> Kontinuierliche Prozessverbesserung > Patientenpfad > Oracle Health (Cerner) > Daten Template

Ihr Daten-Template für die Patientenreise

Oracle Health (Cerner)

Attribute der Patientenreise (19) Aktivitäten der Patientenreise (14) Anleitungen zur Datenextraktion (2)

Ihr Daten-Template für die Patientenreise

Dieses umfassende Template beschreibt die wesentlichen Daten, die Sie benötigen, um Patientenreisen wirksam zu analysieren und zu optimieren. Es bietet einen strukturierten Überblick über die wichtigen zu erfassenden Attribute, die zentralen zu verfolgenden Aktivitäten sowie praktische Hinweise zur Datenextraktion. Verwenden Sie diese Ressource, um Ihr Event Log für eine reibungslose Process-Mining-Analyse vorzubereiten.

Empfohlene zu erfassende Attribute
Wichtige zu verfolgende Aktivitäten
Hinweise zur Datenextraktion

Neu bei Event Logs? Lernen Sie, wie Sie ein Process-Mining-Event-Log erstellen.

Template herunterladen

Attribute der Patientenreise

Dies sind die empfohlenen Datenfelder, die Sie in Ihr Event Log aufnehmen sollten, um die Patientenreise in Ihrem System umfassend zu analysieren.

5 Erforderlich 8 Empfohlen 6 Optional

	Name	Beschreibung
	Aktivität ClinicalEventTag	Der Name oder die Beschreibung des ausgeführten klinischen oder administrativen Ereignisses.
Beschreibung Dieses Attribut erfasst die konkrete Aktion während der Versorgung des Patienten, beispielsweise „Medikament verabreicht“, „Vitalwerte erfasst“ oder „Patient entlassen“. Es liefert die für Menschen verständliche Bezeichnung des Prozessschritts. In Cerner wird dieser Wert häufig aus der Tabelle CLINICAL_EVENT abgeleitet. Dabei wird EVENT_CD (Event Code) dem Anzeigenamen zugeordnet oder EVENT_TAG verwendet. Einheitliche Benennungskonventionen sind hier entscheidend für verständliche Prozessmodelle. Warum das wichtig ist Definiert die Schritte im Prozessmodell und ermöglicht die Visualisierung des Workflows. Bezugsquelle Tabelle: CLINICAL_EVENT, Spalte: EVENT_TAG oder verknüpfter CODE_VALUE für EVENT_CD Beispiele Triage-BeurteilungBlutbild mit DifferenzialblutbildEntlassungsanordnungPatient verlegen
	Event-Timestamp EventEndDateTime	Das konkrete Datum und die genaue Uhrzeit, zu denen die Aktivität stattgefunden hat oder abgeschlossen wurde.
Beschreibung Dieses Attribut erfasst den genauen Zeitpunkt eines Events. Es dient dazu, Aktivitäten in eine zeitliche Reihenfolge zu bringen und Durchlaufzeiten zwischen Prozessschritten zu berechnen. In der Tabelle `CLINICAL_EVENT` entspricht es in der Regel `EVENT_END_DT_TM`. Eine hohe Genauigkeit ist entscheidend, um Wartezeiten zu berechnen, etwa die Dauer zwischen „Patient registriert“ und „Triage-Bewertung“. Warum das wichtig ist Unverzichtbar, um die Reihenfolge von Events zu bestimmen und Leistungs-KPIs wie Durchlaufzeiten zu berechnen. Bezugsquelle Tabelle: CLINICAL_EVENT, Spalte: EVENT_END_DT_TM Beispiele 2023-10-15T08:30:00Z2023-10-15T09:15:45Z2023-10-16T14:20:00Z
	Patientenepisode EncounterId	Eindeutige Kennung für den konkreten Patientenbesuch oder die Versorgungsepisode.
Beschreibung Dieses Attribut dient als zentrale Case-Kennung für die Patient Journey. Es gruppiert alle klinischen Ereignisse, Anforderungen und administrativen Aktionen, die innerhalb eines einzelnen Versorgungszeitraums stattfinden, beispielsweise während eines stationären Aufenthalts oder eines Notfallbesuchs. Im Process Mining ist diese ID entscheidend, um voneinander getrennte Aktivitäten zu einer einheitlichen Prozesssicht zu verknüpfen. Technisch entspricht sie ENCNTR_ID in der Tabelle ENCOUNTER innerhalb der Cerner-Millennium-Datenbank. Dabei handelt es sich um den Primärschlüssel, der Patientendemografie, Anforderungen und klinische Ereignisse miteinander verknüpft. Warum das wichtig ist Dies ist der grundlegende Schlüssel, der erforderlich ist, um die End-to-End-Patient Journey von der Aufnahme bis zur Entlassung zu rekonstruieren. Bezugsquelle Tabelle: ENCOUNTER, Spalte: ENCNTR_ID Beispiele 123456789876543211223344
	Letzte Datenaktualisierung LastDataUpdate	Der Timestamp, zu dem der Datensatz extrahiert oder zuletzt im Data Warehouse geändert wurde.
Beschreibung Zeigt an, wie aktuell die für die Analyse verwendeten Daten sind. Dieser Timestamp hilft Benutzern zu erkennen, ob sie Echtzeitdaten oder eine Momentaufnahme aus einem früheren Ladevorgang betrachten. Er wird in der Regel während des ETL-Prozesses (Extract, Transform, Load) erzeugt und ist kein klinisches Attribut. Warum das wichtig ist Entscheidend für Data Governance und dafür, dass die Analyse auf aktuellen Informationen basiert. Bezugsquelle System-Timestamp des ETL-Prozesses Beispiele 2023-11-01T00:00:00Z2023-11-02T12:00:00Z
	Quellsystem SourceSystem	Der Name des Systems, aus dem die Daten stammen.
Beschreibung Identifiziert die Quellanwendung des Datensatzes. In diesem Kontext handelt es sich überwiegend um „Oracle Health“ oder „Cerner Millennium“. Das ist in Umgebungen mit mehreren Systemen hilfreich, wenn Daten mit anderen EMRs oder Abteilungssystemen zusammengeführt werden. Wenn Daten aus mehreren Quellen eingelesen werden, können Analysten die Prozessanalyse anhand der Datenherkunft filtern oder segmentieren. Warum das wichtig ist Sichert Datenherkunft und Nachvollziehbarkeit, insbesondere in Process-Mining-Umgebungen mit mehreren Systemen. Bezugsquelle Hardcodierter String oder Systemmetadaten Beispiele Oracle HealthCerner Millennium
	Abteilung NurseUnit	Die konkrete Station, Einheit oder Abteilung, in der das Event stattgefunden hat.
Beschreibung Identifiziert den physischen Standort oder die organisatorische Einheit, die zum Zeitpunkt des Events für den Patienten verantwortlich war, etwa „ICU“, „General Surgery“ oder „Emergency Dept“. Dies unterstützt das Dashboard „Effizienz bei Stationsverlegungen“, indem Bewegungen zwischen Einheiten verfolgt werden. In Cerner ist dies häufig `LOC_NURSE_UNIT_CD` in der Encounter- oder Tracking-Tabelle. Warum das wichtig ist Unverzichtbar, um Engpässe in bestimmten Abteilungen zu analysieren und die räumliche Verteilung des Patientenflusses darzustellen. Bezugsquelle Tabelle: ENCOUNTER oder CLINICAL_EVENT, Spalte: LOC_NURSE_UNIT_CD Beispiele NotaufnahmeKardiologische StationICURadiologie
	Benutzer PerformingPrsnlId	Die Kennung oder der Name des medizinischen Mitarbeiters, der die Aktivität ausgeführt hat.
Beschreibung Erfasst, wer den Prozessschritt ausgeführt hat, etwa die Pflegekraft, die ein Medikament verabreicht, oder der Arzt, der die Entlassung unterzeichnet. Dadurch lässt sich die Ressourcennutzung analysieren. In Cerner ist dies je nach Tabelle, etwa Orders oder Clinical Events, häufig `PERFORMED_PRSNL_ID` oder `UPDT_ID`. Die Zuordnung zu einem generischen Attribut „Benutzer“ erleichtert die Analyse der Funktionstrennung. Warum das wichtig ist Unterstützt die Ressourcenanalyse und zeigt möglichen Schulungsbedarf oder eine unausgewogene Arbeitsverteilung auf. Bezugsquelle Tabelle: CLINICAL_EVENT, Spalte: PERFORMED_PRSNL_ID Beispiele Dr. SmithRN JonesSystemadministrator
	Bestellposition OrderMnemonic	Der Name der konkreten Bestellung, etwa einer Laboruntersuchung oder eines Medikaments.
Beschreibung Beschreibt den Inhalt eines Bestell-Events, etwa „Complete Blood Count“ oder „Aspirin 81mg“. Dieses Attribut liefert den erforderlichen Kontext für die Aktivitäten „Diagnostische Untersuchung bestellt“ und „Medikament verabreicht“. Es befindet sich in der Regel in der Tabelle `ORDERS` unter `ORDER_MNEMONIC`. Es fungiert als „Produkt“, das den Prozess durchläuft. Warum das wichtig ist Erforderlich für eine detaillierte Analyse diagnostischer und therapeutischer Behandlungspfade. Bezugsquelle Tabelle: ORDERS, Spalte: ORDER_MNEMONIC Beispiele Röntgenaufnahme des ThoraxBasis-StoffwechselprofilParacetamolMRT des Gehirns
	Entlassungsstatus DischargeDisposition	Das Ziel oder der Status des Patienten bei der Entlassung.
Beschreibung Zeigt, wohin der Patient nach Abschluss der Episode gegangen ist, etwa nach Hause, in eine Pflegeeinrichtung oder verstorben. Dies ist für die Analyse der Entlassungsplanung und die Identifizierung ungünstiger Ergebnisse entscheidend. In der Tabelle `ENCOUNTER` unter `DISCH_DISPOSITION_CD` zu finden. Warum das wichtig ist Zentrale Ergebniskennzahl, die den „Endzustand“ der Patientenreise definiert. Bezugsquelle Tabelle: ENCOUNTER, Spalte: DISCH_DISPOSITION_CD (über CODE_VALUE auflösen) Beispiele Nach Hause entlassenIn eine Rehaeinrichtung verlegtAuf eigenen Wunsch entgegen ärztlichem Rat entlassenVerstorben
	Falltyp EncounterType	Kategorisierung des Patientenbesuchs, etwa stationär, ambulant oder als Notfall.
Beschreibung Klassifiziert die Art der Patientenepisode. Dies ist eine zentrale Dimension für die Aufteilung der Daten, da sich der Prozessablauf eines „Notfallbesuchs“ deutlich von dem eines „geplanten stationären Aufenthalts“ unterscheidet. Der Wert wird aus `ENCNTR_TYPE_CD` in der Tabelle `ENCOUNTER` abgeleitet. Dieses Feld verweist auf einen Wert aus einem Codeset, etwa „Inpatient“ oder „Emergency“. Warum das wichtig ist Ermöglicht den Vergleich von Behandlungspfaden und Durchsatz in unterschiedlichen Versorgungssituationen. Bezugsquelle Tabelle: ENCOUNTER, Spalte: ENCNTR_TYPE_CD (über CODE_VALUE auflösen) Beispiele StationärNotfallAmbulantTageschirurgie
	Ist Wiederaufnahme IsReadmission	Kennzeichen dafür, ob diese Episode innerhalb von 30 Tagen nach einer früheren Entlassung stattgefunden hat.
Beschreibung Ein boolesches Kennzeichen zur Identifizierung von Fällen, die eine Wiederaufnahme darstellen. Es wird berechnet, indem das Aufnahmedatum der aktuellen Episode mit dem Entlassungsdatum der vorherigen Episode derselben `PersonId` verglichen wird. Unverzichtbar für das Dashboard „Trends bei Wiederaufnahmen von Patienten“. Warum das wichtig ist Unterstützt den KPI „Wiederaufnahmerate von Patienten“ direkt, eine zentrale Kennzahl für die Versorgungsqualität. Bezugsquelle Über SQL-Logik durch Vergleich von ENCOUNTER-Datensätzen abgeleitet Beispiele truefalse
	Patienten-ID PersonId	Eindeutige Kennung des Patienten über mehrere Behandlungsfälle hinweg.
Beschreibung Im Gegensatz zur Case-ID bleibt die Patienten-ID oder Personen-ID für einen Patienten bei allen Krankenhausbesuchen gleich. Dieses Attribut ist entscheidend, um Wiederaufnahmeraten zu analysieren und die langfristige Behandlungshistorie des Patienten zu verstehen. In Cerner ist dies die `PERSON_ID` aus der Tabelle `PERSON`. Sie verknüpft mehrere `ENCNTR_ID`-Datensätze miteinander. Warum das wichtig ist Ermöglicht den KPI „Wiederaufnahmerate von Patienten“, indem separate Episoden derselben Person zugeordnet werden. Bezugsquelle Tabelle: PERSON, Spalte: PERSON_ID Beispiele P10001P55992P99221
	Primärdiagnose DiagnosisCode	Der ICD-10- oder SNOMED-Code, der den primären Behandlungsgrund angibt.
Beschreibung Der standardisierte klinische Code, etwa „J18.9“ für Pneumonie, der der Episode zugeordnet wurde. Dadurch können Patienten nach Erkrankung gruppiert werden, um Abweichungen von Behandlungsprotokollen bei bestimmten Krankheiten zu analysieren. In der Tabelle `DIAGNOSIS` zu finden und mit dem Encounter verknüpft. Warum das wichtig ist Ermöglicht einen direkten Vergleich von Patientenpfaden bei bestimmten Erkrankungen. Bezugsquelle Tabelle: DIAGNOSIS, Spalte: DIAGNOSIS_CODE (über Nomenklatur) Beispiele I10E11.9J18.9
	Aufnahmekanal AdmissionSource	Die Herkunft der Patientenaufnahme.
Beschreibung Beschreibt, wie der Patient in das Krankenhaussystem gelangt ist, etwa durch eine ärztliche Überweisung, die Notaufnahme oder eine Verlegung aus einem anderen Krankenhaus. Dies unterstützt die Analyse des „Eingangs“ in den Krankenhausprozess. Das Attribut ist `ADMIT_SRC_CD` in der Tabelle `ENCOUNTER` zugeordnet. Warum das wichtig ist Stellt die Wartezeit bis zur Erstbewertung in den Kontext des Zugangspunkts. Bezugsquelle Tabelle: ENCOUNTER, Spalte: ADMIT_SRC_CD Beispiele NotaufnahmeÄrztliche ÜberweisungAus einem Krankenhaus verlegt
	Bestellnummer OrderId	Eindeutige Kennung einer konkreten Bestellung, etwa Labor, Medikament oder Konsil.
Beschreibung Die vom System erzeugte ID einer Bestellung. Sie ist zwar nicht die Case-ID, dient aber als wichtiger sekundärer Schlüssel. Sie verknüpft das Event „Diagnostische Untersuchung bestellt“ mit dem Event „Diagnostisches Ergebnis bestätigt“. Ohne diese Kennung lässt sich die genaue Durchlaufzeit einzelner Untersuchungen nur schwer berechnen, wenn ein Patient mehrere Bestellungen gleichzeitig hat. Warum das wichtig ist Unverzichtbar, um zusammengehörige Aktivitäten, Bestellung und Ergebnis, korrekt zu verknüpfen. Bezugsquelle Tabelle: ORDERS, Spalte: ORDER_ID Beispiele 88291028829103
	Ergebnisstatus ResultStatus	Der Status eines diagnostischen Ergebnisses, etwa bestätigt, korrigiert oder vorläufig.
Beschreibung Zeigt die Phase im Lebenszyklus eines diagnostischen Testergebnisses an. In der Analyse „Zeit bis zur Bereitstellung diagnostischer Ergebnisse“ wird damit bestimmt, wann ein Ergebnis offiziell für klinische Entscheidungen verfügbar ist. Typischerweise in `CLINICAL_EVENT` mit spezifischen Statuscodes zu finden. Warum das wichtig ist Unterscheidet zwischen vorläufigen und endgültigen Ergebnissen. Dies beeinflusst, wann nachgelagerte Aktivitäten beginnen können. Bezugsquelle Tabelle: CLINICAL_EVENT, Spalte: RESULT_STATUS_CD Beispiele Genehmigung (verifiziert)FehlerhaftGeändert
	Kostenträgertyp FinancialClass	Der primäre Versicherungsschutz oder die finanzielle Klassifizierung des Patienten.
Beschreibung Kategorisiert Patienten anhand ihres Kostenträgers, etwa Medicare, private Versicherung oder Selbstzahler. Mit diesem Attribut lässt sich analysieren, ob sich Prozessabläufe oder Aufenthaltsdauer je nach Versicherungstyp unterscheiden. Abgeleitet aus `FINANCIAL_CLASS_CD` in der Tabelle `ENCOUNTER`. Warum das wichtig ist Hilft dabei, Unterschiede in der Versorgung oder der administrativen Bearbeitung abhängig vom Kostenträgertyp zu erkennen. Bezugsquelle Tabelle: ENCOUNTER, Spalte: FINANCIAL_CLASS_CD (über CODE_VALUE auflösen) Beispiele MedicareBlue CrossSelbstzahlerMedicaid
	Medikamentenstatus MedAdminStatus	Status der Medikamentenbestellung, etwa verabreicht, abgelehnt oder nicht verabreicht.
Beschreibung Zeigt das Ergebnis einer Aufgabe zur Medikamentenverabreichung an. Für das Dashboard „Compliance bei der Medikamentenverabreichung“ muss klar zwischen tatsächlich verabreichten Medikamenten und geplanten, aber versäumten oder abgelehnten Gaben unterschieden werden. Wahrscheinlich in der Tabelle `CLINICAL_EVENT` oder in speziellen Tabellen des Medication Administration Record (MAR) zu finden. Warum das wichtig ist Identifiziert Compliance-Lücken in Behandlungsprotokollen. Bezugsquelle Prüfen Sie die Dokumentation von Oracle Health (Cerner). Beispiele VerabreichtAbgelehntZurückgehalten
	Triage-Priorität TriageAcuity	Die Dringlichkeitsstufe, die während der Triage-Bewertung vergeben wurde.
Beschreibung Ein numerischer oder kategorischer Wert, der den Schweregrad des Zustands des Patienten angibt, etwa 1 für sofort erforderlich bis 5 für nicht dringend. Dieses Attribut ist für die Segmentierung von Wartezeiten besonders wichtig, da Patienten mit höherer Priorität kürzer warten sollten. Der Wert wird in der Regel in klinischen Formularen oder über spezifische Beobachtungscodes während des Triage-Events erfasst. Warum das wichtig ist Entscheidend, um zu prüfen, ob der Prozess Patienten entsprechend ihrer klinischen Dringlichkeit priorisiert. Bezugsquelle Prüfen Sie die Dokumentation von Oracle Health (Cerner). Beispiele 12345

Erforderlich Empfohlen Optional

Aktivitäten der Patientenreise

Dies sind die wichtigsten Prozessschritte und Meilensteine, die Sie in Ihrem Event Log erfassen sollten, um Prozesse präzise zu entdecken und Engpässe zu identifizieren.

8 Empfohlen 6 Optional

	Aktivität	Beschreibung
	Abteilungswechsel erfolgt	Zeigt an, dass der Patient physisch von einem Ort, beispielsweise der Notaufnahme, an einen anderen Ort, beispielsweise die Intensivstation, verlegt wurde. Dies wird über die Standort-Historie erfasst.
Warum das wichtig ist Ermöglicht die Analyse der „Effizienz von Stationswechseln“ und unterstützt die Visualisierung des Patientenflusses im Krankenhaus. Bezugsquelle Tabelle ENCNTR_LOC_HIST (Encounter Location History), in der Änderungen von LOC_NURSE_UNIT_CD erfasst werden. Erfassen Statusfeld vor und nach dem Ereignis vergleichen Ereignistyp inferred
	Diagnose dokumentiert	Tritt ein, wenn eine formale Diagnose zum Encounter-Datensatz des Patienten hinzugefügt wird. Dies unterscheidet sich von einem Testergebnis und stellt die Bestätigung des Krankheitsbildes durch den klinischen Mitarbeiter dar.
Warum das wichtig ist Erforderlich für den Meilenstein „Diagnose bestätigt“ und die Analyse der Zeit bis zur endgültigen Diagnose. Bezugsquelle Tabelle DIAGNOSIS, mit DIAGNOSIS_DT_TM, verknüpft über ENCOUNTER_ID. Erfassen Wird protokolliert, wenn eine Diagnose in PowerChart hinzugefügt oder aktualisiert wird. Ereignistyp explicit
	Diagnostische Anforderung erstellt	Tritt ein, wenn ein klinischer Mitarbeiter eine Laboruntersuchung oder bildgebende Untersuchung anfordert. Dieser Timestamp startet die Berechnung der diagnostischen Durchlaufzeit.
Warum das wichtig ist Ausgangspunkt für den KPI „Bereitstellungszeit diagnostischer Ergebnisse“; unterstützt die Identifikation von Verzögerungen zwischen Anforderung und Durchführung. Bezugsquelle Tabelle ORDERS, mit ORIG_ORDER_DT_TM, wenn der Katalogtyp Laboratory oder Radiology lautet. Erfassen Wird protokolliert, wenn der Status der Anforderung auf ORDERED gesetzt wird. Ereignistyp explicit
	Diagnostisches Ergebnis verifiziert	Der Zeitpunkt, an dem ein Labor- oder Bildgebungsergebnis finalisiert und dem klinischen Mitarbeiter zur Verfügung gestellt wird. Damit endet das Intervall der diagnostischen Durchlaufzeit.
Warum das wichtig ist Schließt den Zyklus „Bereitstellungszeit diagnostischer Ergebnisse“ ab und löst nachfolgende Behandlungsentscheidungen aus. Bezugsquelle Tabelle CLINICAL_EVENT für Labordaten oder Statusänderung der Anforderung auf COMPLETED in ORDERS. Erfassen Wird protokolliert, wenn sich der Ergebnisstatus auf AUTH (Authenticated) ändert. Ereignistyp explicit
	Entlassungsanordnung signiert	Das Ereignis, bei dem der Arzt die Anordnung zur Entlassung des Patienten erteilt. Damit beginnt die Zeitmessung der Entlassungsplanung.
Warum das wichtig ist Ausgangspunkt für die „Durchlaufzeit der Entlassungsplanung“. Eine Lücke zwischen diesem Zeitpunkt und der tatsächlichen Entlassung weist auf operative Verzögerungen hin. Bezugsquelle Tabelle ORDERS, wobei der Katalogtyp Discharge angibt. Erfassen Wird protokolliert, wenn der Status der Entlassungsanordnung auf ORDERED gesetzt wird. Ereignistyp explicit
	Patient entlassen	Das abschließende administrative Ereignis, das den Aufenthalt des Patienten beendet. Dieser Timestamp dient zur Berechnung der gesamten Aufenthaltsdauer.
Warum das wichtig ist Das zentrale Endereignis des Prozesses. Erforderlich für die Berechnung von LOS und Wiederaufnahmen. Bezugsquelle Tabelle ENCOUNTER, insbesondere DISCH_DT_TM (Discharge Date/Time). Erfassen Wird protokolliert, wenn sich der Encounter-Status auf DISCHARGED ändert. Ereignistyp explicit
	Patient registriert	Markiert den Beginn der Patientenepisode, wenn der Patient eintrifft und im System erfasst wird. In Cerner Millennium wird dieser Zeitpunkt erfasst, sobald der Encounter-Datensatz erstellt oder der Registration Timestamp gesetzt wird.
Warum das wichtig ist Legt den Startzeitpunkt für die Berechnung der Aufenthaltsdauer (LOS) und die Analyse der anfänglichen Wartezeit fest. Bezugsquelle Tabelle ENCOUNTER, insbesondere die Spalte REG_DT_TM (Registration Date/Time). Erfassen Wird protokolliert, wenn eine Transaktion eine neue Zeile in ENCOUNTER erstellt. Ereignistyp explicit
	Triage-Assessment abgeschlossen	Bezeichnet den Abschluss der ersten pflegerischen Einschätzung oder des Triage-Formulars im Notfall- oder Aufnahmebereich. Dabei handelt es sich typischerweise um ein bestimmtes Formular oder ein klinisches Ereignis, das im System dokumentiert wird.
Warum das wichtig ist Entscheidend für die Berechnung des KPI „Wartezeit bis zur Erstaufnahme“ und die Identifikation von Engpässen bei der Aufnahme. Bezugsquelle Tabelle CLINICAL_EVENT, gefiltert nach Event-Codes für Triage- oder Erstaufnahmeformulare. Erfassen Wird protokolliert, wenn ein klinisches Dokument oder Formular signiert beziehungsweise verifiziert wird. Ereignistyp explicit
	Eingriff durchgeführt	Der Timestamp, der angibt, wann eine Operation oder ein größerer Eingriff tatsächlich stattgefunden hat. Dieser Zeitpunkt wird häufig in der perioperativen Dokumentation erfasst.
Warum das wichtig ist Wichtiger Meilenstein für die Analyse klinischer Pfade und der Ressourcennutzung. Bezugsquelle Tabelle SURGICAL_CASE (Start- und Endzeiten des Cases) oder CLINICAL_EVENT für Eingriffe am Patientenbett. Erfassen Wird über SurgiNet oder die Eingriffsdokumentation protokolliert. Ereignistyp explicit
	Konsultation abgeschlossen	Markiert den Abschluss einer fachärztlichen Konsultation, der üblicherweise durch eine signierte Konsultationsnotiz oder ein entsprechendes Dokument belegt wird.
Warum das wichtig ist Zeigt, wann die Einschätzung eines Spezialisten vorlag. Dies kann in komplexen Versorgungspfaden einen Engpass darstellen. Bezugsquelle Tabelle CLINICAL_EVENT, gefiltert nach Dokumenttypen der Kategorie Consultations. Erfassen Wird protokolliert, wenn die Konsultationsnotiz signiert wird. Ereignistyp explicit
	Medikament verabreicht	Erfasst die tatsächliche Verabreichung eines Medikaments an den Patienten, wie sie im Medication Administration Record (MAR) dokumentiert ist.
Warum das wichtig ist Unterstützt das Dashboard „Compliance bei der Medikamentengabe“, indem überprüft wird, ob Medikamente rechtzeitig verabreicht wurden. Bezugsquelle Tabelle CLINICAL_EVENT, gefiltert nach Ereignissen zur Medikamentengabe (Task Status = Complete). Erfassen Wird nach einem Barcode-Scan oder einem manuellen MAR-Eintrag protokolliert. Ereignistyp explicit
	Nachsorgetermin vereinbart	Tritt ein, wenn ein zukünftiger Termin für den Patienten gebucht und mit derselben Episode oder demselben Versorgungsplan verknüpft wird.
Warum das wichtig ist Unterstützt das Dashboard „Rechtzeitigkeit der Nachsorgeterminplanung“ und misst die Effizienz der Versorgungskontinuität. Bezugsquelle Tabelle SCH_APPT (Schedule Appointment), verknüpft mit PERSON_ID. Erfassen Wird protokolliert, wenn der Termin im Terminplanungsmodul erstellt wird. Ereignistyp explicit
	Untersuchung terminiert	Zeigt an, dass ein chirurgischer Case oder ein größerer Eingriff für einen bestimmten Zeitpunkt eingeplant wurde. Dies unterstützt die Analyse der Ressourcenverteilung und der Wartezeiten vor dem Eingriff.
Warum das wichtig ist Macht die Effizienz der Terminplanung und mögliche Engpässe bei der Nutzung von Operations- oder Eingriffsräumen sichtbar. Bezugsquelle Tabelle SURGICAL_CASE oder Tabelle SCH_APPT, verknüpft mit dem Encounter. Erfassen Wird protokolliert, wenn die Terminplanungstransaktion bestätigt wird. Ereignistyp explicit
	Versorgungsplan aktiviert	Bezeichnet den Start eines PowerPlan oder eines Versorgungspfads in Cerner. Dies signalisiert, dass ein standardisiertes Behandlungsprotokoll ausgewählt wurde.
Warum das wichtig ist Entscheidend für die „Analyse von Abweichungen bei Behandlungsprotokollen“, bei der die tatsächliche Versorgung mit dem geplanten Pfad verglichen wird. Bezugsquelle ACT_PW_CAT (Action Pathway Catalog) oder DCP_FORMS_REF, mit Verknüpfung des Pfads zum Encounter. Erfassen Wird protokolliert, wenn der PowerPlan gestartet wird. Ereignistyp explicit

Anleitungen zur Datenextraktion

So beziehen Sie Ihre Daten aus Oracle Health (Cerner)

Schritte

Discern Visual Developer starten: Öffnen Sie die Anwendung Discern Visual Developer (DVDev) in Ihrer Citrix-Umgebung oder in der lokalen Umgebung mit Zugriff auf die Cerner-Domäne.
Neues Script erstellen: Legen Sie eine neue Command-Language-(CCL-)Scriptdatei an, zum Beispiel extract_patient_journey.prg.
Prompts definieren: Definieren Sie am Anfang des Scripts Benutzer-Prompts für start_date und end_date, damit Sie den Zeitraum bei jeder Ausführung dynamisch festlegen können.
Konstanten einrichten: Definieren Sie Konstanten für bestimmte Code Sets, etwa Encounter Types, Order Catalogs und Event Codes. So vermeiden Sie fest codierte numerische code_value-Kennungen, die je nach Domäne variieren. Möglicherweise müssen Sie den passenden code_value oder display_key für die Formulare Ihrer Organisation zu Triage, Entlassung und Konsultation ermitteln.
Abfrage erstellen: Kopieren Sie die unten bereitgestellte SQL-Abfrage in den Hauptteil des Scripts. Die Abfrage verwendet UNION ALL, um Daten aus mehreren Tabellen, darunter ENCOUNTER, CLINICAL_EVENT und ORDERS, SURG_CASE_TBL sowie weitere Tabellen, in einer flachen Event-Log-Struktur zusammenzuführen.
Script kompilieren: Verwenden Sie die Kompilierfunktion, Strg+F7 oder das Menü „Build“, um Syntaxfehler zu prüfen. Stellen Sie sicher, dass Sie SELECT-Zugriff auf die referenzierten Tabellen haben.
Ausführen und exportieren: Führen Sie das Script aus, Go/F9. Wählen Sie als Ausgabeziel „Spreadsheet“ oder „Flat File“. Speichern Sie die Ausgabe als CSV-Datei.
Datentransformation, optional: Wenn Cerner Datumswerte in systemspezifischen Formaten zurückgibt, etwa als Julianische Daten oder nicht ISO-konforme Timestamps, konvertieren Sie sie vor dem Upload mit Excel oder einem Script in das Format YYYY-MM-DD HH:MM:SS.
Validierung: Prüfen Sie stichprobenartig eine bekannte Encounter-ID eines Patienten, FIN, in PowerChart, um sicherzustellen, dass die Timestamps mit der Extraktion übereinstimmen.
Upload in ProcessMind: Importieren Sie die CSV-Datei in ProcessMind und ordnen Sie die Spalten EncounterId der Case-ID, ClinicalEventTag der Aktivität und EventEndDateTime dem Timestamp zu.

Konfiguration

Zeitraum: Empfohlen wird ein Ausführungszeitraum von drei bis sechs Monaten. Große Zeiträume können aufgrund des Umfangs der Tabelle CLINICAL_EVENT zu einem Timeout führen.
Code Sets (CDF): Die Abfrage verwendet Filter für code_value. Ersetzen Sie Platzhalter wie [REPLACE_WITH_TRIAGE_EVENT_CD] durch die tatsächlichen Codes Ihrer Domäne. Diese finden Sie in der Tabelle CODE_VALUE.
Berechtigungen: Der Benutzer, der das Script ausführt, benötigt d-Zugriffsrechte, also Datenbankzugriff, auf Tabellen wie ENCOUNTER, CLINICAL_EVENT, ORDERS, SURG_CASE_TBL, ENCNTR_LOC_HIST und SCH_APPOINTMENT.
Performance: Die Tabelle CLINICAL_EVENT ist sehr groß. Stellen Sie sicher, dass der Datumsfilter für EVENT_END_DT_TM indiziert ist und strikt angewendet wird.
Logik für Wiederaufnahmen: Das Attribut IsReadmission ist als Platzhalter enthalten. Eine komplexe Rückblicklogik sollte nach dem Laden in ProcessMind umgesetzt werden und nicht in der Extraktionsabfrage.

a Beispielabfrage sql

SELECT
    EncounterId = E.ENCNTR_ID
    , ClinicalEventTag = 'Patient Registered'
    , EventEndDateTime = FORMAT(E.REG_DT_TM, 'YYYY-MM-DD HH:MM:SS')
    , SourceSystem = 'Cerner'
    , LastDataUpdate = FORMAT(CNVTDATETIME(CURDATE, CURTIME3), 'YYYY-MM-DD HH:MM:SS')
    , PersonId = P.PERSON_ID
    , EncounterType = UAR_GET_CODE_DISPLAY(E.ENCNTR_TYPE_CD)
    , NurseUnit = UAR_GET_CODE_DISPLAY(E.LOC_NURSE_UNIT_CD)
    , PerformingPrsnlId = PR.NAME_FULL_FORMATTED
    , OrderMnemonic = 'N/A'
    , DischargeDisposition = UAR_GET_CODE_DISPLAY(E.DISCH_DISPOSITION_CD)
    , LengthOfStay = DATETIFF(E.DISCH_DT_TM, E.REG_DT_TM, 1) /* Days */
    , IsReadmission = '0' /* Calculate in Tool */
    , DiagnosisCode = 'N/A'
FROM
    ENCOUNTER E
    , PERSON P
    , PRSNL PR
WHERE
    E.REG_DT_TM BETWEEN CNVTDATETIME($start_date) AND CNVTDATETIME($end_date)
    AND E.PERSON_ID = P.PERSON_ID
    AND E.REG_PRSNL_ID = PR.PERSON_ID
    AND E.ACTIVE_IND = 1

UNION ALL

SELECT
    EncounterId = E.ENCNTR_ID
    , ClinicalEventTag = 'Triage Assessment Completed'
    , EventEndDateTime = FORMAT(CE.EVENT_END_DT_TM, 'YYYY-MM-DD HH:MM:SS')
    , SourceSystem = 'Cerner'
    , LastDataUpdate = FORMAT(CNVTDATETIME(CURDATE, CURTIME3), 'YYYY-MM-DD HH:MM:SS')
    , PersonId = E.PERSON_ID
    , EncounterType = UAR_GET_CODE_DISPLAY(E.ENCNTR_TYPE_CD)
    , NurseUnit = UAR_GET_CODE_DISPLAY(E.LOC_NURSE_UNIT_CD)
    , PerformingPrsnlId = PR.NAME_FULL_FORMATTED
    , OrderMnemonic = CE.EVENT_TAG
    , DischargeDisposition = UAR_GET_CODE_DISPLAY(E.DISCH_DISPOSITION_CD)
    , LengthOfStay = DATETIFF(E.DISCH_DT_TM, E.REG_DT_TM, 1)
    , IsReadmission = '0'
    , DiagnosisCode = 'N/A'
FROM
    CLINICAL_EVENT CE
    , ENCOUNTER E
    , PRSNL PR
WHERE
    CE.EVENT_END_DT_TM BETWEEN CNVTDATETIME($start_date) AND CNVTDATETIME($end_date)
    AND CE.EVENT_CD IN ([REPLACE_WITH_TRIAGE_EVENT_CD]) /* e.g., Triage Acuity */
    AND CE.VALID_UNTIL_DT_TM > CNVTDATETIME(CURDATE, CURTIME3)
    AND CE.ENCNTR_ID = E.ENCNTR_ID
    AND CE.PERFORMED_PRSNL_ID = PR.PERSON_ID

UNION ALL

SELECT
    EncounterId = E.ENCNTR_ID
    , ClinicalEventTag = 'Diagnostic Order Placed'
    , EventEndDateTime = FORMAT(O.ORIG_ORDER_DT_TM, 'YYYY-MM-DD HH:MM:SS')
    , SourceSystem = 'Cerner'
    , LastDataUpdate = FORMAT(CNVTDATETIME(CURDATE, CURTIME3), 'YYYY-MM-DD HH:MM:SS')
    , PersonId = E.PERSON_ID
    , EncounterType = UAR_GET_CODE_DISPLAY(E.ENCNTR_TYPE_CD)
    , NurseUnit = UAR_GET_CODE_DISPLAY(E.LOC_NURSE_UNIT_CD)
    , PerformingPrsnlId = PR.NAME_FULL_FORMATTED
    , OrderMnemonic = O.ORDER_MNEMONIC
    , DischargeDisposition = UAR_GET_CODE_DISPLAY(E.DISCH_DISPOSITION_CD)
    , LengthOfStay = DATETIFF(E.DISCH_DT_TM, E.REG_DT_TM, 1)
    , IsReadmission = '0'
    , DiagnosisCode = 'N/A'
FROM
    ORDERS O
    , ENCOUNTER E
    , PRSNL PR
WHERE
    O.ORIG_ORDER_DT_TM BETWEEN CNVTDATETIME($start_date) AND CNVTDATETIME($end_date)
    AND O.CATALOG_TYPE_CD IN ([REPLACE_WITH_LAB_RAD_CODES]) /* General Lab, Radiology */
    AND O.ENCNTR_ID = E.ENCNTR_ID
    AND O.ORDER_STATUS_CD != [REPLACE_WITH_CANCELED_CODE]
    AND O.STATUS_PRSNL_ID = PR.PERSON_ID

UNION ALL

SELECT
    EncounterId = E.ENCNTR_ID
    , ClinicalEventTag = 'Procedure Scheduled'
    , EventEndDateTime = FORMAT(SCT.UPDT_DT_TM, 'YYYY-MM-DD HH:MM:SS')
    , SourceSystem = 'Cerner'
    , LastDataUpdate = FORMAT(CNVTDATETIME(CURDATE, CURTIME3), 'YYYY-MM-DD HH:MM:SS')
    , PersonId = E.PERSON_ID
    , EncounterType = UAR_GET_CODE_DISPLAY(E.ENCNTR_TYPE_CD)
    , NurseUnit = UAR_GET_CODE_DISPLAY(E.LOC_NURSE_UNIT_CD)
    , PerformingPrsnlId = PR.NAME_FULL_FORMATTED
    , OrderMnemonic = 'Surgical Case'
    , DischargeDisposition = UAR_GET_CODE_DISPLAY(E.DISCH_DISPOSITION_CD)
    , LengthOfStay = DATETIFF(E.DISCH_DT_TM, E.REG_DT_TM, 1)
    , IsReadmission = '0'
    , DiagnosisCode = 'N/A'
FROM
    SURG_CASE_TBL SCT
    , ENCOUNTER E
    , PRSNL PR
WHERE
    SCT.UPDT_DT_TM BETWEEN CNVTDATETIME($start_date) AND CNVTDATETIME($end_date)
    AND SCT.ENCNTR_ID = E.ENCNTR_ID
    AND SCT.UPDT_ID = PR.PERSON_ID

UNION ALL

SELECT
    EncounterId = E.ENCNTR_ID
    , ClinicalEventTag = 'Diagnosis Documented'
    , EventEndDateTime = FORMAT(D.DIAG_DT_TM, 'YYYY-MM-DD HH:MM:SS')
    , SourceSystem = 'Cerner'
    , LastDataUpdate = FORMAT(CNVTDATETIME(CURDATE, CURTIME3), 'YYYY-MM-DD HH:MM:SS')
    , PersonId = E.PERSON_ID
    , EncounterType = UAR_GET_CODE_DISPLAY(E.ENCNTR_TYPE_CD)
    , NurseUnit = UAR_GET_CODE_DISPLAY(E.LOC_NURSE_UNIT_CD)
    , PerformingPrsnlId = PR.NAME_FULL_FORMATTED
    , OrderMnemonic = D.DIAGNOSIS_DISPLAY
    , DischargeDisposition = UAR_GET_CODE_DISPLAY(E.DISCH_DISPOSITION_CD)
    , LengthOfStay = DATETIFF(E.DISCH_DT_TM, E.REG_DT_TM, 1)
    , IsReadmission = '0'
    , DiagnosisCode = D.DIAGNOSIS_DISPLAY
FROM
    DIAGNOSIS D
    , ENCOUNTER E
    , PRSNL PR
WHERE
    D.DIAG_DT_TM BETWEEN CNVTDATETIME($start_date) AND CNVTDATETIME($end_date)
    AND D.ENCNTR_ID = E.ENCNTR_ID
    AND D.ACTIVE_IND = 1
    AND D.DIAG_PRSNL_ID = PR.PERSON_ID

UNION ALL

SELECT
    EncounterId = E.ENCNTR_ID
    , ClinicalEventTag = 'Care Plan Activated'
    , EventEndDateTime = FORMAT(PWC.START_DT_TM, 'YYYY-MM-DD HH:MM:SS')
    , SourceSystem = 'Cerner'
    , LastDataUpdate = FORMAT(CNVTDATETIME(CURDATE, CURTIME3), 'YYYY-MM-DD HH:MM:SS')
    , PersonId = E.PERSON_ID
    , EncounterType = UAR_GET_CODE_DISPLAY(E.ENCNTR_TYPE_CD)
    , NurseUnit = UAR_GET_CODE_DISPLAY(E.LOC_NURSE_UNIT_CD)
    , PerformingPrsnlId = PR.NAME_FULL_FORMATTED
    , OrderMnemonic = PWC.DESCRIPTION
    , DischargeDisposition = UAR_GET_CODE_DISPLAY(E.DISCH_DISPOSITION_CD)
    , LengthOfStay = DATETIFF(E.DISCH_DT_TM, E.REG_DT_TM, 1)
    , IsReadmission = '0'
    , DiagnosisCode = 'N/A'
FROM
    ACT_PW_COMP PWC
    , ENCOUNTER E
    , PRSNL PR
WHERE
    PWC.START_DT_TM BETWEEN CNVTDATETIME($start_date) AND CNVTDATETIME($end_date)
    AND PWC.ENCNTR_ID = E.ENCNTR_ID
    AND PWC.ACTIVE_IND = 1
    AND PWC.START_PRSNL_ID = PR.PERSON_ID

UNION ALL

SELECT
    EncounterId = E.ENCNTR_ID
    , ClinicalEventTag = 'Medication Administered'
    , EventEndDateTime = FORMAT(CE.EVENT_END_DT_TM, 'YYYY-MM-DD HH:MM:SS')
    , SourceSystem = 'Cerner'
    , LastDataUpdate = FORMAT(CNVTDATETIME(CURDATE, CURTIME3), 'YYYY-MM-DD HH:MM:SS')
    , PersonId = E.PERSON_ID
    , EncounterType = UAR_GET_CODE_DISPLAY(E.ENCNTR_TYPE_CD)
    , NurseUnit = UAR_GET_CODE_DISPLAY(E.LOC_NURSE_UNIT_CD)
    , PerformingPrsnlId = PR.NAME_FULL_FORMATTED
    , OrderMnemonic = CE.EVENT_TAG
    , DischargeDisposition = UAR_GET_CODE_DISPLAY(E.DISCH_DISPOSITION_CD)
    , LengthOfStay = DATETIFF(E.DISCH_DT_TM, E.REG_DT_TM, 1)
    , IsReadmission = '0'
    , DiagnosisCode = 'N/A'
FROM
    CLINICAL_EVENT CE
    , ENCOUNTER E
    , PRSNL PR
WHERE
    CE.EVENT_END_DT_TM BETWEEN CNVTDATETIME($start_date) AND CNVTDATETIME($end_date)
    AND CE.EVENT_CLASS_CD = [REPLACE_WITH_MED_ADMIN_CLASS] /* e.g., 232 (MED) */
    AND CE.ENCNTR_ID = E.ENCNTR_ID
    AND CE.VALID_UNTIL_DT_TM > CNVTDATETIME(CURDATE, CURTIME3)
    AND CE.PERFORMED_PRSNL_ID = PR.PERSON_ID

UNION ALL

SELECT
    EncounterId = E.ENCNTR_ID
    , ClinicalEventTag = 'Diagnostic Result Verified'
    , EventEndDateTime = FORMAT(CE.VERIFIED_DT_TM, 'YYYY-MM-DD HH:MM:SS')
    , SourceSystem = 'Cerner'
    , LastDataUpdate = FORMAT(CNVTDATETIME(CURDATE, CURTIME3), 'YYYY-MM-DD HH:MM:SS')
    , PersonId = E.PERSON_ID
    , EncounterType = UAR_GET_CODE_DISPLAY(E.ENCNTR_TYPE_CD)
    , NurseUnit = UAR_GET_CODE_DISPLAY(E.LOC_NURSE_UNIT_CD)
    , PerformingPrsnlId = PR.NAME_FULL_FORMATTED
    , OrderMnemonic = CE.EVENT_TAG
    , DischargeDisposition = UAR_GET_CODE_DISPLAY(E.DISCH_DISPOSITION_CD)
    , LengthOfStay = DATETIFF(E.DISCH_DT_TM, E.REG_DT_TM, 1)
    , IsReadmission = '0'
    , DiagnosisCode = 'N/A'
FROM
    CLINICAL_EVENT CE
    , ENCOUNTER E
    , PRSNL PR
WHERE
    CE.VERIFIED_DT_TM BETWEEN CNVTDATETIME($start_date) AND CNVTDATETIME($end_date)
    AND CE.EVENT_CLASS_CD IN ([REPLACE_WITH_LAB_RAD_CLASS_CODES])
    AND CE.RESULT_STATUS_CD = [REPLACE_WITH_AUTH_STATUS_CD]
    AND CE.ENCNTR_ID = E.ENCNTR_ID
    AND CE.VERIFIED_PRSNL_ID = PR.PERSON_ID

UNION ALL

SELECT
    EncounterId = E.ENCNTR_ID
    , ClinicalEventTag = 'Procedure Performed'
    , EventEndDateTime = FORMAT(SCT.SURG_START_DT_TM, 'YYYY-MM-DD HH:MM:SS')
    , SourceSystem = 'Cerner'
    , LastDataUpdate = FORMAT(CNVTDATETIME(CURDATE, CURTIME3), 'YYYY-MM-DD HH:MM:SS')
    , PersonId = E.PERSON_ID
    , EncounterType = UAR_GET_CODE_DISPLAY(E.ENCNTR_TYPE_CD)
    , NurseUnit = UAR_GET_CODE_DISPLAY(E.LOC_NURSE_UNIT_CD)
    , PerformingPrsnlId = 'N/A'
    , OrderMnemonic = 'Surgical Case'
    , DischargeDisposition = UAR_GET_CODE_DISPLAY(E.DISCH_DISPOSITION_CD)
    , LengthOfStay = DATETIFF(E.DISCH_DT_TM, E.REG_DT_TM, 1)
    , IsReadmission = '0'
    , DiagnosisCode = 'N/A'
FROM
    SURG_CASE_TBL SCT
    , ENCOUNTER E
WHERE
    SCT.SURG_START_DT_TM BETWEEN CNVTDATETIME($start_date) AND CNVTDATETIME($end_date)
    AND SCT.ENCNTR_ID = E.ENCNTR_ID

UNION ALL

SELECT
    EncounterId = E.ENCNTR_ID
    , ClinicalEventTag = 'Department Transfer Occurred'
    , EventEndDateTime = FORMAT(ELH.BEG_DT_TM, 'YYYY-MM-DD HH:MM:SS')
    , SourceSystem = 'Cerner'
    , LastDataUpdate = FORMAT(CNVTDATETIME(CURDATE, CURTIME3), 'YYYY-MM-DD HH:MM:SS')
    , PersonId = E.PERSON_ID
    , EncounterType = UAR_GET_CODE_DISPLAY(E.ENCNTR_TYPE_CD)
    , NurseUnit = UAR_GET_CODE_DISPLAY(ELH.LOC_NURSE_UNIT_CD)
    , PerformingPrsnlId = PR.NAME_FULL_FORMATTED
    , OrderMnemonic = 'Transfer'
    , DischargeDisposition = UAR_GET_CODE_DISPLAY(E.DISCH_DISPOSITION_CD)
    , LengthOfStay = DATETIFF(E.DISCH_DT_TM, E.REG_DT_TM, 1)
    , IsReadmission = '0'
    , DiagnosisCode = 'N/A'
FROM
    ENCNTR_LOC_HIST ELH
    , ENCOUNTER E
    , PRSNL PR
WHERE
    ELH.BEG_DT_TM BETWEEN CNVTDATETIME($start_date) AND CNVTDATETIME($end_date)
    AND ELH.ENCNTR_ID = E.ENCNTR_ID
    AND ELH.UPDT_ID = PR.PERSON_ID
    AND ELH.ACTIVE_IND = 1

UNION ALL

SELECT
    EncounterId = E.ENCNTR_ID
    , ClinicalEventTag = 'Consultation Completed'
    , EventEndDateTime = FORMAT(CE.EVENT_END_DT_TM, 'YYYY-MM-DD HH:MM:SS')
    , SourceSystem = 'Cerner'
    , LastDataUpdate = FORMAT(CNVTDATETIME(CURDATE, CURTIME3), 'YYYY-MM-DD HH:MM:SS')
    , PersonId = E.PERSON_ID
    , EncounterType = UAR_GET_CODE_DISPLAY(E.ENCNTR_TYPE_CD)
    , NurseUnit = UAR_GET_CODE_DISPLAY(E.LOC_NURSE_UNIT_CD)
    , PerformingPrsnlId = PR.NAME_FULL_FORMATTED
    , OrderMnemonic = CE.EVENT_TAG
    , DischargeDisposition = UAR_GET_CODE_DISPLAY(E.DISCH_DISPOSITION_CD)
    , LengthOfStay = DATETIFF(E.DISCH_DT_TM, E.REG_DT_TM, 1)
    , IsReadmission = '0'
    , DiagnosisCode = 'N/A'
FROM
    CLINICAL_EVENT CE
    , ENCOUNTER E
    , PRSNL PR
WHERE
    CE.EVENT_END_DT_TM BETWEEN CNVTDATETIME($start_date) AND CNVTDATETIME($end_date)
    AND CE.EVENT_CD IN ([REPLACE_WITH_CONSULT_NOTE_CODES])
    AND CE.ENCNTR_ID = E.ENCNTR_ID
    AND CE.PERFORMED_PRSNL_ID = PR.PERSON_ID

UNION ALL

SELECT
    EncounterId = E.ENCNTR_ID
    , ClinicalEventTag = 'Discharge Order Signed'
    , EventEndDateTime = FORMAT(O.ORIG_ORDER_DT_TM, 'YYYY-MM-DD HH:MM:SS')
    , SourceSystem = 'Cerner'
    , LastDataUpdate = FORMAT(CNVTDATETIME(CURDATE, CURTIME3), 'YYYY-MM-DD HH:MM:SS')
    , PersonId = E.PERSON_ID
    , EncounterType = UAR_GET_CODE_DISPLAY(E.ENCNTR_TYPE_CD)
    , NurseUnit = UAR_GET_CODE_DISPLAY(E.LOC_NURSE_UNIT_CD)
    , PerformingPrsnlId = PR.NAME_FULL_FORMATTED
    , OrderMnemonic = O.ORDER_MNEMONIC
    , DischargeDisposition = UAR_GET_CODE_DISPLAY(E.DISCH_DISPOSITION_CD)
    , LengthOfStay = DATETIFF(E.DISCH_DT_TM, E.REG_DT_TM, 1)
    , IsReadmission = '0'
    , DiagnosisCode = 'N/A'
FROM
    ORDERS O
    , ENCOUNTER E
    , PRSNL PR
WHERE
    O.ORIG_ORDER_DT_TM BETWEEN CNVTDATETIME($start_date) AND CNVTDATETIME($end_date)
    AND O.ORDER_MNEMONIC = '*Discharge*'
    AND O.ENCNTR_ID = E.ENCNTR_ID
    AND O.STATUS_PRSNL_ID = PR.PERSON_ID

UNION ALL

SELECT
    EncounterId = E.ENCNTR_ID
    , ClinicalEventTag = 'Patient Discharged'
    , EventEndDateTime = FORMAT(E.DISCH_DT_TM, 'YYYY-MM-DD HH:MM:SS')
    , SourceSystem = 'Cerner'
    , LastDataUpdate = FORMAT(CNVTDATETIME(CURDATE, CURTIME3), 'YYYY-MM-DD HH:MM:SS')
    , PersonId = E.PERSON_ID
    , EncounterType = UAR_GET_CODE_DISPLAY(E.ENCNTR_TYPE_CD)
    , NurseUnit = UAR_GET_CODE_DISPLAY(E.LOC_NURSE_UNIT_CD)
    , PerformingPrsnlId = PR.NAME_FULL_FORMATTED
    , OrderMnemonic = 'N/A'
    , DischargeDisposition = UAR_GET_CODE_DISPLAY(E.DISCH_DISPOSITION_CD)
    , LengthOfStay = DATETIFF(E.DISCH_DT_TM, E.REG_DT_TM, 1)
    , IsReadmission = '0'
    , DiagnosisCode = 'N/A'
FROM
    ENCOUNTER E
    , PERSON P
    , PRSNL PR
WHERE
    E.DISCH_DT_TM BETWEEN CNVTDATETIME($start_date) AND CNVTDATETIME($end_date)
    AND E.PERSON_ID = P.PERSON_ID
    AND E.ACTIVE_IND = 1
    AND E.UPDT_ID = PR.PERSON_ID

UNION ALL

SELECT
    EncounterId = E.ENCNTR_ID
    , ClinicalEventTag = 'Follow-up Appointment Scheduled'
    , EventEndDateTime = FORMAT(SA.UPDT_DT_TM, 'YYYY-MM-DD HH:MM:SS')
    , SourceSystem = 'Cerner'
    , LastDataUpdate = FORMAT(CNVTDATETIME(CURDATE, CURTIME3), 'YYYY-MM-DD HH:MM:SS')
    , PersonId = SA.PERSON_ID
    , EncounterType = UAR_GET_CODE_DISPLAY(E.ENCNTR_TYPE_CD)
    , NurseUnit = UAR_GET_CODE_DISPLAY(E.LOC_NURSE_UNIT_CD)
    , PerformingPrsnlId = PR.NAME_FULL_FORMATTED
    , OrderMnemonic = 'Follow-up'
    , DischargeDisposition = UAR_GET_CODE_DISPLAY(E.DISCH_DISPOSITION_CD)
    , LengthOfStay = DATETIFF(E.DISCH_DT_TM, E.REG_DT_TM, 1)
    , IsReadmission = '0'
    , DiagnosisCode = 'N/A'
FROM
    SCH_APPOINTMENT SA
    , ENCOUNTER E
    , PRSNL PR
WHERE
    SA.UPDT_DT_TM BETWEEN CNVTDATETIME($start_date) AND CNVTDATETIME($end_date)
    AND SA.ENCNTR_ID = E.ENCNTR_ID
    AND SA.BEG_DT_TM > E.DISCH_DT_TM
    AND SA.SCH_STATE_CD != [REPLACE_WITH_CANCELED_STATE_CD]
    AND SA.UPDT_ID = PR.PERSON_ID

Schritte

Voraussetzungen konfigurieren: Stellen Sie sicher, dass Python mit den erforderlichen Bibliotheken (pandas, requests) installiert ist und gültige OAuth2-Zugangsdaten (client_id, client_secret) für den Oracle-Health-(Cerner-)FHIR-R4-Endpunkt vorliegen. Für Patient, Encounter, Observation, Condition, Procedure, MedicationAdministration, ServiceRequest und DiagnosticReport müssen die entsprechenden Scopes aktiviert sein.
Authentifizierung verarbeiten: Implementieren Sie einen Authentifizierungs-Handler, der ein Bearer-Token vom Autorisierungsserver abruft. Cerner-Implementierungen verwenden typischerweise SMART on FHIR oder Standardabläufe mit OAuth2-Client-Credentials. Das bereitgestellte Script übernimmt den Token-Abruf.
Umfang und Zeitraum festlegen: Bestimmen Sie das Extraktionsfenster, zum Beispiel über die Parameter last_updated_gt oder date. Als Best Practice empfiehlt es sich, den Umfang der Patientenepisoden anhand eines Zeitraums im Encounter-Ressourcentyp festzulegen.
Encounters abrufen, Patientenepisoden: Fragen Sie die Ressource Encounter ab. Sie dient als zentrale Verknüpfung und Case-ID. Extrahieren Sie aus der Ressource Encounter period.start für Patient registriert und period.end für Patient entlassen. Durchlaufen Sie außerdem den location-Verlauf für Verlegung der Abteilung erfolgt.
Klinische Aufträge extrahieren: Fragen Sie ServiceRequest-Ressourcen ab, gefiltert nach der Encounter-ID. Verwenden Sie den Filter intent=order, um Diagnostischer Auftrag erteilt und Prozedur geplant zu erfassen, sofern es sich um chirurgische Aufträge handelt. Ordnen Sie authoredOn dem Ereignis-Timestamp zu.
Diagnosen und Probleme extrahieren: Fragen Sie die mit dem Encounter verknüpften Condition-Ressourcen ab. Verwenden Sie recordedDate oder onsetDateTime, um Ereignisse für Diagnose dokumentiert zu erstellen. Filtern Sie nach Möglichkeit nach der Kategorie encounter-diagnosis.
Prozeduren extrahieren: Fragen Sie Procedure-Ressourcen ab. Verwenden Sie performedDateTime, um Ereignisse für Prozedur durchgeführt zu erzeugen. So unterscheiden Sie abgeschlossene Operationen von geplanten Eingriffen.
Medikamente extrahieren: Fragen Sie MedicationAdministration-Ressourcen ab. Diese Ressource unterscheidet sich von MedicationRequest, da sie die tatsächliche Verabreichung dokumentiert. Verwenden Sie effectiveDateTime für das Ereignis Medikament verabreicht.
Laborwerte und Ergebnisse extrahieren: Fragen Sie Observation- oder DiagnosticReport-Ressourcen ab. Verwenden Sie issued oder effectiveDateTime für Ereignisse vom Typ Diagnostisches Ergebnis verifiziert. Suchen Sie nach status=final. Verwenden Sie außerdem spezifische Observation-Codes, zum Beispiel LOINC-Codes für die Triage-Einstufung, um Triage-Beurteilung abgeschlossen zu identifizieren.
Dokumentation und Pflegepläne extrahieren: Fragen Sie DocumentReference für Konsultation abgeschlossen, anhand von Dokumenttyp-Codes, und CarePlan für Ereignisse vom Typ Pflegeplan aktiviert ab.
Entlassungsaktivitäten identifizieren: Für Entlassungsauftrag unterzeichnet müssen Sie häufig ServiceRequest auf bestimmte Entlassungsauftrags-Codes prüfen oder Encounter.statusHistory auf einen Status vor der endgültigen Entlassung auswerten.
Daten transformieren und exportieren: Überführen Sie die JSON-Antworten in ein tabellarisches Format. Erstellen Sie die erforderlichen Spalten, darunter EncounterId, ClinicalEventTag und EventEndDateTime. Konvertieren Sie Timestamps in das ISO-8601-Format und exportieren Sie den fertigen Datensatz als CSV-Datei für den Upload in ProcessMind.

Konfiguration

FHIR-Basis-URL: Der spezifische Endpunkt Ihrer Oracle-Health-/Cerner-Instanz, zum Beispiel https://fhir-myrecord.cerner.com/r4/....
Authentifizierungs-Scopes: Stellen Sie sicher, dass die Anwendung über system/Encounter.read, system/Observation.read, system/Patient.read, system/Procedure.read, system/Condition.read und weitere erforderliche Scopes verfügt.
Datumsfilter: Verwenden Sie date=ge[YYYY-MM-DD] für die Ressource Encounter, um Episoden ab einem bestimmten Datum abzurufen. Vermeiden Sie Abfragen über die gesamte Historie.
Paginierung: Die API gibt Daten in Bundles zurück. Das Script muss Paginierungslinks mit relation: next verarbeiten, um den vollständigen Datensatz abzurufen.
Parallelisierung: Bei großen Extraktionen können Sie Anfragen nach Bereichen von Encounter-IDs parallel ausführen. Beachten Sie dabei die API-Ratenbegrenzungen, Throttling.
Code-Filter: Konfigurieren Sie im Mapping-Bereich des Scripts spezifische LOINC- oder SNOMED-Codes, um Triage und allgemeine Observations präzise zu unterscheiden.

a Beispielabfrage python

import requests
import pandas as pd
import time
from datetime import datetime, timedelta

class=class="hl-string">"hl-comment"># === CONFIGURATION ===
FHIR_BASE_URL = class="hl-string">"https://fhir-ehr.cerner.com/r4/ec2458f2-1e24-41c8-b71b-0e701af7583d"  class=class="hl-string">"hl-comment"># Placeholder
CLIENT_ID = class="hl-string">"[YOUR_CLIENT_ID]"
CLIENT_SECRET = class="hl-string">"[YOUR_CLIENT_SECRET]"
TOKEN_URL = class="hl-string">"https://authorization.cerner.com/tenants/ec2458f2-1e24-41c8-b71b-0e701af7583d/protocols/oauth2/profiles/smart-v1/token"

class=class="hl-string">"hl-comment"># Standard headers
HEADERS = {
    class="hl-string">"Accept": class="hl-string">"application/fhir+json",
    class="hl-string">"Content-Type": class="hl-string">"application/json"
}

class=class="hl-string">"hl-comment"># === AUTHENTICATION ===
def get_access_token():
    class=class="hl-string">"hl-comment"># Basic OAuth2 Client Credentials implementation
    class=class="hl-string">"hl-comment"># Adjust for specific SMART on FHIR flows if needed
    payload = {
        class="hl-string">"grant_type": class="hl-string">"client_credentials",
        class="hl-string">"client_id": CLIENT_ID,
        class="hl-string">"client_secret": CLIENT_SECRET,
        class="hl-string">"scope": class="hl-string">"system/Encounter.read system/Patient.read system/Observation.read system/Procedure.read system/Condition.read system/MedicationAdministration.read system/ServiceRequest.read"
    }
    try:
        response = requests.post(TOKEN_URL, data=payload, auth=(CLIENT_ID, CLIENT_SECRET))
        response.raise_for_status()
        return response.json()[class="hl-string">"access_token"]
    except Exception as e:
        print(fclass="hl-string">"Auth failed: {e}")
        return None

class=class="hl-string">"hl-comment"># === API HELPER ===
def fetch_resource(url, token):
    resources = []
    headers = HEADERS.copy()
    headers[class="hl-string">"Authorization"] = fclass="hl-string">"Bearer {token}"
    
    while url:
        try:
            resp = requests.get(url, headers=headers)
            if resp.status_code == 429:
                time.sleep(2)
                continue
            resp.raise_for_status()
            data = resp.json()
            
            if class="hl-string">'entry' in data:
                resources.extend([item[class="hl-string">'resource'] for item in data[class="hl-string">'entry']])
            
            class=class="hl-string">"hl-comment"># Handle Pagination
            url = None
            for link in data.get(class="hl-string">'link', []):
                if link[class="hl-string">'relation'] == class="hl-string">'next':
                    url = link[class="hl-string">'url']
                    break
        except Exception as e:
            print(fclass="hl-string">"Error fetching {url}: {e}")
            break
    return resources

class=class="hl-string">"hl-comment"># === MAIN EXTRACTION ===
def extract_patient_journey(start_date, end_date):
    token = get_access_token()
    if not token:
        return

    class=class="hl-string">"hl-comment"># 1. Fetch Encounters (Episodes)
    print(class="hl-string">"Fetching Encounters...")
    enc_url = fclass="hl-string">"{FHIR_BASE_URL}/Encounter?date=ge{start_date}&date=le{end_date}"
    encounters = fetch_resource(enc_url, token)
    
    event_log = []

    print(fclass="hl-string">"Processing {len(encounters)} encounters...")
    
    for enc in encounters:
        enc_id = enc.get(class="hl-string">'id')
        patient_id = enc.get(class="hl-string">'subject', {}).get(class="hl-string">'reference', class="hl-string">'').replace(class="hl-string">'Patient/', class="hl-string">'')
        enc_type = enc.get(class="hl-string">'class', {}).get(class="hl-string">'code', class="hl-string">'Unknown')
        
        class=class="hl-string">"hl-comment"># Helper to append event
        def add_event(tag, timestamp, order_item=None, location=None):
            if timestamp:
                event_log.append({
                    class="hl-string">"EncounterId": enc_id,
                    class="hl-string">"PersonId": patient_id,
                    class="hl-string">"ClinicalEventTag": tag,
                    class="hl-string">"EventEndDateTime": timestamp,
                    class="hl-string">"SourceSystem": class="hl-string">"OracleHealth_Cerner",
                    class="hl-string">"EncounterType": enc_type,
                    class="hl-string">"NurseUnit": location,
                    class="hl-string">"OrderMnemonic": order_item,
                    class="hl-string">"LastDataUpdate": datetime.now().isoformat()
                })

        class=class="hl-string">"hl-comment"># --- Activity 1: Patient Registered ---
        start_time = enc.get(class="hl-string">'period', {}).get(class="hl-string">'start')
        add_event(class="hl-string">"Patient Registered", start_time)

        class=class="hl-string">"hl-comment"># --- Activity 13: Patient Discharged ---
        end_time = enc.get(class="hl-string">'period', {}).get(class="hl-string">'end')
        class=class="hl-string">"hl-comment"># Activity 12: Discharge Order Signed (Inferred from status or specific request)
        class=class="hl-string">"hl-comment"># For simplicity, if end_time exists, we assume discharge order preceded it slightly or check ServiceRequest
        add_event(class="hl-string">"Patient Discharged", end_time)

        class=class="hl-string">"hl-comment"># --- Activity 10: Department Transfer Occurred ---
        locations = enc.get(class="hl-string">'location', [])
        for i, loc in enumerate(locations):
            loc_name = loc.get(class="hl-string">'location', {}).get(class="hl-string">'display', class="hl-string">'Unknown Unit')
            loc_start = loc.get(class="hl-string">'period', {}).get(class="hl-string">'start')
            class=class="hl-string">"hl-comment"># Skip the first location as it's usually registration
            if i > 0 and loc_start:
                add_event(class="hl-string">"Department Transfer Occurred", loc_start, location=loc_name)

        class=class="hl-string">"hl-comment"># === FETCH SUB-RESOURCES ===
        class=class="hl-string">"hl-comment"># Note: In production, consider batch requests or bulk export if available to avoid N+1 queries
        
        class=class="hl-string">"hl-comment"># --- Activity 5: Diagnosis Documented ---
        cond_url = fclass="hl-string">"{FHIR_BASE_URL}/Condition?patient={patient_id}&encounter={enc_id}"
        conditions = fetch_resource(cond_url, token)
        for cond in conditions:
            dx_name = cond.get(class="hl-string">'code', {}).get(class="hl-string">'text', class="hl-string">'Unknown Diagnosis')
            dx_time = cond.get(class="hl-string">'recordedDate') or cond.get(class="hl-string">'onsetDateTime')
            add_event(class="hl-string">"Diagnosis Documented", dx_time, order_item=dx_name)

        class=class="hl-string">"hl-comment"># --- Activity 9: Procedure Performed ---
        proc_url = fclass="hl-string">"{FHIR_BASE_URL}/Procedure?patient={patient_id}&encounter={enc_id}"
        procedures = fetch_resource(proc_url, token)
        for proc in procedures:
            if proc.get(class="hl-string">'status') == class="hl-string">'completed':
                proc_name = proc.get(class="hl-string">'code', {}).get(class="hl-string">'text', class="hl-string">'Unknown Procedure')
                proc_time = proc.get(class="hl-string">'performedDateTime')
                add_event(class="hl-string">"Procedure Performed", proc_time, order_item=proc_name)

        class=class="hl-string">"hl-comment"># --- Activity 7: Medication Administered ---
        med_url = fclass="hl-string">"{FHIR_BASE_URL}/MedicationAdministration?patient={patient_id}&encounter={enc_id}"
        meds = fetch_resource(med_url, token)
        for med in meds:
            if med.get(class="hl-string">'status') == class="hl-string">'completed':
                med_name = med.get(class="hl-string">'medicationCodeableConcept', {}).get(class="hl-string">'text', class="hl-string">'Unknown Med')
                med_time = med.get(class="hl-string">'effectiveDateTime')
                add_event(class="hl-string">"Medication Administered", med_time, order_item=med_name)

        class=class="hl-string">"hl-comment"># --- Activity 2, 8: Observations (Triage & Labs) ---
        obs_url = fclass="hl-string">"{FHIR_BASE_URL}/Observation?patient={patient_id}&encounter={enc_id}"
        observations = fetch_resource(obs_url, token)
        for obs in observations:
            obs_code = obs.get(class="hl-string">'code', {}).get(class="hl-string">'text', class="hl-string">'')
            obs_time = obs.get(class="hl-string">'effectiveDateTime') or obs.get(class="hl-string">'issued')
            categories = [c.get(class="hl-string">'code') for cat in obs.get(class="hl-string">'category', []) for c in cat.get(class="hl-string">'coding', [])]
            
            if class="hl-string">'triage' in str(categories).lower() or class="hl-string">'acuity' in obs_code.lower():
                add_event(class="hl-string">"Triage Assessment Completed", obs_time, order_item=obs_code)
            elif class="hl-string">'laboratory' in str(categories).lower() and obs.get(class="hl-string">'status') == class="hl-string">'final':
                add_event(class="hl-string">"Diagnostic Result Verified", obs_time, order_item=obs_code)

        class=class="hl-string">"hl-comment"># --- Activity 3, 4, 12: Service Requests (Orders) ---
        req_url = fclass="hl-string">"{FHIR_BASE_URL}/ServiceRequest?patient={patient_id}&encounter={enc_id}"
        requests_list = fetch_resource(req_url, token)
        for req in requests_list:
            req_name = req.get(class="hl-string">'code', {}).get(class="hl-string">'text', class="hl-string">'Unknown Order')
            req_time = req.get(class="hl-string">'authoredOn')
            intent = req.get(class="hl-string">'intent')
            
            if intent == class="hl-string">'order':
                class=class="hl-string">"hl-comment"># Simple logic to distinguish Labs vs other orders based on code or category
                add_event(class="hl-string">"Diagnostic Order Placed", req_time, order_item=req_name)
            elif intent == class="hl-string">'plan':
                 add_event(class="hl-string">"Procedure Scheduled", req_time, order_item=req_name)
            
            class=class="hl-string">"hl-comment"># Discharge Order Logic (Placeholder: Check for specific discharge code)
            if class="hl-string">"discharge" in req_name.lower():
                add_event(class="hl-string">"Discharge Order Signed", req_time)

        class=class="hl-string">"hl-comment"># --- Activity 6: Care Plan Activated ---
        cp_url = fclass="hl-string">"{FHIR_BASE_URL}/CarePlan?patient={patient_id}&encounter={enc_id}"
        careplans = fetch_resource(cp_url, token)
        for cp in careplans:
            cp_start = cp.get(class="hl-string">'period', {}).get(class="hl-string">'start')
            add_event(class="hl-string">"Care Plan Activated", cp_start)

        class=class="hl-string">"hl-comment"># --- Activity 11: Consultation Completed ---
        class=class="hl-string">"hl-comment"># Often DocumentReference
        doc_url = fclass="hl-string">"{FHIR_BASE_URL}/DocumentReference?patient={patient_id}&encounter={enc_id}"
        docs = fetch_resource(doc_url, token)
        for doc in docs:
            type_text = doc.get(class="hl-string">'type', {}).get(class="hl-string">'text', class="hl-string">'').lower()
            if class="hl-string">'consult' in type_text or class="hl-string">'note' in type_text:
                doc_date = doc.get(class="hl-string">'date') class=class="hl-string">"hl-comment"># When document was created/signed
                add_event(class="hl-string">"Consultation Completed", doc_date, order_item=type_text)
        
        class=class="hl-string">"hl-comment"># --- Activity 14: Follow-up Appointment Scheduled ---
        class=class="hl-string">"hl-comment"># Check for appointments created strictly after encounter start, linked to patient
        apt_url = fclass="hl-string">"{FHIR_BASE_URL}/Appointment?patient={patient_id}&date=ge{start_time}"
        appointments = fetch_resource(apt_url, token)
        for apt in appointments:
            created_date = apt.get(class="hl-string">'created') class=class="hl-string">"hl-comment"># When the booking happened
            if created_date and start_time and created_date >= start_time:
                 add_event(class="hl-string">"Follow-up Appointment Scheduled", created_date)

    class=class="hl-string">"hl-comment"># === EXPORT ===
    df = pd.DataFrame(event_log)
    class=class="hl-string">"hl-comment"># Basic cleaning
    df.drop_duplicates(inplace=True)
    df.fillna(class="hl-string">'', inplace=True)
    
    output_file = class="hl-string">"cerner_extraction.csv"
    df.to_csv(output_file, index=False)
    print(fclass="hl-string">"Extraction complete. Saved to {output_file}")

class=class="hl-string">"hl-comment"># Run extraction for a specific window
extract_patient_journey(class="hl-string">"2023-01-01", class="hl-string">"2023-01-07")

Möchten Sie beginnen?

Verwenden Sie dieses Template, um Ihre Daten vorzubereiten und wertvolle Erkenntnisse in Ihrem Prozess der Patientenreise zu gewinnen. Der Weg zu besseren Behandlungsergebnissen beginnt hier.

Zurück zum Leitfaden zur Verbesserung Template herunterladen

Optimieren Sie Patientenreisen jetzt und verbessern Sie Ergebnisse schneller

Identifizieren Sie Engpässe schnell und verkürzen Sie die Durchlaufzeit der Patientenreise um 30 %.

Starten Sie Ihre kostenlose Testphase

Keine Kreditkarte erforderlich. Beginnen Sie in wenigen Minuten.

Ihr Daten-Template für die Patientenreise

Ihr Daten-Template für die Patientenreise

Attribute der Patientenreise

Aktivitäten der Patientenreise

Anleitungen zur Datenextraktion

Extraktion mit der Cerner Command Language über Discern

Schritte

Konfiguration

a Beispielabfrage sql

Python-Extraktion über die Oracle Health FHIR R4 API

Schritte

Konfiguration

a Beispielabfrage python

Möchten Sie beginnen?

Optimieren Sie Patientenreisen jetzt und verbessern Sie Ergebnisse schneller

Ihr Daten-Template für die Patientenreise

Ihr Daten-Template für die Patientenreise

Attribute der Patientenreise

Aktivitäten der Patientenreise

Anleitungen zur Datenextraktion

Extraktion mit der Cerner Command Language über Discern

Schritte

Konfiguration

a Beispielabfrage sql

Python-Extraktion über die Oracle Health FHIR R4 API

Schritte

Konfiguration

a Beispielabfrage python

Möchten Sie beginnen?

Optimieren Sie Patientenreisen jetzt und verbessern Sie Ergebnisse schneller

Ihre Privatsphäre ist uns wichtig