> Kontinuierliche Prozessoptimierung > Patientenpfad > Oracle Health (Cerner) > Datenvorlage

Ihre Vorlage für Patientendaten

Oracle Health (Cerner)

Patientenpfad-Attribute (20) Patientenpfad-Aktivitäten (14) Extraktionsleitfäden (2)

Ihre Vorlage für Patientendaten

Diese umfassende Vorlage beschreibt die wesentlichen Daten, die Sie für eine effektive Analyse und Optimierung von Patientenpfaden benötigen. Sie bietet einen strukturierten Überblick über die zu erfassenden kritischen Attribute, die zu verfolgenden Schlüsselaktivitäten und praktische Anleitungen zur Datenextraktion. Nutzen Sie diese Ressource, um Ihr Event Log für ein reibungsloses Process Mining-Erlebnis vorzubereiten.

Empfohlene Attribute zur Erfassung
Wichtige Aktivitäten zur Verfolgung
Extraktionsanleitung

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

Vorlage herunterladen

Patientenpfad-Attribute

Dies sind die empfohlenen Datenfelder, die in Ihrem Event Log für eine umfassende Analyse des Patientenpfads innerhalb Ihres Systems enthalten sein sollten.

5 Erforderlich 9 Empfohlen 6 Optional

	Name	Beschreibung
	Aktivität ClinicalEventTag	Der Name oder die Beschreibung des durchgeführten klinischen oder administrativen Ereignisses.
Beschreibung Dieses Attribut erfasst die spezifische Maßnahme, die während der Patientenversorgung ergriffen wurde, wie z.B. 'Medikament verabreicht', 'Vitalzeichen genommen' oder 'Patient entlassen'. Es liefert die menschenlesbare Bezeichnung für den Prozessschritt. In Cerner wird dies oft aus der `CLINICAL_EVENT`-Tabelle abgeleitet, indem der `EVENT_CD` (Ereigniscode) auf seinen Anzeigewert abgebildet oder der `EVENT_TAG` verwendet wird. Konsistente Namenskonventionen sind hier entscheidend für lesbare Prozesskarten. Bedeutung Definiert die Schritte in der Prozesskarte und ermöglicht die Visualisierung des Workflows. Datenquelle Tabelle: CLINICAL_EVENT, Spalte: EVENT_TAG oder verknüpfter CODE_VALUE für EVENT_CD Beispiele Triage-BeurteilungKleines Blutbild mit DifferenzialblutbildEntlassungsauftragPatient verlegen
	Ereignis-Timestamp EventEndDateTime	Das genaue Datum und die Uhrzeit, wann die Aktivität stattfand oder abgeschlossen wurde.
Beschreibung Dieses Attribut zeichnet den genauen Zeitpunkt auf, zu dem ein Ereignis stattfand. Es wird verwendet, um Aktivitäten sequenziell zu ordnen und Zykluszeiten zwischen Prozessschritten zu berechnen. In der `CLINICAL_EVENT`-Tabelle entspricht dies normalerweise `EVENT_END_DT_TM`. Die Genauigkeit ist hier entscheidend für die Berechnung von Wartezeiten, wie z.B. der Dauer zwischen 'Patient registriert' und 'Triage-Beurteilung'. Bedeutung Essentiell für die Bestimmung der Abfolge von Events und die Berechnung von Performance-KPIs wie `Lead Times`. Datenquelle 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 spezifischen Patientenbesuch oder die Pflegeepisode.
Beschreibung Dieses Attribut dient als zentrale Case ID für den Patientenpfad. Es gruppiert alle klinischen Ereignisse, Aufträge und administrativen Aktionen, die innerhalb einer einzigen Versorgungsperiode auftreten (z.B. ein stationärer Aufenthalt oder ein Notfallbesuch). Im Process Mining ist diese ID unerlässlich, um einzelne Aktivitäten zu einer einheitlichen Prozessansicht zu korrelieren. Technisch entspricht dies der `ENCNTR_ID` in der `ENCOUNTER`-Tabelle innerhalb der Cerner Millennium-Datenbank. Es ist der Primärschlüssel, der zur Verknüpfung von Patientendemografien, Aufträgen und klinischen Ereignissen verwendet wird. Bedeutung Es ist der grundlegende Schlüssel zur Rekonstruktion des gesamten Patientenpfads vom Eintritt bis zur Entlassung. Datenquelle Tabelle: ENCOUNTER, Spalte: ENCNTR_ID Beispiele 123456789876543211223344
	Letzte Datenaktualisierung LastDataUpdate	Der Timestamp, wann der Datensatz im Data Warehouse extrahiert oder zuletzt geändert wurde.
Beschreibung Zeigt die Aktualität der in der Analyse verwendeten Daten an. Dieser Zeitstempel hilft Benutzern zu verstehen, ob sie `Real-time Data` oder eine Momentaufnahme einer früheren `Load` betrachten. Er wird typischerweise während des ETL (Extract, Transform, Load) Prozesses generiert und ist kein klinisches Attribut. Bedeutung Entscheidend für die Data Governance und die Sicherstellung, dass die Analyse auf aktuellen Informationen basiert. Datenquelle ETL System Zeitstempel Beispiele 2023-11-01T00:00:00Z2023-11-02T12:00:00Z
	Quellsystem SourceSystem	Der Name des Systems, aus dem die `data` stammen.
Beschreibung Identifiziert die `Source Application` für den Datensatz. In diesem Kontext wird es hauptsächlich 'Oracle Health' oder 'Cerner Millennium' sein. Dies ist nützlich in `Multi-System Environments`, wo Daten mit anderen `EMRs` oder Abteilungssystemen gemischt werden könnten. Es ermöglicht Analysten, die Prozessanalyse basierend auf der `Data Provenance` zu filtern oder zu segmentieren, wenn mehrere Quellen `ingestiert` werden. Bedeutung Gewährleistet `Data Lineage` und Nachvollziehbarkeit, insbesondere in `Multi-System Process Mining Setups`. Datenquelle Fest codierte Zeichenkette oder System-Metadaten Beispiele Oracle HealthCerner Millennium
	Abteilung NurseUnit	Die spezifische Station, Einheit oder Abteilung, in der das Ereignis stattfand.
Beschreibung Identifiziert den physischen Ort oder die Organisationseinheit, die zum Zeitpunkt des Events für den Patienten verantwortlich ist (z. B. 'ICU', 'Allgemeine Chirurgie', 'Notaufnahme'). Dies hilft im 'Inter-Ward Transfer Efficiency' Dashboard, indem es die Bewegung zwischen den Einheiten verfolgt. In Cerner ist dies oft `LOC_NURSE_UNIT_CD` in der Encounter- oder Tracking-Tabelle. Bedeutung Essentiell für die Analyse von Engpässen in spezifischen Abteilungen und die Visualisierung der Patientenfluss-Geografie. Datenquelle Tabelle: ENCOUNTER oder CLINICAL_EVENT, Spalte: LOC_NURSE_UNIT_CD Beispiele NotaufnahmeKardiologische StationICURadiologie
	Benutzer PerformingPrsnlId	Die Kennung oder der Name des Klinikers, der die Aktivität durchgeführt hat.
Beschreibung Erfasst, wer den Prozessschritt ausgeführt hat, z. B. die Pflegekraft, die Medikamente verabreicht, oder der Arzt, der die Entlassung unterschreibt. Dies ermöglicht eine Analyse der Ressourcenauslastung. In Cerner ist dies oft `PERFORMED_PRSNL_ID` oder `UPDT_ID`, abhängig von der Tabelle (Orders vs Clinical Events). Die Zuordnung zu einem generischen 'User'-Attribut erleichtert die Analyse der Aufgabentrennung (Segregation of Duties). Bedeutung Unterstützt die Ressourcenanalyse und identifiziert potenzielle Schulungsbedarfe oder Arbeitslastungleichgewichte. Datenquelle Tabelle: CLINICAL_EVENT, Spalte: PERFORMED_PRSNL_ID Beispiele Dr. SmithKrankenschwester JonesSysAdmin
	Bestellposition OrderMnemonic	Der Name des spezifischen Auftrags, wie z.B. ein Labortest oder Medikament.
Beschreibung Beschreibt den Inhalt eines Order Events (z. B. 'Großes Blutbild', 'Aspirin 81mg'). Dieses Attribut liefert den notwendigen Kontext für die 'Diagnostic Order Placed' und 'Medication Administered' Activities. Es ist typischerweise in der `ORDERS`-Tabelle unter `ORDER_MNEMONIC` zu finden. Es fungiert als 'Product', das durch den Prozess fließt. Bedeutung Notwendig für die detaillierte Analyse diagnostischer und therapeutischer Pfade. Datenquelle Tabelle: ORDERS, Spalte: ORDER_MNEMONIC Beispiele Röntgenaufnahme des BrustkorbsBasisches StoffwechselpanelAcetaminophenMRT Gehirn
	Case‑Typ EncounterType	Kategorisierung des Patientenbesuchs, z. B. stationär, ambulant oder Notfall.
Beschreibung Klassifiziert die Art der Patientenepisode. Dies ist eine primäre Dimension für die Datensegmentierung, da der Prozessfluss für einen 'Notfall'-Besuch erheblich von einem 'Elektiven stationären' Besuch abweicht. Dies wird von `ENCNTR_TYPE_CD` in der `ENCOUNTER` Tabelle abgeleitet, die auf einen Codesatzwert verweist (z. B. 'Stationär', 'Notfall'). Bedeutung Ermöglicht eine vergleichende Analyse von Pfaden und Durchsatz über verschiedene Versorgungsumgebungen hinweg. Datenquelle Tabelle: ENCOUNTER, Spalte: ENCNTR_TYPE_CD (Auflösung über CODE_VALUE) Beispiele StationärNotfallAmbulantTagesklinik
	Entlassungsstatus DischargeDisposition	Das Ziel oder der Status des Patienten bei Entlassung.
Beschreibung Gibt an, wohin der Patient nach Beendigung der Episode verlegt wurde (z.B. 'nach Hause', 'Pflegeheim', 'Verstorben'). Dies ist entscheidend für die Analyse der 'Entlassungsplanung' und die Identifizierung unerwünschter Ergebnisse. Gefunden in der `ENCOUNTER`-Tabelle als `DISCH_DISPOSITION_CD`. Bedeutung Wichtige Ergebniskennzahl; definiert den 'Endzustand' des Patientenpfads. Datenquelle Tabelle: ENCOUNTER, Spalte: DISCH_DISPOSITION_CD (Auflösung über CODE_VALUE) Beispiele Nach Hause entlassenIn die Reha verlegtEntlassung gegen ärztlichen RatAbgelaufen
	Ist Wiederaufnahme IsReadmission	Flag, das angibt, ob diese Episode innerhalb von 30 Tagen nach einer vorherigen Entlassung aufgetreten ist.
Beschreibung Ein boolescher Flag, der Cases identifiziert, die eine Wiederaufnahme darstellen. Dieser wird durch den Vergleich des Aufnahmedatums der aktuellen Episode mit dem Entlassungsdatum der vorherigen Episode für dieselbe `PersonId` berechnet. Essentiell für das 'Patient Readmission Trends' Dashboard. Bedeutung Unterstützt direkt den KPI 'Patient Readmission Rate', eine wichtige Kennzahl für die Versorgungsqualität. Datenquelle Abgeleitet über `SQL Logic` durch Vergleich von `ENCOUNTER` Records Beispiele truefalsch
	Patienten-ID PersonId	Eindeutige Kennung für den Patienten über mehrere Begegnungen hinweg.
Beschreibung Abgesehen von der `Case ID` bleibt die `Patient ID` (oder `Person ID`) für einen Patienten über alle seine Krankenhausbesuche hinweg konstant. Dieses Attribut ist entscheidend für die Analyse von Wiederaufnahmeraten und das Verständnis der langfristigen Patientengeschichte. In Cerner ist dies die `PERSON_ID` aus der `PERSON` Tabelle. Sie verknüpft mehrere `ENCNTR_ID` Records miteinander. Bedeutung Ermöglicht den KPI 'Patient Readmission Rate', indem separate Episoden mit derselben Person verknüpft werden. Datenquelle Tabelle: PERSON, Spalte: PERSON_ID Beispiele P10001P55992P99221
	Primärdiagnose DiagnosisCode	Der ICD-10- oder SNOMED-Code, der den Hauptgrund für die Behandlung darstellt.
Beschreibung Der standardisierte klinische Code (z.B. 'J18.9' für Pneumonie), der der Episode zugewiesen ist. Dies ermöglicht die Gruppierung von Patienten nach Zustand, um 'Behandlungsprotokollabweichungen' für spezifische Krankheiten zu analysieren. Gefunden in der `DIAGNOSIS`-Tabelle, verknüpft mit dem Encounter. Bedeutung Ermöglicht den direkten Vergleich von Behandlungspfaden für spezifische Bedingungen. Datenquelle Tabelle: DIAGNOSIS, Spalte: DIAGNOSIS_CODE (via Nomenklatur) Beispiele I10E11.9J18.9
	Verweildauer LengthOfStay	Gesamtdauer der Patientenepisode in Tagen oder Stunden.
Beschreibung Dies ist ein berechnetes Attribut, das die Zeitdifferenz zwischen dem Aufnahme-Timestamp und dem Entlassungs-Timestamp darstellt. Es ist die primäre Effizienzkennzahl für das Dashboard 'Analyse der gesamten Verweildauer des Patienten'. Obwohl dies innerhalb des Process Mining Tools berechnet werden kann, ist der Import als vorab berechnetes statisches Attribut auf Case-Ebene oft performanter. Bedeutung Die wichtigste Effizienz-KPI für das Krankenhausmanagement. Datenquelle Abgeleitet von `ENCOUNTER.REG_DT_TM` und `DISCH_DT_TM` Beispiele 4.5 Tage2 Stunden12 Tage
	Aufnahmekanal AdmissionSource	Der Ursprung der Patientenaufnahme.
Beschreibung Beschreibt, wie der Patient in das Krankenhaussystem gelangte, z. B. 'Überweisung durch Arzt', 'Notaufnahme' oder 'Verlegung aus anderem Krankenhaus'. Dies hilft bei der Analyse des 'Front Door' des Krankenhausprozesses. Es wird auf den `ADMIT_SRC_CD` in der `ENCOUNTER` Tabelle abgebildet. Bedeutung Kontextualisiert die 'Wartezeit für die Erstbeurteilung' basierend auf dem Eintrittspunkt. Datenquelle Tabelle: ENCOUNTER, Spalte: ADMIT_SRC_CD Beispiele NotaufnahmeÄrztliche ÜberweisungVerlegung aus dem Krankenhaus
	Bestellnummer OrderId	Eindeutige Kennung für eine spezifische Bestellung (Labor, Medikament, Konsultation).
Beschreibung Die vom System generierte ID für einen Auftrag. Obwohl keine Case ID, ist dies ein entscheidender Sekundärschlüssel. Er verknüpft das Ereignis 'Diagnostischer Auftrag platziert' mit dem Ereignis 'Diagnostisches Ergebnis verifiziert'. Ohne diese ist es schwierig, die genaue Bearbeitungszeit für spezifische Tests zu berechnen, wenn ein Patient mehrere gleichzeitige Aufträge hat. Bedeutung Essentiell für die genaue Verknüpfung von gepaarten Activities (Order -> Result). Datenquelle Tabelle: ORDERS, Spalte: ORDER_ID Beispiele 88291028829103
	Ergebnisstatus ResultStatus	Der Status eines diagnostischen Ergebnisses (z.B. Auth (Verifiziert), Korrigiert, Vorläufig).
Beschreibung Zeigt die `Lifecycle Stage` eines diagnostischen Testergebnisses an. Dies wird in der 'Diagnostic Result Delivery Time' Analyse verwendet, um zu bestimmen, wann ein Ergebnis offiziell für klinische Entscheidungen verfügbar ist. Typischerweise in `CLINICAL_EVENT` mit spezifischen `Status Codes` zu finden. Bedeutung Unterscheidet zwischen vorläufigen und endgültigen Ergebnissen, was beeinflusst, wann `downstream` Activities beginnen können. Datenquelle Tabelle: CLINICAL_EVENT, Spalte: RESULT_STATUS_CD Beispiele Auth (Verifiziert)FehlerhaftGeändert
	Medikationsstatus MedAdminStatus	Status der Medikamentenbestellung (z.B. Verabreicht, Abgelehnt, Nicht verabreicht).
Beschreibung Zeigt das Ergebnis einer `Medication Administration Task` an. Für das 'Medication Admin Compliance' Dashboard ist es entscheidend, zwischen tatsächlich verabreichten Medikamenten und solchen, die geplant, aber verpasst oder abgelehnt wurden, zu unterscheiden. Wahrscheinlich in der `CLINICAL_EVENT` oder spezifischen `Medication Administration Record (MAR)` Tabellen zu finden. Bedeutung Identifiziert Compliance-Lücken in Behandlungsprotokollen. Datenquelle Konsultieren Sie die Oracle Health (Cerner) Dokumentation Beispiele VerabreichtAbgelehntGehalten
	Triage-Priorität TriageAcuity	Die Dringlichkeitsstufe, die während der Triage-Beurteilung zugewiesen wurde.
Beschreibung Ein numerischer oder kategorialer Wert, der den Schweregrad des Patientenzustands angibt (z. B. 1-Sofort bis 5-Nicht dringend). Dies ist ein wichtiges Segmentierungsattribut zur Analyse von Wartezeiten, da Patienten mit höherer Priorität kürzere Wartezeiten haben sollten. In der Regel in klinischen Formularen oder spezifischen `observation codes` während des Triage Events erfasst. Bedeutung Entscheidend für die Validierung, ob der Prozess Patienten gemäß der klinischen Dringlichkeit korrekt priorisiert. Datenquelle Konsultieren Sie die Oracle Health (Cerner) Dokumentation Beispiele 12345
	Zahlertyp FinancialClass	Die primäre Versicherungsdeckung oder finanzielle Klassifikation des Patienten.
Beschreibung Kategorisiert den Patienten basierend auf seiner Zahlungsquelle (z. B. Medicare, private Krankenversicherung, Selbstzahler). Dieses Attribut wird verwendet, um zu analysieren, ob Prozessflüsse oder Aufenthaltsdauern je nach Versicherungsart variieren. Abgeleitet von `FINANCIAL_CLASS_CD` in der Tabelle `ENCOUNTER`. Bedeutung Hilft, Unterschiede in der Versorgungsqualität oder der administrativen Bearbeitung basierend auf dem Zahlertyp zu identifizieren. Datenquelle Tabelle: ENCOUNTER, Spalte: FINANCIAL_CLASS_CD (Auflösung über CODE_VALUE) Beispiele MedicareBlue CrossSelbstzahlerMedicaid

Erforderlich Empfohlen Optional

Patientenpfad-Aktivitäten

Dies sind die entscheidenden Prozessschritte und Meilensteine, die Sie in Ihrem Event Log erfassen sollten, um eine präzise Prozessentdeckung und Engpasserkennung zu gewährleisten.

8 Empfohlen 6 Optional

	Aktivität	Beschreibung
	Abteilungstransfer erfolgt	Zeigt an, dass der Patient physisch von einem Ort (z.B. Notaufnahme) zu einem anderen (z.B. Intensivstation) verlegt wurde. Dies wird über die Standortverlaufsdaten verfolgt.
Bedeutung Ermöglicht die Analyse der 'Inter-Ward Transfer Efficiency' und hilft, den Patientenfluss durch das Krankenhaus zu visualisieren. Datenquelle `ENCNTR_LOC_HIST` (Encounter Location History) Tabelle, die Änderungen in `LOC_NURSE_UNIT_CD` erfasst. Erfassen Statusfeld vor/nachher vergleichen Ereignistyp inferred
	Diagnose dokumentiert	Tritt auf, wenn eine formale Diagnose zum Encounter-Datensatz des Patienten hinzugefügt wird. Dies unterscheidet sich von einem Testergebnis und repräsentiert die Bestätigung des Zustands durch den Kliniker.
Bedeutung Essentiell für den Meilenstein 'Diagnose bestätigt' und die Analyse der Zeit bis zur definitiven Diagnose. Datenquelle `DIAGNOSIS`-Tabelle, unter Verwendung des `DIAGNOSIS_DT_TM`, verknüpft mit der `ENCOUNTER_ID`. Erfassen Protokolliert, wenn eine Diagnose in PowerChart hinzugefügt/aktualisiert wird Ereignistyp explicit
	Diagnoseauftrag platziert	Tritt auf, wenn ein Kliniker eine Bestellung für einen Labortest oder eine Bildgebungsuntersuchung eingibt. Dieser Timestamp initiiert die Berechnung der diagnostischen Bearbeitungszeit.
Bedeutung Der Startpunkt für die KPI 'Lieferzeit diagnostischer Ergebnisse'; hilft, Verzögerungen zwischen Bestellung und Ausführung zu identifizieren. Datenquelle ORDERS-Tabelle, mit ORIG_ORDER_DT_TM, wobei der Katalogtyp Labor oder Radiologie ist. Erfassen Protokolliert, wenn der Auftragsstatus auf BESTELLT gesetzt wird Ereignistyp explicit
	Diagnoseergebnis verifiziert	Der Zeitpunkt, an dem ein Labor- oder Bildgebungsergebnis finalisiert und dem Kliniker zur Verfügung gestellt wird. Dies beendet das Intervall der diagnostischen Bearbeitungszeit.
Bedeutung Schließt den 'Diagnostic Result Delivery Time' Cycle ab und löst nachfolgende Behandlungsentscheidungen aus. Datenquelle `CLINICAL_EVENT` Tabelle (für Labore) oder `ORDERS` Statusänderung zu `COMPLETED`. Erfassen Protokolliert, wenn sich der Ergebnisstatus in AUTH (Authentifiziert) ändert Ereignistyp explicit
	Entlassungsauftrag unterschrieben	Das Ereignis, bei dem der Arzt die Anordnung zur Entlassung des Patienten erteilt. Dies startet die Uhr für die Entlassungsplanung.
Bedeutung Der Startpunkt für die 'Bearbeitungszeit der Entlassungsplanung'. Eine Lücke zwischen diesem und der tatsächlichen Entlassung weist auf operative Verzögerungen hin. Datenquelle ORDERS-Tabelle, wobei der Katalogtyp Entlassung angibt. Erfassen Protokolliert, wenn der Status der Entlassungsanordnung auf BESTELLT gesetzt wird Ereignistyp explicit
	Patient entlassen	Das abschließende administrative Ereignis, das den Patientenaufenthalt beendet. Dieser Timestamp wird zur Berechnung der gesamten Verweildauer verwendet.
Bedeutung Das primäre Endereignis für den Prozess. Wesentlich für die Berechnung von Verweildauer und Wiederaufnahmen. Datenquelle `ENCOUNTER`-Tabelle, insbesondere das `DISCH_DT_TM` (Entlassungsdatum/-zeit). Erfassen Protokolliert, wenn sich der Encounter-Status in ENTLASSEN ändert Ereignistyp explicit
	Patient registriert	Kennzeichnet den Beginn der Patientenepisode, wenn der Patient ankommt und im System erfasst wird. In Cerner Millennium wird dies erfasst, wenn der Encounter-Datensatz erstellt oder der Registrierungs-Timestamp gesetzt wird.
Bedeutung Legt die Startzeit für die Berechnung der `Length of Stay` (LOS) und die Analyse der anfänglichen Wartezeit fest. Datenquelle `ENCOUNTER`-Tabelle, insbesondere die Spalte `REG_DT_TM` (Registrierungsdatum/-zeit). Erfassen Protokolliert, wenn die Transaktion eine neue ENCOUNTER-Zeile erstellt Ereignistyp explicit
	Triage-Beurteilung abgeschlossen	Stellt den Abschluss der ersten Pflegebeurteilung oder des Triage-Formulars im Notfall- oder Aufnahmekontext dar. Dies ist typischerweise ein spezifisches Formular oder klinisches Ereignis, das innerhalb des Systems dokumentiert wird.
Bedeutung Entscheidend für die Berechnung des KPI 'Wartezeit Erstbeurteilung' und die Identifizierung von Engpässen am 'Front Door'. Datenquelle `CLINICAL_EVENT` Tabelle, gefiltert nach `event codes`, die mit Triage- oder Erstbeurteilungsformularen verknüpft sind. Erfassen Protokolliert, wenn klinisches Dokument/Formular signiert/verifiziert wird Ereignistyp explicit
	Behandlungsplan aktiviert	Stellt die Initiierung eines PowerPlan oder Behandlungsplans in Cerner dar. Dies signalisiert, dass ein standardisiertes Behandlungsprotokoll ausgewählt wurde.
Bedeutung Entscheidend für die 'Treatment Protocol Deviation Analysis', um die tatsächliche Versorgung mit dem geplanten Pfad zu vergleichen. Datenquelle `ACT_PW_CAT` (Action Pathway Catalog) oder `DCP_FORMS_REF`, die den Pfad mit dem Encounter verknüpfen. Erfassen Protokolliert, wenn ein PowerPlan initiiert wird Ereignistyp explicit
	Konsultation abgeschlossen	Kennzeichnet den Abschluss einer Facharztkonsultation, in der Regel belegt durch eine signierte Konsultationsnotiz oder ein Dokument.
Bedeutung Identifiziert, wann Spezialisten-Input empfangen wurde, was ein Engpass in komplexen Behandlungspfaden sein kann. Datenquelle `CLINICAL_EVENT` Tabelle, gefiltert nach Dokumenttypen, die als Konsultationen klassifiziert sind. Erfassen Protokolliert, wenn die Konsultationsnotiz signiert wird Ereignistyp explicit
	Medikament verabreicht	Zeichnet die tatsächliche Verabreichung von Medikamenten an den Patienten auf, wie im Medikamentenverabreichungsnachweis (MAR) dokumentiert.
Bedeutung Unterstützt das Dashboard 'Medikamentenverabreichungs-Compliance', indem überprüft wird, ob Medikamente pünktlich verabreicht wurden. Datenquelle `CLINICAL_EVENT` Tabelle, gefiltert nach `medication administration events` (Task Status = Complete). Erfassen Protokolliert bei Barcode-Scan oder manueller MAR-Eingabe Ereignistyp explicit
	Nachsorgetermin geplant	Tritt auf, wenn ein zukünftiger Termin für den Patienten gebucht wird, der mit derselben Episode oder demselben Behandlungsplan verknüpft ist.
Bedeutung Unterstützt das Dashboard 'Termingerechtheit der Nachsorgeplanung'. Misst die Effizienz der Versorgungsdurchgängigkeit. Datenquelle SCH_APPT (Terminplanungs)-Tabelle, verknüpft mit der PERSON_ID. Erfassen Protokolliert, wenn ein Termin im Planungsmodul erstellt wird Ereignistyp explicit
	Prozedur durchgeführt	Der Timestamp, der angibt, wann eine Operation oder ein größerer Eingriff tatsächlich stattgefunden hat. Dies wird oft in der perioperativen Dokumentation erfasst.
Bedeutung Wichtiger Meilenstein für klinische Pfade und die Analyse der Ressourcenauslastung. Datenquelle SURGICAL_CASE-Tabelle (Fall Start-/Stoppzeiten) oder CLINICAL_EVENT für Eingriffe am Patientenbett. Erfassen Protokolliert über SurgiNet oder Prozedurdokumentation Ereignistyp explicit
	Prozedur geplant	Zeigt an, dass ein `Surgical Case` oder ein größerer `Procedure` für eine bestimmte Zeit gebucht wurde. Dies hilft beim Verständnis der `Resource Allocation` und der Wartezeiten vor dem `Procedure`.
Bedeutung Hebt die Planungseffizienz und potenzielle Engpässe bei der Auslastung von Operationssälen oder Eingriffsräumen hervor. Datenquelle SURGICAL_CASE-Tabelle oder SCH_APPT-Tabelle, verknüpft mit dem Encounter. Erfassen Protokolliert, wenn die Planungs-Transaktion festgeschrieben wird Ereignistyp explicit

Extraktionsleitfäden

So erhalten Sie Ihre Daten aus Oracle Health (Cerner)

Schritte

Discern Visual Developer starten: Öffnen Sie die Discern Visual Developer (DVDev) Anwendung innerhalb Ihrer Citrix- oder lokalen Cerner-Domänenzugriffsumgebung.
Neues Skript erstellen: Initialisieren Sie eine neue Command Language (CCL) Skriptdatei (z. B. extract_patient_journey.prg).
Eingabeaufforderungen definieren: Definieren Sie oben im Skript Benutzeraufforderungen für start_date und end_date, um eine dynamische Ausführung für spezifische Zeitbereiche zu ermöglichen.
Konstanten einrichten: Definieren Sie Konstanten für spezifische Codesätze (z. B. Encounter Types, Order Catalogs, Event Codes), um die Hardcodierung numerischer code_value-Bezeichner zu vermeiden, die je nach Domäne variieren. Möglicherweise müssen Sie den spezifischen code_value oder display_key für die Triage-, Entlassungs- und Konsultationsformulare Ihrer Organisation nachschlagen.
Abfrage konstruieren: Kopieren Sie die unten bereitgestellte SQL-Abfrage in den Hauptteil des Skripts. Diese Abfrage verwendet UNION ALL, um Daten aus mehreren Tabellen (ENCOUNTER, CLINICAL_EVENT, ORDERS, SURG_CASE_TBL usw.) in einer einzigen flachen event log Struktur zu kombinieren.
Skript kompilieren: Verwenden Sie die Kompilierfunktion (Strg+F7 oder Build-Menü), um Syntaxfehler zu prüfen. Stellen Sie sicher, dass Sie SELECT-Zugriff auf die referenzierten Tabellen haben.
Ausführen und Exportieren: Führen Sie das Skript aus (Go/F9). Wählen Sie im Ausgabeziel 'Spreadsheet' oder 'Flat File'. Speichern Sie die resultierende Ausgabe als CSV-Datei.
Datentransformation (Optional): Wenn Daten in Cerner-spezifischen Formaten (z. B. Julianische Daten oder nicht-ISO-Zeitstempel) zurückgegeben werden, verwenden Sie Excel oder ein Skript, um sie vor dem Upload in das Format YYYY-MM-DD HH:MM:SS zu konvertieren.
Validierung: Führen Sie eine Stichprobenprüfung anhand einer bekannten Patienten-Encounter ID (FIN) in PowerChart durch, um zu überprüfen, ob die Zeitstempel mit dem Extrakt übereinstimmen.
Upload zu ProcessMind: Importieren Sie die CSV-Datei in ProcessMind und ordnen Sie die Spalten EncounterId dem Case ID, ClinicalEventTag der Activity und EventEndDateTime dem Timestamp zu.

Konfiguration

Datumsbereich: Der empfohlene Ausführungszeitraum beträgt 3-6 Monate. Große Datumsbereiche können aufgrund der Größe der CLINICAL_EVENT Tabelle zu einem Timeout führen.
Codesätze (CDF): Die Abfrage basiert auf code_value-Filtern. Sie müssen Platzhalter wie [REPLACE_WITH_TRIAGE_EVENT_CD] durch die tatsächlichen Codes aus Ihrer Domäne (zu finden in der CODE_VALUE Tabelle) ersetzen.
Berechtigungen: Der Benutzer, der das Skript ausführt, benötigt d (Datenbank)-Zugriffsrechte auf Tabellen wie ENCOUNTER, CLINICAL_EVENT, ORDERS, SURG_CASE_TBL, ENCNTR_LOC_HIST und SCH_APPOINTMENT.
Leistung: Die CLINICAL_EVENT Tabelle ist sehr groß. Stellen Sie sicher, dass der Datumsfilter für EVENT_END_DT_TM indiziert und streng angewendet wird.
Wiederaufnahmelogik: Das Attribut IsReadmission ist als Platzhalter enthalten. Eine komplexe Rückschau-Logik wird am besten in der ProcessMind-Anwendung nach dem Laden und nicht in der Extraktionsabfrage gehandhabt.

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

Voraussetzungskonfiguration: Stellen Sie sicher, dass Python mit den erforderlichen Bibliotheken (pandas, requests) und gültigen OAuth2-Anmeldeinformationen (client_id, client_secret) für den Oracle Health (Cerner) FHIR R4-Endpunkt installiert ist. Sie müssen Scopes für Patient, Encounter, Observation, Condition, Procedure, MedicationAdministration, ServiceRequest und DiagnosticReport aktiviert haben.
Authentifizierungshandhabung: Implementieren Sie einen Authentifizierungshandler, um ein Bearer Token vom Autorisierungsserver abzurufen. Cerner-Implementierungen verwenden typischerweise SMART on FHIR oder standardmäßige OAuth2-Client-Anmeldeinformationsflüsse. Das bereitgestellte Skript behandelt den Token-Abruf.
Umfang und Zeitrahmen definieren: Bestimmen Sie das Extraktionsfenster (z. B. last_updated_gt oder date Parameter). Es ist bewährte Praxis, nach einem Datumsbereich für die Encounter-Ressource zu iterieren, um den Umfang der Patient Episodes zu definieren.
Encounters (Patientenepisoden) abrufen: Fragen Sie die Encounter-Ressource ab. Dieses Objekt dient als zentraler Hub (Case Identifier). Extrahieren Sie aus der Encounter-Ressource selbst period.start für Patient Registered, period.end für Patient Discharged und iterieren Sie durch die location History für Department Transfer Occurred.
Klinische Aufträge extrahieren: Fragen Sie ServiceRequest-Ressourcen ab, die nach der Encounter ID gefiltert sind. Filtern Sie nach intent=order, um Diagnostic Order Placed und Procedure Scheduled (falls als chirurgische Aufträge kategorisiert) zu erfassen. Ordnen Sie authoredOn dem event timestamp zu.
Diagnosen und Probleme extrahieren: Fragen Sie Condition-Ressourcen ab, die mit dem Encounter verknüpft sind. Verwenden Sie recordedDate oder onsetDateTime, um Diagnosis Documented-Events zu erstellen. Filtern Sie nach Möglichkeit nach der Kategorie encounter-diagnosis.
Prozeduren extrahieren: Fragen Sie Procedure-Ressourcen ab. Verwenden Sie performedDateTime, um Procedure Performed-Events zu generieren. Dies unterscheidet abgeschlossene Operationen von geplanten.
Medikamente extrahieren: Fragen Sie MedicationAdministration-Ressourcen ab. Dies unterscheidet sich von MedicationRequest, da es die tatsächliche Einnahme protokolliert. Verwenden Sie effectiveDateTime für das Event Medication Administered.
Laborwerte und Ergebnisse extrahieren: Fragen Sie Observation- oder DiagnosticReport-Ressourcen ab. Verwenden Sie issued oder effectiveDateTime für Diagnostic Result Verified-Events. Suchen Sie nach status=final. Verwenden Sie auch spezifische Observation codes (z. B. LOINC für Triage-Acuity), um Triage Assessment Completed zu identifizieren.
Dokumentation und Behandlungspläne extrahieren: Fragen Sie DocumentReference für Consultation Completed (unter Verwendung von Dokumenttyp-Codes) und CarePlan für Care Plan Activated-Events ab.
Entlassungsaktivitäten identifizieren: Die Ableitung von Discharge Order Signed erfordert oft die Überprüfung von ServiceRequest auf spezifische Entlassungsauftragscodes oder das Parsen von Encounter.statusHistory nach einem Status, der dem endgültigen Discharge vorausgeht.
Datentransformation und Export: Glätten Sie die JSON-Antworten in ein tabellarisches Format. Erstellen Sie die erforderlichen Spalten (EncounterId, ClinicalEventTag, EventEndDateTime usw.). Konvertieren Sie Zeitstempel in das ISO 8601-Format und exportieren Sie den endgültigen Datensatz in eine CSV-Datei, die für den ProcessMind-Upload bereit ist.

Konfiguration

FHIR Basis-URL: Der spezifische Endpunkt für Ihre Oracle Health/Cerner-Instanz (z. B. https://fhir-myrecord.cerner.com/r4/...).
Authentifizierungs-Scopes: Stellen Sie sicher, dass die Anwendung system/Encounter.read, system/Observation.read, system/Patient.read, system/Procedure.read, system/Condition.read usw. besitzt.
Datumsfilterung: Verwenden Sie date=ge[YYYY-MM-DD] für die Encounter-Ressource, um Episoden ab einem bestimmten Datum abzurufen. Vermeiden Sie die Abfrage der gesamten Historie.
Paginierung: Die API gibt Daten in Bundles zurück. Das Skript muss Paginierungslinks (relation: next) verarbeiten, um vollständige Datensätze abzurufen.
Parallelität: Bei Extraktionen mit hohem Volumen sollten Sie in Betracht ziehen, Anfragen nach Encounter ID-Bereichen zu parallelisieren, aber die API-Ratenbegrenzungen (Throttling) zu respektieren.
Code-Filterung: Konfigurieren Sie spezifische LOINC- oder SNOMED-Codes im Skript-Mapping-Bereich, um Triage- vs. allgemeine Beobachtungen genau zu identifizieren.

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")

Ihre Vorlage für Patientendaten

Ihre Vorlage für Patientendaten

Patientenpfad-Attribute

Patientenpfad-Aktivitäten

Extraktionsleitfäden

Cerner Command Language Extraktion über Discern

Schritte

Konfiguration

a Beispielabfrage sql

Python-Extraktion über die Oracle Health FHIR R4 API

Schritte

Konfiguration

a Beispielabfrage python

Bereit, um loszulegen?

Patientenpfade jetzt optimieren, Ergebnisse schnell verbessern

Ihre Vorlage für Patientendaten

Ihre Vorlage für Patientendaten

Patientenpfad-Attribute

Patientenpfad-Aktivitäten

Extraktionsleitfäden

Cerner Command Language Extraktion über Discern

Schritte

Konfiguration

a Beispielabfrage sql

Python-Extraktion über die Oracle Health FHIR R4 API

Schritte

Konfiguration

a Beispielabfrage python

Ihre Privatsphäre ist uns wichtig

Bereit, um loszulegen?

Patientenpfade jetzt optimieren, Ergebnisse schnell verbessern