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

Ihr Datentemplate für den Behandlungsverlauf von Patienten

Oracle Health (Cerner)

← Zurück zum Leitfaden zur Prozessverbesserung

Attribute zum Behandlungsverlauf von Patienten(19) Aktivitäten im Behandlungsverlauf von Patienten(14) Anleitungen zur Datenextraktion(2)

Ihr Datentemplate für den Behandlungsverlauf von Patienten

Dieses umfassende Template beschreibt die wichtigsten Daten, die Sie benötigen, um Behandlungsverläufe von Patienten wirksam zu analysieren und zu optimieren. Es zeigt strukturiert, welche zentralen Attribute Sie erfassen und welche Aktivitäten Sie verfolgen sollten, und gibt praktische Hinweise zur Datenextraktion. Mit dieser Ressource bereiten Sie Ihr Event Log für Process Mining vor.

Empfohlene Attribute für die Datenerfassung
Wichtige Aktivitäten für die Nachverfolgung
Hinweise zur Datenextraktion

Neu bei Event Logs? Erfahren Sie, wie Sie ein Event Log für Process Mining erstellen.

Template herunterladen

Attribute zum Behandlungsverlauf von Patienten

Dies sind die empfohlenen Datenfelder für Ihr Event Log, damit Sie den Behandlungsverlauf von Patienten in Ihrem System umfassend analysieren können.

5 Erforderlich 8 Empfohlen 6 Optional

	Name	Beschreibung
	Aktivität ClinicalEventTag	Name oder Beschreibung des klinischen oder administrativen Ereignisses.
Beschreibung Dieses Attribut erfasst die konkrete Handlung während der Behandlung des Patienten, zum Beispiel „Medikament verabreicht“, „Vitalwerte gemessen“ oder „Patient entlassen“. Es liefert die verständliche Bezeichnung des Prozessschritts. In Cerner stammt dieser Wert häufig aus der Tabelle `CLINICAL_EVENT`. Dabei wird insbesondere der `EVENT_CD` (Ereigniscode) auf den Anzeigewert abgebildet oder das Feld `EVENT_TAG` verwendet. Einheitliche Bezeichnungen sind entscheidend für verständliche Prozesslandkarten. Warum das wichtig ist Legt die Schritte in der Prozesslandkarte fest und ermöglicht die Visualisierung des Workflows. Woher beziehen Tabelle: CLINICAL_EVENT, Spalte: EVENT_TAG oder verknüpfter CODE_VALUE für EVENT_CD Beispiele TriageeinschätzungBlutbild mit DifferenzialblutbildEntlassungsanordnungPatient verlegen
	Ereignis-Timestamp EventEndDateTime	Datum und Uhrzeit, zu denen die Aktivität stattgefunden hat oder abgeschlossen wurde.
Beschreibung Dieses Attribut erfasst den genauen Zeitpunkt eines Ereignisses. Es dient dazu, Aktivitäten in die richtige Reihenfolge zu bringen und Zykluszeiten zwischen Prozessschritten zu berechnen. In der Tabelle `CLINICAL_EVENT` entspricht es üblicherweise dem Feld `EVENT_END_DT_TM`. Die Genauigkeit ist entscheidend, um Wartezeiten zu berechnen, etwa zwischen „Patient registriert“ und „Triageeinschätzung“. Warum das wichtig ist Unverzichtbar, um die Ereignisabfolge zu bestimmen und Leistungskennzahlen wie Durchlaufzeiten zu berechnen. Woher beziehen 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 jeweiligen Patientenbesuch oder die Behandlungsepisode.
Beschreibung Dieses Attribut dient als zentrale Case-ID für den Behandlungsverlauf des Patienten. Es fasst alle klinischen Ereignisse, Aufträge und administrativen Vorgänge innerhalb eines Behandlungszeitraums zusammen, etwa während eines stationären Aufenthalts oder eines Besuchs in der Notaufnahme. Beim Process Mining ist diese ID unverzichtbar, um einzelne Aktivitäten zu einem einheitlichen Prozessbild zusammenzuführen. Technisch entspricht sie der `ENCNTR_ID` in der Tabelle `ENCOUNTER` der Cerner-Millennium-Datenbank. Als Primärschlüssel verknüpft sie Patientendaten, Aufträge und klinische Ereignisse. Warum das wichtig ist Dieser zentrale Schlüssel ist erforderlich, um den gesamten Behandlungsverlauf vom Aufnahmezeitpunkt bis zur Entlassung nachzuvollziehen. Woher beziehen Tabelle: ENCOUNTER, Spalte: ENCNTR_ID Beispiele 123456789876543211223344
	Letzte Datenaktualisierung LastDataUpdate	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. Anhand dieses Timestamps erkennen Benutzer, ob sie Echtzeitdaten oder einen Stand aus einem früheren Ladevorgang betrachten. Er wird üblicherweise während des ETL-Prozesses (Extract, Transform, Load) erzeugt und ist kein klinisches Attribut. Warum das wichtig ist Entscheidend für die Data Governance und dafür, dass die Analyse auf aktuellen Informationen basiert. Woher beziehen ETL-System-Timestamp Beispiele 2023-11-01T00:00:00Z2023-11-02T12:00:00Z
	Quellsystem SourceSystem	Name des Systems, aus dem die Daten stammen.
Beschreibung Gibt an, aus welcher Anwendung der Datensatz stammt. In diesem Zusammenhang handelt es sich überwiegend um „Oracle Health“ oder „Cerner Millennium“. Das ist besonders in Umgebungen mit mehreren Systemen hilfreich, in denen Daten aus weiteren EMR- oder Abteilungssystemen zusammengeführt werden. Wenn Daten aus mehreren Quellen eingelesen werden, können Analysten die Prozessanalyse anhand der Datenherkunft filtern oder aufteilen. Warum das wichtig ist Sichert Datenherkunft und Nachvollziehbarkeit, insbesondere bei Process-Mining-Setups mit mehreren Systemen. Woher beziehen Fest codierter Wert oder Systemmetadaten Beispiele Oracle HealthCerner Millennium
	Abteilung NurseUnit	Station, Bereich oder Abteilung, in der das Ereignis stattgefunden hat.
Beschreibung Gibt den physischen Standort oder die Organisationseinheit an, die zum Zeitpunkt des Ereignisses für den Patienten zuständig war, zum Beispiel Intensivstation, Allgemeinchirurgie oder Notaufnahme. Das Dashboard zur Effizienz von Stationsverlegungen nutzt diese Information, um Wechsel zwischen Bereichen nachzuverfolgen. In Cerner stammt sie häufig aus `LOC_NURSE_UNIT_CD` in der Tabelle für Aufenthalte oder Bewegungen. Warum das wichtig ist Unverzichtbar, um Engpässe in einzelnen Abteilungen zu analysieren und die räumlichen Patientenströme darzustellen. Woher beziehen Tabelle: ENCOUNTER oder CLINICAL_EVENT, Spalte: LOC_NURSE_UNIT_CD Beispiele NotaufnahmeKardiologische StationICURadiologie
	Auftragsposition OrderMnemonic	Bezeichnung des konkreten Auftrags, zum Beispiel einer Laboruntersuchung oder eines Medikaments.
Beschreibung Beschreibt den Inhalt eines Auftragsereignisses, zum Beispiel „Blutbild“ oder „Aspirin 81 mg“. Dieses Attribut liefert den nötigen Kontext für Aktivitäten wie „Diagnostischer Auftrag erteilt“ und „Medikament verabreicht“. Es ist üblicherweise in der Tabelle `ORDERS` unter `ORDER_MNEMONIC` zu finden. Es bezeichnet das „Produkt“, das den Prozess durchläuft. Warum das wichtig ist Erforderlich für eine detaillierte Analyse diagnostischer und therapeutischer Behandlungspfade. Woher beziehen Tabelle: ORDERS, Spalte: ORDER_MNEMONIC Beispiele Röntgenaufnahme des BrustkorbsBasis-StoffwechselprofilParacetamolMRT des Gehirns
	Benutzer PerformingPrsnlId	Kennung oder Name der medizinischen Fachkraft, die die Aktivität ausgeführt hat.
Beschreibung Erfasst, wer den Prozessschritt ausgeführt hat, zum Beispiel die Pflegekraft, die ein Medikament verabreicht, oder der Arzt, der die Entlassung unterzeichnet. So lässt sich die Ressourcennutzung analysieren. In Cerner ist dies je nach Tabelle (Aufträge oder klinische Ereignisse) häufig `PERFORMED_PRSNL_ID` oder `UPDT_ID`. Die Zuordnung zu einem allgemeinen Attribut „Benutzer“ erleichtert die Analyse der Funktionstrennung. Warum das wichtig ist Unterstützt die Ressourcenanalyse und hilft, möglichen Schulungsbedarf oder eine unausgewogene Arbeitsbelastung zu erkennen. Woher beziehen Tabelle: CLINICAL_EVENT, Spalte: PERFORMED_PRSNL_ID Beispiele Dr. SmithPflegekraft JonesSystemadministrator
	Entlassungsstatus DischargeDisposition	Ziel oder Status des Patienten bei der Entlassung.
Beschreibung Gibt an, wohin der Patient nach Ende der Episode gegangen ist, zum Beispiel nach Hause, in eine Pflegeeinrichtung oder verstorben. Diese Information ist wichtig für die Analyse der Entlassungsplanung und das Erkennen ungünstiger Ergebnisse. Zu finden in der Tabelle `ENCOUNTER` unter `DISCH_DISPOSITION_CD`. Warum das wichtig ist Zentrale Ergebniskennzahl, die den Endzustand des Behandlungsverlaufs festlegt. Woher beziehen Tabelle: ENCOUNTER, Spalte: DISCH_DISPOSITION_CD (über CODE_VALUE auflösen) Beispiele Nach Hause entlassenIn die Rehabilitation verlegtGegen ärztlichen Rat gegangenVerstorben
	Falltyp EncounterType	Kategorisierung des Patientenbesuchs, zum Beispiel stationär, ambulant oder Notfall.
Beschreibung Klassifiziert die Art der Patientenepisode. Diese Dimension ist wichtig, um Daten aufzuschlüsseln, da sich der Prozessablauf bei einem Notfall deutlich von dem bei einer geplanten stationären Aufnahme unterscheidet. Der Wert wird aus `ENCNTR_TYPE_CD` in der Tabelle `ENCOUNTER` abgeleitet, das auf einen Codewert verweist, zum Beispiel „Stationär“ oder „Notfall“. Warum das wichtig ist Ermöglicht den Vergleich von Behandlungspfaden und Durchsatz in verschiedenen Versorgungsbereichen. Woher beziehen Tabelle: ENCOUNTER, Spalte: ENCNTR_TYPE_CD (über CODE_VALUE auflösen) Beispiele StationärNotfallAmbulantTageschirurgie
	Hauptdiagnose DiagnosisCode	ICD-10- oder SNOMED-Code für den Hauptgrund der Behandlung.
Beschreibung Der standardisierte klinische Code, zum Beispiel „J18.9“ für Lungenentzündung, der der Episode zugewiesen wird. Damit lassen sich Patienten nach Erkrankung gruppieren und Abweichungen vom Behandlungsprotokoll für bestimmte Krankheiten analysieren. Zu finden in der mit dem Aufenthalt verknüpften Tabelle `DIAGNOSIS`. Warum das wichtig ist Ermöglicht einen direkten Vergleich der Behandlungspfade von Patienten mit bestimmten Erkrankungen. Woher beziehen Tabelle: DIAGNOSIS, Spalte: DIAGNOSIS_CODE (über die Nomenklatur) Beispiele I10E11.9J18.9
	Patienten-ID PersonId	Eindeutige Kennung des Patienten über mehrere Aufenthalte hinweg.
Beschreibung Anders als die Case-ID bleibt die Patienten-ID (oder Personen-ID) bei allen Krankenhausbesuchen eines Patienten gleich. Dieses Attribut ist wichtig, um Wiederaufnahmeraten zu analysieren und den längerfristigen Behandlungsverlauf nachzuvollziehen. In Cerner ist dies die `PERSON_ID` aus der Tabelle `PERSON`. Sie verknüpft mehrere `ENCNTR_ID`-Datensätze. Warum das wichtig ist Ermöglicht die KPI „Wiederaufnahmerate von Patienten“, indem separate Episoden derselben Person zugeordnet werden. Woher beziehen Tabelle: PERSON, Spalte: PERSON_ID Beispiele P10001P55992P99221
	Wiederaufnahme IsReadmission	Kennzeichen dafür, ob diese Episode innerhalb von 30 Tagen nach einer vorherigen Entlassung begonnen hat.
Beschreibung Boolesches Kennzeichen, mit dem Fälle als Wiederaufnahme identifiziert werden. 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 direkt die KPI „Wiederaufnahmerate von Patienten“, eine zentrale Kennzahl für die Versorgungsqualität. Woher beziehen Über SQL-Logik durch Vergleich von ENCOUNTER-Datensätzen abgeleitet Beispiele truefalse
	Aufnahmeweg AdmissionSource	Herkunft des Patienten bei der Aufnahme.
Beschreibung Beschreibt, wie der Patient ins Krankenhaus kam, zum Beispiel durch ärztliche Überweisung, über die Notaufnahme oder durch Verlegung aus einem anderen Krankenhaus. Damit lässt sich der Zugang zum Krankenhausprozess analysieren. Das Attribut entspricht `ADMIT_SRC_CD` in der Tabelle `ENCOUNTER`. Warum das wichtig ist Ordnet die Wartezeit bis zur ersten Einschätzung dem jeweiligen Aufnahmeweg zu. Woher beziehen Tabelle: ENCOUNTER, Spalte: ADMIT_SRC_CD Beispiele NotaufnahmeÄrztliche ÜberweisungVerlegung aus einem Krankenhaus
	Auftragsnummer OrderId	Eindeutige Kennung eines bestimmten Auftrags, etwa für Labor, Medikamente oder Konsile.
Beschreibung Vom System erzeugte ID eines Auftrags. Sie ist zwar nicht die Case-ID, aber ein wichtiger zusätzlicher Schlüssel. Damit wird das Ereignis „Diagnostischer Auftrag erteilt“ mit dem Ereignis „Diagnostisches Ergebnis bestätigt“ verknüpft. Ohne diese ID lässt sich die genaue Bearbeitungszeit einzelner Untersuchungen nur schwer berechnen, wenn für einen Patienten mehrere Aufträge gleichzeitig vorliegen. Warum das wichtig ist Unverzichtbar, um zusammengehörige Aktivitäten (Auftrag → Ergebnis) präzise zu verknüpfen. Woher beziehen Tabelle: ORDERS, Spalte: ORDER_ID Beispiele 88291028829103
	Ergebnisstatus ResultStatus	Status eines diagnostischen Ergebnisses, zum Beispiel freigegeben (bestätigt), korrigiert oder vorläufig.
Beschreibung Gibt die Phase im Lebenszyklus eines diagnostischen Testergebnisses an. Bei der Analyse der Zeit bis zur Bereitstellung diagnostischer Ergebnisse zeigt dieses Attribut, ab wann ein Ergebnis offiziell für klinische Entscheidungen verfügbar ist. Üblicherweise in `CLINICAL_EVENT` mit spezifischen Statuscodes zu finden. Warum das wichtig ist Unterscheidet vorläufige von endgültigen Ergebnissen. Das wirkt sich darauf aus, wann nachgelagerte Aktivitäten beginnen können. Woher beziehen Tabelle: CLINICAL_EVENT, Spalte: RESULT_STATUS_CD Beispiele Freigegeben (bestätigt)FehlerhaftGeändert
	Kostenträgertyp FinancialClass	Primärer Versicherungsschutz oder finanzielle Einstufung des Patienten.
Beschreibung Ordnet den Patienten anhand des Kostenträgers ein, zum Beispiel Medicare, private Krankenversicherung oder Selbstzahler. Mit diesem Attribut lässt sich untersuchen, ob sich Prozessabläufe oder Aufenthaltsdauer je nach Versicherungsart unterscheiden. Abgeleitet aus `FINANCIAL_CLASS_CD` in der Tabelle `ENCOUNTER`. Warum das wichtig ist Hilft, Unterschiede in der Versorgung oder der administrativen Bearbeitung nach Kostenträgertyp zu erkennen. Woher beziehen Tabelle: ENCOUNTER, Spalte: FINANCIAL_CLASS_CD (über CODE_VALUE auflösen) Beispiele MedicareBlue CrossSelbstzahlerMedicaid
	Medikamentenstatus MedAdminStatus	Status des Medikamentenauftrags, zum Beispiel verabreicht, abgelehnt oder nicht verabreicht.
Beschreibung Gibt das Ergebnis einer Aufgabe zur Medikamentengabe an. Für das Dashboard zur Compliance bei der Medikamentengabe muss erkennbar sein, welche Medikamente tatsächlich verabreicht und welche zwar geplant, aber ausgelassen oder abgelehnt wurden. Der Wert ist wahrscheinlich in der Tabelle `CLINICAL_EVENT` oder in speziellen Tabellen für das Medication Administration Record (MAR) zu finden. Warum das wichtig ist Zeigt Lücken bei der Einhaltung von Behandlungsprotokollen auf. Woher beziehen Dokumentation von Oracle Health (Cerner) konsultieren Beispiele VerabreichtAbgelehntZurückgestellt
	Triagepriorität TriageAcuity	Dringlichkeitsstufe, die bei der Triageeinschätzung zugewiesen wird.
Beschreibung Numerischer oder kategorialer Wert für den Schweregrad des Patientenzustands, zum Beispiel von 1 (sofortige Behandlung) bis 5 (nicht dringend). Dieses Attribut ist wichtig, um Wartezeiten aufzuschlüsseln: Patienten mit höherer Priorität sollten kürzer warten. Der Wert wird üblicherweise während der Triage in klinischen Formularen oder als spezifischer Beobachtungscode erfasst. Warum das wichtig ist Entscheidend, um zu prüfen, ob der Prozess Patienten entsprechend ihrer klinischen Dringlichkeit priorisiert. Woher beziehen Dokumentation von Oracle Health (Cerner) konsultieren Beispiele 12345

Erforderlich Empfohlen Optional

Aktivitäten im Behandlungsverlauf von Patienten

Erfassen Sie diese wichtigen Prozessschritte und Meilensteine in Ihrem Event Log, um Prozesse zuverlässig zu entdecken und Engpässe zu identifizieren.

8 Empfohlen 6 Optional

	Aktivität	Beschreibung
	Abteilungswechsel erfolgt	Zeigt an, dass der Patient physisch von einem Ort, etwa der Notaufnahme, an einen anderen, etwa die Intensivstation, verlegt wurde. Die Verlegung wird über den Standortverlauf erfasst.
Warum das wichtig ist Ermöglicht die Analyse der Effizienz von Stationsverlegungen und hilft dabei, den Patientenfluss durch das Krankenhaus sichtbar zu machen. Woher beziehen Tabelle ENCNTR_LOC_HIST (Encounter Location History), in der Änderungen an LOC_NURSE_UNIT_CD erfasst werden. Erfassung Statusfeld vor und nach der Änderung vergleichen. Ereignistyp inferred
	Diagnose dokumentiert	Wird erfasst, wenn eine formale Diagnose zum Begegnungsdatensatz des Patienten hinzugefügt wird. Anders als ein Untersuchungsergebnis dokumentiert sie die ärztliche Bestätigung der Erkrankung.
Warum das wichtig ist Wichtig für den Meilenstein „Diagnose bestätigt“ und die Analyse der Zeit bis zur endgültigen Diagnose. Woher beziehen Tabelle DIAGNOSIS, mit DIAGNOSIS_DT_TM, verknüpft über die ENCOUNTER_ID. Erfassung Wird protokolliert, wenn eine Diagnose in PowerChart hinzugefügt oder aktualisiert wird. Ereignistyp explicit
	Diagnostische Untersuchung angefordert	Wird erfasst, wenn ein Arzt oder eine Ärztin eine Laboruntersuchung oder bildgebende Untersuchung anfordert. Dieser Timestamp startet die Berechnung der diagnostischen Durchlaufzeit.
Warum das wichtig ist Ausgangspunkt für die KPI „Zeit bis zur Bereitstellung diagnostischer Befunde“. Hilft dabei, Verzögerungen bei der Anforderung von Verzögerungen bei der Durchführung zu unterscheiden. Woher beziehen Tabelle ORDERS, mit ORIG_ORDER_DT_TM für Katalogtypen Laboratory oder Radiology. Erfassung Wird protokolliert, wenn der Auftragsstatus auf ORDERED gesetzt wird. Ereignistyp explicit
	Diagnostischer Befund bestätigt	Zeitpunkt, zu dem ein Labor- oder Bildgebungsbefund endgültig vorliegt und dem behandelnden Arzt oder der behandelnden Ärztin bereitgestellt wird. Damit endet das Zeitintervall für die diagnostische Durchlaufzeit.
Warum das wichtig ist Schließt den Zyklus für die Zeit bis zur Bereitstellung diagnostischer Befunde ab und ermöglicht die anschließende Entscheidung über die Behandlung. Woher beziehen Tabelle CLINICAL_EVENT (für Laborbefunde) oder Statusänderung in ORDERS auf COMPLETED. Erfassung Wird protokolliert, wenn sich der Befundstatus in AUTH (Authenticated) ändert. Ereignistyp explicit
	Entlassungsanordnung unterzeichnet	Das Ereignis, bei dem der Arzt die Entlassung des Patienten anordnet. Damit beginnt die Zeitmessung für die Entlassungsplanung.
Warum das wichtig ist Startpunkt für die „Zykluszeit der Entlassungsplanung“. Eine zeitliche Lücke bis zur tatsächlichen Entlassung weist auf betriebliche Verzögerungen hin. Woher beziehen Tabelle ORDERS, in der der Katalogtyp die Entlassung kennzeichnet. Erfassung Wird protokolliert, wenn der Status der Entlassungsanordnung ORDERED lautet. Ereignistyp explicit
	Patient entlassen	Das abschließende administrative Ereignis, mit dem der Aufenthalt des Patienten beendet wird. Dieser Timestamp dient zur Berechnung der gesamten Aufenthaltsdauer.
Warum das wichtig ist Das zentrale Endereignis des Prozesses. Unverzichtbar für die Berechnung der Aufenthaltsdauer und von Wiederaufnahmen. Woher beziehen Tabelle ENCOUNTER, insbesondere DISCH_DT_TM (Entlassungsdatum und -uhrzeit). Erfassung Wird protokolliert, wenn sich der Status des Aufenthalts zu DISCHARGED ändert. Ereignistyp explicit
	Patient registriert	Kennzeichnet den Beginn der Patientenepisode: Der Patient trifft ein und wird im System erfasst. In Cerner Millennium wird dieser Zeitpunkt beim Erstellen des Begegnungsdatensatzes oder beim Setzen des Registrierungs-Timestamps erfasst.
Warum das wichtig ist Legt den Startzeitpunkt für die Berechnung der Aufenthaltsdauer (LOS) und die Analyse der anfänglichen Wartezeit fest. Woher beziehen Tabelle ENCOUNTER, insbesondere die Spalte REG_DT_TM (Registrierungsdatum/-uhrzeit). Erfassung Wird protokolliert, wenn eine Transaktion eine neue Zeile in ENCOUNTER erstellt. Ereignistyp explicit
	Triage abgeschlossen	Kennzeichnet den Abschluss der ersten pflegerischen Untersuchung oder des Triage-Formulars in der Notaufnahme oder bei der Aufnahme. Dabei handelt es sich in der Regel um ein bestimmtes Formular oder ein klinisches Ereignis, das im System dokumentiert wird.
Warum das wichtig ist Entscheidend für die Berechnung der KPI „Wartezeit bis zur Erstuntersuchung“ und die Ermittlung von Engpässen am ersten Kontaktpunkt. Woher beziehen Tabelle CLINICAL_EVENT, gefiltert nach Ereigniscodes für Triage- oder Erstuntersuchungsformulare. Erfassung Wird protokolliert, wenn ein klinisches Dokument oder Formular unterzeichnet oder bestätigt wird. Ereignistyp explicit
	Behandlungsplan aktiviert	Kennzeichnet den Beginn eines PowerPlan oder Behandlungspfads in Cerner. Damit wird angezeigt, dass ein standardisiertes Behandlungsprotokoll ausgewählt wurde.
Warum das wichtig ist Entscheidend für die Analyse von Abweichungen vom Behandlungsprotokoll, bei der die tatsächliche Versorgung mit dem geplanten Behandlungspfad verglichen wird. Woher beziehen ACT_PW_CAT (Action Pathway Catalog) oder DCP_FORMS_REF, verknüpft den Behandlungspfad mit dem Begegnungsdatensatz. Erfassung Wird protokolliert, wenn PowerPlan gestartet wird. Ereignistyp explicit
	Eingriff durchgeführt	Timestamp, der angibt, wann eine Operation oder ein größerer medizinischer Eingriff tatsächlich stattgefunden hat. Dieser Zeitpunkt wird häufig in der perioperativen Dokumentation erfasst.
Warum das wichtig ist Wichtiger Meilenstein für die Analyse klinischer Behandlungspfade und der Ressourcennutzung. Woher beziehen Tabelle SURGICAL_CASE (Start- und Endzeit des Eingriffs) oder CLINICAL_EVENT für Eingriffe am Patientenbett. Erfassung Wird über SurgiNet oder die Dokumentation des Eingriffs protokolliert. Ereignistyp explicit
	Eingriff geplant	Zeigt an, dass ein chirurgischer Eingriff oder ein größerer medizinischer Eingriff für einen bestimmten Zeitpunkt eingeplant wurde. Das hilft bei der Analyse der Ressourcenverteilung und der Wartezeit vor dem Eingriff.
Warum das wichtig ist Zeigt die Effizienz der Terminplanung und mögliche Engpässe bei der Nutzung von Operations- oder Eingriffsräumen. Woher beziehen Tabelle SURGICAL_CASE oder Tabelle SCH_APPT, verknüpft mit dem Begegnungsdatensatz. Erfassung Wird protokolliert, wenn die Transaktion zur Terminplanung abgeschlossen ist. Ereignistyp explicit
	Konsultation abgeschlossen	Kennzeichnet den Abschluss einer fachärztlichen Konsultation, der üblicherweise durch eine unterzeichnete Konsultationsnotiz oder ein entsprechendes Dokument belegt wird.
Warum das wichtig ist Zeigt, wann eine fachärztliche Einschätzung vorlag. In komplexen Behandlungspfaden kann dies ein Engpass sein. Woher beziehen Tabelle CLINICAL_EVENT, gefiltert nach Dokumenttypen, die als Konsultationen klassifiziert sind. Erfassung Wird protokolliert, wenn die Konsultationsnotiz unterzeichnet 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 zur Einhaltung der Vorgaben für die Medikamentengabe, indem geprüft wird, ob Medikamente rechtzeitig verabreicht wurden. Woher beziehen Tabelle CLINICAL_EVENT, gefiltert nach Ereignissen zur Medikamentengabe (Task Status = Complete). Erfassung Wird nach einem Barcode-Scan oder einem manuellen Eintrag im MAR protokolliert. Ereignistyp explicit
	Nachsorgetermin vereinbart	Tritt ein, wenn für den Patienten ein zukünftiger Termin gebucht wird, der derselben Behandlungsepisode oder demselben Behandlungsplan zugeordnet ist.
Warum das wichtig ist Dient als Grundlage für das Dashboard „Pünktlichkeit der Nachsorgeterminplanung“. Misst, wie effizient die Kontinuität der Versorgung gewährleistet wird. Woher beziehen Tabelle SCH_APPT (Terminplanung), verknüpft mit PERSON_ID. Erfassung Wird protokolliert, wenn im Terminplanungsmodul ein Termin angelegt wird. Ereignistyp explicit

Anleitungen zur Datenextraktion

So rufen Sie Ihre Daten aus Oracle Health (Cerner) ab

Schritte

Discern Visual Developer starten: Öffnen Sie die Anwendung Discern Visual Developer (DVDev) in Ihrer Citrix-Umgebung oder über den lokalen Zugriff auf Ihre Cerner-Domäne.
Neues Skript erstellen: Erstellen Sie eine neue Skriptdatei in Command Language (CCL), zum Beispiel extract_patient_journey.prg.
Eingabeaufforderungen definieren: Definieren Sie am Anfang des Skripts die Benutzereingaben start_date und end_date, damit Sie den Zeitraum bei jeder Ausführung anpassen können.
Konstanten festlegen: Definieren Sie Konstanten für bestimmte Codesets, etwa für Begegnungsarten, Auftragskataloge und Ereigniscodes. So vermeiden Sie fest codierte numerische code_value-Kennungen, die je nach Domäne variieren. Möglicherweise müssen Sie die passenden code_value- oder display_key-Werte für die Triage-, Entlassungs- und Konsultationsformulare Ihrer Organisation ermitteln.
Abfrage erstellen: Fügen Sie die unten angegebene SQL-Abfrage in den Hauptteil des Skripts ein. Sie kombiniert mit UNION ALL Daten aus mehreren Tabellen (ENCOUNTER, CLINICAL_EVENT, ORDERS, SURG_CASE_TBL usw.) zu einer einheitlichen Event-Log-Struktur.
Skript kompilieren: Prüfen Sie mit der Kompilierfunktion (Strg+F7 oder über das Menü „Build“), ob Syntaxfehler vorliegen. Stellen Sie sicher, dass Sie SELECT-Zugriff auf die referenzierten Tabellen haben.
Ausführen und exportieren: Führen Sie das Skript aus (Go/F9). Wählen Sie unter „Output destination“ die Option „Spreadsheet“ oder „Flat File“. Speichern Sie die Ausgabe als CSV-Datei.
Datenumwandlung (optional): Wenn Cerner Datumsangaben in einem speziellen Format zurückgibt, etwa als julianische Datumsangaben oder Zeitstempel, die nicht dem ISO-Format entsprechen, wandeln Sie sie vor dem Upload in Excel oder mit einem Skript in das Format YYYY-MM-DD HH:MM:SS um.
Validierung: Prüfen Sie stichprobenartig eine bekannte Patientenbegegnung anhand ihrer Encounter-ID (FIN) in PowerChart und vergewissern Sie sich, dass die Zeitstempel mit dem Extrakt übereinstimmen.
In ProcessMind hochladen: 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 3 bis 6 Monaten. Bei längeren Zeiträumen kann es aufgrund der Größe der Tabelle CLINICAL_EVENT zu Zeitüberschreitungen kommen.
Codesets (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: Für die Ausführung des Skripts benötigt der Benutzer Datenbankzugriffsrechte (d) auf Tabellen wie ENCOUNTER, CLINICAL_EVENT, ORDERS, SURG_CASE_TBL, ENCNTR_LOC_HIST und SCH_APPOINTMENT.
Leistung: Die Tabelle CLINICAL_EVENT ist sehr groß. Stellen Sie sicher, dass der Datumsfilter für EVENT_END_DT_TM indiziert ist und konsequent angewendet wird.
Logik für Wiederaufnahmen: Das Attribut IsReadmission ist als Platzhalter enthalten. Komplexe Rückblicklogik lässt sich nach dem Laden am besten in ProcessMind umsetzen, statt sie in die Extraktionsabfrage aufzunehmen.

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 und die erforderlichen Bibliotheken (pandas, requests) installiert sind und gültige OAuth2-Zugangsdaten (client_id, client_secret) für den Oracle-Health-(Cerner-)FHIR-R4-Endpunkt vorliegen. Für die Bereiche Patient, Encounter, Observation, Condition, Procedure, MedicationAdministration, ServiceRequest und DiagnosticReport müssen die entsprechenden Scopes aktiviert sein.
Authentifizierung einrichten: Implementieren Sie einen Authentifizierungs-Handler, der beim Autorisierungsserver ein Bearer-Token abruft. Cerner-Implementierungen verwenden üblicherweise SMART on FHIR oder den standardmäßigen OAuth2-Client-Credentials-Flow. Das bereitgestellte Skript ruft das Token ab.
Umfang und Zeitraum festlegen: Bestimmen Sie den Extraktionszeitraum, zum Beispiel über die Parameter last_updated_gt oder date. Als bewährtes Vorgehen empfiehlt es sich, den Zeitraum anhand der Ressource Encounter einzugrenzen, um die Patientenepisoden festzulegen.
Begegnungen abrufen (Patientenepisoden): Fragen Sie die Ressource Encounter ab. Sie dient als zentrale Ressource und liefert die Case-ID. Extrahieren Sie aus der Ressource Encounter selbst period.start für das Ereignis Patient registriert und period.end für Patient entlassen. Durchlaufen Sie außerdem den location-Verlauf, um Stationsverlegung erfolgt zu erfassen.
Klinische Aufträge extrahieren: Fragen Sie die Ressourcen ServiceRequest gefiltert nach Encounter-ID ab. Filtern Sie nach intent=order, um Diagnostischer Auftrag erteilt und Vorgehensweise geplant zu erfassen, sofern diese als chirurgische Aufträge kategorisiert sind. Ordnen Sie authoredOn dem Ereigniszeitstempel zu.
Diagnosen und Probleme extrahieren: Fragen Sie die mit der Begegnung verknüpften Ressourcen Condition ab. Verwenden Sie recordedDate oder onsetDateTime, um Ereignisse für Diagnose dokumentiert zu erstellen. Filtern Sie nach Möglichkeit nach der Kategorie encounter-diagnosis.
Vorgehensweisen extrahieren: Fragen Sie die Ressourcen Procedure ab. Verwenden Sie performedDateTime, um Ereignisse für Vorgehensweise durchgeführt zu erzeugen. So lassen sich abgeschlossene Operationen von geplanten unterscheiden.
Medikamente extrahieren: Fragen Sie die Ressourcen MedicationAdministration ab. Anders als MedicationRequest protokolliert diese Ressource die tatsächliche Verabreichung. Verwenden Sie effectiveDateTime für das Ereignis Medikament verabreicht.
Laborwerte und Ergebnisse extrahieren: Fragen Sie die Ressourcen Observation oder DiagnosticReport ab. Verwenden Sie issued oder effectiveDateTime für Ereignisse vom Typ Diagnostisches Ergebnis verifiziert. Suchen Sie nach status=final. Verwenden Sie außerdem bestimmte Observation-Codes, zum Beispiel LOINC-Codes für die Triage-Dringlichkeit, um Triage-Beurteilung abgeschlossen zu identifizieren.
Dokumentation und Versorgungspläne extrahieren: Fragen Sie DocumentReference ab, um Konsultation abgeschlossen anhand der Dokumenttypcodes zu erfassen, und CarePlan für Ereignisse vom Typ Versorgungsplan aktiviert.
Entlassungsaktivitäten ermitteln: Für Entlassungsauftrag unterzeichnet müssen Sie häufig ServiceRequest auf bestimmte Entlassungsauftragscodes prüfen oder in Encounter.statusHistory nach einem Status suchen, der dem endgültigen Entlassungsstatus vorausgeht.
Daten umwandeln und exportieren: Überführen Sie die JSON-Antworten in ein Tabellenformat. Erstellen Sie die erforderlichen Spalten wie EncounterId, ClinicalEventTag und EventEndDateTime. Wandeln Sie Zeitstempel in das ISO-8601-Format um 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 usw. verfügt.
Datumsfilter: Verwenden Sie für die Ressource Encounter den Filter date=ge[YYYY-MM-DD], um Episoden ab einem bestimmten Datum abzurufen. Vermeiden Sie Abfragen des gesamten Verlaufs.
Seitennummerierung: Die API gibt Daten in Bundles zurück. Das Skript muss die Paginierungslinks (relation: next) verarbeiten, um alle Datensätze abzurufen.
Parallelisierung: Bei umfangreichen Extraktionen können Sie Anfragen nach Encounter-ID-Bereichen parallel ausführen. Beachten Sie dabei die API-Ratenbegrenzungen.
Codefilter: Konfigurieren Sie im Zuordnungsbereich des Skripts bestimmte LOINC- oder SNOMED-Codes, um Triage- und allgemeine Observationen zuverlässig zu unterscheiden.

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 starten?

Bereiten Sie Ihre Daten mit diesem Template vor und gewinnen Sie wertvolle Erkenntnisse zum Behandlungsverlauf Ihrer Patienten. Der erste Schritt zu besseren Behandlungsergebnissen beginnt hier.

Zurück zum Leitfaden zur Prozessverbesserung

Template herunterladen

Optimieren Sie jetzt die Behandlungsverläufe Ihrer Patienten und verbessern Sie die Ergebnisse

Identifizieren Sie Engpässe frühzeitig, um die Durchlaufzeit des Behandlungsverlaufs um 30 % zu senken.

Starten Sie Ihre kostenlose Testphase

Keine Kreditkarte erforderlich. Sie können in wenigen Minuten loslegen.

Ihr Datentemplate für den Behandlungsverlauf von Patienten

Ihr Datentemplate für den Behandlungsverlauf von Patienten

Attribute zum Behandlungsverlauf von Patienten

Aktivitäten im Behandlungsverlauf von Patienten

Anleitungen zur Datenextraktion

Datenextraktion mit Cerner Command Language über Discern

Schritte

Konfiguration

Beispielabfrage sql

Python-Extraktion über die Oracle Health FHIR R4 API

Schritte

Konfiguration

Beispielabfrage python

Möchten Sie starten?

Optimieren Sie jetzt die Behandlungsverläufe Ihrer Patienten und verbessern Sie die Ergebnisse