere duração + cardinalidade 2 + um dos valores igual a 0 → propor a pergunta "duração real ou indicador?", com padrão "indicador", e bloquear agregação soma/média até resposta. Desenhar como proporção com/sem, nunca como total.

acidentes-2026-teste: Dias Afastado tem 2 valores distintos em 268 linhas — 134 linhas com 0 (50,0%) e 134 com 7 (50,0%), zero vazios. Somá-la daria "938 dias perdidos", número que não existe no dado. A planilha irmã atestados-2026-teste tem Dias Afastado com 8 distintos indo de 1 a 4200 — ali é duração de verdade (com outlier), mesmo nome de coluna, natureza oposta.

Coluna de tipo número com pouquíssimos valores distintos (2 ou 3) e distribuição perfeitamente equilibrada é um marcador booleano gravado como número, não uma quantidade medida. Somar ou promediar produz um valor que não corresponde a nenhum caso real e parece plausível. Regra: coluna numérica com ≤3 distintos cuja frequência dos valores é aproximadamente igual deve ser oferecida como dimensão categórica (distribuição, com/sem), e média/soma devem vir bloqueadas ou com aviso.

acidentes-2026-teste, coluna "Dias Afastado": só os valores 0 e 7, com 134 registros cada (50,0% / 50,0%) em 268 linhas, zero vazios. A média sairia 3,5 dias — duração que não ocorre em nenhum dos 268 acidentes. O nome da coluna sugere duração e o perfil a tipa como número, então nada no sistema impede o painel errado.

`normalizar` junta rótulos que diferem só em maiúscula/minúscula. Quando o mesmo termo também aparece sem acento, a fusão sai parcial e o resultado é pior que o diagnóstico: quem lê o painel acredita que a normalização resolveu. Regra: agrupar candidatos por chave sem acento E sem caixa; se o grupo resultante for maior que o grupo obtido só por caixa, avisar que `normalizar` não basta e informar o total real do termo.

acidentes-2026-teste, coluna Parte do Corpo: "MÃO" (27), "Mão" (26) e "mao" (26). A vistoria reportou só o par MÃO/Mão. Com normalizar:true o painel mostra Mão = 53 e "mao" = 26 separado; o total real é 79 — quase o triplo de qualquer outra parte do corpo (27), o que faz de mão o topo isolado da lista em vez de mais um empate.

A vistoria sinaliza o valor sentinela que LIDERA a coluna, mas sentinelas costumam vir em família na mesma coluna ("N/A", "-", "0", "", "NÃO INFORMADO"). Excluir apenas o líder deixa o segundo sentinela intacto e ele reaparece no topo do ranking já limpo, com cara de dado. Regra: depois de identificar um sentinela numa coluna categórica, varrer TODOS os valores restantes contra a mesma lista de padrões e devolver o conjunto completo em `excluir`, somando a cobertura perdida num único número.

acidentes-2026-teste, coluna Agente Causador: a vistoria apontou só "N/A" (54 ocorrências, 20,1%). A coluna tem também "-" com 27 ocorrências (10,1%), não sinalizado. Excluindo só "N/A", o "-" empataria em 1º lugar com Máquina e Veículo (27 cada). O buraco real da coluna é 81 de 268 registros — 30,2%, não 20,1%.

Coluna numérica com pouquíssimos valores distintos (2 ou 3) e distribuição suspeitamente exata — 50/50, 1/3 cada — não é medida: é código, flag ou valor padrão preenchido em bloco. Some, tire média ou faça histograma dela e o resultado tem forma de estatística sem descrever nada. A regra mecânica: numérica com ≤3 distintos em N linhas grandes, ou com a moda ocupando fração exata do total, deve ser reclassificada de "medida" para "categoria/indicador" nas sugestões de widget, e a média deve ser suprimida. O perfil hoje mostra só tipo, distintos e faixa (0 → 7), o que parece uma duração perfeitamente plausível; é preciso olhar a contagem por valor para ver a armadilha.

acidentes-2026-teste, coluna Dias Afastado: 2 valores distintos em 268 linhas — 134 linhas com 0 (50,0%) e 134 com 7 (50,0%), nenhum valor intermediário. Tratada como duração, produziria "média de 3,5 dias por acidente" e "938 dias perdidos no período", ambos ficção. Nenhum dos dois números corresponde a nada no mundo. Além disso não bate com Gravidade (160 leves, 108 moderadas+graves), então também não é derivada dela.

A detecção de grafias múltiplas e a opção `normalizar` trabalham por caixa (maiúscula/minúscula). Variantes que diferem por ACENTO escapam das duas: "mao" em maiúsculas é "MAO", que não bate com "MÃO". O resultado é pior que não normalizar, porque o painel parece limpo e continua partido. A comparação deveria ser feita sobre a forma sem acento e sem caixa (casefold + remoção de diacríticos) tanto para detectar quanto para juntar. Vale também para ç/c e para espaço duplo. Enquanto `normalizar` não cobrir acento, todo painel com grafias mescladas precisa de ressalva dizendo que pode sobrar linha separada.

acidentes-2026-teste, coluna Parte do Corpo: MÃO (27), Mão (26) e mao (26) são a mesma parte. A vistoria detectou apenas o par de caixa "MÃO, Mão" e ignorou "mao". Somadas, as três dão 79 de 268 (29,5%) e fazem da mão a parte mais atingida, com o triplo da segunda colocada; separadas, as dez partes do corpo ficam todas entre 26 e 27 e o painel conclui que nada se destaca. A conclusão do dashboard se inverte.

A vistoria aponta o sentinela que LIDERA o ranking, mas uma coluna pode ter vários sentinelas diferentes convivendo — cada um vindo de um sistema ou de um digitador. Encontrado um, varra a mesma coluna atrás dos outros candidatos do repertório conhecido ("N/A", "-", "--", "0", "NA", "n/a", "SEM INFORMACAO", "###", string vazia) e some todos antes de julgar a cobertura da coluna. O que muda a decisão não é o sentinela líder isolado, é o total não preenchido: um "N/A" com 20% parece tolerável e vira exclusão de rotina; 30,2% somando dois sentinelas é a informação mais acionável da coluna e merece painel próprio de qualidade.

acidentes-2026-teste, coluna Agente Causador: a vistoria sinalizou apenas "N/A" (54 ocorrências, 20,1%). Havia também "-" com 27 ocorrências (10,1%), não sinalizado, com o mesmo peso de categorias reais como Máquina (27) e Veículo (27). Somados: 81 de 268 linhas, 30,2% sem causa registrada.

Quando uma coluna sentinela (código "0", "N/A") aparece na MESMA contagem que as linhas vazias de uma coluna descritiva irmã, isso confirma que o sentinela é ausência, não valor. Regra: para pares de colunas correlatas (código × descrição), comparar a frequência do valor sentinela do código com o número de vazios da descrição. Coincidência de contagem transforma a suspeita em veredito e dispensa perguntar — basta declarar na ressalva quantos registros ficam fora do painel.

atestados-2026-teste: CID = "0" em 140 linhas (33,3%); Descrição CID vazia em 141 (140 + 1 linha totalmente em branco). Mantido o "0", ele lidera o ranking de diagnósticos com o dobro do segundo colocado (28).

Linha de TOTAL colada ao corpo dos dados: um registro em que só as colunas numéricas e um identificador estão preenchidos, com todas as categóricas e datas vazias, e cujo valor numérico é EXATAMENTE a soma das demais linhas. Detecção mecânica: para cada coluna numérica, testar se existe uma linha cujo valor iguala a soma de todas as outras (tolerância pequena) — e conferir se essa mesma linha tem as colunas categóricas/data vazias. Quando bate, é totalização, não observação: excluir de somas, médias e contagens, e avisar que a contagem de linhas está 1 acima do número de registros reais.

atestados-2026-teste: 421 linhas; 1 linha com Dias Afastado = 4200 e Custo Estimado = 869610, Departamento/Cargo/CID/datas/Colaborador vazios. Os outros 420 registros somam exatamente 4200 dias (7 durações × 60 ocorrências = 70 × 60). Sem excluí-la, o total de dias sai 8400 — o dobro do real.

Um único valor numérico com ordem de grandeza incompatível com o resto da coluna (200× a mediana) costuma vir acompanhado do mesmo estouro na coluna monetária derivada dele. Detectar o outlier em uma coluna e não propagar o alerta para as colunas correlacionadas faz o KPI de dias ser corrigido e o de custo continuar inflado, com aparência de certo. Ao sinalizar outlier extremo, verificar se o máximo de outras colunas numéricas ocorre na mesma linha e sugerir a mesma exclusão para todas.

atestados-2026-teste: Dias Afastado tem 420 valores entre 1 e 19 e um de 4200; Custo Estimado vai de R$ 189 a R$ 869.610, máximo da mesma ordem — a soma de custo sem exclusão é dominada por 1 linha em 421.

Quando várias colunas categóricas de uma planilha têm frequências idênticas ou quase idênticas entre todos os seus valores (cargos com 35 cada, diagnósticos com 28 cada, durações com 60 cada), a base é gerada, não observada. Consequência prática: rankings e top-N não têm vencedor e não devem ser apresentados como achado ("área que mais afasta"), só como inventário. Vale sinalizar na vistoria: coeficiente de variação das contagens ~0 em 3 ou mais colunas independentes.

atestados-2026-teste, 421 linhas: Cargo 12 valores × 35 ocorrências exatas; Descrição CID 10 × 28; Dias Afastado 7 × 60; Departamento 8 valores entre 52 e 53; Situação e Situação (2) com a mesma tripla 252/84/84.

Linha de total embutida no corpo dos dados, sem rótulo "TOTAL" que a denuncie. A assinatura é dupla e mecanicamente verificável: (a) uma única linha com TODAS as colunas de identidade e categoria vazias — é o que produz aquele 0,2% de nulos idêntico em dez colunas ao mesmo tempo — e (b) uma coluna numérica cujo valor nessa linha é igual à soma de todas as demais linhas. Quando as duas coincidem, não é outlier nem erro de digitação: é a linha de total. Testar (b) contra cada coluna numérica é barato e não dá falso positivo. O efeito é que toda soma sai exatamente dobrada e toda média sai dobrada, com aparência plausível — ninguém estranha "20 dias de média". Ao achar: excluir da contagem de linhas (usar `preenchidas` de uma categórica como denominador, não `linhas`), excluir o valor de cada soma, e declarar na ressalva. O sinal de alerta mais barato de todos é a coluna categórica com nulos > 0 e a contagem de nulos igual em várias colunas não relacionadas.

atestados-2026-teste, 421 linhas: 1 linha com Colaborador, CPF, Departamento, Cargo, Unidade, CID, Data Início, Data Fim, Tipo Atendimento e Situação todos vazios (0,2% em cada uma das 10 colunas). Nela, Dias Afastado = 4200, e as outras 420 linhas somam 60×(1+4+7+10+13+16+19) = 4200 exatamente. Custo Estimado = 869.610 na mesma linha, também igual à soma das demais. Somar sem excluir dá 8.400 dias em vez de 4.200 e média de 20,0 em vez de 10,0 dias por atestado — o dobro, nos dois casos. A vistoria sinalizou homônimas, sentinela e grafias, mas não esta linha.