> Perbaikan proses berkelanjutan > Perjalanan pasien > Oracle Health (Cerner) > Templat data

Templat data perjalanan pasien Anda

Oracle Health (Cerner)

Atribut perjalanan pasien(19) Aktivitas dalam perjalanan pasien(14) Panduan ekstraksi(2)

Templat data perjalanan pasien Anda

Templat ini merangkum data penting untuk menganalisis dan mengoptimalkan perjalanan pasien. Templat ini menjelaskan atribut yang perlu dikumpulkan, aktivitas utama yang perlu dilacak, serta cara mengekstrak data. Gunakan panduan ini untuk menyiapkan log peristiwa sebelum memulai process mining.

Atribut yang disarankan untuk dikumpulkan
Aktivitas utama yang perlu dilacak
Panduan ekstraksi

Baru mengenal log peristiwa? Pelajari cara membuat log peristiwa process mining.

Unduh template

Atribut perjalanan pasien

Berikut kolom data yang disarankan untuk log peristiwa agar Anda dapat menganalisis perjalanan pasien di sistem secara menyeluruh.

5 Wajib 8 Disarankan 6 Opsional

	Nama	Deskripsi
	Aktivitas ClinicalEventTag	Nama atau deskripsi peristiwa klinis maupun administratif yang dilakukan.
Deskripsi Atribut ini mencatat tindakan tertentu selama perawatan pasien, seperti “Obat diberikan”, “Tanda vital diukur”, atau “Pasien dipulangkan”. Atribut ini memberi nama yang mudah dipahami untuk setiap langkah proses. Di Cerner, nilainya sering diambil dari tabel `CLINICAL_EVENT`, khususnya dengan memetakan `EVENT_CD` (kode peristiwa) ke nilai tampilannya atau menggunakan `EVENT_TAG`. Penamaan yang konsisten penting agar peta proses mudah dibaca. Mengapa ini penting Menentukan langkah-langkah dalam peta proses agar alur kerja dapat divisualisasikan. Sumber data Tabel: CLINICAL_EVENT, Kolom: EVENT_TAG atau CODE_VALUE yang ditautkan ke EVENT_CD Contoh Penilaian triageHitung darah lengkap dengan diferensialPerintah pemulanganMemindahkan pasien
	Episode pasien EncounterId	Pengenal unik untuk kunjungan pasien atau episode perawatan tertentu.
Deskripsi Atribut ini berfungsi sebagai pengenal kasus utama dalam perjalanan pasien. Atribut ini mengelompokkan semua peristiwa klinis, perintah, dan tindakan administratif yang terjadi selama satu periode perawatan, misalnya rawat inap atau kunjungan ke unit gawat darurat. Dalam process mining, ID ini penting untuk menghubungkan aktivitas yang terpisah menjadi satu tampilan proses yang utuh. Secara teknis, atribut ini sesuai dengan `ENCNTR_ID` pada tabel `ENCOUNTER` di database Cerner Millennium. Ini adalah kunci utama yang digunakan untuk menghubungkan demografi pasien, perintah, dan peristiwa klinis. Mengapa ini penting Kunci utama ini diperlukan untuk merekonstruksi perjalanan pasien dari awal hingga akhir, mulai dari masuk sampai dipulangkan. Sumber data Tabel: ENCOUNTER, Kolom: ENCNTR_ID Contoh 123456789876543211223344
	Stempel waktu peristiwa EventEndDateTime	Tanggal dan waktu tepat saat aktivitas terjadi atau selesai.
Deskripsi Atribut ini mencatat waktu tepat terjadinya suatu peristiwa. Nilainya digunakan untuk mengurutkan aktivitas dan menghitung waktu siklus antar langkah proses. Di tabel `CLINICAL_EVENT`, nilai ini biasanya sesuai dengan `EVENT_END_DT_TM`. Ketepatannya penting untuk menghitung waktu tunggu, misalnya jeda antara “Pasien didaftarkan” dan “Penilaian triage”. Mengapa ini penting Penting untuk menentukan urutan peristiwa dan menghitung KPI kinerja, seperti waktu penyelesaian. Sumber data Tabel: CLINICAL_EVENT, Kolom: EVENT_END_DT_TM Contoh 2023-10-15T08:30:00Z2023-10-15T09:15:45Z2023-10-16T14:20:00Z
	Pembaruan data terakhir LastDataUpdate	Stempel waktu saat catatan diekstrak atau terakhir diubah di gudang data.
Deskripsi Menunjukkan seberapa baru data yang digunakan dalam analisis. Stempel waktu ini membantu pengguna mengetahui apakah data yang dilihat berasal dari waktu nyata atau dari pemuatan sebelumnya. Nilai ini biasanya dibuat selama proses ETL (Extract, Transform, Load), bukan sebagai atribut klinis. Mengapa ini penting Penting untuk tata kelola data dan memastikan analisis menggunakan informasi terbaru. Sumber data Stempel waktu sistem ETL Contoh 2023-11-01T00:00:00Z2023-11-02T12:00:00Z
	Sistem sumber SourceSystem	Nama sistem asal data.
Deskripsi Menunjukkan aplikasi sumber untuk suatu catatan data. Dalam konteks ini, sumbernya biasanya “Oracle Health” atau “Cerner Millennium”. Atribut ini berguna di lingkungan dengan banyak sistem, saat data digabungkan dengan EMR atau sistem departemen lain. Jika data berasal dari beberapa sumber, analis dapat menggunakannya untuk memfilter atau mengelompokkan analisis proses berdasarkan asal data. Mengapa ini penting Memastikan asal-usul dan keterlacakan data, terutama dalam penerapan process mining yang menggunakan banyak sistem. Sumber data String hardcode atau metadata sistem Contoh Oracle HealthCerner Millennium
	Departemen NurseUnit	Bangsal, unit, atau departemen tempat peristiwa terjadi.
Deskripsi Menunjukkan lokasi fisik atau unit organisasi yang bertanggung jawab atas pasien saat peristiwa terjadi, misalnya “ICU”, “Bedah umum”, atau “Unit gawat darurat”. Atribut ini membantu analisis dasbor “Efisiensi pemindahan antarbangsal” dengan melacak perpindahan antarunit. Di Cerner, nilainya sering berupa `LOC_NURSE_UNIT_CD` pada tabel encounter atau pelacakan. Mengapa ini penting Penting untuk menganalisis hambatan di departemen tertentu dan memvisualisasikan perpindahan pasien antar lokasi. Sumber data Tabel: ENCOUNTER atau CLINICAL_EVENT, Kolom: LOC_NURSE_UNIT_CD Contoh Unit gawat daruratBangsal kardiologiICURadiologi
	Diagnosis utama DiagnosisCode	Kode ICD-10 atau SNOMED yang mewakili alasan utama pasien menerima perawatan.
Deskripsi Kode klinis standar, misalnya “J18.9” untuk pneumonia, yang ditetapkan pada episode. Kode ini memungkinkan pasien dikelompokkan berdasarkan kondisi untuk menganalisis “Penyimpangan protokol perawatan” pada penyakit tertentu. Nilainya terdapat di tabel `DIAGNOSIS` yang ditautkan ke encounter. Mengapa ini penting Memungkinkan perbandingan yang setara antara jalur perawatan pasien dengan kondisi tertentu. Sumber data Tabel: DIAGNOSIS, Kolom: DIAGNOSIS_CODE (melalui nomenklatur) Contoh I10E11.9J18.9
	ID pasien PersonId	Pengenal unik pasien untuk berbagai encounter.
Deskripsi Berbeda dari ID kasus, ID pasien (atau ID orang) tetap sama untuk pasien yang sama di semua kunjungan ke rumah sakit. Atribut ini penting untuk menganalisis tingkat rawat inap ulang dan memahami riwayat pasien dalam jangka panjang. Di Cerner, nilainya adalah `PERSON_ID` dari tabel `PERSON`. Nilai ini menghubungkan beberapa catatan `ENCNTR_ID`. Mengapa ini penting Mendukung KPI “Tingkat rawat inap ulang pasien” dengan menghubungkan episode yang berbeda ke orang yang sama. Sumber data Tabel: PERSON, Kolom: PERSON_ID Contoh P10001P55992P99221
	Item perintah OrderMnemonic	Nama item yang dipesan, seperti pemeriksaan laboratorium atau obat.
Deskripsi Menjelaskan isi peristiwa pemesanan, misalnya “Hitung darah lengkap” atau “Aspirin 81 mg”. Atribut ini memberi konteks yang diperlukan untuk aktivitas “Pemeriksaan diagnostik dipesan” dan “Obat diberikan”. Nilainya biasanya terdapat di kolom `ORDER_MNEMONIC` pada tabel `ORDERS`. Atribut ini mewakili “produk” yang bergerak dalam proses. Mengapa ini penting Diperlukan untuk menganalisis jalur diagnostik dan perawatan secara terperinci. Sumber data Tabel: ORDERS, Kolom: ORDER_MNEMONIC Contoh Rontgen dadaPanel metabolik dasarAsetaminofenMRI otak
	Jenis kasus EncounterType	Pengelompokan jenis kunjungan pasien, seperti rawat inap, rawat jalan, atau gawat darurat.
Deskripsi Mengelompokkan jenis episode pasien. Ini merupakan dimensi utama untuk memilah data, karena alur proses kunjungan “Gawat darurat” sangat berbeda dari kunjungan “Rawat inap elektif”. Nilainya berasal dari `ENCNTR_TYPE_CD` di tabel `ENCOUNTER`, yang merujuk ke nilai dalam kumpulan kode, misalnya “Rawat inap” atau “Gawat darurat”. Mengapa ini penting Memungkinkan perbandingan jalur perawatan dan kapasitas layanan di berbagai jenis layanan. Sumber data Tabel: ENCOUNTER, Kolom: ENCNTR_TYPE_CD (cari nilainya melalui CODE_VALUE) Contoh Rawat inapGawat daruratRawat jalanOperasi sehari
	Pengguna PerformingPrsnlId	ID atau nama tenaga klinis yang melakukan aktivitas.
Deskripsi Mencatat siapa yang menjalankan langkah proses, misalnya perawat yang memberikan obat atau dokter yang menandatangani dokumen pemulangan. Data ini dapat digunakan untuk menganalisis pemanfaatan sumber daya. Di Cerner, informasi ini biasanya tersedia di `PERFORMED_PRSNL_ID` atau `UPDT_ID`, bergantung pada tabelnya (Orders atau Clinical Events). Petakan kolom ini ke atribut umum 'User' untuk memudahkan analisis pemisahan tugas. Mengapa ini penting Mendukung analisis sumber daya dan membantu mengidentifikasi kebutuhan pelatihan atau ketimpangan beban kerja. Sumber data Tabel: CLINICAL_EVENT, Kolom: PERFORMED_PRSNL_ID Contoh Dr. SmithPerawat JonesAdministrator sistem
	Rawat inap ulang IsReadmission	Penanda yang menunjukkan apakah episode ini terjadi dalam 30 hari setelah pemulangan sebelumnya.
Deskripsi Penanda boolean untuk mengidentifikasi kasus rawat inap ulang. Nilainya dihitung dengan membandingkan tanggal masuk episode saat ini dengan tanggal pemulangan episode sebelumnya untuk `PersonId` yang sama. Penting untuk dasbor “Tren rawat inap ulang pasien”. Mengapa ini penting Mendukung langsung KPI “Tingkat rawat inap ulang pasien”, salah satu metrik utama mutu perawatan. Sumber data Dihitung dengan logika SQL yang membandingkan catatan ENCOUNTER Contoh truefalse
	Status pemulangan DischargeDisposition	Tujuan atau status pasien setelah dipulangkan.
Deskripsi Menunjukkan tujuan pasien setelah episode berakhir, misalnya “Pulang ke rumah”, “Fasilitas perawatan terampil”, atau “Meninggal”. Atribut ini penting untuk analisis “Perencanaan pemulangan” dan mengidentifikasi hasil yang tidak diharapkan. Nilainya terdapat di kolom `DISCH_DISPOSITION_CD` pada tabel `ENCOUNTER`. Mengapa ini penting Metrik hasil utama yang menentukan “status akhir” perjalanan pasien. Sumber data Tabel: ENCOUNTER, Kolom: DISCH_DISPOSITION_CD (cari nilainya melalui CODE_VALUE) Contoh Dipulangkan ke rumahDipindahkan ke rehabilitasiPulang atas permintaan sendiriMeninggal
	Jalur masuk AdmissionSource	Asal pasien saat masuk.
Deskripsi Menjelaskan cara pasien masuk ke sistem rumah sakit, misalnya “Rujukan dokter”, “Unit gawat darurat”, atau “Pindahan dari rumah sakit lain”. Atribut ini membantu menganalisis jalur awal pasien masuk ke rumah sakit. Nilainya dipetakan ke `ADMIT_SRC_CD` di tabel `ENCOUNTER`. Mengapa ini penting Memberi konteks pada “Waktu tunggu penilaian awal” berdasarkan jalur masuk pasien. Sumber data Tabel: ENCOUNTER, Kolom: ADMIT_SRC_CD Contoh Unit gawat daruratRujukan dokterPindahan dari rumah sakit
	Jenis penjamin FinancialClass	Cakupan asuransi utama atau klasifikasi keuangan pasien.
Deskripsi Mengelompokkan pasien berdasarkan sumber pembiayaan, misalnya Medicare, asuransi swasta, atau biaya sendiri. Atribut ini digunakan untuk menganalisis apakah alur proses atau lama rawat berbeda menurut jenis asuransi. Nilainya berasal dari `FINANCIAL_CLASS_CD` di tabel `ENCOUNTER`. Mengapa ini penting Membantu mengidentifikasi perbedaan dalam pemberian perawatan atau proses administratif berdasarkan jenis penjamin. Sumber data Tabel: ENCOUNTER, Kolom: FINANCIAL_CLASS_CD (cari nilainya melalui CODE_VALUE) Contoh MedicareBlue CrossBiaya sendiriMedicaid
	Nomor perintah OrderId	Pengenal unik untuk perintah tertentu, seperti pemeriksaan laboratorium, obat, atau konsultasi.
Deskripsi ID perintah yang dibuat oleh sistem. Meski bukan ID kasus, ID ini merupakan kunci sekunder yang penting. ID ini menghubungkan peristiwa “Pemeriksaan diagnostik dipesan” dengan peristiwa “Hasil diagnostik diverifikasi”. Tanpa ID ini, waktu penyelesaian yang tepat untuk pemeriksaan tertentu sulit dihitung jika pasien memiliki beberapa perintah yang berlangsung bersamaan. Mengapa ini penting Penting untuk menghubungkan aktivitas berpasangan (Perintah → Hasil) secara akurat. Sumber data Tabel: ORDERS, Kolom: ORDER_ID Contoh 88291028829103
	Prioritas triage TriageAcuity	Tingkat urgensi yang ditetapkan saat penilaian triage.
Deskripsi Nilai angka atau kategori yang menunjukkan tingkat keparahan kondisi pasien, misalnya 1 untuk segera ditangani hingga 5 untuk tidak mendesak. Atribut ini penting untuk mengelompokkan waktu tunggu, karena pasien dengan prioritas lebih tinggi seharusnya menunggu lebih singkat. Nilai ini biasanya dicatat dalam formulir klinis atau kode observasi tertentu selama triage. Mengapa ini penting Penting untuk memastikan proses memprioritaskan pasien sesuai tingkat urgensi klinis. Sumber data Lihat dokumentasi Oracle Health (Cerner) Contoh 12345
	Status hasil ResultStatus	Status hasil diagnostik, misalnya disahkan (terverifikasi), dikoreksi, atau sementara.
Deskripsi Menunjukkan tahap dalam siklus hasil pemeriksaan diagnostik. Atribut ini digunakan dalam analisis “Waktu penyampaian hasil diagnostik” untuk menentukan kapan hasil resmi tersedia bagi pengambilan keputusan klinis. Status ini biasanya terdapat di `CLINICAL_EVENT` dengan kode status tertentu. Mengapa ini penting Membedakan hasil sementara dari hasil akhir, yang menentukan kapan aktivitas berikutnya dapat dimulai. Sumber data Tabel: CLINICAL_EVENT, Kolom: RESULT_STATUS_CD Contoh Disahkan (terverifikasi)KesalahanDiubah
	Status obat MedAdminStatus	Status perintah obat, misalnya diberikan, ditolak, atau tidak diberikan.
Deskripsi Menunjukkan hasil tugas pemberian obat. Untuk dasbor “Kepatuhan pemberian obat”, penting untuk membedakan obat yang benar-benar diberikan dari obat yang dijadwalkan tetapi terlewat atau ditolak. Nilainya kemungkinan terdapat di tabel `CLINICAL_EVENT` atau tabel khusus Medication Administration Record (MAR). Mengapa ini penting Mengidentifikasi kesenjangan kepatuhan terhadap protokol perawatan. Sumber data Lihat dokumentasi Oracle Health (Cerner) Contoh DiberikanDitolakDitahan

Wajib Disarankan Opsional

Aktivitas dalam perjalanan pasien

Catat langkah dan tonggak proses utama ini dalam log peristiwa untuk menemukan proses dan mengidentifikasi hambatan secara akurat.

8 Disarankan 6 Opsional

	Aktivitas	Deskripsi
	Diagnosis dicatat	Terjadi saat diagnosis resmi ditambahkan ke rekam kunjungan pasien. Ini berbeda dari hasil pemeriksaan dan menandakan bahwa klinisi telah memastikan kondisi pasien.
Mengapa ini penting Penting untuk pencapaian 'Diagnosis Dikonfirmasi' dan analisis waktu hingga diagnosis pasti. Sumber data Tabel DIAGNOSIS, menggunakan DIAGNOSIS_DT_TM yang terhubung dengan ENCOUNTER_ID. Pengumpulan data Dicatat saat diagnosis ditambahkan atau diperbarui di PowerChart Jenis peristiwa explicit
	Hasil diagnostik diverifikasi	Waktu saat hasil laboratorium atau pencitraan disahkan dan tersedia bagi klinisi. Ini menandai akhir interval waktu penyelesaian pemeriksaan diagnostik.
Mengapa ini penting Mengakhiri siklus 'Waktu Penyampaian Hasil Diagnostik' dan memicu keputusan perawatan berikutnya. Sumber data Tabel CLINICAL_EVENT (untuk laboratorium) atau perubahan status ORDERS menjadi COMPLETED. Pengumpulan data Dicatat saat status hasil berubah menjadi AUTH (Authenticated) Jenis peristiwa explicit
	Instruksi pasien pulang ditandatangani	Peristiwa saat dokter membuat perintah untuk memulangkan pasien. Ini memulai penghitungan waktu perencanaan pemulangan.
Mengapa ini penting Titik awal untuk “Waktu siklus perencanaan pemulangan”. Jeda antara waktu ini dan pemulangan sebenarnya menunjukkan adanya keterlambatan operasional. Sumber data Tabel ORDERS, dengan jenis katalog yang menunjukkan Discharge. Pengumpulan data Dicatat saat status perintah pemulangan adalah ORDERED Jenis peristiwa explicit
	Pasien dipindahkan ke departemen lain	Menandakan pasien berpindah secara fisik dari satu lokasi, misalnya IGD, ke lokasi lain, misalnya ICU. Perpindahan ini dilacak melalui riwayat lokasi.
Mengapa ini penting Mendukung analisis 'Efisiensi Pemindahan Antarbangsal' dan membantu memvisualisasikan alur pasien di rumah sakit. Sumber data Tabel ENCNTR_LOC_HIST (Encounter Location History), yang mencatat perubahan pada LOC_NURSE_UNIT_CD. Pengumpulan data Bandingkan kolom status sebelum dan sesudah Jenis peristiwa inferred
	Pasien dipulangkan	Peristiwa administratif terakhir yang menutup masa perawatan pasien. Stempel waktu ini digunakan untuk menghitung total lama rawat.
Mengapa ini penting Peristiwa akhir utama dalam proses. Penting untuk menghitung lama rawat dan rawat inap ulang. Sumber data Tabel ENCOUNTER, khususnya DISCH_DT_TM (tanggal/waktu pemulangan). Pengumpulan data Dicatat saat status encounter berubah menjadi DISCHARGED Jenis peristiwa explicit
	Pasien terdaftar	Menandai awal episode pasien, saat pasien tiba dan datanya dimasukkan ke sistem. Di Cerner Millennium, aktivitas ini tercatat saat rekam kunjungan dibuat atau stempel waktu pendaftaran ditetapkan.
Mengapa ini penting Menetapkan waktu mulai untuk menghitung lama rawat (LOS) dan menganalisis waktu tunggu awal. Sumber data Tabel ENCOUNTER, khususnya kolom REG_DT_TM (Registration Date/Time). Pengumpulan data Dicatat saat transaksi membuat baris ENCOUNTER baru Jenis peristiwa explicit
	Pemeriksaan diagnostik dipesan	Terjadi saat klinisi memasukkan pesanan untuk pemeriksaan laboratorium atau pencitraan. Stempel waktu ini menjadi awal penghitungan waktu penyelesaian pemeriksaan diagnostik.
Mengapa ini penting Menjadi titik awal KPI 'Waktu Penyampaian Hasil Diagnostik' dan membantu menemukan keterlambatan antara pemesanan dan pelaksanaan. Sumber data Tabel ORDERS, menggunakan ORIG_ORDER_DT_TM saat jenis katalog adalah Laboratory atau Radiology. Pengumpulan data Dicatat saat status pesanan ditetapkan menjadi ORDERED Jenis peristiwa explicit
	Pemeriksaan triase selesai	Menandai selesainya pemeriksaan awal oleh perawat atau formulir triase dalam konteks gawat darurat atau rawat inap. Biasanya, aktivitas ini berupa formulir atau peristiwa klinis tertentu yang dicatat dalam sistem.
Mengapa ini penting Penting untuk menghitung KPI 'Waktu Tunggu Pemeriksaan Awal' dan menemukan hambatan di titik awal layanan. Sumber data Tabel CLINICAL_EVENT, difilter berdasarkan kode peristiwa yang terkait dengan formulir Triase atau Pemeriksaan Awal. Pengumpulan data Dicatat saat dokumen/formulir klinis ditandatangani atau diverifikasi Jenis peristiwa explicit
	Janji temu tindak lanjut dijadwalkan	Terjadi saat janji temu mendatang dibuat untuk pasien dan dikaitkan dengan episode atau rencana perawatan yang sama.
Mengapa ini penting Mendukung dasbor “Ketepatan waktu penjadwalan tindak lanjut”. Mengukur efisiensi kesinambungan perawatan. Sumber data Tabel SCH_APPT (Schedule Appointment), yang ditautkan ke PERSON_ID. Pengumpulan data Dicatat saat janji temu dibuat di modul penjadwalan Jenis peristiwa explicit
	Konsultasi selesai	Menandai selesainya konsultasi dengan dokter spesialis, biasanya dibuktikan dengan catatan atau dokumen konsultasi yang telah ditandatangani.
Mengapa ini penting Menunjukkan kapan masukan dari dokter spesialis diterima. Tahap ini dapat menjadi hambatan dalam jalur perawatan yang kompleks. Sumber data Tabel CLINICAL_EVENT, difilter untuk jenis dokumen yang diklasifikasikan sebagai Konsultasi. Pengumpulan data Dicatat saat catatan konsultasi ditandatangani Jenis peristiwa explicit
	Obat diberikan	Mencatat pemberian obat kepada pasien seperti yang tercatat dalam Medication Administration Record (MAR).
Mengapa ini penting Mendukung dashboard 'Kepatuhan Pemberian Obat' dengan memeriksa apakah obat diberikan tepat waktu. Sumber data Tabel CLINICAL_EVENT, difilter untuk peristiwa pemberian obat (Task Status = Complete). Pengumpulan data Dicatat saat kode batang dipindai atau data dimasukkan secara manual ke MAR Jenis peristiwa explicit
	Prosedur dijadwalkan	Menandakan bahwa tindakan bedah atau prosedur besar telah dijadwalkan pada waktu tertentu. Informasi ini membantu memahami alokasi sumber daya dan waktu tunggu sebelum prosedur.
Mengapa ini penting Menunjukkan efisiensi penjadwalan dan kemungkinan hambatan dalam penggunaan ruang operasi atau ruang prosedur. Sumber data Tabel SURGICAL_CASE atau tabel SCH_APPT yang terhubung dengan kunjungan. Pengumpulan data Dicatat saat transaksi penjadwalan dikonfirmasi Jenis peristiwa explicit
	Prosedur dilakukan	Stempel waktu yang menunjukkan kapan operasi atau prosedur besar benar-benar dilakukan. Biasanya, waktu ini dicatat dalam dokumentasi perioperatif.
Mengapa ini penting Tonggak penting untuk menganalisis jalur klinis dan penggunaan sumber daya. Sumber data Tabel SURGICAL_CASE (waktu mulai/selesai tindakan) atau CLINICAL_EVENT untuk prosedur di sisi tempat tidur. Pengumpulan data Dicatat melalui SurgiNet atau dokumentasi prosedur Jenis peristiwa explicit
	Rencana perawatan diaktifkan	Menandai dimulainya PowerPlan atau jalur perawatan di Cerner. Ini menunjukkan bahwa protokol perawatan standar telah dipilih.
Mengapa ini penting Penting untuk 'Analisis Penyimpangan Protokol Perawatan' yang membandingkan perawatan aktual dengan jalur yang direncanakan. Sumber data ACT_PW_CAT (Action Pathway Catalog) atau DCP_FORMS_REF, yang menghubungkan jalur perawatan dengan kunjungan. Pengumpulan data Dicatat saat PowerPlan dimulai Jenis peristiwa explicit

Disarankan Opsional

Panduan ekstraksi

Cara mengambil data dari Oracle Health (Cerner)

Langkah

Buka Discern Visual Developer: Jalankan aplikasi Discern Visual Developer (DVDev) melalui Citrix atau lingkungan akses Cerner lokal Anda.
Buat skrip baru: Buat file skrip Command Language (CCL) baru, misalnya extract_patient_journey.prg.
Tentukan prompt: Di bagian atas skrip, buat prompt pengguna untuk start_date dan end_date agar skrip dapat dijalankan untuk rentang waktu tertentu.
Siapkan konstanta: Tentukan konstanta untuk Code Set tertentu, seperti jenis pertemuan, katalog order, dan kode peristiwa. Dengan begitu, Anda tidak perlu menulis ID numerik code_value secara langsung, karena nilainya berbeda di setiap domain. Cari code_value atau display_key yang sesuai untuk formulir triase, pemulangan, dan konsultasi di organisasi Anda.
Susun kueri: Salin kueri SQL di bawah ini ke dalam isi skrip. Kueri ini menggunakan UNION ALL untuk menggabungkan data dari beberapa tabel (ENCOUNTER, CLINICAL_EVENT, ORDERS, SURG_CASE_TBL, dan lainnya) menjadi satu struktur log peristiwa.
Kompilasi skrip: Gunakan fungsi kompilasi (Ctrl+F7 atau menu Build) untuk memeriksa kesalahan sintaks. Pastikan Anda memiliki akses SELECT ke tabel yang dirujuk.
Jalankan dan ekspor: Jalankan skrip (Go/F9). Pada tujuan keluaran, pilih 'Spreadsheet' atau 'Flat File'. Simpan hasilnya sebagai file CSV.
Transformasi data (opsional): Jika tanggal dikembalikan dalam format khusus Cerner, seperti tanggal Julian atau stempel waktu non-ISO, gunakan Excel atau skrip untuk mengubahnya ke format YYYY-MM-DD HH:MM:SS sebelum diunggah.
Validasi: Periksa sampel dengan membandingkan ID pertemuan pasien (FIN) yang diketahui di PowerChart untuk memastikan stempel waktunya sesuai dengan hasil ekstraksi.
Unggah ke ProcessMind: Impor file CSV ke ProcessMind. Petakan kolom EncounterId sebagai ID kasus, ClinicalEventTag sebagai aktivitas, dan EventEndDateTime sebagai stempel waktu.

Konfigurasi

Rentang tanggal: Disarankan menjalankan ekstraksi untuk rentang 3-6 bulan. Rentang yang terlalu panjang dapat menyebabkan waktu habis karena ukuran tabel CLINICAL_EVENT.
Code Set (CDF): Kueri menggunakan filter code_value. Ganti placeholder seperti [REPLACE_WITH_TRIAGE_EVENT_CD] dengan kode yang berlaku di domain Anda. Kode tersebut dapat ditemukan di tabel CODE_VALUE.
Izin: Pengguna yang menjalankan skrip memerlukan hak akses d (Database) ke tabel seperti ENCOUNTER, CLINICAL_EVENT, ORDERS, SURG_CASE_TBL, ENCNTR_LOC_HIST, dan SCH_APPOINTMENT.
Kinerja: Tabel CLINICAL_EVENT berukuran sangat besar. Pastikan filter tanggal pada EVENT_END_DT_TM menggunakan indeks dan diterapkan secara ketat.
Logika rawat inap ulang: Atribut IsReadmission disertakan sebagai placeholder. Sebaiknya terapkan logika penelusuran riwayat yang kompleks di aplikasi ProcessMind setelah data dimuat, bukan di kueri ekstraksi.

Contoh kueri 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

Langkah

Siapkan prasyarat: Pastikan Python dan pustaka yang diperlukan (pandas, requests) sudah terpasang. Siapkan juga kredensial OAuth2 yang valid (client_id, client_secret) untuk endpoint FHIR R4 Oracle Health (Cerner). Pastikan cakupan akses diaktifkan untuk Patient, Encounter, Observation, Condition, Prosedur, MedicationAdministration, ServiceRequest, dan DiagnosticReport.
Atur autentikasi: Buat penangan autentikasi untuk mengambil token Bearer dari server otorisasi. Implementasi Cerner biasanya menggunakan SMART on FHIR atau alur kredensial klien OAuth2 standar. Skrip yang disediakan menangani pengambilan token.
Tentukan cakupan dan periode: Tentukan rentang ekstraksi, misalnya menggunakan parameter last_updated_gt atau date. Sebaiknya gunakan rentang tanggal pada sumber daya Encounter untuk menentukan cakupan Episode Pasien.
Ambil data Encounter (Episode Pasien): Buat kueri untuk sumber daya Encounter. Objek ini menjadi pusat identifikasi kasus. Dari sumber daya Encounter, ambil period.start untuk peristiwa Pasien terdaftar, period.end untuk Pasien dipulangkan, lalu telusuri riwayat location untuk Terjadi transfer departemen.
Ekstrak pesanan klinis: Buat kueri untuk sumber daya ServiceRequest yang difilter berdasarkan ID Encounter. Gunakan filter intent=order untuk mengambil Pesanan diagnostik dibuat dan Prosedur dijadwalkan jika dikategorikan sebagai pesanan bedah. Petakan authoredOn ke stempel waktu peristiwa.
Ekstrak diagnosis dan masalah kesehatan: Buat kueri untuk sumber daya Condition yang terhubung ke Encounter. Gunakan recordedDate atau onsetDateTime untuk membuat peristiwa Diagnosis didokumentasikan. Jika memungkinkan, filter berdasarkan kategori encounter-diagnosis.
Ekstrak prosedur: Buat kueri untuk sumber daya Prosedur. Gunakan performedDateTime untuk membuat peristiwa Prosedur dilakukan. Dengan begitu, operasi yang sudah selesai dapat dibedakan dari yang baru dijadwalkan.
Ekstrak data obat: Buat kueri untuk sumber daya MedicationAdministration. Sumber daya ini berbeda dari MedicationRequest karena mencatat obat yang benar-benar diberikan. Gunakan effectiveDateTime untuk peristiwa Obat diberikan.
Ekstrak hasil laboratorium dan pemeriksaan: Buat kueri untuk sumber daya Observation atau DiagnosticReport. Gunakan issued atau effectiveDateTime untuk peristiwa Hasil diagnostik diverifikasi. Cari status=final. Gunakan juga kode Observation tertentu, misalnya LOINC untuk tingkat kegawatan triase, untuk mengidentifikasi peristiwa Penilaian triase selesai.
Ekstrak dokumentasi dan rencana perawatan: Buat kueri untuk DocumentReference guna mengambil peristiwa Konsultasi selesai berdasarkan kode jenis dokumen, serta CarePlan untuk peristiwa Rencana perawatan diaktifkan.
Identifikasi aktivitas pemulangan: Untuk menemukan Perintah pemulangan ditandatangani, Anda mungkin perlu memeriksa kode perintah pemulangan tertentu di ServiceRequest atau mengurai Encounter.statusHistory untuk menemukan status sebelum status pemulangan akhir.
Transformasikan dan ekspor data: Ubah respons JSON menjadi format tabel. Buat kolom yang diperlukan (EncounterId, ClinicalEventTag, EventEndDateTime, dan lainnya). Ubah stempel waktu ke format ISO 8601, lalu ekspor dataset akhir ke file CSV yang siap diunggah ke ProcessMind.

Konfigurasi

URL dasar FHIR: Endpoint khusus untuk instans Oracle Health/Cerner Anda, misalnya https://fhir-myrecord.cerner.com/r4/....
Cakupan autentikasi: Pastikan aplikasi memiliki cakupan system/Encounter.read, system/Observation.read, system/Patient.read, system/Procedure.read, system/Condition.read, dan seterusnya.
Filter tanggal: Gunakan date=ge[YYYY-MM-DD] pada sumber daya Encounter untuk mengambil episode yang dimulai pada tanggal tertentu. Hindari kueri untuk seluruh riwayat.
Paginasi: API mengembalikan data dalam Bundles. Skrip harus menangani tautan paginasi (relation: next) untuk mengambil seluruh data.
Konkruensi: Untuk ekstraksi bervolume tinggi, pertimbangkan menjalankan permintaan secara paralel berdasarkan rentang ID Encounter, tetapi patuhi batas laju API (pembatasan laju).
Filter kode: Atur kode LOINC atau SNOMED tertentu di bagian pemetaan skrip agar triase dapat dibedakan secara akurat dari observasi umum.

Contoh kueri 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")

Siap memulai?

Gunakan templat ini untuk menyiapkan data dan menemukan wawasan penting tentang proses perjalanan pasien. Mulailah dari sini untuk meningkatkan hasil perawatan pasien.

Kembali ke panduan perbaikan

Unduh template

Optimalkan perjalanan pasien sekarang, tingkatkan hasil lebih cepat

Temukan hambatan lebih cepat untuk memangkas waktu siklus perjalanan pasien hingga 30%.

Mulai uji coba gratis

Tidak perlu kartu kredit. Mulai dalam hitungan menit.

Templat data perjalanan pasien Anda

Templat data perjalanan pasien Anda

Atribut perjalanan pasien

Aktivitas dalam perjalanan pasien

Panduan ekstraksi

Ekstraksi Cerner Command Language melalui Discern

Langkah

Konfigurasi

Contoh kueri sql

Ekstraksi Python melalui Oracle Health FHIR R4 API

Langkah

Konfigurasi

Contoh kueri python

Siap memulai?

Optimalkan perjalanan pasien sekarang, tingkatkan hasil lebih cepat