> Amélioration continue des processus > Parcours patient > Oracle Health (Cerner) > Modèle de données

Votre modèle de données pour le parcours du patient

Oracle Health (Cerner)

Attributs du parcours du patient(19) Activités du parcours du patient(14) Guides d’extraction(2)

Votre modèle de données pour le parcours du patient

Ce modèle détaillé présente les données essentielles à l’analyse et à l’optimisation du parcours des patients. Il récapitule les principaux attributs à recueillir, les activités à suivre et les méthodes d’extraction des données. Utilisez cette ressource pour préparer votre journal d’événements en vue de l’analyse Process Mining.

Attributs recommandés à recueillir
Activités clés à suivre
Conseils pour l’extraction

Vous découvrez les journaux d’événements ? Découvrez comment créer un journal d’événements pour le Process Mining.

Télécharger le modèle

Attributs du parcours du patient

Voici les champs de données recommandés pour votre journal d’événements afin d’analyser en détail le parcours du patient dans votre système.

5 Obligatoire 8 Recommandé 6 Facultatif

	Nom	Description
	Activité ClinicalEventTag	Nom ou description de l’événement clinique ou administratif réalisé.
Description Cet attribut décrit l’action précise effectuée pendant la prise en charge du patient, par exemple « Médicament administré », « Constantes vitales relevées » ou « Patient sorti ». Il fournit un libellé lisible pour chaque étape du processus. Dans Cerner, cette information provient souvent de la table `CLINICAL_EVENT`. Le champ `EVENT_CD` (code d’événement) est associé à sa valeur d’affichage, ou le champ `EVENT_TAG` est utilisé. Des conventions de nommage cohérentes sont essentielles pour obtenir des cartes de processus lisibles. Pourquoi est-ce important ? Définit les étapes de la carte de processus et permet de visualiser le flux de travail. Où trouver ces données Table : CLINICAL_EVENT, colonne : EVENT_TAG ou CODE_VALUE associé à EVENT_CD Exemples Évaluation de triageHémogramme avec formule leucocytaireOrdre de sortieTransfert du patient
	Épisode de soins du patient EncounterId	Identifiant unique de la visite ou de l’épisode de soins du patient.
Description Cet attribut sert d’identifiant central du cas pour le parcours du patient. Il regroupe tous les événements cliniques, les prescriptions et les actions administratives survenus au cours d’une même période de soins, par exemple un séjour à l’hôpital ou une visite aux urgences. En Process Mining, cet identifiant est indispensable pour relier des activités distinctes et obtenir une vue unifiée du processus. Sur le plan technique, il correspond à `ENCNTR_ID` dans la table `ENCOUNTER` de la base de données Cerner Millennium. Il s’agit de la clé primaire qui relie les données démographiques du patient, les prescriptions et les événements cliniques. Pourquoi est-ce important ? Cette clé est indispensable pour reconstituer le parcours complet du patient, de son admission à sa sortie. Où trouver ces données Table : ENCOUNTER, colonne : ENCNTR_ID Exemples 123456789876543211223344
	Horodatage de l’événement EventEndDateTime	Date et heure précises auxquelles l’activité a eu lieu ou s’est achevée.
Description Cet attribut consigne le moment précis où un événement s’est produit. Il sert à ordonner les activités et à calculer les temps de cycle entre les étapes du processus. Dans la table `CLINICAL_EVENT`, il correspond généralement à `EVENT_END_DT_TM`. Sa précision est essentielle pour calculer les temps d’attente, par exemple entre « Patient inscrit » et « Évaluation de triage ». Pourquoi est-ce important ? Indispensable pour déterminer l’ordre des événements et calculer des indicateurs de performance tels que les délais. Où trouver ces données Table : CLINICAL_EVENT, colonne : EVENT_END_DT_TM Exemples 2023-10-15T08:30:00Z2023-10-15T09:15:45Z2023-10-16T14:20:00Z
	Dernière mise à jour des données LastDataUpdate	Horodatage de l’extraction de l’enregistrement ou de sa dernière modification dans l’entrepôt de données.
Description Indique la fraîcheur des données utilisées dans l’analyse. Cet horodatage permet de savoir si les données consultées sont en temps réel ou correspondent à un instantané issu d’un chargement antérieur. Il est généralement généré lors du processus ETL (Extract, Transform, Load) et ne constitue pas un attribut clinique. Pourquoi est-ce important ? Essentiel à la gouvernance des données et à la vérification de leur actualité au moment de l’analyse. Où trouver ces données Horodatage du système ETL Exemples 2023-11-01T00:00:00Z2023-11-02T12:00:00Z
	Système source SourceSystem	Nom du système d’origine des données.
Description Identifie l’application source de l’enregistrement. Dans ce contexte, il s’agira principalement d’« Oracle Health » ou de « Cerner Millennium ». Cet attribut est utile dans les environnements où les données proviennent de plusieurs systèmes, comme d’autres dossiers médicaux électroniques ou des systèmes départementaux. Lorsque plusieurs sources sont intégrées, les analystes peuvent filtrer ou segmenter l’analyse du processus selon la provenance des données. Pourquoi est-ce important ? Assure la traçabilité et le suivi de la provenance des données, notamment dans les environnements de Process Mining faisant appel à plusieurs systèmes. Où trouver ces données Chaîne codée en dur ou métadonnées système Exemples Oracle HealthCerner Millennium
	Article prescrit OrderMnemonic	Nom de l’article prescrit, par exemple une analyse de laboratoire ou un médicament.
Description Décrit le contenu d’un événement de prescription, par exemple « Hémogramme complet » ou « Aspirine 81 mg ». Cet attribut apporte le contexte nécessaire aux activités « Analyse diagnostique prescrite » et « Médicament administré ». Il se trouve généralement dans le champ `ORDER_MNEMONIC` de la table `ORDERS`. Il représente l’élément qui circule dans le processus. Pourquoi est-ce important ? Nécessaire à l’analyse détaillée des parcours diagnostiques et thérapeutiques. Où trouver ces données Table : ORDERS, colonne : ORDER_MNEMONIC Exemples Radiographie thoraciqueBilan métabolique de baseAcétaminophèneIRM cérébrale
	Diagnostic principal DiagnosisCode	Code CIM-10 ou SNOMED correspondant au motif principal de la prise en charge.
Description Code clinique normalisé, par exemple « J18.9 » pour une pneumonie, attribué à l’épisode. Il permet de regrouper les patients par pathologie et d’analyser les écarts aux protocoles de traitement pour certaines maladies. Il figure dans la table `DIAGNOSIS`, associée à la rencontre. Pourquoi est-ce important ? Permet de comparer les parcours de patients atteints d’une même pathologie sur une base équivalente. Où trouver ces données Table : DIAGNOSIS, colonne : DIAGNOSIS_CODE (via la nomenclature) Exemples I10E11.9J18.9
	ID du patient PersonId	Identifiant unique du patient pour l’ensemble de ses rencontres.
Description À la différence de l’ID de cas, l’ID du patient (ou ID de personne) reste le même pour toutes ses visites à l’hôpital. Cet attribut est essentiel pour analyser les taux de réadmission et comprendre l’historique du patient à long terme. Dans Cerner, il s’agit de `PERSON_ID` dans la table `PERSON`. Ce champ relie plusieurs enregistrements `ENCNTR_ID`. Pourquoi est-ce important ? Permet de calculer l’indicateur « Taux de réadmission des patients » en reliant les différents épisodes d’une même personne. Où trouver ces données Table : PERSON, colonne : PERSON_ID Exemples P10001P55992P99221
	Réadmission IsReadmission	Indique si cet épisode a eu lieu dans les 30 jours suivant une sortie précédente.
Description Indicateur booléen permettant de repérer les cas correspondant à une réadmission. Il est calculé en comparant la date d’admission de l’épisode actuel à la date de sortie de l’épisode précédent pour le même `PersonId`. Indispensable au Dashboard « Tendances des réadmissions des patients ». Pourquoi est-ce important ? Contribue directement à l’indicateur « Taux de réadmission des patients », un indicateur important de la qualité des soins. Où trouver ces données Calculé à l’aide d’une logique SQL comparant les enregistrements ENCOUNTER Exemples truefalse
	Service NurseUnit	Service, unité ou département où l’événement s’est produit.
Description Identifie le lieu physique ou l’unité organisationnelle responsable du patient au moment de l’événement, par exemple « soins intensifs », « chirurgie générale » ou « urgences ». Cet attribut permet d’analyser l’efficacité des transferts entre services dans le Dashboard correspondant, en suivant les déplacements entre unités. Dans Cerner, il s’agit souvent de `LOC_NURSE_UNIT_CD` dans la table des rencontres ou de suivi. Pourquoi est-ce important ? Essentiel pour repérer les goulots d’étranglement dans certains services et visualiser les déplacements des patients. Où trouver ces données Table : ENCOUNTER ou CLINICAL_EVENT, colonne : LOC_NURSE_UNIT_CD Exemples UrgencesService de cardiologieICURadiologie
	Statut de sortie DischargeDisposition	Destination ou statut du patient à sa sortie.
Description Indique où le patient s’est rendu à la fin de l’épisode, par exemple à son domicile, dans un établissement de soins infirmiers ou s’il est décédé. Cette information est essentielle à l’analyse de la préparation de la sortie et au repérage des issues défavorables. Elle figure dans le champ `DISCH_DISPOSITION_CD` de la table `ENCOUNTER`. Pourquoi est-ce important ? Indicateur clé du résultat, qui définit l’état final du parcours du patient. Où trouver ces données Table : ENCOUNTER, colonne : DISCH_DISPOSITION_CD (résolution via CODE_VALUE) Exemples Sortie à domicileTransfert en réadaptationDépart contre avis médicalDécès
	Type de cas EncounterType	Catégorie de la visite du patient, par exemple hospitalisation, consultation externe ou urgence.
Description Classe la nature de l’épisode de soins du patient. Il s’agit d’une dimension essentielle pour segmenter les données, car le déroulement d’une visite aux urgences diffère sensiblement de celui d’une hospitalisation programmée. Cette information est dérivée de `ENCNTR_TYPE_CD` dans la table `ENCOUNTER`, qui renvoie à une valeur d’un jeu de codes, par exemple « Hospitalisation » ou « Urgences ». Pourquoi est-ce important ? Permet de comparer les parcours et le volume d’activité entre différents contextes de soins. Où trouver ces données Table : ENCOUNTER, colonne : ENCNTR_TYPE_CD (résolution via CODE_VALUE) Exemples HospitalisationUrgencesConsultation externeChirurgie ambulatoire
	Utilisateur PerformingPrsnlId	Identifiant ou nom du professionnel de santé ayant réalisé l’activité.
Description Indique qui a effectué l’étape du processus, par exemple l’infirmier ou l’infirmière qui a administré un médicament ou le médecin qui a signé l’ordre de sortie. Cette information permet d’analyser l’utilisation des ressources. Dans Cerner, il s’agit souvent de `PERFORMED_PRSNL_ID` ou de `UPDT_ID`, selon la table concernée (prescriptions ou événements cliniques). L’association de ces données à un attribut générique « Utilisateur » facilite l’analyse de la séparation des tâches. Pourquoi est-ce important ? Contribue à l’analyse des ressources et permet de repérer d’éventuels besoins de formation ou des déséquilibres de charge de travail. Où trouver ces données Table : CLINICAL_EVENT, colonne : PERFORMED_PRSNL_ID Exemples Dr SmithInfirmier JonesAdministrateur système
	Mode d’admission AdmissionSource	Origine de l’admission du patient.
Description Décrit comment le patient est arrivé dans le système hospitalier, par exemple sur recommandation d’un médecin, par les urgences ou après un transfert depuis un autre hôpital. Cette information permet d’analyser le point d’entrée dans le parcours hospitalier. Elle correspond à `ADMIT_SRC_CD` dans la table `ENCOUNTER`. Pourquoi est-ce important ? Permet de contextualiser le temps d’attente avant l’évaluation initiale selon le point d’entrée. Où trouver ces données Table : ENCOUNTER, colonne : ADMIT_SRC_CD Exemples UrgencesRecommandation d’un médecinTransfert depuis un hôpital
	Numéro de prescription OrderId	Identifiant unique d’une prescription donnée, par exemple une analyse de laboratoire, un médicament ou une consultation.
Description Identifiant de prescription généré par le système. Sans être l’ID de cas, il constitue une clé secondaire essentielle. Il relie l’événement « Analyse diagnostique prescrite » à l’événement « Résultat diagnostique vérifié ». Sans cet identifiant, il est difficile de calculer le délai exact pour un examen donné lorsque plusieurs prescriptions sont en cours pour un même patient. Pourquoi est-ce important ? Indispensable pour relier avec précision les activités associées (prescription → résultat). Où trouver ces données Table : ORDERS, colonne : ORDER_ID Exemples 88291028829103
	Priorité de triage TriageAcuity	Niveau d’urgence attribué lors de l’évaluation de triage.
Description Valeur numérique ou catégorie indiquant la gravité de l’état du patient, par exemple de 1, urgence immédiate, à 5, non urgent. Cet attribut est essentiel pour segmenter l’analyse des temps d’attente : les patients prioritaires devraient attendre moins longtemps. Il est généralement consigné dans des formulaires cliniques ou des codes d’observation spécifiques lors du triage. Pourquoi est-ce important ? Essentiel pour vérifier que le processus donne la priorité aux patients en fonction de leur urgence clinique. Où trouver ces données Consultez la documentation Oracle Health (Cerner) Exemples 12345
	Statut du médicament MedAdminStatus	Statut de la prescription du médicament, par exemple administré, refusé ou non administré.
Description Indique le résultat de l’administration d’un médicament. Pour le Dashboard « Conformité de l’administration des médicaments », il est essentiel de distinguer les médicaments effectivement administrés de ceux qui étaient prévus, mais qui ont été omis ou refusés. Cette information se trouve probablement dans la table `CLINICAL_EVENT` ou dans les tables du dossier d’administration des médicaments (MAR). Pourquoi est-ce important ? Permet de repérer les écarts par rapport aux protocoles de traitement. Où trouver ces données Consultez la documentation Oracle Health (Cerner) Exemples AdministréRefuséSuspendu
	Statut du résultat ResultStatus	Statut d’un résultat diagnostique, par exemple validé, corrigé ou préliminaire.
Description Indique l’étape du cycle de vie d’un résultat diagnostique. Cette information sert à l’analyse du délai de transmission des résultats diagnostiques afin de déterminer à quel moment un résultat est officiellement disponible pour la prise de décision clinique. Elle figure généralement dans `CLINICAL_EVENT`, sous la forme de codes de statut spécifiques. Pourquoi est-ce important ? Distingue les résultats préliminaires des résultats définitifs, ce qui détermine à quel moment les activités suivantes peuvent commencer. Où trouver ces données Table : CLINICAL_EVENT, colonne : RESULT_STATUS_CD Exemples ValidéErreurModifié
	Type de couverture financière FinancialClass	Couverture d’assurance principale ou catégorie financière du patient.
Description Classe les patients selon leur organisme payeur, par exemple Medicare, assurance privée ou paiement personnel. Cet attribut permet d’analyser les variations du déroulement des processus ou de la durée des séjours selon le type d’assurance. Il est dérivé de `FINANCIAL_CLASS_CD` dans la table `ENCOUNTER`. Pourquoi est-ce important ? Aide à repérer les disparités dans la prise en charge ou le traitement administratif selon le type d’organisme payeur. Où trouver ces données Table : ENCOUNTER, colonne : FINANCIAL_CLASS_CD (résolution via CODE_VALUE) Exemples MedicareBlue CrossPaiement personnelMedicaid

Obligatoire Recommandé Facultatif

Activités du parcours du patient

Voici les principales étapes et les jalons à consigner dans votre journal d’événements pour reconstituer le processus et repérer les goulots d’étranglement.

8 Recommandé 6 Facultatif

	Activité	Description
	Diagnostic consigné	Cet événement se produit lorsqu’un diagnostic officiel est ajouté au dossier de consultation du patient. Il se distingue du résultat d’un examen et correspond à la confirmation de l’affection par le clinicien.
Pourquoi est-ce important ? Essentiel au jalon « Diagnostic confirmé » et à l’analyse du délai avant le diagnostic définitif. Où trouver ces données Table DIAGNOSIS, à partir de DIAGNOSIS_DT_TM associé à ENCOUNTER_ID. Données à recueillir Enregistré lorsque le diagnostic est ajouté ou mis à jour dans PowerChart Type d’événement explicit
	Évaluation de triage terminée	Indique que l’évaluation infirmière initiale ou le formulaire de triage est terminé, dans le cadre d’une prise en charge aux urgences ou d’une admission. Il s’agit généralement d’un formulaire ou d’un événement clinique précis consigné dans le système.
Pourquoi est-ce important ? Essentiel au calcul du KPI « Temps d’attente avant l’évaluation initiale » et au repérage des goulots d’étranglement à l’accueil. Où trouver ces données Table CLINICAL_EVENT, filtrée selon les codes d’événement associés aux formulaires de triage ou d’évaluation initiale. Données à recueillir Enregistré à la signature ou à la validation du document ou formulaire clinique Type d’événement explicit
	Examen diagnostique prescrit	Cet événement se produit lorsqu’un clinicien prescrit une analyse de laboratoire ou un examen d’imagerie. Cet horodatage marque le début du calcul du délai de réalisation de l’examen diagnostique.
Pourquoi est-ce important ? Point de départ du KPI « Délai de transmission des résultats diagnostiques » ; aide à distinguer les retards de prescription des retards d’exécution. Où trouver ces données Table ORDERS, à partir de ORIG_ORDER_DT_TM lorsque le type de catalogue est Laboratory ou Radiology. Données à recueillir Enregistré lorsque le statut de la prescription passe à ORDERED Type d’événement explicit
	Ordre de sortie signé	Événement correspondant à la saisie par le médecin de l’ordre de sortie du patient. Il marque le début du délai de préparation de la sortie.
Pourquoi est-ce important ? Point de départ du « Temps de cycle de préparation de la sortie ». Un écart entre ce moment et la sortie effective révèle des retards opérationnels. Où trouver ces données Table ORDERS, où le type de catalogue indique une sortie. Données à recueillir Enregistré lorsque le statut de l’ordre de sortie est ORDERED Type d’événement explicit
	Patient enregistré	Marque le début de l’épisode de soins, lorsque le patient arrive et que son dossier est créé dans le système. Dans Cerner Millennium, cet événement est enregistré à la création du dossier de consultation ou à la saisie de l’horodatage d’enregistrement.
Pourquoi est-ce important ? Détermine l’heure de début utilisée pour calculer la durée du séjour (LOS) et analyser le temps d’attente initial. Où trouver ces données Table ENCOUNTER, en particulier la colonne REG_DT_TM (date et heure d’enregistrement). Données à recueillir Enregistré lors de la création d’une nouvelle ligne ENCOUNTER par une transaction Type d’événement explicit
	Patient sorti	Dernier événement administratif qui clôt le séjour du patient. Cet horodatage sert à calculer la durée totale du séjour.
Pourquoi est-ce important ? Événement de fin principal du processus. Indispensable au calcul de la durée du séjour et des réadmissions. Où trouver ces données Table ENCOUNTER, plus précisément le champ DISCH_DT_TM (date et heure de sortie). Données à recueillir Enregistré lorsque le statut de la rencontre passe à DISCHARGED Type d’événement explicit
	Résultat diagnostique vérifié	Moment où le résultat d’une analyse de laboratoire ou d’un examen d’imagerie est finalisé et mis à la disposition du clinicien. Cet événement marque la fin du délai de réalisation de l’examen diagnostique.
Pourquoi est-ce important ? Achève le cycle du KPI « Délai de transmission des résultats diagnostiques » et déclenche les décisions thérapeutiques suivantes. Où trouver ces données Table CLINICAL_EVENT pour les analyses de laboratoire, ou changement du statut de la prescription dans ORDERS à COMPLETED. Données à recueillir Enregistré lorsque le statut du résultat passe à AUTH (Authenticated) Type d’événement explicit
	Transfert vers un autre service effectué	Indique que le patient a été déplacé d’un lieu à un autre, par exemple des urgences vers les soins intensifs. Le déplacement est suivi dans l’historique des lieux de prise en charge.
Pourquoi est-ce important ? Permet d’analyser l’efficacité des transferts entre services et de visualiser le parcours des patients dans l’hôpital. Où trouver ces données Table ENCNTR_LOC_HIST (historique des lieux de prise en charge), qui consigne les changements de LOC_NURSE_UNIT_CD. Données à recueillir Comparer le champ de statut avant et après Type d’événement inferred
	Consultation terminée	Marque la fin d’une consultation spécialisée, généralement attestée par une note ou un document de consultation signé.
Pourquoi est-ce important ? Indique à quel moment l’avis du spécialiste a été reçu, une étape qui peut constituer un goulot d’étranglement dans les parcours de soins complexes. Où trouver ces données Table CLINICAL_EVENT, filtrée selon les types de documents classés comme consultations. Données à recueillir Enregistré à la signature de la note de consultation Type d’événement explicit
	Intervention programmée	Indique qu’une intervention chirurgicale ou une procédure importante a été programmée à une date et une heure précises. Cet événement aide à analyser l’affectation des ressources et le temps d’attente avant l’intervention.
Pourquoi est-ce important ? Met en évidence l’efficacité de la programmation et les goulots d’étranglement éventuels dans l’utilisation des blocs opératoires ou des salles d’intervention. Où trouver ces données Table SURGICAL_CASE ou table SCH_APPT associée au dossier de consultation. Données à recueillir Enregistré à la validation de la transaction de programmation Type d’événement explicit
	Intervention réalisée	Horodatage indiquant le moment où une intervention chirurgicale ou une procédure importante a effectivement eu lieu. Cette information est souvent consignée dans la documentation périopératoire.
Pourquoi est-ce important ? Jalon essentiel pour l’analyse des parcours cliniques et de l’utilisation des ressources. Où trouver ces données Table SURGICAL_CASE (heures de début et de fin de l’intervention) ou CLINICAL_EVENT pour les procédures réalisées au chevet du patient. Données à recueillir Enregistré dans SurgiNet ou dans la documentation de la procédure Type d’événement explicit
	Médicament administré	Consigne l’administration effective d’un médicament au patient, telle qu’elle est enregistrée dans le dossier d’administration des médicaments (MAR).
Pourquoi est-ce important ? Alimente le Dashboard « Conformité de l’administration des médicaments » en vérifiant si les médicaments ont été administrés à l’heure prévue. Où trouver ces données Table CLINICAL_EVENT, filtrée selon les événements d’administration des médicaments (Task Status = Complete). Données à recueillir Enregistré lors du scan du code-barres ou de la saisie manuelle dans le MAR Type d’événement explicit
	Plan de soins activé	Indique le lancement d’un PowerPlan ou d’un parcours de soins dans Cerner. Cet événement signale qu’un protocole de traitement normalisé a été sélectionné.
Pourquoi est-ce important ? Essentiel à l’« Analyse des écarts par rapport au protocole de traitement », qui compare les soins réellement dispensés au parcours prévu. Où trouver ces données ACT_PW_CAT (Action Pathway Catalog) ou DCP_FORMS_REF, qui associe le parcours au dossier de consultation. Données à recueillir Enregistré au lancement du PowerPlan Type d’événement explicit
	Rendez-vous de suivi planifié	Se produit lorsqu’un rendez-vous ultérieur est pris pour le patient et associé au même épisode ou plan de soins.
Pourquoi est-ce important ? Alimente le Dashboard « Ponctualité de la planification des rendez-vous de suivi ». Mesure l’efficacité de la continuité des soins. Où trouver ces données Table SCH_APPT (Schedule Appointment), associée au PERSON_ID. Données à recueillir Enregistré lors de la création du rendez-vous dans le module de planification Type d’événement explicit

Recommandé Facultatif

Guides d’extraction

Comment extraire vos données d’Oracle Health (Cerner)

Étapes

Lancer Discern Visual Developer : ouvrez l’application Discern Visual Developer (DVDev) dans votre environnement d’accès Citrix ou Cerner local.
Créer un script : créez un fichier de script Command Language (CCL), par exemple extract_patient_journey.prg.
Définir les paramètres : au début du script, définissez les paramètres utilisateur start_date et end_date pour permettre une exécution dynamique sur des périodes précises.
Définir les constantes : définissez les constantes correspondant aux jeux de codes (par exemple, types de prise en charge, catalogues de prescriptions, codes d’événement) afin d’éviter d’inscrire en dur les identifiants numériques code_value, qui varient selon les domaines. Vous devrez peut-être rechercher les valeurs code_value ou display_key propres aux formulaires de triage, de sortie et de consultation de votre organisation.
Construire la requête : copiez la requête SQL ci-dessous dans le corps du script. Elle utilise UNION ALL pour réunir les données de plusieurs tables (ENCOUNTER, CLINICAL_EVENT, ORDERS, SURG_CASE_TBL, etc.) dans une structure unique de journal d’événements.
Compiler le script : utilisez la fonction de compilation (Ctrl+F7 ou le menu Build) pour vérifier la syntaxe. Assurez-vous de disposer d’un accès SELECT aux tables concernées.
Exécuter et exporter : exécutez le script (Go/F9). Dans la destination de sortie, sélectionnez « Spreadsheet » ou « Flat File ». Enregistrez le résultat au format CSV.
Transformer les données (facultatif) : si les dates sont renvoyées dans un format propre à Cerner (par exemple, dates juliennes ou horodatages non conformes à la norme ISO), convertissez-les au format YYYY-MM-DD HH:MM:SS dans Excel ou à l’aide d’un script avant l’importation.
Valider : effectuez une vérification ponctuelle à partir d’un identifiant de prise en charge (FIN) connu dans PowerChart afin de confirmer la concordance des horodatages avec l’extraction.
Importer dans ProcessMind : importez le fichier CSV dans ProcessMind et associez les colonnes EncounterId à l’ID de cas, ClinicalEventTag à l’activité et EventEndDateTime à l’horodatage.

Configuration

Période : il est recommandé d’exécuter l’extraction sur une période de 3 à 6 mois. Les périodes plus longues peuvent entraîner un dépassement du délai d’attente en raison du volume de la table CLINICAL_EVENT.
Jeux de codes (CDF) : la requête repose sur des filtres code_value. Remplacez les valeurs fictives telles que [REPLACE_WITH_TRIAGE_EVENT_CD] par les codes réels de votre domaine, disponibles dans la table CODE_VALUE.
Autorisations : l’utilisateur qui exécute le script doit disposer des droits d’accès d (Database) aux tables telles que ENCOUNTER, CLINICAL_EVENT, ORDERS, SURG_CASE_TBL, ENCNTR_LOC_HIST et SCH_APPOINTMENT.
Performances : la table CLINICAL_EVENT est très volumineuse. Vérifiez que le filtre de date sur EVENT_END_DT_TM est indexé et appliqué strictement.
Logique de réadmission : l’attribut IsReadmission est inclus à titre indicatif. Il est préférable de traiter les règles complexes de recherche dans les données antérieures dans l’application ProcessMind après le chargement, plutôt que dans la requête d’extraction.

Exemple de requête 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

Étapes

Configuration requise : vérifiez que Python et les bibliothèques nécessaires (pandas, requests) sont installés et que vous disposez d’identifiants OAuth2 valides (client_id, client_secret) pour le point de terminaison FHIR R4 d’Oracle Health (Cerner). Les autorisations doivent inclure les ressources Patient, Encounter, Observation, Condition, Procedure, MedicationAdministration, ServiceRequest et DiagnosticReport.
Gestion de l’authentification : mettez en place un mécanisme d’authentification qui récupère un jeton Bearer auprès du serveur d’autorisation. Les implémentations Cerner utilisent généralement SMART on FHIR ou le flux OAuth2 standard avec les identifiants du client. Le script fourni récupère le jeton.
Définir le périmètre et la période : déterminez la période d’extraction, par exemple à l’aide des paramètres last_updated_gt ou date. Il est recommandé de définir le périmètre des épisodes de soins en parcourant une période donnée dans la ressource Encounter.
Récupérer les prises en charge (épisodes de soins) : interrogez la ressource Encounter, qui sert d’identifiant central de cas. Dans cette ressource, extrayez period.start pour l’activité Patient enregistré, period.end pour Patient sorti et parcourez l’historique location pour repérer les Transferts entre services.
Extraire les prescriptions cliniques : interrogez les ressources ServiceRequest en filtrant par ID de prise en charge. Utilisez le filtre intent=order pour repérer les Prescriptions d’examens diagnostiques et les Procédures planifiées (si elles sont classées comme prescriptions chirurgicales). Associez authoredOn à l’horodatage de l’événement.
Extraire les diagnostics et les problèmes de santé : interrogez les ressources Condition liées à la prise en charge. Utilisez recordedDate ou onsetDateTime pour créer les événements Diagnostic consigné. Si possible, filtrez sur la catégorie encounter-diagnosis.
Extraire les procédures : interrogez les ressources Procedure. Utilisez performedDateTime pour générer les événements Procédure réalisée, afin de distinguer les interventions terminées de celles qui sont planifiées.
Extraire les médicaments : interrogez les ressources MedicationAdministration. Contrairement à MedicationRequest, cette ressource consigne la prise effective du médicament. Utilisez effectiveDateTime pour l’événement Médicament administré.
Extraire les analyses et les résultats : interrogez les ressources Observation ou DiagnosticReport. Utilisez issued ou effectiveDateTime pour les événements Résultat diagnostique vérifié. Recherchez le statut status=final. Utilisez également des codes Observation spécifiques, par exemple LOINC pour le niveau de gravité du triage, afin de repérer les Évaluations de triage terminées.
Extraire la documentation et les plans de soins : interrogez DocumentReference pour repérer les Consultations terminées (à l’aide des codes de type de document) et CarePlan pour les événements Plan de soins activé.
Repérer les activités de sortie : pour déterminer si une Prescription de sortie a été signée, il faut souvent vérifier dans ServiceRequest la présence de codes spécifiques aux prescriptions de sortie ou analyser Encounter.statusHistory afin de repérer le statut précédant la sortie définitive.
Transformer et exporter les données : aplatissez les réponses JSON pour obtenir un format tabulaire. Créez les colonnes requises (EncounterId, ClinicalEventTag, EventEndDateTime, etc.). Convertissez les horodatages au format ISO 8601, puis exportez le jeu de données final dans un fichier CSV prêt à être importé dans ProcessMind.

Configuration

URL de base FHIR : point de terminaison propre à votre instance Oracle Health/Cerner, par exemple https://fhir-myrecord.cerner.com/r4/....
Autorisations d’authentification : vérifiez que l’application dispose des autorisations system/Encounter.read, system/Observation.read, system/Patient.read, system/Procedure.read, system/Condition.read, etc.
Filtrage par date : utilisez date=ge[YYYY-MM-DD] sur la ressource Encounter pour récupérer les épisodes qui commencent à partir d’une date donnée. Évitez d’interroger l’historique complet.
Pagination : l’API renvoie les données sous forme de Bundles. Le script doit gérer les liens de pagination (relation : next) pour récupérer l’ensemble des données.
Exécution simultanée : pour les extractions volumineuses, vous pouvez répartir les requêtes par plages d’ID de prise en charge, tout en respectant les limites de débit de l’API.
Filtrage par code : configurez les codes LOINC ou SNOMED appropriés dans la section de correspondance du script afin de distinguer les observations de triage des observations générales.

Exemple de requête 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")

Prêt à commencer ?

Utilisez ce modèle pour préparer vos données et commencer à repérer les possibilités d’amélioration du parcours des patients. C’est le point de départ pour améliorer les résultats de prise en charge.

Retour au guide d’amélioration

Télécharger le modèle

Optimisez dès maintenant le parcours des patients pour améliorer rapidement les résultats

Repérez rapidement les goulots d’étranglement pour réduire de 30 % le temps de cycle du parcours des patients.

Démarrez l’essai gratuit

Aucune carte bancaire requise. Commencez en quelques minutes.

Votre modèle de données pour le parcours du patient

Votre modèle de données pour le parcours du patient

Attributs du parcours du patient

Activités du parcours du patient

Guides d’extraction

Extraction avec le langage de commande Cerner via Discern

Étapes

Configuration

Exemple de requête sql

Extraction Python via l’API FHIR R4 d’Oracle Health

Étapes

Configuration

Exemple de requête python

Prêt à commencer ?

Optimisez dès maintenant le parcours des patients pour améliorer rapidement les résultats

Votre modèle de données pour le parcours du patient

Votre modèle de données pour le parcours du patient

Attributs du parcours du patient

Activités du parcours du patient

Guides d’extraction

Extraction avec le langage de commande Cerner via Discern

Étapes

Configuration

Exemple de requête sql

Extraction Python via l’API FHIR R4 d’Oracle Health

Étapes

Configuration

Exemple de requête python

Prêt à commencer ?

Optimisez dès maintenant le parcours des patients pour améliorer rapidement les résultats

Prêt à commencer ?