Templat Data Perjalanan Pasien

Atribut ini berfungsi sebagai kunci kasus utama dalam analisis process mining. Atribut ini menghubungkan semua aktivitas dalam satu perjalanan perawatan dan membedakan satu rawat inap, kunjungan darurat, atau konsultasi rawat jalan dari yang lain, termasuk untuk pasien yang sama.

Dalam analisis, pengenal ini memungkinkan Anda menyusun kembali alur dari registrasi hingga pemulangan. Pengenal ini penting untuk menghitung metrik di tingkat kasus, seperti Total Lama Rawat, dan menemukan variasi proses yang unik.

Ini adalah ID Kasus utama yang diperlukan untuk mengelompokkan peristiwa ke dalam satu instans proses.

Biasanya ditemukan di tabel header kunjungan, pemeriksaan, atau penerimaan pasien pada EHR.

Atribut ini menjelaskan langkah-langkah dalam perjalanan pasien, mulai dari tugas administratif seperti pendaftaran hingga tindakan klinis seperti pemberian obat atau operasi. Perincian ini diperlukan untuk menampilkan peta proses.

Analis menggunakan kolom ini untuk menemukan hambatan, pengulangan, dan penyimpangan dari jalur klinis yang diharapkan. Nama aktivitas biasanya perlu diseragamkan antarbagian agar tampilan hasil process discovery mudah dibaca.

Atribut ini menentukan simpul dalam peta proses dan diperlukan untuk memahami apa yang terjadi.

Berasal dari log transaksi, jejak audit, atau tabel riwayat status pesanan.

Kolom metadata ini mencatat seberapa baru data yang digunakan dalam analisis. Dengan begitu, dasbor menampilkan kondisi layanan pasien terkini dan tim dapat menelusuri keterlambatan pada pipeline data.

Kolom ini tidak digunakan langsung untuk menampilkan alur proses, tetapi penting untuk tata kelola data dan memastikan model process mining menggunakan informasi terbaru.

Memastikan data tetap terbaru dan membantu penerapan strategi pemuatan data bertahap.

Dihasilkan oleh proses ETL atau tersedia pada stempel waktu perubahan data di sistem sumber.

Di lingkungan layanan kesehatan yang kompleks, data sering berasal dari berbagai sistem, seperti EHR utama, Laboratory Information Systems (LIS), dan Radiology Information Systems (RIS). Atribut ini menunjukkan asal setiap titik data.

Atribut ini berguna untuk validasi teknis dan memfilter peta proses berdasarkan interaksi dengan sistem tertentu. Atribut ini juga membantu menemukan masalah kualitas data yang mungkin hanya terjadi pada integrasi atau modul perangkat lunak tertentu.

Menunjukkan asal dan konteks data, terutama di rumah sakit yang menggunakan banyak sistem.

Diisi secara tetap saat ekstraksi atau dipetakan dari kolom metadata sistem.

Stempel waktu ini menunjukkan kapan aktivitas berlangsung, sehingga urutan kejadian dalam episode perawatan pasien dapat ditentukan. Gunakan waktu dengan presisi tinggi, hingga detik atau menit, agar alur kerja yang cepat di unit gawat darurat atau perawatan kritis tercatat dengan akurat.

Data ini menjadi dasar semua perhitungan waktu, termasuk waktu proses antar tahap, total waktu siklus, dan waktu tunggu. Stempel waktu yang akurat penting untuk menemukan keterlambatan pemberian obat atau keluarnya hasil pemeriksaan.

Diperlukan untuk mengurutkan kejadian berdasarkan waktu dan menghitung metrik durasi.

Tersedia di log transaksi, sering kali dengan nama tanggal pembuatan, waktu pelaksanaan, atau waktu kejadian.

Berbeda dari Episode ID, atribut ini tetap sama untuk pasien yang sama pada kunjungan berbeda. Atribut ini memungkinkan analisis lintas kasus, misalnya untuk menemukan pasien yang sering berkunjung atau menghitung tingkat rawat inap ulang dalam 30 hari.

Dengan mengelompokkan episode berdasarkan pengenal ini, analis dapat melihat riwayat pasien dalam jangka panjang dan menganalisis pola perawatan yang mencakup lebih dari satu kali rawat inap. Atribut ini penting untuk metrik kesehatan populasi dan analisis perawatan longitudinal.

Penting untuk menemukan pasien yang dirawat kembali dan menghubungkan beberapa kunjungan dengan satu orang.

Indeks utama pasien atau tabel demografi, misalnya MRN.

Atribut ini mencatat sumber daya tertentu, seperti dokter, perawat, atau teknisi, yang bertanggung jawab atas aktivitas. Data ini memungkinkan analisis pemanfaatan sumber daya, pembagian beban kerja, dan variasi praktik antarstaf.

Data ini sering digunakan untuk menemukan kebutuhan pelatihan atau menyoroti praktik yang baik dengan membandingkan hasil antarpenyedia layanan. Untuk pelaporan umum, data ini biasanya perlu dianonimkan atau di-hash demi menjaga privasi.

Memungkinkan analisis pemanfaatan sumber daya dan variasi kinerja antarstaf.

Log transaksi, kolom ID pengguna, atau tabel utama staf.

Atribut ini mengelompokkan jenis kunjungan, yang sangat memengaruhi alur proses yang diharapkan. Misalnya, alur ideal untuk kunjungan gawat darurat sangat berbeda dari konsultasi rawat jalan terjadwal.

Dengan mengelompokkan analisis berdasarkan kolom ini, Anda dapat membandingkan data secara adil dan membuat tolok ukur yang lebih akurat. KPI seperti lama rawat inap pun dapat dinilai sesuai konteksnya.

Penting untuk mengelompokkan data karena setiap jenis kunjungan memiliki alur proses yang berbeda.

Tabel utama kunjungan atau penerimaan pasien.

Atribut ini mencatat alasan klinis kunjungan menggunakan sistem kode standar seperti ICD-10 atau SNOMED. Data ini memungkinkan analisis jalur klinis untuk kondisi tertentu, seperti sepsis, stroke, atau gagal jantung.

Dengan memfilter berdasarkan atribut ini, analis dapat memeriksa kepatuhan terhadap protokol untuk kondisi tertentu dan menemukan variasi perawatan pada pasien dengan diagnosis yang sama.

Memungkinkan analisis jalur klinis dan pemeriksaan kepatuhan terhadap protokol medis.

Tabel diagnosis yang terhubung dengan kunjungan, biasanya bernama 'Admitting Diagnosis' atau 'Final Diagnosis'.

Atribut ini menunjukkan lokasi aktivitas dalam struktur rumah sakit, seperti Unit Gawat Darurat, ICU, atau bagian bedah. Atribut ini penting untuk menganalisis alur antarbagian dan serah terima pasien.

Analis dapat menggunakan kolom ini untuk melihat perpindahan pasien dan menemukan hambatan di titik pemindahan tertentu. Data ini juga mendukung perencanaan sumber daya dengan menunjukkan pembagian beban kerja di berbagai unit.

Penting untuk menganalisis alur pasien antarunit dan efisiensi pemindahan.

Kolom lokasi di log aktivitas atau tabel utama unit.

Stempel waktu mulai menunjukkan kapan tindakan dimulai, sedangkan stempel waktu selesai digunakan untuk menghitung waktu pengerjaan aktif atau waktu layanan pada suatu langkah. Waktu ini berbeda dari waktu tunggu antar langkah.

Atribut ini berguna untuk menganalisis efisiensi prosedur, operasi, atau konsultasi. Atribut ini membantu membedakan waktu pasien menunggu dokter dari waktu yang benar-benar digunakan dokter untuk menangani pasien.

Memungkinkan penghitungan waktu layanan aktif dan waktu tunggu secara terpisah.

Log transaksi untuk aktivitas yang memiliki durasi, seperti operasi atau pemindaian.

Atribut ini mengelompokkan ribuan jenis pesanan ke dalam kategori yang lebih mudah dikelola. Dengan begitu, Anda dapat menganalisis aktivitas diagnostik dan terapi secara umum dalam perjalanan pasien.

Analis menggunakan atribut ini untuk melihat perbandingan jumlah pemeriksaan dan tindakan, serta menemukan fase diagnostik yang padat dan mungkin memperpanjang lama rawat inap.

Membantu mengelompokkan aktivitas terperinci ke dalam fase yang bermakna, seperti diagnostik dan perawatan.

Tabel entri pesanan, biasanya kolom pencarian atau jenis yang terkait dengan ID pesanan.

Atribut ini memberikan rincian obat dalam aktivitas pemberian obat. Aktivitas umum 'Memberikan obat' menunjukkan tindakannya, sedangkan atribut ini mencatat obat yang diberikan, seperti 'Acetaminophen' atau 'Vancomycin'.

Atribut ini penting untuk menganalisis protokol perawatan tertentu, seperti waktu pemberian antibiotik kepada pasien sepsis atau efektivitas penanganan nyeri. Atribut ini juga memungkinkan penelusuran lebih terperinci atas keterlambatan pemberian obat.

Diperlukan untuk menganalisis protokol perawatan tertentu dan KPI ketepatan waktu pemberian obat.

Medication Administration Record (MAR) atau tabel pesanan farmasi.

Nilai numerik atau kategori ini menunjukkan tingkat urgensi kondisi pasien saat tiba, biasanya menggunakan skala seperti ESI (Emergency Severity Index). Data ini penting untuk menganalisis waktu tunggu dan penentuan prioritas.

Analisis alur proses berdasarkan tingkat kegawatan membantu memastikan pasien berisiko tinggi mendapat penanganan lebih cepat dan pasien dengan tingkat kegawatan lebih rendah tidak mengalami keterlambatan yang berlebihan.

Memberi konteks pada waktu tunggu. Pasien dengan tingkat kegawatan tinggi seharusnya mendapat penanganan awal lebih cepat.

Catatan penilaian triase atau papan pemantauan ED.

Atribut ini mencatat hasil episode perawatan, seperti 'Pulang ke rumah', 'Dipindahkan ke SNF', atau 'Pulang atas permintaan sendiri'. Data ini menjadi metrik hasil utama dalam perjalanan pasien.

Data ini digunakan untuk menganalisis efisiensi perencanaan pemulangan dan menghubungkan variasi proses dengan hasil tertentu. Misalnya, data ini membantu menemukan apakah jalur tertentu menyebabkan lebih banyak pasien dipindahkan ke fasilitas lain.

Menentukan hasil proses dan penting untuk menganalisis lama rawat inap.

Catatan ringkasan pemulangan atau pesan penerimaan/pemulangan/pemindahan (ADT).