> Mejora Continua de Procesos > Trayectoria del Paciente > Athenahealth > Plantilla de Datos

Su Plantilla de Datos de la Trayectoria del Paciente

Athenahealth

Atributos de la Trayectoria del Paciente (20) Actividades de la Trayectoria del Paciente (15) Guías de Extracción (2)

Su Plantilla de Datos de la Trayectoria del Paciente

Esta plantilla proporciona una guía completa para recopilar los datos necesarios para analizar la trayectoria de sus pacientes. Describe los atributos y actividades esenciales que necesita rastrear, junto con una guía clara sobre cómo extraer esta información de athenahealth. Utilice este recurso para asegurarse de que sus datos estén listos para una minería de procesos efectiva.

Atributos recomendados para recopilar
Actividades clave para el seguimiento
Guía de extracción de athenahealth

¿Nuevo en registros de eventos? Aprenda cómo crear un registro de eventos para Process Mining.

Descargar Plantilla

Atributos de la Trayectoria del Paciente

Estos son los campos de datos recomendados para incluir en su registro de eventos, esenciales para un análisis y comprensión exhaustivos de las trayectorias de sus pacientes.

5 Requerido 10 Recomendado 5 Opcional

	Nombre	Descripción
	Episodio del Paciente PatientEpisodeId	Identificador único para el episodio o la trayectoria específica del paciente.
Descripción Este atributo sirve como el Identificador Central del Caso, agrupando todas las actividades relacionadas con un período específico de atención o condición para un paciente. Conecta eventos dispares como citas, órdenes diagnósticas y procedimientos de alta en una única trayectoria cohesiva. En el análisis, este ID es la clave primaria para la minería de procesos, permitiendo la reconstrucción del flujo de principio a fin. Asegura que múltiples visitas del mismo paciente para diferentes condiciones sean tratadas como instancias de proceso distintas. Por qué es importante Esencial para definir el alcance de una única instancia de proceso dentro del análisis. Dónde obtener Derivado de la agrupación de ID de Encuentro o vinculado a un ID de Episodio de Atención específico en athenahealth. Ejemplos EP-2023-88491EP-2023-99102ENC-55412-GRP
	Nombre de la Actividad ActivityName	El nombre del evento o tarea realizada en la trayectoria del paciente.
Descripción Indica el paso específico que ocurre en el proceso, como 'Paciente Registrado', 'Prueba Diagnóstica Solicitada' o 'Medicamento Administrado'. Esta cadena de texto define los nodos en el mapa de procesos. Se utiliza para visualizar el flujo del proceso e identificar la secuencia de operaciones. La estandarización de estos nombres es fundamental para un mapa de procesos claro y legible. Por qué es importante Define los pasos del mapa de proceso y es obligatorio para cualquier Process Mining. Dónde obtener Derivado de registros de auditoría, cambios de estado de citas o descripciones de líneas de reclamo. Ejemplos Cita ProgramadaPaciente RegistradoPrueba Diagnóstica SolicitadaPaciente Dado de Alta
	Source System SourceSystem	El nombre del sistema donde se originaron los datos.
Descripción Identifica el sistema de TI responsable de generar el registro, en este caso, 'athenahealth'. Esto es particularmente útil en entornos multisistema donde los datos podrían estar combinados. Permite a los analistas filtrar la vista por fuente de datos y solucionar problemas de calidad de los datos específicos de un sistema. Por qué es importante Proporciona linaje de datos y contexto en configuraciones de minería de procesos multisistema. Dónde obtener Literal codificado o ID de configuración del sistema. Ejemplos AthenahealthAthenaOneAthenaPractice
	Timestamp del Evento EventTimestamp	La fecha y hora específicas en que ocurrió la actividad.
Descripción Registra el momento exacto en que tuvo lugar una actividad. Esto se utiliza para secuenciar eventos cronológicamente y calcular duraciones entre pasos. Crucial para el análisis basado en el tiempo, incluidos los tiempos de ciclo, los tiempos de espera y el análisis del rendimiento. Se prefiere alta precisión para resolver el orden de los eventos que ocurren en el mismo día. Por qué es importante Requerido para ordenar eventos y calcular todos los KPIs basados en el tiempo. Dónde obtener Campos timestamp asociados con cambios de estado o fechas de creación en las tablas de athenahealth. Ejemplos 2023-10-12T08:30:00Z2023-10-12T09:15:22Z2023-10-15T14:20:00Z
	Última actualización de datos LastDataUpdate	El `timestamp` cuando los `datos` fueron extraídos o actualizados por última vez.
Descripción Indica la actualidad de los datos utilizados en el análisis. Esto ayuda a los usuarios a comprender si están viendo datos en tiempo real o una instantánea histórica. Se utiliza para gestionar pipelines de datos y asegurar que los dashboards reflejen el estado más actual del proceso. Por qué es importante Crítico para la gobernanza de datos y la confianza del usuario en la actualidad del dashboard. Dónde obtener Hora del sistema en el momento de la ejecución de ETL. Ejemplos 2023-11-01T12:00:00Z2023-11-02T06:00:00Z
	Código de Diagnóstico Principal PrimaryDiagnosisCode	El código ICD-10 principal asociado con el episodio.
Descripción Clasifica la razón clínica de la trayectoria del paciente. Esto proporciona el contexto necesario para la 'Comparación de Trayectorias por Grupo de Edad y Diagnóstico'. Los analistas utilizan esto para segmentar las trayectorias por condición (por ejemplo, Neumonía vs. Fractura) porque las diferentes condiciones tienen vías y tiempos de ciclo muy diferentes a los esperados. Por qué es importante Permite la comparación de casos 'similares'; los tiempos de ciclo varían drásticamente según el diagnóstico. Dónde obtener Campos de diagnóstico de Encuentro o Reclamo (ICD-10). Ejemplos J18.9I10E11.9
	Disposición de Alta DischargeDisposition	El destino o estado del paciente al alta.
Descripción Indica adónde fue el paciente después del episodio, como 'Casa', 'Centro de Enfermería Especializada' u 'Hospicio'. Esto es vital para 'Planificación del Alta y Tendencias de Reingreso'. Proporciona contexto sobre la complejidad de la planificación del alta requerida y ayuda a evaluar la efectividad de las transiciones de atención. Por qué es importante Contexto crítico para la planificación del alta y el riesgo de reingreso. Dónde obtener Campos de encuentro de athenahealth o registros de alta hospitalaria. Ejemplos InicioCentro de Enfermería EspecializadaTrasladado a Hospital de Corta EstanciaVencido
	Es Reingreso IsReadmission	Bandera que indica si este episodio representa un regreso no programado.
Descripción Un indicador booleano que identifica si el paciente regresó al hospital dentro de un período establecido (por ejemplo, 30 días) desde un alta anterior. Esto apoya directamente el KPI de 'Porcentaje de Reingresos no Programados'. Al filtrar por este atributo, los analistas pueden profundizar en las causas raíz de los reingresos e identificar patrones en las vías de tratamiento iniciales. Por qué es importante Apoya directamente el KPI de Tasa de Reingreso. Dónde obtener Calculado durante el ETL al comparar la fecha de admisión con la fecha de alta anterior. Ejemplos truefalse
	Grupo de Edad del Paciente PatientAgeGroup	Agrupación categórica de la edad del paciente (por ejemplo, 18-25, 65+).
Descripción Segmenta a los pacientes en cohortes demográficas. Esto se requiere directamente para el dashboard 'Comparación de Trayectoria por Grupo de Edad y Diagnóstico'. Ayuda a identificar si las ineficiencias del proceso o los resultados afectan desproporcionadamente a demografías de edad específicas, como los pacientes de edad avanzada o pediátricos. Por qué es importante Segmento demográfico estándar para el análisis de procesos de atención médica. Dónde obtener Derivado de la fecha de nacimiento del paciente (DOB) y la hora de inicio (StartTime). Ejemplos 18-2930-4965+
	Hora Fin del Evento EventEndTime	La hora en que se completó la actividad específica.
Descripción Captura el tiempo de finalización de una actividad, permitiendo el cálculo de la duración activa (tiempo de procesamiento) del paso en sí, distinto del tiempo de espera previo. Se utiliza para analizar la eficiencia de los recursos e identificar tareas que tardan más de lo esperado en ejecutarse manualmente. Por qué es importante Permite el cálculo del tiempo de procesamiento activo versus el tiempo de espera pasivo. Dónde obtener Hora de salida, hora de verificación de resultados o marcas de tiempo de finalización específicas en athenahealth. Ejemplos 2023-10-12T09:00:00Z2023-10-12T10:45:00Z
	ID del Paciente PatientId	Un identificador único para el paciente (anonimizado/hashing).
Descripción Identifica de forma única al cliente (paciente) que realiza la trayectoria. Aunque similar al identificador de caso, un paciente puede tener múltiples episodios a lo largo del tiempo. Se utiliza para vincular visitas repetidas y analizar las tasas de reingreso. Es fundamental para el KPI de 'Porcentaje de Reingresos No Programados'. Por qué es importante Necesario para el seguimiento de reingresos e historial del paciente a través de los episodios. Dónde obtener Campo 'patientid' de athenahealth. Ejemplos PAT-100234PAT-559201PAT-992210
	Nombre del Departamento DepartmentName	El departamento del hospital o clínica donde ocurrió la actividad.
Descripción Segmenta los datos del proceso por unidad funcional, como Urgencias, Cardiología o Radiología. Esto es esencial para el dashboard 'Rendimiento y Traspasos Departamentales'. El análisis utilizando este atributo destaca los cuellos de botella en áreas específicas y ayuda a optimizar el flujo de pacientes entre departamentos. Por qué es importante Crucial para identificar cuellos de botella organizacionales e ineficiencias en las transferencias. Dónde obtener 'departmentid' de athenahealth resuelto a nombre del departamento. Ejemplos Departamento de EmergenciasMedicina InternaRadiología
	Nombre del Proveedor ProviderName	El nombre del profesional de la salud que realiza la actividad.
Descripción Identifica al médico, enfermera o técnico específico responsable del evento. Este atributo es fundamental para el análisis de la utilización de recursos. Permite comparar métricas de rendimiento, como el rendimiento y el tiempo de ciclo, entre diferentes miembros del personal para identificar necesidades de capacitación o desequilibrios en la carga de trabajo. Por qué es importante Clave para la 'Tasa de Utilización de Recursos' y el análisis de traspasos. Dónde obtener 'providerid' de athenahealth resuelto a nombre del directorio de proveedores. Ejemplos Dr. SmithEnfermera JonesTécnico Adams
	Tiempo de Procesamiento ProcessingTime	La duración dedicada a trabajar activamente en la actividad.
Descripción Representa la diferencia de tiempo entre el inicio y la finalización de una tarea específica (por ejemplo, el tiempo que lleva realizar un escaneo). Esto se asigna a 'ProcessingTime' en el modelo genérico. Se utiliza para calcular la utilización de recursos e identificar brechas de eficiencia en tareas manuales frente a automatizadas. Por qué es importante Diferencia el trabajo activo del tiempo de espera en el ciclo total. Dónde obtener Calculado: EventEndTime - EventTimestamp. Ejemplos 15m1h 30m45s
	Tipo de Encuentro EncounterType	La clasificación de la visita (por ejemplo, Consulta en Consultorio, Telemedicina, Urgencias).
Descripción Define la modalidad o el entorno de la atención proporcionada. Esto actúa como el 'Tipo de Caso' en los modelos de datos genéricos. Los diferentes tipos de encuentros tienen flujos y requisitos de facturación esperados diferentes. Filtrar por este atributo es esencial para evitar comparar peras con manzanas en el análisis del tiempo de ciclo. Por qué es importante Distingue entre diferentes variantes de proceso como Teleconsulta versus Presencial. Dónde obtener Campo 'encountertype' de athenahealth. Ejemplos Consulta en ConsultorioTelemedicinaUrgenteCirugía
	¿Es Retrabajo? IsRework	Bandera que indica si esta actividad es una repetición.
Descripción Un indicador booleano que es verdadero si la actividad ha ocurrido más de una vez dentro del mismo caso. Esto es compatible con el dashboard de 'Frecuencia de Actividades y Ciclos de Retrabajo'. Permite el aislamiento inmediato de casos que contienen retrabajo, facilitando el cálculo del KPI de 'Frecuencia de Actividades de Retrabajo'. Por qué es importante Identifica ineficiencias del proceso y pasos redundantes. Dónde obtener Calculado durante el ETL basándose en las ocurrencias de actividad por CaseId. Ejemplos truefalse
	Estado del Resultado Diagnóstico DiagnosticResultStatus	El estado de resultado de una orden diagnóstica (por ejemplo, Positivo, Normal).
Descripción Captura el resultado de alto nivel de una prueba. Esto proporciona contexto para el 'Tiempo de espera de Pruebas Diagnósticas' y las decisiones de tratamiento posteriores. Se utiliza para analizar si los resultados anormales conducen a acciones subsiguientes más rápidas en comparación con los resultados normales. Por qué es importante Conecta el flujo del proceso con los resultados clínicos. Dónde obtener Campos de observación de resultados de laboratorio de athenahealth. Ejemplos NormalAnormalCrítico
	Estado del Siniestro ClaimStatus	El estado del reclamo financiero asociado con la atención.
Descripción Indica el estado del reclamo de facturación, como 'Enviado', 'Denegado' o 'Pagado'. Esto es relevante para la actividad 'Reclamo Enviado' y el rendimiento financiero. Ayuda a identificar si los problemas de documentación clínica están provocando retrasos financieros en la parte administrativa. Por qué es importante Vincula la eficiencia clínica con el rendimiento del ciclo de ingresos. Dónde obtener Campo 'claimstatus' de athenahealth. Ejemplos FACTURADOEN ESPERAANULADO
	Monto Total Cargado TotalChargeAmount	El monto monetario cobrado por la actividad o episodio.
Descripción El valor financiero asociado con la actividad o el monto total del reclamo. Esto permite la minería de procesos basada en costos y el análisis de impacto financiero. Se utiliza para identificar variaciones de alto costo en las vías de tratamiento y correlacionar la eficiencia del proceso con los resultados financieros. Por qué es importante Añade una dimensión financiera al análisis de procesos. Dónde obtener 'amount' o 'totalcharge' de athenahealth en tablas de reclamos/cargos. Ejemplos 150.002500.5045.00
	Tipo de Pedido OrderType	Categoría de la orden (por ejemplo, Laboratorio, Imágenes, Receta).
Descripción Clasifica las órdenes clínicas realizadas durante el episodio. Esto es crucial para el dashboard de 'Tiempo de Espera de Pruebas Diagnósticas'. Permite a los analistas medir los tiempos de espera específicamente para Laboratorios versus Imágenes, que a menudo tienen diferentes acuerdos de nivel de servicio y cuellos de botella. Por qué es importante Segmenta el proceso diagnóstico para un análisis específico del tiempo de espera. Dónde obtener 'ordertype' o 'class' de athenahealth en la API de órdenes. Ejemplos LaboratorioImágenesRecetaProcedimiento

Requerido Recomendado Opcional

Actividades de la Trayectoria del Paciente

Estos son los pasos de proceso y hitos cruciales a capturar en su registro de eventos para un descubrimiento y optimización precisos de la experiencia del paciente.

7 Recomendado 8 Opcional

	Actividad	Descripción
	Diagnóstico Confirmado	Un clínico asigna o confirma oficialmente un diagnóstico para la condición del paciente en el encuentro actual. Esto puede inferirse por la marca de tiempo de creación o 'última actualización' del código de diagnóstico primario, como ICD-10, asociado con el encuentro del paciente.
Por qué es importante Este es un hito fundamental que dicta la vía de tratamiento subsiguiente. Analizar las variaciones en las actividades después de este punto ayuda a comprender y estandarizar los protocolos de atención. Dónde obtener Inferido de la lista de problemas del paciente o de los datos de diagnóstico del encuentro. Un cambio o finalización del código de diagnóstico y su timestamp asociado señalan este evento. Capturar Detecta la marca de tiempo cuando se agrega o actualiza el diagnóstico principal para el encuentro. Tipo de evento inferred
	Evaluación Inicial Completada	Marca la finalización de la primera evaluación clínica, como el triaje o la evaluación de enfermería, donde se registran los signos vitales y las quejas principales. Este evento a menudo se infiere del timestamp de la primera nota clínica firmada o de un formulario de evaluación completado para el encuentro.
Por qué es importante Este hito indica el inicio de la atención clínica. La duración desde el registro hasta esta actividad es una medida clave del tiempo de espera inicial del paciente y la capacidad de respuesta de los recursos. Dónde obtener Inferido del timestamp de creación o firma de documentos clínicos específicos u hojas de flujo en athenaClinicals. Requiere identificar los tipos de documentos relevantes para el triaje o la admisión. Capturar Identificar el primer timestamp en una nota clínica, hoja de flujo de signos vitales o un formulario de admisión específico para el encuentro. Tipo de evento inferred
	Orden de Alta Emitida	Un médico o proveedor autorizado emite una orden oficial para dar de alta al paciente. Este es un evento explícito y con marca de tiempo creado dentro del módulo CPOE del EHR.
Por qué es importante Esta actividad inicia el proceso de alta. El tiempo entre esta orden y el alta real es un indicador clave de rendimiento para el 'Tiempo de Espera de Planificación del Alta'. Dónde obtener Ubicado en la tabla de órdenes. El evento se identifica por un tipo de orden de 'Alta' específico y su timestamp de creación. Capturar Se crea un nuevo registro con un tipo de orden de 'Alta' en la tabla de órdenes. Tipo de evento explicit
	Paciente Dado de Alta	El paciente ha sido oficialmente dado de alta, y la porción intrahospitalaria de su trayectoria ha finalizado. Este es el evento ADT final para un encuentro de paciente internado, capturado con un timestamp preciso.
Por qué es importante Este evento marca el final de la trayectoria principal del paciente. Es el punto final para medir el 'Tiempo de Ciclo Total de la Trayectoria del Paciente' y es esencial para el análisis de reingresos. Dónde obtener Este es un evento explícito en el sistema ADT o en la tabla de encuentros de pacientes, marcando el estado final del encuentro como 'Dado de Alta' junto con un timestamp. Capturar El estado del encuentro del paciente se actualiza a 'Dado de Alta' y se registra un evento ADT. Tipo de evento explicit
	Paciente Registrado	Esta actividad significa la llegada del paciente y el registro formal para su cita o visita programada. Esto se captura típicamente como un cambio de estado explícito en el registro de la cita dentro de athenaClinicals o athenaCommunicator.
Por qué es importante Este es el inicio definitivo de la trayectoria presencial del paciente. Sirve como un punto de partida crucial para medir los tiempos de espera y el tiempo de ciclo general de un encuentro clínico. Dónde obtener Registrado como una actualización de estado en las tablas de citas o encuentros. Busque un estado 'Registrado' y su timestamp correspondiente. Capturar Se registra un cambio de estado en el objeto de cita o encuentro con una marca de tiempo. Tipo de evento explicit
	Procedimiento Realizado	Se realiza un procedimiento clínico al paciente, como una cirugía o una terapia especializada. Este es un evento explícito capturado en la documentación clínica, a menudo con horas de inicio y finalización específicas registradas en una nota de procedimiento.
Por qué es importante Los procedimientos son hitos significativos en el tratamiento de un paciente. Analizar las actividades antes y después de un procedimiento ayuda a optimizar los workflows pre y postoperatorios. Dónde obtener Encontrado dentro de las notas de procedimiento u hojas de flujo clínico específicas en athenaClinicals. La marca de tiempo del evento se deriva de la hora de inicio o fin documentada del procedimiento. Capturar Se crea una nota o registro de procedimiento que contiene una marca de tiempo de cuándo ocurrió el procedimiento. Tipo de evento explicit
	Resultados de la Prueba Recibidos	Los resultados de una prueba diagnóstica se finalizan y se ponen a disposición en el expediente del paciente. Esto generalmente se captura cuando el sistema de laboratorio o imagenología envía los resultados de vuelta a athenahealth, creando una entrada con timestamp.
Por qué es importante La recepción de resultados es un disparador crítico para decisiones clínicas posteriores, como el diagnóstico y la planificación del tratamiento. Este evento es el punto final para medir los tiempos de respuesta diagnóstica. Dónde obtener Ubicado en la tabla de resultados o diagnósticos, vinculado a la orden original. El evento se marca por el timestamp cuando el resultado fue archivado o recibido en el expediente del paciente. Capturar Se crea un nuevo registro de resultado con una marca de tiempo, a menudo a través de una interfaz de un LIS o RIS. Tipo de evento explicit
	Cita de Seguimiento Programada	Se programa una cita de seguimiento para el paciente después de su tratamiento principal o alta. Este evento se captura explícitamente cuando se crea una nueva cita en el módulo de programación de athenaCommunicator.
Por qué es importante Esta actividad es clave para comprender la coordinación de la atención post-alta y su impacto en resultados como las tasas de reingreso. Muestra la continuidad de la atención. Dónde obtener Registrado en la tabla de citas. El evento se identifica por un timestamp de creación para una cita que ocurre después de la fecha de alta. Capturar Se crea un nuevo registro de cita en el sistema de programación. Tipo de evento explicit
	Cita Programada	Representa la reserva de una cita para un paciente. Este evento se captura explícitamente cuando un usuario crea y confirma una nueva entrada de cita en el módulo de programación de athenahealth, athenaCommunicator.
Por qué es importante Esta actividad marca el punto de contacto inicial para muchas trayectorias de pacientes. Analizar el tiempo desde la programación hasta el registro ayuda a comprender el acceso del paciente y la eficiencia previa a la visita. Dónde obtener Este es un evento explícito registrado en las tablas de citas o programación. Generalmente se asocia con un timestamp de creación y un ID de paciente. Capturar El evento se registra al crear un registro de cita en el módulo de programación. Tipo de evento explicit
	Medicamento Administrado	Un medicamento es administrado físicamente al paciente por el personal clínico. Esto se registra explícitamente en el módulo de Registro de Administración de Medicamentos (MAR) de athenaClinicals, con una marca de tiempo precisa para cada dosis.
Por qué es importante Esta actividad representa una intervención de tratamiento directo. Analizar su momento ayuda a medir el 'Tiempo hasta el Primer Tratamiento' y asegura la adhesión a los programas de medicación. Dónde obtener Encontrado en las tablas de datos de MAR. Cada evento de administración tiene un ID de paciente, ID de medicamento, dosis y una marca de tiempo de administración. Capturar Se crea un registro con marca de tiempo en el MAR cada vez que se documenta la administración de un medicamento. Tipo de evento explicit
	Muestra Recogida	Representa el evento en el que se recolecta una muestra biológica, como sangre u orina, del paciente para una prueba de laboratorio. Esto suele ser un evento explícito registrado en el módulo de laboratorio o como una actualización del estado de la orden.
Por qué es importante Este es un hito clave dentro del proceso de pruebas diagnósticas. El tiempo entre la solicitud, la recolección y los resultados puede revelar cuellos de botella significativos en los workflows del laboratorio. Dónde obtener Este evento puede encontrarse como un cambio de estado en la orden de laboratorio o como un evento distinto en un sistema de información de laboratorio interconectado con athenahealth. Busque un estado 'Recogido' y su timestamp. Capturar Registrado como una actualización del estado de la orden de laboratorio o en un módulo dedicado de seguimiento de muestras. Tipo de evento explicit
	Paciente Transferido	El paciente es trasladado de una unidad de atención o departamento a otro, por ejemplo, del Departamento de Urgencias a una sala de hospitalización. Esto se captura explícitamente a través de un evento de Admisión, Alta, Traslado (ADT) en el EHR.
Por qué es importante Esta actividad es crucial para analizar los traspasos departamentales y el flujo de pacientes dentro de una instalación. Ayuda a identificar cuellos de botella en el 'Tiempo de Traspaso del Paciente' y la asignación de recursos. Dónde obtener Registrado en el registro de eventos ADT o en las tablas de seguimiento de pacientes. Cada evento de transferencia incluye el paciente, las ubicaciones de origen/destino y un timestamp. Capturar Se genera un mensaje ADT o una entrada de registro de eventos con una marca de tiempo al transferir al paciente. Tipo de evento explicit
	Plan de Tratamiento Desarrollado	Representa la creación y documentación formal del plan de tratamiento de un paciente por parte de un clínico. Esto puede capturarse como la creación o firma de un documento específico de 'Plan de Atención' o un conjunto de órdenes de tratamiento relacionadas.
Por qué es importante Esta actividad formaliza la vía clínica prevista. Es un punto clave para medir la conformidad con los protocolos estándar y analizar las variaciones en la atención. Dónde obtener Probablemente se encuentre en los documentos clínicos o las tablas de órdenes. Este evento corresponde al timestamp de una nota de plan de atención firmada o al envío de un conjunto coordinado de órdenes de tratamiento. Capturar El evento es la marca de tiempo de creación o finalización de un documento de plan de tratamiento específico o un conjunto de órdenes. Tipo de evento explicit
	Prueba Diagnóstica Solicitada	Un proveedor emite una orden para una prueba diagnóstica como un análisis de laboratorio, una exploración por imágenes u otro procedimiento. Este es un evento explícito y con marca de tiempo creado a través de la funcionalidad CPOE (Entrada de Órdenes Médicas Computarizadas) en athenaClinicals.
Por qué es importante Este es un punto de decisión crítico que inicia un subproceso diagnóstico. El seguimiento de esta actividad es esencial para analizar el KPI de 'Tiempo de Espera de Pruebas Diagnósticas' desde la orden hasta el resultado. Dónde obtener Encontrado en la tabla de órdenes. Cada orden tendrá un identificador de paciente, nombre de la orden, estado de la orden y una marca de tiempo de creación. Capturar Se crea un nuevo registro en la tabla de órdenes del sistema con una marca de tiempo. Tipo de evento explicit
	Siniestro Presentado	Se genera y envía un reclamo por los servicios prestados durante el encuentro con el paciente al pagador. Este es un evento explícito dentro del módulo de gestión del ciclo de ingresos de athenaCollector.
Por qué es importante Aunque es un paso administrativo, esta actividad es crucial para analizar el proceso del ciclo de ingresos que se ejecuta en paralelo a la trayectoria clínica. Ayuda a identificar retrasos entre la atención clínica y la facturación. Dónde obtener Encontrado en las tablas de reclamaciones o facturación. El evento está marcado por una marca de tiempo de creación o envío de reclamo. Capturar Se crea un registro de reclamo y su estado se actualiza a 'Enviado' con una marca de tiempo. Tipo de evento explicit

Recomendado Opcional

Guías de Extracción

Cómo obtener sus datos de athenahealth

Pasos

Inicie sesión en el portal athenaNet utilizando sus credenciales seguras.
Navegue al módulo de Informes a través del menú principal, que se encuentra normalmente en 'Informes' > 'Generador de informes' o 'Informes personalizados'.
Haga clic en 'Crear nuevo informe' y seleccione 'Encuentros' o 'Visita del paciente' como categoría principal del informe. Esto asegura que los datos granulares se centren en el episodio específico del paciente.
En el área de selección de 'Columnas' o 'Campos', busque y añada el Identificador de Paciente (ID de Paciente) y el Identificador de Encuentro (ID de Encuentro) para que sirvan como su Identificador de Caso.
Añada las columnas demográficas y de contexto requeridas para los atributos, como Departamento, Nombre del Proveedor, Edad del Paciente y Código de Diagnóstico Principal.
Añada las columnas de marca de tiempo específicas correspondientes a las actividades. Es posible que deba buscar en diferentes grupos de campos (por ejemplo, 'Programación' para Cita Programada, 'Registro' para Hora de Registro, 'Facturación' para Reclamo Enviado). Asegúrese de seleccionar formatos de 'Fecha y Hora' cuando estén disponibles, no solo Fecha.
Aplique filtros a la configuración del informe. Establezca el rango de 'Fecha del Encuentro' a su ventana de análisis deseada (por ejemplo, Últimos 6 Meses) y filtre las citas 'Canceladas' o 'No Presentadas' para centrarse en trayectorias completadas.
Haga clic en 'Ejecutar informe' para previsualizar los datos. Verifique que las columnas contengan datos y no estén completamente nulas.
Seleccione la opción 'Exportar' y elija 'CSV' (valores separados por comas) como formato. No utilice las funciones de formato de Excel/XLSX, ya que complican el procesamiento.
Guarde el archivo localmente como 'athena_raw_export.csv'.
Dado que el informe exporta una fila por encuentro con múltiples columnas de fecha (formato ancho), debe transformarlo en un registro de eventos (formato largo). Utilice el script de Python proporcionado en la sección Consulta para realizar esta transformación.
Ejecute el script para generar el archivo final 'process_mining_event_log.csv' y cárguelo a ProcessMind.

Configuración

Categoría de Informe: Elija 'Actividad de Encuentro' o 'Clínicos' como categoría base para capturar la mayoría de los pasos del flujo de trabajo clínico.
Rango de Fechas: Limite la extracción inicial a 3-6 meses para evitar tiempos de espera del informe o límites de filas (normalmente limitados a unas 50.000 filas en vistas estándar).
Selección de Columnas: Asegúrese de que se seleccionen campos de marca de tiempo explícitos. Evite los campos calculados como 'Días desde el registro' en favor de la 'Fecha/Hora de registro' absoluta.
Manejo de Nulos: Configure el informe para mostrar celdas en blanco para los datos faltantes en lugar de texto personalizado como 'N/A' para facilitar el procesamiento del script.
Filtrado por Departamento: Si la organización es grande, filtre por Ubicaciones de Servicio o Departamentos específicos (por ejemplo, 'Cardiología', 'Ortopedia') para mantener el conjunto de datos enfocado.
Permisos: El usuario requiere permisos de 'Creador de Informes' o 'Informes Clínicos' dentro de athenaNet para acceder al Generador de Informes Personalizados.

a Consulta de ejemplo config

import pandas as pd
import numpy as np
from datetime import datetime

# Configuration: Input and Output filenames
INPUT_FILE = 'athena_raw_export.csv'
OUTPUT_FILE = 'patient_journey_event_log.csv'

# Load the raw wide-format report from athenaNet
# Assumes standard CSV export. Adjust encoding if necessary (e.g., 'utf-8-sig' or 'latin1')
df = pd.read_csv(INPUT_FILE, dtype=str)

# Define the mapping between Activity Names and the columns in your athenaNet report
# You must ensure these column names match your Report Builder export headers exactly
activity_mapping = {
    'Appointment Scheduled': 'APPT_CREATED_TIMESTAMP',
    'Patient Checked In': 'CHECKIN_TIMESTAMP',
    'Initial Assessment Completed': 'INTAKE_COMPLETED_TIMESTAMP',
    'Diagnostic Test Ordered': 'ORDER_ENTRY_TIMESTAMP',
    'Specimen Collected': 'LAB_COLLECTION_TIMESTAMP',
    'Test Results Received': 'LAB_RESULT_TIMESTAMP',
    'Diagnosis Confirmed': 'DIAGNOSIS_ENTRY_TIMESTAMP',
    'Treatment Plan Developed': 'PLAN_NOTE_TIMESTAMP',
    'Medication Administered': 'MED_ADMIN_TIMESTAMP',
    'Procedure Performed': 'PROCEDURE_END_TIMESTAMP',
    'Patient Transferred': 'TRANSFER_TIMESTAMP',
    'Discharge Order Written': 'DISCHARGE_ORDER_TIMESTAMP',
    'Patient Discharged': 'DISCHARGE_TIMESTAMP',
    'Follow-Up Appointment Scheduled': 'NEXT_APPT_CREATED_TIMESTAMP',
    'Claim Submitted': 'CLAIM_SUBMISSION_TIMESTAMP'
}

# Define attribute columns to carry over to every event row
attribute_columns = {
    'ENCOUNTER_ID': 'PatientEpisodeId',
    'PATIENT_ID': 'PatientId',
    'PROVIDER_NAME': 'ProviderName',
    'DEPARTMENT_NAME': 'DepartmentName',
    'PRIMARY_DIAGNOSIS_CODE': 'PrimaryDiagnosisCode',
    'PATIENT_AGE': 'PatientAgeGroup',
    'ENCOUNTER_TYPE': 'EncounterType',
    'DISCHARGE_DISPOSITION': 'DischargeDisposition',
    'IS_READMISSION': 'IsReadmission'
}

# Initialize list to hold event rows
event_log_data = []

# Transformation Loop
for index, row in df.iterrows():
    episode_id = row.get('ENCOUNTER_ID')
    
    # Skip rows without a valid identifier
    if pd.isna(episode_id) or str(episode_id).strip() == '':
        continue

    # Iterate through each defined activity
    for activity_name, col_name in activity_mapping.items():
        timestamp_val = row.get(col_name)
        
        # Only create an event if a valid timestamp exists
        if pd.notna(timestamp_val) and str(timestamp_val).strip() != '':
            
            # Create base event object
            event = {
                'PatientEpisodeId': episode_id,
                'ActivityName': activity_name,
                'EventTimestamp': timestamp_val,
                'SourceSystem': 'athenahealth',
                'LastDataUpdate': datetime.now().strftime('%Y-%m-%d %H:%M:%S')
            }
            
            # Add attributes
            for csv_col, target_col in attribute_columns.items():
                event[target_col] = row.get(csv_col, None)
            
            event_log_data.append(event)

# Create DataFrame from the list of events
event_log_df = pd.DataFrame(event_log_data)

# Standardize Date Format (ISO 8601 Recommended)
# Adjust the format string matches the raw CSV format (e.g., '%m/%d/%Y %H:%M')
event_log_df['EventTimestamp'] = pd.to_datetime(event_log_df['EventTimestamp'], errors='coerce')

# Remove rows where timestamp parsing failed
event_log_df = event_log_df.dropna(subset=['EventTimestamp'])

# Sort by Episode and Time
event_log_df = event_log_df.sort_values(by=['PatientEpisodeId', 'EventTimestamp'])

# Output to CSV
event_log_df.to_csv(OUTPUT_FILE, index=False)

print(f"Transformation complete. Processed {len(df)} encounters into {len(event_log_df)} events.")
print(f"File saved to: {OUTPUT_FILE}")

Pasos

Registrar Aplicación API: Inicie sesión en el Portal de Desarrolladores de athenahealth y registre una nueva aplicación para obtener su Client ID y Client Secret. Asegúrese de que la aplicación tenga alcances para Citas, Clínicos (Historias Clínicas), Órdenes y Facturación (Reclamaciones).
Configurar Entorno Python: Instale las librerías de Python requeridas (requests, pandas) en su entorno de ejecución usando pip install requests pandas.
Autenticar: Implemente el flujo de concesión de credenciales de cliente OAuth 2.0 para recuperar un token de acceso. Este token debe incluirse en el encabezado de Autorización (token Bearer) de todas las llamadas API subsiguientes.
Definir Alcance: Establezca el ID de Práctica y el rango de fechas para la extracción. Las APIs de athenahealth son específicas de la práctica, por lo que debe iterar a través de los IDs de práctica si gestiona varias.
Extraer Citas: Consulte el punto final /appointments/booked o /appointments/changed para recuperar encuentros base. Mapee el ID de la cita a PatientEpisodeId. Extraiga 'Cita Programada' de la fecha de creación y 'Paciente Registrado' de la hora de registro.
Iterar Encuentros para Eventos Clínicos: Para cada ID de cita (encuentro), consulte los subpuntos finales clínicos. Llame a /chart/{encounterId}/vitals para 'Evaluación Inicial Completada'. Llame a /chart/{encounterId}/orders para 'Prueba Diagnóstica Solicitada', 'Muestra Recolectada' (según el estado) y 'Orden de Alta Emitida'.
Recuperar Resultados y Diagnósticos: Consulte /chart/{encounterId}/analyteresults o /chart/{encounterId}/labresults para 'Resultados de Prueba Recibidos'. Consulte /chart/{encounterId}/diagnoses para 'Diagnóstico Confirmado'.
Extraer Tratamientos y Procedimientos: Consulte /chart/{encounterId}/plan para 'Plan de Tratamiento Desarrollado'. Consulte /chart/{encounterId}/procedures para 'Procedimiento Realizado'. Consulte /chart/{encounterId}/medications/admin para 'Medicamento Administrado'.
Identificar ADT y Reclamaciones: Utilice el historial de estado de citas o puntos finales hospitalarios específicos (si están disponibles) para capturar 'Paciente Transferido' y 'Paciente Dado de Alta'. Consulte /claims relacionados con la cita para extraer 'Reclamo Enviado'.
Vincular Seguimientos: Identifique 'Cita de Seguimiento Programada' buscando citas subsiguientes creadas para el mismo ID de paciente dentro del plazo del encuentro.
Transformar y Aplanar: Analice las respuestas JSON anidadas en una lista plana de diccionarios de eventos. Convierta todas las marcas de tiempo al formato ISO 8601. Mapee los campos a ActivityName, PatientEpisodeId y EventTimestamp.
Exportar Datos: Cargue la lista de diccionarios en un DataFrame de pandas, realice la limpieza final (manejo de nulos) y exporte a un archivo CSV listo para la ingesta en ProcessMind.

Configuración

Credenciales de API: Requiere un Client ID y Secret válidos del Portal de Desarrolladores de athenahealth con acceso de producción.
ID de Práctica: El identificador numérico único para el contexto de la práctica médica. El script debe ejecutarse por práctica si se extrae para una red.
Rango de Fechas: La ventana de extracción recomendada es de 3 a 6 meses debido al volumen de datos clínicos granulares.
Limitación de Tasa (Rate Limiting): La API de athenaOne tiene límites de tasa estrictos (por ejemplo, 5 llamadas por segundo). El script incluye una función de suspensión, pero las extracciones a escala empresarial deberían implementar un retroceso exponencial.
Alcances (Scopes): Asegúrese de que el token tenga alcances para athena/service/Athenanet.MDP.* o alcances granulares específicos para citas, historias clínicas y datos financieros.
Paginación: La mayoría de los puntos finales devuelven un número limitado de registros (por defecto 1000). El script debe manejar los parámetros next u offset.
Filtrado por Departamento: Si se analizan flujos específicos (por ejemplo, Emergencia vs. Ambulatorio), filtre por ID de departamento durante la fase de obtención de citas.

a Consulta de ejemplo python

import requests
import pandas as pd
import time
from datetime import datetime, timedelta
import base64

class=class="hl-string">"hl-comment"># Configuration
API_KEY = class="hl-string">'YOUR_CLIENT_ID'
API_SECRET = class="hl-string">'YOUR_CLIENT_SECRET'
PRACTICE_ID = class="hl-string">'195900'  class=class="hl-string">"hl-comment"># Replace with your Practice ID
BASE_URL = class="hl-string">'https://api.athenahealth.com/preview1'  class=class="hl-string">"hl-comment"># Use production URL for live data
START_DATE = class="hl-string">'01/01/2023'
END_DATE = class="hl-string">'01/31/2023'
OUTPUT_FILE = class="hl-string">'athena_patient_journey.csv'

def get_access_token():
    url = fclass="hl-string">'{BASE_URL}/oauth2/v1/token'
    auth_str = fclass="hl-string">'{API_KEY}:{API_SECRET}'
    b64_auth = base64.b64encode(auth_str.encode()).decode()
    headers = {
        class="hl-string">'Authorization': fclass="hl-string">'Basic {b64_auth}',
        class="hl-string">'Content-Type': class="hl-string">'application/x-www-form-urlencoded'
    }
    data = {class="hl-string">'grant_type': class="hl-string">'client_credentials', class="hl-string">'scope': class="hl-string">'athena/service/Athenanet.MDP.*'}
    response = requests.post(url, headers=headers, data=data)
    if response.status_code == 200:
        return response.json()[class="hl-string">'access_token']
    else:
        raise Exception(fclass="hl-string">'Auth failed: {response.text}')

def fetch_paginated(url, headers, params):
    results = []
    while True:
        response = requests.get(url, headers=headers, params=params)
        if response.status_code == 429:
            time.sleep(2)
            continue
        if response.status_code != 200:
            print(fclass="hl-string">'Error fetching {url}: {response.status_code}')
            break
        data = response.json()
        if class="hl-string">'totalcount' in data and data[class="hl-string">'totalcount'] == 0:
            break
        class=class="hl-string">"hl-comment"># Handle different response structures (key might be appointments, orders, etc.)
        keys = [k for k in data.keys() if k not in [class="hl-string">'totalcount', class="hl-string">'next', class="hl-string">'previous']]
        if keys:
            results.extend(data[keys[0]])
        
        if class="hl-string">'next' in data and data[class="hl-string">'next']:
             class=class="hl-string">"hl-comment"># Athena pagination often uses offset or a link
             class=class="hl-string">"hl-comment"># Adjust based on specific endpoint logic if next is not a full URL
             params[class="hl-string">'offset'] = params.get(class="hl-string">'offset', 0) + len(data[keys[0]])
        else:
            break
    return results

def extract_events():
    token = get_access_token()
    headers = {class="hl-string">'Authorization': fclass="hl-string">'Bearer {token}'}
    events = []

    class=class="hl-string">"hl-comment"># 1. Fetch Appointments (Patient Episodes)
    class=class="hl-string">"hl-comment"># Using /appointments/booked for the range
    print(class="hl-string">'Fetching appointments...')
    appt_params = {
        class="hl-string">'startdate': START_DATE,
        class="hl-string">'enddate': END_DATE,
        class="hl-string">'showclaimdetail': class="hl-string">'true',  class=class="hl-string">"hl-comment"># optimize to get claim info early
        class="hl-string">'ignorepartners': class="hl-string">'true'
    }
    appointments = fetch_paginated(fclass="hl-string">'{BASE_URL}/{PRACTICE_ID}/appointments/booked', headers, appt_params)

    for appt in appointments:
        episode_id = str(appt.get(class="hl-string">'appointmentid'))
        patient_id = appt.get(class="hl-string">'patientid')
        dept_id = appt.get(class="hl-string">'departmentid')
        provider_id = appt.get(class="hl-string">'providerid')
        
        class=class="hl-string">"hl-comment"># Base Activity: Appointment Scheduled
        if appt.get(class="hl-string">'date'): class=class="hl-string">"hl-comment"># capturing creation/scheduled date requires parsing history or booking info
            class=class="hl-string">"hl-comment"># Fallback to date if created date unavailable, but typically we want class="hl-string">'scheduleddatetime'
            sched_time = appt.get(class="hl-string">'scheduleddatetime', appt.get(class="hl-string">'date') + class="hl-string">' ' + appt.get(class="hl-string">'starttime'))
            events.append({
                class="hl-string">'PatientEpisodeId': episode_id,
                class="hl-string">'ActivityName': class="hl-string">'Appointment Scheduled',
                class="hl-string">'EventTimestamp': sched_time,
                class="hl-string">'SourceSystem': class="hl-string">'athenaOne',
                class="hl-string">'PatientId': patient_id,
                class="hl-string">'DepartmentName': dept_id
            })

        class=class="hl-string">"hl-comment"># Activity: Patient Checked In
        if appt.get(class="hl-string">'startcheckin'):
            events.append({
                class="hl-string">'PatientEpisodeId': episode_id,
                class="hl-string">'ActivityName': class="hl-string">'Patient Checked In',
                class="hl-string">'EventTimestamp': appt.get(class="hl-string">'date') + class="hl-string">' ' + appt.get(class="hl-string">'startcheckin'), class=class="hl-string">"hl-comment"># combining date and time
                class="hl-string">'SourceSystem': class="hl-string">'athenaOne',
                class="hl-string">'PatientId': patient_id
            })
            
        class=class="hl-string">"hl-comment"># Activity: Patient Discharged (Ambulatory Checkout)
        if appt.get(class="hl-string">'stopcheckin'):
            events.append({
                class="hl-string">'PatientEpisodeId': episode_id,
                class="hl-string">'ActivityName': class="hl-string">'Patient Discharged',
                class="hl-string">'EventTimestamp': appt.get(class="hl-string">'date') + class="hl-string">' ' + appt.get(class="hl-string">'stopcheckin'),
                class="hl-string">'SourceSystem': class="hl-string">'athenaOne',
                class="hl-string">'PatientId': patient_id,
                class="hl-string">'DischargeDisposition': class="hl-string">'Home' class=class="hl-string">"hl-comment"># Default for ambulatory
            })

        class=class="hl-string">"hl-comment"># Activity: Claim Submitted
        if class="hl-string">'claimid' in appt:
             class=class="hl-string">"hl-comment"># Ideally query /claims/{claimId} for exact submission timestamp
             class=class="hl-string">"hl-comment"># Using appointment date as proxy if detailed claim fetch skipped
             class=class="hl-string">"hl-comment"># Here we assume we fetch claim details:
             claim_res = requests.get(fclass="hl-string">'{BASE_URL}/{PRACTICE_ID}/claims/{appt["claimid"]}', headers=headers)
             if claim_res.status_code == 200:
                 claim_data = claim_res.json()
                 if claim_data.get(class="hl-string">'billedservicedate'):
                     events.append({
                        class="hl-string">'PatientEpisodeId': episode_id,
                        class="hl-string">'ActivityName': class="hl-string">'Claim Submitted',
                        class="hl-string">'EventTimestamp': claim_data.get(class="hl-string">'createddate', claim_data.get(class="hl-string">'billedservicedate')) + class="hl-string">' 12:00:00',
                        class="hl-string">'SourceSystem': class="hl-string">'athenaCollector',
                        class="hl-string">'PatientId': patient_id
                     })

        class=class="hl-string">"hl-comment"># Clinical Data Extraction (Requires Encounter Context)
        encounter_id = appt.get(class="hl-string">'encounterid')
        if encounter_id:
            class=class="hl-string">"hl-comment"># Activity: Initial Assessment (Vitals)
            vitals = fetch_paginated(fclass="hl-string">'{BASE_URL}/{PRACTICE_ID}/chart/{encounter_id}/vitals', headers, {})
            if vitals:
                class=class="hl-string">"hl-comment"># Take the first vital sign entry time
                first_vital = sorted(vitals, key=lambda x: x.get(class="hl-string">'date') or class="hl-string">'')[0]
                events.append({
                    class="hl-string">'PatientEpisodeId': episode_id,
                    class="hl-string">'ActivityName': class="hl-string">'Initial Assessment Completed',
                    class="hl-string">'EventTimestamp': first_vital.get(class="hl-string">'date') + class="hl-string">' ' + (first_vital.get(class="hl-string">'time') or class="hl-string">'00:00'),
                    class="hl-string">'SourceSystem': class="hl-string">'athenaClinicals',
                    class="hl-string">'PatientId': patient_id
                })

            class=class="hl-string">"hl-comment"># Activity: Diagnoses
            diagnoses = fetch_paginated(fclass="hl-string">'{BASE_URL}/{PRACTICE_ID}/chart/{encounter_id}/diagnoses', headers, {})
            for diag in diagnoses:
                events.append({
                    class="hl-string">'PatientEpisodeId': episode_id,
                    class="hl-string">'ActivityName': class="hl-string">'Diagnosis Confirmed',
                    class="hl-string">'EventTimestamp': diag.get(class="hl-string">'lastmodifieddatetime', appt.get(class="hl-string">'date') + class="hl-string">' 12:00:00'),
                    class="hl-string">'SourceSystem': class="hl-string">'athenaClinicals',
                    class="hl-string">'PrimaryDiagnosisCode': diag.get(class="hl-string">'diagnosiscode')
                })

            class=class="hl-string">"hl-comment"># Activity: Orders (Labs, Procedures, Discharge)
            orders = fetch_paginated(fclass="hl-string">'{BASE_URL}/{PRACTICE_ID}/chart/{encounter_id}/orders', headers, {})
            for order in orders:
                order_type = order.get(class="hl-string">'documentationtype', class="hl-string">'')
                created_time = order.get(class="hl-string">'createddatetime', appt.get(class="hl-string">'date') + class="hl-string">' 12:00:00')
                
                if class="hl-string">'LAB' in order_type.upper() or class="hl-string">'IMAGING' in order_type.upper():
                    events.append({
                        class="hl-string">'PatientEpisodeId': episode_id,
                        class="hl-string">'ActivityName': class="hl-string">'Diagnostic Test Ordered',
                        class="hl-string">'EventTimestamp': created_time,
                        class="hl-string">'SourceSystem': class="hl-string">'athenaClinicals'
                    })
                    class=class="hl-string">"hl-comment"># Activity: Specimen Collected (Inferred from status or specific fields if available)
                    if order.get(class="hl-string">'status') in [class="hl-string">'COMPLETED', class="hl-string">'REVIEW']:
                         events.append({
                            class="hl-string">'PatientEpisodeId': episode_id,
                            class="hl-string">'ActivityName': class="hl-string">'Specimen Collected',
                            class="hl-string">'EventTimestamp': order.get(class="hl-string">'lastmodifieddatetime', created_time), class=class="hl-string">"hl-comment"># Approximation
                            class="hl-string">'SourceSystem': class="hl-string">'athenaClinicals'
                        })
                
                if class="hl-string">'SURGERY' in order_type.upper() or class="hl-string">'PROCEDURE' in order_type.upper():
                     events.append({
                        class="hl-string">'PatientEpisodeId': episode_id,
                        class="hl-string">'ActivityName': class="hl-string">'Procedure Performed',
                        class="hl-string">'EventTimestamp': order.get(class="hl-string">'performdate', created_time),
                        class="hl-string">'SourceSystem': class="hl-string">'athenaClinicals'
                    })

                if class="hl-string">'DISCHARGE' in order_type.upper():
                    events.append({
                        class="hl-string">'PatientEpisodeId': episode_id,
                        class="hl-string">'ActivityName': class="hl-string">'Discharge Order Written',
                        class="hl-string">'EventTimestamp': created_time,
                        class="hl-string">'SourceSystem': class="hl-string">'athenaClinicals'
                    })

            class=class="hl-string">"hl-comment"># Activity: Test Results Received
            results = fetch_paginated(fclass="hl-string">'{BASE_URL}/{PRACTICE_ID}/chart/{encounter_id}/analyteresults', headers, {})
            for res in results:
                events.append({
                    class="hl-string">'PatientEpisodeId': episode_id,
                    class="hl-string">'ActivityName': class="hl-string">'Test Results Received',
                    class="hl-string">'EventTimestamp': res.get(class="hl-string">'analytedatetime', appt.get(class="hl-string">'date') + class="hl-string">' 12:00:00'),
                    class="hl-string">'SourceSystem': class="hl-string">'athenaClinicals'
                })

            class=class="hl-string">"hl-comment"># Activity: Treatment Plan
            class=class="hl-string">"hl-comment"># Check for Care Plan document or assessment note
            notes = fetch_paginated(fclass="hl-string">'{BASE_URL}/{PRACTICE_ID}/chart/{encounter_id}/progressnotes', headers, {})
            if notes:
                 events.append({
                    class="hl-string">'PatientEpisodeId': episode_id,
                    class="hl-string">'ActivityName': class="hl-string">'Treatment Plan Developed',
                    class="hl-string">'EventTimestamp': notes[0].get(class="hl-string">'lastmodifieddatetime', appt.get(class="hl-string">'date') + class="hl-string">' 12:00:00'),
                    class="hl-string">'SourceSystem': class="hl-string">'athenaClinicals'
                })

            class=class="hl-string">"hl-comment"># Activity: Medication Administered
            class=class="hl-string">"hl-comment"># Look for administration records
            meds = fetch_paginated(fclass="hl-string">'{BASE_URL}/{PRACTICE_ID}/chart/{encounter_id}/medications', headers, {})
            for med in meds:
                 if med.get(class="hl-string">'events'): class=class="hl-string">"hl-comment"># Check if administration events exist
                     for event in med[class="hl-string">'events']:
                         if event.get(class="hl-string">'type') == class="hl-string">'ADMINISTERED':
                             events.append({
                                class="hl-string">'PatientEpisodeId': episode_id,
                                class="hl-string">'ActivityName': class="hl-string">'Medication Administered',
                                class="hl-string">'EventTimestamp': event.get(class="hl-string">'eventdate'),
                                class="hl-string">'SourceSystem': class="hl-string">'athenaClinicals'
                             })

            class=class="hl-string">"hl-comment"># Activity: Patient Transferred (Inferred from Hospital Stay/ADT data if available)
            class=class="hl-string">"hl-comment"># Mocking logic: If department ID changes in encounter history (requires fetching history)
            class=class="hl-string">"hl-comment"># For standard API, we check if class="hl-string">'admissionstatus' indicates transfer
            pass class=class="hl-string">"hl-comment"># Complexity high for standard extraction without Hospital scope

            class=class="hl-string">"hl-comment"># Activity: Follow-Up Appointment Scheduled
            class=class="hl-string">"hl-comment"># We check if this patient has a FUTURE appointment created around this time
            class=class="hl-string">"hl-comment"># This requires a separate query or processing the full appointment list post-loop
            class=class="hl-string">"hl-comment"># Simplified: Logic placeholder
            pass 

    class=class="hl-string">"hl-comment"># Post-processing for Follow-Ups (simplified)
    class=class="hl-string">"hl-comment"># Sort all appts by patient and date, check next appt creation date
    
    class=class="hl-string">"hl-comment"># Convert to DataFrame
    df = pd.DataFrame(events)
    df[class="hl-string">'LastDataUpdate'] = datetime.now().isoformat()
    
    class=class="hl-string">"hl-comment"># Final Validation and Export
    if not df.empty:
        df[class="hl-string">'EventTimestamp'] = pd.to_datetime(df[class="hl-string">'EventTimestamp'])
        df.sort_values(by=[class="hl-string">'PatientEpisodeId', class="hl-string">'EventTimestamp'], inplace=True)
        df.to_csv(OUTPUT_FILE, index=False)
        print(fclass="hl-string">'Successfully exported {len(df)} rows to {OUTPUT_FILE}')
    else:
        print(class="hl-string">'No events extracted.')

if __name__ == class="hl-string">'__main__':
    extract_events()

Su Plantilla de Datos de la Trayectoria del Paciente

Su Plantilla de Datos de la Trayectoria del Paciente

Atributos de la Trayectoria del Paciente

Actividades de la Trayectoria del Paciente

Guías de Extracción

Exportación CSV personalizada del Generador de Informes de athenaNet

Pasos

Configuración

a Consulta de ejemplo config

Extracción de Eventos de la API de athenaOne con Python

Pasos

Configuración

a Consulta de ejemplo python

¿Listo para comenzar?

Optimice Ahora la Trayectoria de sus Pacientes, Elimine Cuellos de Botella

Su Plantilla de Datos de la Trayectoria del Paciente

Su Plantilla de Datos de la Trayectoria del Paciente

Atributos de la Trayectoria del Paciente

Actividades de la Trayectoria del Paciente

Guías de Extracción

Exportación CSV personalizada del Generador de Informes de athenaNet

Pasos

Configuración

a Consulta de ejemplo config

Extracción de Eventos de la API de athenaOne con Python

Pasos

Configuración

a Consulta de ejemplo python

Valoramos su privacidad

¿Listo para comenzar?

Optimice Ahora la Trayectoria de sus Pacientes, Elimine Cuellos de Botella