Templat data perjalanan pasien Anda
Templat data perjalanan pasien Anda
- Atribut yang disarankan untuk konteks klinis
- Tonggak utama proses yang perlu dilacak
- Panduan ekstraksi khusus untuk Epic EHR
Atribut perjalanan pasien
| Nama | Deskripsi | ||
|---|---|---|---|
| Episode pasien PatientEpisodeId | Pengenal unik untuk kunjungan atau episode perawatan pasien tertentu. | ||
| Deskripsi Episode pasien menjadi ID kasus utama untuk process mining. Episode ini mengelompokkan semua peristiwa klinis, administratif, dan logistik dalam satu periode perawatan berkelanjutan, seperti rawat inap atau kunjungan ke unit gawat darurat. Di Epic Clarity, ID ini biasanya sesuai dengan Contact Serial Number (CSN) atau Encounter ID. Analisis atribut ini membantu merekonstruksi perjalanan pasien dari awal hingga akhir. Anda dapat menghubungkan aktivitas triase, diagnosis, perawatan, dan pemulangan menjadi satu rangkaian proses. Mengapa ini penting Atribut ini menjadi kunci utama untuk menghubungkan berbagai peristiwa ke dalam satu kasus proses. Sumber data Tabel Epic Clarity: PAT_ENC, kolom: PAT_ENC_CSN_ID Contoh 200459112200459113200459114200459115 | |||
| Nama aktivitas ActivityName | Tindakan klinis atau administratif tertentu yang dilakukan. | ||
| Deskripsi Atribut ini mencatat nama peristiwa dalam perjalanan pasien, seperti 'Pasien terdaftar', 'Obat diberikan', atau 'Perintah pemulangan ditandatangani'. Nama aktivitas menjadi unsur utama dalam menentukan alur proses. Dalam analisis, kolom ini menjadi simpul pada peta proses. Data diambil dari berbagai kode transaksi dan status pesanan di EHR, lalu disusun menjadi log peristiwa yang mudah dipahami. Mengapa ini penting Atribut ini menentukan langkah-langkah proses dan membantu menampilkan alur kerja. Sumber data Diambil dari tabel CLARITY_ADT, ORDER_PROC, dan ORDER_MED. Contoh Triase selesaiTes diagnostik dipesanPasien dipulangkanObat diberikan | |||
| Waktu peristiwa EventTimestamp | Tanggal dan waktu tepat saat aktivitas berlangsung. | ||
| Deskripsi Atribut ini mencatat waktu tepat saat suatu peristiwa masuk ke sistem Epic. Data ini digunakan untuk mengurutkan aktivitas dan menghitung metrik durasi, seperti lama rawat dan waktu siklus. Data waktu yang akurat sangat penting untuk menemukan hambatan. Atribut ini mendukung dasbor Throughput Triase dan Waktu hingga Diagnosis Definitif dengan menyediakan penanda waktu mulai dan selesai. Mengapa ini penting Atribut ini digunakan untuk menghitung waktu siklus, waktu tunggu, dan urutan proses. Sumber data Berbagai kolom waktu, misalnya EFFECTIVE_TIME dan ORDER_TIME, bergantung pada tabel sumber. Contoh 2023-10-15T08:30:00Z2023-10-15T09:15:22Z2023-10-16T14:20:00Z | |||
| Pembaruan data terakhir LastDataUpdate | Waktu saat data diekstrak atau terakhir diperbarui. | ||
| Deskripsi Atribut ini menunjukkan kapan data terakhir diproses oleh pipeline ETL. Waktunya berbeda dari waktu peristiwa dan membantu memantau kebaruan data. Analis menggunakan informasi ini untuk memastikan apakah dasbor mencerminkan kondisi terkini atau apakah keterlambatan data memengaruhi akurasi KPI, seperti Waktu Tunggu Triase. Mengapa ini penting Atribut ini membantu menilai kebaruan dan keandalan data process mining. Sumber data Stempel waktu sistem ETL. Contoh 2023-10-27T23:59:59Z2023-10-28T06:00:00Z | |||
| Sistem sumber SourceSystem | Sistem pencatatan utama untuk data, biasanya Epic EHR. | ||
| Deskripsi Atribut ini menunjukkan asal data. Untuk tampilan ini, sumbernya terutama 'Epic EHR'. Atribut ini juga berguna jika data digabungkan dengan sistem lain, seperti LIS (Lab Information System) terpisah atau sistem penagihan. Dalam analisis, atribut ini membantu melacak asal data dan mencari penyebab masalah jika ada peristiwa yang hilang atau formatnya tidak sesuai dengan sumber. Mengapa ini penting Atribut ini membantu melacak asal data dan memberikan konteks. Sumber data Diisi langsung atau diambil dari konfigurasi string koneksi. Contoh Epic EHREpic ClarityEpic Caboodle | |||
| ID penyedia layanan ProviderId | ID pengguna atau tenaga medis yang melakukan aktivitas. | ||
| Deskripsi Atribut ini mencatat ID unik staf yang bertanggung jawab atas suatu peristiwa, seperti perawat yang memberikan obat atau dokter yang menandatangani perintah pemulangan. ID ini dipetakan ke atribut umum 'Pengguna' untuk menganalisis variasi sumber daya dan beban kerja. Untuk aktivitas otomatis, ID ini mungkin berupa ID pengguna sistem. Mengapa ini penting Atribut ini membantu menganalisis perbedaan kinerja dan beban kerja antarstaf. Sumber data Tabel Epic Clarity: CLARITY_EMP, kolom: USER_ID Contoh EMP10023DOC5592SYSTEM | |||
| Jenis kunjungan EncounterType | Klasifikasi kunjungan pasien, misalnya rawat inap atau kunjungan ke unit gawat darurat. | ||
| Deskripsi Atribut ini mengelompokkan jenis episode pasien. Nilai yang umum mencakup 'Darurat', 'Rawat inap', 'Rawat jalan', atau 'Virtual'. Kolom ini dipetakan ke 'CaseType' dan menjadi dasar untuk memfilter analisis. Contohnya, dasbor Perencanaan Pemulangan terutama relevan untuk kunjungan rawat inap, sedangkan triase khusus untuk kunjungan darurat. Mengapa ini penting Atribut ini memberikan gambaran umum tentang konteks suatu proses. Sumber data Tabel Epic Clarity: PAT_ENC, kolom: ENC_TYPE_C Contoh DaruratRawat jalan rumah sakitRawat inap | |||
| Kode diagnosis utama PrimaryDiagnosisCode | Kode ICD-10 atau kode internal yang mewakili diagnosis utama. | ||
| Deskripsi Atribut ini mencatat kondisi medis pasien yang telah dikonfirmasi. Biasanya, data diisi saat aktivitas 'Diagnosis dikonfirmasi'. Atribut ini digunakan untuk mengelompokkan kasus berdasarkan kondisi klinis dalam Tampilan Kepatuhan Protokol Klinis. Dengan memetakannya ke 'Produk', analis dapat melihat perbedaan proses pemberian perawatan berdasarkan kondisi medis. Mengapa ini penting Atribut ini mengelompokkan kasus berdasarkan kesamaan klinis untuk analisis protokol. Sumber data Tabel Epic Clarity: PAT_ENC_DX, kolom: DX_ID Contoh J18.9I21.9E11.9 | |||
| Nama departemen DepartmentName | Unit atau departemen rumah sakit tempat aktivitas berlangsung. | ||
| Deskripsi Atribut ini menunjukkan lokasi fungsional suatu peristiwa, seperti 'Unit Gawat Darurat', 'Radiologi', atau 'Bangsal Bedah Umum'. Data ini penting untuk Analisis Pemindahan Antarbangsal. Data ini digunakan untuk mengelompokkan peta proses berdasarkan departemen. Dengan begitu, manajer dapat membedakan hambatan di unit mereka dari masalah yang terjadi di seluruh rumah sakit. Mengapa ini penting Atribut ini memungkinkan penyaringan berdasarkan unit organisasi dan analisis serah terima. Sumber data Tabel Epic Clarity: CLARITY_DEP, kolom: DEPARTMENT_NAME Contoh Unit gawat daruratRadiologiICUPediatri | |||
| Nomor rekam medis pasien (MRN) PatientMrn | Nomor rekam medis yang digunakan untuk mengidentifikasi pasien. | ||
| Deskripsi MRN adalah pengenal unik pasien di seluruh sistem layanan kesehatan, berbeda dari ID episode. MRN memungkinkan riwayat pasien dilacak di berbagai kunjungan. Atribut ini digunakan untuk mendeteksi pasien yang dirawat kembali dan menghubungkan episode terpisah pada dasbor Risiko Rawat Inap Ulang. Dalam model umum, atribut ini dipetakan ke 'Pelanggan'. Mengapa ini penting Atribut ini penting untuk mengenali kunjungan berulang dan menganalisis riwayat pasien. Sumber data Tabel Epic Clarity: PATIENT, kolom: PAT_ID atau PAT_MRN_ID Contoh MRN-882910MRN-112003MRN-554211 | |||
| Penanda rawat inap ulang ReadmissionFlag | Menunjukkan apakah pasien kembali tanpa direncanakan dalam 30 hari. | ||
| Deskripsi Atribut boolean ini menunjukkan apakah episode tersebut diikuti oleh rawat inap lain yang tidak direncanakan untuk pasien yang sama dalam rentang 30 hari. Atribut ini menjadi dasar KPI Tingkat Rawat Inap Ulang Tak Terencana dalam 30 Hari. Dalam analisis, atribut ini menjadi variabel hasil utama. Jalur proses yang menghasilkan nilai 'True' dianalisis untuk menemukan akar masalah pada tahap perencanaan pemulangan. Mengapa ini penting Atribut ini membantu menemukan masalah dalam proses pemulangan dan mutu perawatan. Sumber data Dihitung dengan SQL dengan memeriksa kunjungan berikutnya untuk MRN yang sama. Contoh truefalse | |||
| Tingkat kegawatan triase TriageAcuityLevel | Skor tingkat keparahan yang diberikan kepada pasien saat triase. | ||
| Deskripsi Atribut ini menunjukkan tingkat kegawatan kondisi pasien, biasanya berdasarkan skala, misalnya tingkat ESI 1-5. Data ini dicatat saat aktivitas 'Triase selesai'. Atribut ini memungkinkan pengelompokan pada dasbor Intensitas Sumber Daya berdasarkan Skor Keparahan. Pasien dengan tingkat kegawatan tinggi mengikuti jalur proses yang berbeda dari pasien dengan tingkat kegawatan rendah. Atribut ini membantu membedakan variasi tersebut. Mengapa ini penting Atribut ini mengelompokkan proses berdasarkan tingkat kegawatan dan perkiraan penggunaan sumber daya. Sumber data Lihat dokumentasi Epic EHR untuk mengetahui kolom tingkat kegawatan di log ED. Contoh 1 - Resusitasi2 - Gawat darurat3 - Mendesak | |||
| Tujuan pemulangan DischargeDisposition | Tujuan pasien setelah dipulangkan, seperti rumah, SNF, atau meninggal. | ||
| Deskripsi Atribut ini mencatat tujuan pasien setelah meninggalkan rumah sakit. Data ini dicatat saat aktivitas 'Pasien dipulangkan'. Informasi ini penting untuk dasbor Risiko Rawat Inap Ulang karena pola rawat inap ulang pasien yang dipulangkan ke fasilitas perawatan terampil (SNF) berbeda dari pasien yang dipulangkan ke rumah. Mengapa ini penting Atribut ini memberikan konteks untuk hasil proses perawatan. Sumber data Tabel Epic Clarity: PAT_ENC, kolom: DISCH_DISP_C Contoh RumahFasilitas perawatan terampilPerawatan kesehatan di rumah | |||
| Waktu berakhirnya peristiwa EventEndTime | Waktu saat aktivitas selesai. | ||
| Deskripsi Banyak peristiwa berlangsung seketika, tetapi beberapa aktivitas, seperti 'Pemeriksaan diagnostik dilakukan' atau 'Konsultasi selesai', memiliki durasi. Atribut ini mencatat waktu penyelesaiannya. Data ini membantu menghitung waktu pengerjaan aktif dan waktu tunggu. Informasi ini sangat berguna untuk dasbor Waktu Siklus Layanan Diagnostik. Mengapa ini penting Atribut ini membantu menghitung durasi aktivitas dan pemanfaatan sumber daya. Sumber data Lihat dokumentasi Epic EHR untuk mengetahui kolom waktu selesai yang sesuai di ORDER_PROC. Contoh 2023-10-15T09:45:00Z2023-10-16T15:00:00Z | |||
| Biaya pesanan diagnostik DiagnosticOrderCost | Biaya internal untuk pemeriksaan atau prosedur diagnostik. | ||
| Deskripsi Atribut ini memberikan nilai finansial pada aktivitas 'Pemeriksaan diagnostik dilakukan'. Dengan begitu, informasi biaya dapat ditampilkan pada peta proses. Meski bukan metrik klinis utama, atribut ini membantu bagian administrasi memahami dampak biaya dari berbagai variasi proses, terutama yang melibatkan skor tingkat keparahan dengan kebutuhan sumber daya tinggi. Mengapa ini penting Atribut ini menambahkan dimensi biaya pada analisis efisiensi proses. Sumber data Tabel penagihan atau akuntansi biaya yang terhubung dengan prosedur. Contoh 150.001200.0045.00 | |||
| Durasi tunggu pemindahan TransferWaitDuration | Waktu antara perintah pemindahan dan pemindahan yang sebenarnya. | ||
| Deskripsi Metrik ini mengukur jeda antara 'Pemindahan dipesan' dan 'Pasien dipindahkan'. Data ini menjadi dasar Analisis Pemindahan Antarbangsal. Nilai yang tinggi menunjukkan pasien menunggu tempat tidur. Kondisi ini menghambat alur pasien dari Unit Gawat Darurat. Mengapa ini penting Metrik ini menunjukkan hambatan logistik dan kapasitas dalam alur pasien. Sumber data Dihitung dari selisih waktu antara peristiwa pemesanan dan pemindahan. Contoh 2 jam 30 menit45 menit12 jam | |||
| Metode penjadwalan SchedulingMethod | Menunjukkan cara janji temu tindak lanjut dipesan. | ||
| Deskripsi Atribut ini mencatat saluran yang digunakan untuk memesan janji temu, seperti 'MyChart', 'Cadence otomatis', atau 'Meja pendaftaran'. Data ini penting untuk dasbor Status Otomatisasi Tindak Lanjut Rawat Jalan. Jika nilainya menunjukkan saluran digital yang digunakan oleh sistem atau pasien, tanda 'IsAutomated' dapat diatur ke true. Data ini menunjukkan hasil inisiatif transformasi digital. Mengapa ini penting Atribut ini melacak penggunaan alat otomatis atau layanan mandiri. Sumber data Lihat dokumentasi Epic EHR untuk mengetahui sumber pembuatan janji temu. Contoh MyChartCadenceTeleponTatap muka | |||
| Nama wilayah RegionName | Wilayah geografis atau kampus rumah sakit. | ||
| Deskripsi Untuk sistem layanan kesehatan dengan beberapa kampus, atribut ini menunjukkan lokasi fasilitas. Atribut ini memungkinkan perbandingan kinerja antar lokasi rumah sakit. Pemetaan ke 'Wilayah' memungkinkan perbandingan antar lokasi untuk melihat apakah satu rumah sakit menangani throughput triase lebih baik daripada rumah sakit lain. Mengapa ini penting Atribut ini memungkinkan perbandingan kinerja antar fasilitas dalam jaringan layanan kesehatan. Sumber data Diambil dari data induk departemen atau fasilitas. Contoh Kampus UtaraPusat KotaSayap Barat | |||
| Penjadwalan otomatis IsAutomatedScheduling | Penanda yang menunjukkan apakah penjadwalan dilakukan tanpa campur tangan staf. | ||
| Deskripsi Atribut boolean ini diturunkan dari Metode Penjadwalan. Jika janji temu dibuat melalui MyChart atau workflow Cadence otomatis, nilainya True. Atribut ini mendukung KPI Tingkat Otomatisasi Penjadwalan Tindak Lanjut secara langsung. Informasi ini membantu pimpinan operasional memahami seberapa banyak beban administrasi yang dialihkan ke teknologi. Mengapa ini penting Atribut ini mengukur keberhasilan otomatisasi proses. Sumber data Ditentukan dari SchedulingMethod. Contoh truefalse | |||
| Spesialisasi penyedia layanan yang memesan OrderingProviderSpecialty | Spesialisasi medis dokter yang meminta konsultasi atau pemeriksaan. | ||
| Deskripsi Atribut ini mencatat departemen atau spesialisasi penyedia layanan yang membuat pesanan, misalnya 'Kardiologi' atau 'Onkologi'. Atribut ini digunakan pada dasbor Waktu Tunggu Konsultasi Dokter Spesialis. Atribut ini membantu menganalisis apakah spesialisasi tertentu harus menunggu lebih lama untuk mendapatkan layanan internal. Hasilnya dapat menunjukkan potensi bias atau kekurangan sumber daya pada layanan tertentu. Mengapa ini penting Atribut ini mengelompokkan permintaan layanan diagnostik dan konsultasi. Sumber data Lihat dokumentasi Epic EHR untuk mengetahui data induk penyedia layanan. Contoh KardiologiPenyakit dalamOrtopedi | |||
| Status kepatuhan protokol ProtocolAdherenceStatus | Status yang menunjukkan apakah kasus mengikuti jalur klinis standar. | ||
| Deskripsi Atribut ini membandingkan urutan aktivitas dalam suatu kasus dengan model acuan yang telah ditetapkan (Prosedur Operasi Standar). Atribut ini mendukung Tampilan Kepatuhan Protokol Klinis. Nilainya dapat berupa 'Patuh', 'Langkah terlewat', atau 'Urutan tidak sesuai'. Dengan begitu, pimpinan klinis dapat langsung memfilter kasus yang tidak patuh tanpa memeriksa setiap peta proses satu per satu. Mengapa ini penting Atribut ini membantu menemukan penyimpangan dari standar perawatan berbasis bukti dengan cepat. Sumber data Dihitung di alat process mining atau diproses terlebih dahulu dengan SQL. Contoh PatuhMenyimpangBelum lengkap | |||
Aktivitas perjalanan pasien
| Aktivitas | Deskripsi | ||
|---|---|---|---|
| Diagnosis dipastikan | Pencatatan diagnosis yang telah dipastikan ke daftar masalah pasien atau kolom diagnosis kunjungan. Menandai berakhirnya tahap pemeriksaan. | ||
| Mengapa ini penting Diperlukan untuk KPI 'Time to Definitive Diagnosis'. Menandai peralihan dari pemeriksaan ke perawatan yang terarah. Sumber data Tabel PAT_ENC_DX atau pembaruan PROBLEM_LIST yang terkait dengan kunjungan. Pengumpulan data Tercatat saat tenaga klinis menambahkan entri ke aktivitas Encounter Diagnosis Jenis peristiwa explicit | |||
| Pasien dipulangkan | Penutupan resmi kunjungan rawat inap. Peristiwa ini tercatat saat pasien dikeluarkan dari sensus secara virtual. | ||
| Mengapa ini penting Menandai akhir resmi episode untuk penghitungan 'Length of Stay'. Penting untuk 'Patient Flow Variant Discovery'. Sumber data ADT Feed (Event A03) atau PAT_ENC_HSP.DISCH_TIME. Pengumpulan data Tercatat saat staf administrasi menyelesaikan alur kerja kepulangan Jenis peristiwa explicit | |||
| Pasien terdaftar | Pembuatan awal catatan kunjungan pasien di sistem, yang menandai dimulainya episode perawatan. Peristiwa ini tercatat saat pasien tiba di meja pendaftaran atau unit gawat darurat dan didaftarkan di Epic. | ||
| Mengapa ini penting Menetapkan titik awal untuk seluruh Patient Journey dan memungkinkan penghitungan lama rawat total. Penting untuk dasbor 'Triage Throughput and Wait Times'. Sumber data ADT Feed (Event A04 atau A01) atau tabel Clarity PAT_ENC (pembuatan HSP_ACCOUNT_ID). Pengumpulan data Tercatat saat transaksi 'Check In' atau 'Admit' dijalankan Jenis peristiwa explicit | |||
| Triase selesai | Penyelesaian pemeriksaan awal oleh perawat atau evaluasi triase. Peristiwa ini biasanya tercatat saat flowsheet triase disimpan atau status triase berubah menjadi 'Complete'. | ||
| Mengapa ini penting Penting bagi dasbor 'Triage Throughput and Wait Times' untuk mengukur efisiensi proses awal. Keterlambatan pada tahap ini berdampak pada seluruh jalur perawatan. Sumber data PAT_ENC_HSP.TRIAGE_END_TIME atau stempel waktu penyimpanan baris Flowsheet tertentu (FLO_MEASUREMENT). Pengumpulan data Tercatat saat dokumentasi triase ditandatangani atau kolom status diperbarui Jenis peristiwa explicit | |||
| Janji tindak lanjut dijadwalkan | Pemesanan kunjungan rawat jalan pasien untuk tanggal mendatang. Dicatat di modul penjadwalan Cadence yang terhubung ke rekam medis pasien. | ||
| Mengapa ini penting Mendukung KPI 'Tingkat Otomatisasi Penjadwalan Tindak Lanjut'. Menjaga kesinambungan perawatan dan membantu mencegah pasien dirawat kembali. Sumber data PAT_ENC_APPT terhubung ke ID pasien dan dibuat menjelang waktu pasien pulang. Pengumpulan data Dicatat saat slot janji temu dikonfirmasi di Cadence Jenis peristiwa explicit | |||
| Konsultasi diminta | Permintaan agar spesialis memeriksa pasien. Di Epic, peristiwa ini tercatat sebagai jenis pesanan prosedur 'Consult'. | ||
| Mengapa ini penting Titik awal untuk KPI 'Specialist Consultation Lead Time'. Membantu menemukan kekurangan tenaga pada spesialisasi medis tertentu. Sumber data ORDER_PROC dengan ORDER_CLASS = 'Consult' atau pesanan rujukan tertentu. Pengumpulan data Tercatat saat pesanan konsultasi ditandatangani Jenis peristiwa explicit | |||
| Konsultasi selesai | Penyelesaian pemeriksaan oleh spesialis, biasanya ditandai dengan penandatanganan Consult Note atau penutupan pesanan konsultasi. | ||
| Mengapa ini penting Titik akhir untuk 'Specialist Consultation Lead Time'. Menandakan bahwa saran ahli telah diberikan dan rencana perawatan dapat dilanjutkan. Sumber data HNO_NOTE_TEXT (catatan yang disimpan dengan jenis Consult) atau perubahan status ORDER_PROC menjadi Completed. Pengumpulan data Disimpulkan dari waktu pembuatan Consult Note atau pembaruan status pesanan Jenis peristiwa inferred | |||
| Obat diberikan | Tindakan perawat atau penyedia layanan memberikan obat kepada pasien. Peristiwa ini tercatat dalam Medication Administration Record (MAR). | ||
| Mengapa ini penting Peristiwa utama untuk dasbor 'Medication Delivery Performance'. Melacak kepatuhan terhadap 'Treatment Plan Developed'. Sumber data Tabel MAR_ADMIN_INFO, khususnya peristiwa dengan tindakan 'Given' atau 'New Bag'. Pengumpulan data Tercatat saat perawat memindai gelang identitas pasien dan obat (BCMA) Jenis peristiwa explicit | |||
| Pasien dipindahkan | Pemindahan fisik pasien ke bagian atau bangsal baru. Peristiwa ini tercatat melalui kejadian pemindahan ADT. | ||
| Mengapa ini penting Titik akhir untuk 'Average Inter-Ward Transfer Time'. Mendukung 'Internal Ward Transfer Analysis' untuk menemukan hambatan logistik rumah sakit. Sumber data ADT Feed (Event A02) atau PAT_ENC_HSP_TRANSACTION (Transfer In). Pengumpulan data Tercatat saat petugas administrasi unit memperbarui lokasi pasien di Census Jenis peristiwa explicit | |||
| Pemindahan diperintahkan | Permintaan untuk memindahkan pasien ke unit atau tingkat perawatan lain. Di sistem, peristiwa ini tercatat sebagai 'Bed Request' atau 'Transfer Order'. | ||
| Mengapa ini penting Titik awal untuk 'Average Inter-Ward Transfer Time'. Membedakan keputusan klinis untuk memindahkan pasien dari ketersediaan tempat tidur secara logistik. Sumber data ADT_TRANSFER_ORDER atau ORDER_PROC (Bed Request). Pengumpulan data Tercatat saat dokter memasukkan perintah pemindahan Jenis peristiwa explicit | |||
| Perencanaan kepulangan dimulai | Dimulainya kegiatan untuk mempersiapkan pasien pulang. Peristiwa ini tercatat melalui dokumentasi Case Management atau jenis pesanan 'Discharge' tertentu. | ||
| Mengapa ini penting Penting untuk dasbor 'Discharge Planning and Execution'. Perencanaan yang dimulai lebih awal berkaitan dengan lama rawat yang lebih singkat. Sumber data Pembuatan HSP_DISCH_PLAN atau catatan pertama oleh Case Manager/Social Worker. Pengumpulan data Disimpulkan dari interaksi pertama dengan Discharge Navigator atau catatan Case Mgmt Jenis peristiwa inferred | |||
| Perintah kepulangan ditandatangani | Persetujuan resmi dokter agar pasien meninggalkan rumah sakit. Di Epic, peristiwa ini tercatat sebagai entri pesanan khusus. | ||
| Mengapa ini penting Tahap penting dalam 'Discharge Planning and Execution'. Jeda antara tahap ini dan waktu pasien benar-benar pulang menunjukkan keterlambatan administrasi. Sumber data ORDER_PROC dengan jenis 'Discharge Patient'. Pengumpulan data Tercatat saat dokter menandatangani perintah kepulangan Jenis peristiwa explicit | |||
| Rencana perawatan dimulai | Penetapan jalur atau protokol klinis tertentu untuk pasien. Peristiwa ini tercatat saat Order Set atau Care Plan standar diterapkan pada konteks kunjungan. | ||
| Mengapa ini penting Mendukung 'Clinical Protocol Compliance View' dengan menandai rencana untuk mengikuti standar perawatan. Penyimpangan dari langkah yang direncanakan berikutnya dapat diukur mulai dari titik ini. Sumber data Tabel ORDER_SET_BKG atau care plan yang menunjukkan bahwa protokol telah dikaitkan dengan kunjungan. Pengumpulan data Tercatat saat tenaga klinis memilih dan menandatangani Order Set Jenis peristiwa explicit | |||
| Tes diagnostik dilakukan | Pelaksanaan tes diagnostik atau pencatatan hasilnya. Untuk tes laboratorium, peristiwa ini terjadi saat sampel diproses. Untuk pencitraan, peristiwa ini terjadi saat pemindaian selesai. | ||
| Mengapa ini penting Titik akhir untuk KPI 'Mean Diagnostic Test Cycle Time'. Penting untuk memahami keterlambatan dalam layanan pendukung keputusan klinis. Sumber data ORDER_PROC.PROC_END_TIME atau ORDER_STAT_HISTORY saat status berubah menjadi 'Completed' atau 'Resulted'. Pengumpulan data Tercatat saat teknisi menyelesaikan tugas atau antarmuka hasil menerima data Jenis peristiwa explicit | |||
| Tes diagnostik dipesan | Pemesanan layanan pencitraan (Radiology) atau laboratorium. Peristiwa ini tercatat saat dokter memasukkan dan menandatangani pesanan di sistem CPOE. | ||
| Mengapa ini penting Titik awal untuk dasbor 'Diagnostic Service Cycle Times'. Volume pesanan yang tinggi tanpa hasil terkait dapat menunjukkan adanya hambatan. Sumber data Tabel ORDER_PROC dengan ORDER_TYPE Lab atau Imaging/Radiology. Pengumpulan data Tercatat saat status pesanan berubah menjadi 'Signed' atau 'Active' Jenis peristiwa explicit | |||
Panduan ekstraksi
Langkah
- Masuk ke Epic Hyperspace dan buka Reporting Workbench (RWB) melalui aktivitas Analytics atau My Reports.
- Buat laporan baru dengan memilih tab Library, lalu cari templat "Encounter Search" atau "Patient Encounters". Templat ini mengambil detail tingkat kontak yang diidentifikasi dengan CSN (Contact Serial Number).
- Atur kriteria (tab Settings):
- Tetapkan rentang tanggal (misalnya, Tanggal Pemulangan = 90 Hari Terakhir) untuk mengambil episode yang sudah selesai.
- Filter berdasarkan jenis pertemuan (misalnya, 'Hospital Encounter', 'Emergency') untuk mengecualikan kunjungan rawat jalan yang tidak relevan.
- Filter berdasarkan departemen atau fasilitas jika perlu membatasi cakupan.
- Atur kolom tampilan (tab Display):
- Ini langkah ekstraksi yang penting. Cari dan tambahkan kolom tertentu yang sesuai dengan stempel waktu aktivitas yang diperlukan.
- Tambahkan identitas pasien:
CSN(Episode Pasien),MRN(ID Pasien). - Tambahkan demografi/atribut:
Department,Discharge Disposition,Primary Diagnosis Code,Provider. - Tambahkan kolom stempel waktu: Cari kolom seperti
Admission Time,Triage End Time,Discharge Time,Discharge Order Time,First Med Admin Time, dan lainnya. (Lihat bagian Query/Configuration untuk pemetaan yang tepat.)
- Jalankan laporan dan periksa hasilnya di jendela pratinjau.
- Ekspor data:
- Klik Toolbar > Export.
- Pilih format CSV atau Text (Tab Delimited).
- Pastikan opsi 'Include Column Headers' dicentang.
- Simpan file sebagai
Raw_Epic_Extract.csv.
- Transformasi data (penting):
- Ekspor RWB menghasilkan data "lebar" (satu baris per episode pasien dengan beberapa kolom stempel waktu).
- Anda perlu mengubah format menjadi baris (unpivot) agar setiap kolom stempel waktu menjadi baris tersendiri dalam log peristiwa.
- Buat file akhir dengan kolom:
PatientEpisodeId,ActivityName,EventTimestamp, dan atribut yang sudah dipetakan.
- Format tanggal: Pastikan
EventTimestampmenggunakan format ISO (YYYY-MM-DD HH:MM:SS) yang kompatibel dengan ProcessMind. - Validasi akhir: Pastikan file memiliki header
PatientEpisodeId,ActivityName,EventTimestamp, lalu unggah ke ProcessMind.
Konfigurasi
- Templat: Gunakan "Encounter Search" (LBF) atau "Find Patients", tergantung versi Epic.
- Rentang tanggal: Awali dengan rentang 3-6 bulan untuk menghindari waktu tunggu habis. RWB tidak dioptimalkan untuk ekstraksi data massal dalam jumlah besar.
- Batas baris: Epic RWB sering membatasi jumlah baris (misalnya, 25.000 atau 50.000). Pastikan rentang tanggal tidak melampaui batas ini atau jalankan ekstraksi dalam beberapa kelompok.
- Izin: Memerlukan izin keamanan 'Create' dan 'Export' untuk Reporting Workbench.
- Kinerja: Jalankan di luar jam sibuk jika mencari data historis dalam rentang panjang.
- Tingkat perincian: Metode ini memberikan stempel waktu ringkasan tingkat Encounter (misalnya, 'First Med Admin'). Metode ini tidak mengekstrak setiap pengulangan (misalnya, setiap pil yang diberikan), kecuali jika menggunakan templat "Audit" khusus. Templat tersebut jarang digunakan untuk kebutuhan ini.
Contoh kueri sql
[REPORT CONFIGURATION SPECIFICATION]
# GENERAL SETTINGS
Application: Epic Reporting Workbench
Template_ID: Encounter_Search_LBF
Time_Horizon: Discharge Date between [Start Date] and [End Date]
Filters: Encounter Type IN ('Hospital Encounter', 'Emergency')
# COLUMN SELECTION MAPPING
# Map the following Epic RWB Columns (Display Names) to the Output Activities.
# Note: Column names may vary slightly by Epic customized build.
[MANDATORY ATTRIBUTES]
Column: Contact Serial Number (CSN) -> Target: PatientEpisodeId
Column: Patient MRN -> Target: PatientMrn
Column: Department at Discharge -> Target: DepartmentName
Column: Discharge Disposition -> Target: DischargeDisposition
Column: Primary Diagnosis ICD-10 -> Target: PrimaryDiagnosisCode
Column: Attending Provider -> Target: ProviderId
Column: Current Date -> Target: LastDataUpdate
Column: System Name (Fixed 'Epic') -> Target: SourceSystem
[ACTIVITY TIMESTAMP MAPPING]
# These columns represent the 'EventTimestamp' for the specific 'ActivityName'
1. Activity: Patient Registered
Epic_Column: Hospital Admission Time OR Check-In Time
2. Activity: Triage Completed
Epic_Column: Triage End Time OR Triage Acuity Time
3. Activity: Care Plan Initiated
Epic_Column: Care Plan Start Date
4. Activity: Diagnostic Test Ordered
Epic_Column: First Lab Order Time OR First Imaging Order Time
(Note: Select 'Earliest' if multiple columns exist)
5. Activity: Diagnostic Test Performed
Epic_Column: First Lab Result Time OR First Imaging End Time
6. Activity: Diagnosis Confirmed
Epic_Column: Principal Diagnosis Problem List Date
7. Activity: Consultation Requested
Epic_Column: Consult Order Create Time
8. Activity: Consultation Completed
Epic_Column: Consult Complete Time
9. Activity: Medication Administered
Epic_Column: First Medication Administration Time
10. Activity: Transfer Ordered
Epic_Column: Transfer Order Time
11. Activity: Patient Transferred
Epic_Column: Last Transfer In Time OR ADT Event Time
12. Activity: Discharge Planning Initiated
Epic_Column: Case Management Start Date
13. Activity: Discharge Order Signed
Epic_Column: Discharge Order Time
14. Activity: Patient Discharged
Epic_Column: Hospital Discharge Time
15. Activity: Follow-up Appointment Scheduled
Epic_Column: Discharge Follow-Up Appointment Made Date
# TRANSFORMATION LOGIC (PSEUDO-CODE)
# The export will be 'Wide'. Apply this logic to create the Event Log:
FOR EACH Row IN Exported_CSV:
EpisodeID = Row['Contact Serial Number']
FUNCTION CreateEvent(ActivityName, TimestampColumn):
IF Row[TimestampColumn] IS NOT NULL:
OUTPUT_ROW = {
'PatientEpisodeId': EpisodeID,
'ActivityName': ActivityName,
'EventTimestamp': Row[TimestampColumn],
'PatientMrn': Row['Patient MRN'],
'DepartmentName': Row['Department at Discharge'],
... [All Attributes]
}
APPEND OUTPUT_ROW TO Event_Log
# Execute for all 15 mappings defined above
CreateEvent('Patient Registered', 'Hospital Admission Time')
CreateEvent('Triage Completed', 'Triage End Time')
... [Repeat for all mapped columns]
END LOOP Langkah
Minta akses database: Pastikan Anda memiliki akses baca ke Epic Clarity Console atau klien SQL yang terhubung ke database produksi atau pelaporan Clarity. Anda memerlukan izin untuk
PAT_ENC,ORDER_PROC,CLARITY_ADT,MAR_ADMIN_INFO, dan tabel referensi terkait.Tentukan cakupan dan ID filter: Sebelum menjalankan skrip lengkap, jalankan kueri penelusuran sederhana untuk mengetahui nilai
ORDER_TYPE_Ckhusus untuk Lab, Radiologi, Konsultasi, dan Pemindahan di instans Epic Anda. Daftar khusus ini (Category Lists) berbeda-beda di setiap rumah sakit.Atur rentang waktu: Temukan klausa
WHEREdalam skrip SQL yang disediakan, yang memfilterCONTACT_DATEatauHOSP_ADMSN_TIME. Sesuaikan dengan rentang ekstraksi yang diinginkan (misalnya, 6 bulan terakhir).Petakan flowsheet khusus (opsional): Jika Anda memerlukan stempel waktu yang tepat untuk Triase atau Perencanaan Pemulangan yang tidak tersedia di tabel pertemuan utama, cari
FLO_MEAS_ID(Flowsheet Measure ID) khusus untuk kolom tersebut, lalu perbarui bagian penanda tempat di skrip.Jalankan kueri: Jalankan seluruh skrip SQL di klien SQL Anda (misalnya, SQL Server Management Studio atau Oracle SQL Developer). Skrip menggunakan
UNION ALLuntuk menggabungkan berbagai peristiwa klinis ke dalam struktur log peristiwa yang seragam.Pemrosesan lanjutan: Kueri menghasilkan daftar datar. Pastikan
EventTimestamptidak kosong. Jika middleware Anda memerlukannya, ubah format tanggal dan waktu khusus database ke ISO 8601 (YYYY-MM-DDTHH:MM:SS).Ekspor data: Simpan hasil kueri sebagai file CSV. Pastikan header sesuai dengan atribut yang ditentukan (PatientEpisodeId, ActivityName, dan seterusnya).
Unggah ke ProcessMind: Impor CSV ke ProcessMind. Petakan
PatientEpisodeIdsebagai ID Kasus,ActivityNamesebagai Aktivitas, danEventTimestampsebagai Stempel Waktu.
Konfigurasi
- Koneksi database: Epic Clarity (biasanya menggunakan backend MSSQL atau Oracle).
- Filter tanggal: Filter berdasarkan
PAT_ENC.HOSP_ADMSN_TIMEatauPAT_ENC.CONTACT_DATE. Untuk analisis awal, disarankan rentang 3-6 bulan agar kinerja kueri tetap terjaga. - Jenis pertemuan: Skrip memfilter pertemuan rawat inap dan darurat (
ENC_TYPE_Cbiasanya bernilai 3 dan 50, tetapi pastikan nilainya diZC_ENC_TYPE). - Jenis pesanan: Nilai
ORDER_TYPE_Cuntuk Lab, Pencitraan, dan Konsultasi perlu disesuaikan dengan konfigurasi ZC_ORDER_TYPE setempat. - Kinerja: Skrip memindai tabel bervolume tinggi (
ORDER_PROC,CLARITY_ADT). Pastikan indeks yang sesuai digunakan atau jalankan skrip di luar jam sibuk.
Contoh kueri sql
WITH Cohort AS (
SELECT
pe.PAT_ENC_CSN_ID,
pe.PAT_ID,
pe.HOSP_ADMSN_TIME,
pe.HOSP_DISCH_TIME,
pe.DEPARTMENT_ID,
dep.DEPARTMENT_NAME,
emp.NAME AS ProviderName,
pat.PAT_MRN_ID,
pe.ACUITY_LEVEL_C,
disch.NAME AS DischargeDisposition,
pe.ENC_TYPE_C
FROM PAT_ENC pe
LEFT JOIN CLARITY_DEP dep ON pe.DEPARTMENT_ID = dep.DEPARTMENT_ID
LEFT JOIN CLARITY_EMP emp ON pe.VISIT_PROV_ID = emp.PROV_ID
LEFT JOIN PATIENT pat ON pe.PAT_ID = pat.PAT_ID
LEFT JOIN ZC_DISCH_DISP disch ON pe.DISCH_DISP_C = disch.DISCH_DISP_C
WHERE pe.HOSP_ADMSN_TIME >= DATEADD(month, -6, GETDATE())
AND pe.ENC_TYPE_C IN (3, 50) -- 3=Inpatient, 50=Emergency (Verify local codes)
)
-- 1. Patient Registered
SELECT
CAST(c.PAT_ENC_CSN_ID AS VARCHAR(50)) AS PatientEpisodeId,
'Patient Registered' AS ActivityName,
c.HOSP_ADMSN_TIME AS EventTimestamp,
c.DepartmentName,
c.ProviderName AS ProviderId,
c.PAT_MRN_ID AS PatientMrn,
CAST(c.ACUITY_LEVEL_C AS VARCHAR(50)) AS TriageAcuityLevel,
CAST(c.ENC_TYPE_C AS VARCHAR(50)) AS EncounterType,
NULL AS PrimaryDiagnosisCode,
NULL AS ReadmissionFlag,
c.DischargeDisposition,
'Epic EHR' AS SourceSystem,
GETDATE() AS LastDataUpdate
FROM Cohort c
WHERE c.HOSP_ADMSN_TIME IS NOT NULL
UNION ALL
-- 2. Triage Completed (Using Flowsheet or Triage Time)
SELECT
CAST(c.PAT_ENC_CSN_ID AS VARCHAR(50)),
'Triage Completed',
ISNULL(pe.TRIAGE_END_INSTANT, c.HOSP_ADMSN_TIME), -- Fallback if specific column unused
c.DepartmentName,
c.ProviderName,
c.PAT_MRN_ID,
CAST(c.ACUITY_LEVEL_C AS VARCHAR(50)),
CAST(c.ENC_TYPE_C AS VARCHAR(50)),
NULL,
NULL,
c.DischargeDisposition,
'Epic EHR',
GETDATE()
FROM Cohort c
JOIN PAT_ENC pe ON c.PAT_ENC_CSN_ID = pe.PAT_ENC_CSN_ID
WHERE pe.TRIAGE_END_INSTANT IS NOT NULL
UNION ALL
-- 3. Care Plan Initiated (Based on Order Type)
SELECT
CAST(c.PAT_ENC_CSN_ID AS VARCHAR(50)),
'Care Plan Initiated',
ord.ORDER_INST,
c.DepartmentName,
emp.NAME,
c.PAT_MRN_ID,
CAST(c.ACUITY_LEVEL_C AS VARCHAR(50)),
CAST(c.ENC_TYPE_C AS VARCHAR(50)),
NULL,
NULL,
c.DischargeDisposition,
'Epic EHR',
GETDATE()
FROM Cohort c
JOIN ORDER_PROC ord ON c.PAT_ENC_CSN_ID = ord.PAT_ENC_CSN_ID
LEFT JOIN CLARITY_EMP emp ON ord.ORDERING_PROV_ID = emp.PROV_ID
WHERE ord.ORDER_TYPE_C = 100 -- Placeholder: Replace with ID for Care Plan/Protocol
UNION ALL
-- 4. Diagnostic Test Ordered (Lab/Radiology)
SELECT
CAST(c.PAT_ENC_CSN_ID AS VARCHAR(50)),
'Diagnostic Test Ordered',
ord.ORDER_INST,
c.DepartmentName,
emp.NAME,
c.PAT_MRN_ID,
CAST(c.ACUITY_LEVEL_C AS VARCHAR(50)),
CAST(c.ENC_TYPE_C AS VARCHAR(50)),
NULL,
NULL,
c.DischargeDisposition,
'Epic EHR',
GETDATE()
FROM Cohort c
JOIN ORDER_PROC ord ON c.PAT_ENC_CSN_ID = ord.PAT_ENC_CSN_ID
LEFT JOIN CLARITY_EMP emp ON ord.ORDERING_PROV_ID = emp.PROV_ID
WHERE ord.ORDER_TYPE_C IN (1, 2) -- Placeholder: 1=Lab, 2=Radiology (Verify local codes)
UNION ALL
-- 5. Diagnostic Test Performed (Result Time or Procedure Start)
SELECT
CAST(c.PAT_ENC_CSN_ID AS VARCHAR(50)),
'Diagnostic Test Performed',
COALESCE(ord2.PROC_START_TIME, ord2.PROC_ENDING_TIME, ord.ORDER_INST),
c.DepartmentName,
emp.NAME,
c.PAT_MRN_ID,
CAST(c.ACUITY_LEVEL_C AS VARCHAR(50)),
CAST(c.ENC_TYPE_C AS VARCHAR(50)),
NULL,
NULL,
c.DischargeDisposition,
'Epic EHR',
GETDATE()
FROM Cohort c
JOIN ORDER_PROC ord ON c.PAT_ENC_CSN_ID = ord.PAT_ENC_CSN_ID
JOIN ORDER_PROC_2 ord2 ON ord.ORDER_PROC_ID = ord2.ORDER_PROC_ID
LEFT JOIN CLARITY_EMP emp ON ord.ORDERING_PROV_ID = emp.PROV_ID
WHERE ord.ORDER_TYPE_C IN (1, 2)
AND ord2.PROC_START_TIME IS NOT NULL
UNION ALL
-- 6. Diagnosis Confirmed
SELECT
CAST(c.PAT_ENC_CSN_ID AS VARCHAR(50)),
'Diagnosis Confirmed',
dx.NOTED_DATE,
c.DepartmentName,
c.ProviderName,
c.PAT_MRN_ID,
CAST(c.ACUITY_LEVEL_C AS VARCHAR(50)),
CAST(c.ENC_TYPE_C AS VARCHAR(50)),
edg.DX_NAME,
NULL,
c.DischargeDisposition,
'Epic EHR',
GETDATE()
FROM Cohort c
JOIN PAT_ENC_DX dx ON c.PAT_ENC_CSN_ID = dx.PAT_ENC_CSN_ID
JOIN CLARITY_EDG edg ON dx.DX_ID = edg.DX_ID
WHERE dx.NOTED_DATE IS NOT NULL
UNION ALL
-- 7. Consultation Requested
SELECT
CAST(c.PAT_ENC_CSN_ID AS VARCHAR(50)),
'Consultation Requested',
ord.ORDER_INST,
c.DepartmentName,
emp.NAME,
c.PAT_MRN_ID,
CAST(c.ACUITY_LEVEL_C AS VARCHAR(50)),
CAST(c.ENC_TYPE_C AS VARCHAR(50)),
NULL,
NULL,
c.DischargeDisposition,
'Epic EHR',
GETDATE()
FROM Cohort c
JOIN ORDER_PROC ord ON c.PAT_ENC_CSN_ID = ord.PAT_ENC_CSN_ID
LEFT JOIN CLARITY_EMP emp ON ord.ORDERING_PROV_ID = emp.PROV_ID
WHERE ord.ORDER_TYPE_C = 35 -- Placeholder: Replace with ID for Consult
UNION ALL
-- 8. Consultation Completed
SELECT
CAST(c.PAT_ENC_CSN_ID AS VARCHAR(50)),
'Consultation Completed',
ord.ORDER_END_TIME,
c.DepartmentName,
emp.NAME,
c.PAT_MRN_ID,
CAST(c.ACUITY_LEVEL_C AS VARCHAR(50)),
CAST(c.ENC_TYPE_C AS VARCHAR(50)),
NULL,
NULL,
c.DischargeDisposition,
'Epic EHR',
GETDATE()
FROM Cohort c
JOIN ORDER_PROC ord ON c.PAT_ENC_CSN_ID = ord.PAT_ENC_CSN_ID
LEFT JOIN CLARITY_EMP emp ON ord.ORDERING_PROV_ID = emp.PROV_ID
WHERE ord.ORDER_TYPE_C = 35 -- Placeholder: Replace with ID for Consult
AND ord.ORDER_STATUS_C = 5 -- Placeholder: 5=Completed
AND ord.ORDER_END_TIME IS NOT NULL
UNION ALL
-- 9. Medication Administered
SELECT
CAST(c.PAT_ENC_CSN_ID AS VARCHAR(50)),
'Medication Administered',
mar.TAKEN_TIME,
c.DepartmentName,
emp.NAME,
c.PAT_MRN_ID,
CAST(c.ACUITY_LEVEL_C AS VARCHAR(50)),
CAST(c.ENC_TYPE_C AS VARCHAR(50)),
NULL,
NULL,
c.DischargeDisposition,
'Epic EHR',
GETDATE()
FROM Cohort c
JOIN ORDER_MED med ON c.PAT_ENC_CSN_ID = med.PAT_ENC_CSN_ID
JOIN MAR_ADMIN_INFO mar ON med.ORDER_MED_ID = mar.ORDER_MED_ID
LEFT JOIN CLARITY_EMP emp ON mar.TAKEN_USER_ID = emp.USER_ID
WHERE mar.TAKEN_TIME IS NOT NULL
AND mar.MAR_ACTION_C = 1 -- Placeholder: 1=Given
UNION ALL
-- 10. Transfer Ordered
SELECT
CAST(c.PAT_ENC_CSN_ID AS VARCHAR(50)),
'Transfer Ordered',
ord.ORDER_INST,
c.DepartmentName,
emp.NAME,
c.PAT_MRN_ID,
CAST(c.ACUITY_LEVEL_C AS VARCHAR(50)),
CAST(c.ENC_TYPE_C AS VARCHAR(50)),
NULL,
NULL,
c.DischargeDisposition,
'Epic EHR',
GETDATE()
FROM Cohort c
JOIN ORDER_PROC ord ON c.PAT_ENC_CSN_ID = ord.PAT_ENC_CSN_ID
LEFT JOIN CLARITY_EMP emp ON ord.ORDERING_PROV_ID = emp.PROV_ID
WHERE ord.ORDER_TYPE_C = 60 -- Placeholder: Replace with ID for Transfer/Bed Request
UNION ALL
-- 11. Patient Transferred
SELECT
CAST(c.PAT_ENC_CSN_ID AS VARCHAR(50)),
'Patient Transferred',
adt.EFFECTIVE_TIME,
dep.DEPARTMENT_NAME,
c.ProviderName,
c.PAT_MRN_ID,
CAST(c.ACUITY_LEVEL_C AS VARCHAR(50)),
CAST(c.ENC_TYPE_C AS VARCHAR(50)),
NULL,
NULL,
c.DischargeDisposition,
'Epic EHR',
GETDATE()
FROM Cohort c
JOIN CLARITY_ADT adt ON c.PAT_ENC_CSN_ID = adt.PAT_ENC_CSN_ID
LEFT JOIN CLARITY_DEP dep ON adt.DEPARTMENT_ID = dep.DEPARTMENT_ID
WHERE adt.EVENT_TYPE_C = 3 -- 3=Transfer In
UNION ALL
-- 12. Discharge Planning Initiated
SELECT
CAST(c.PAT_ENC_CSN_ID AS VARCHAR(50)),
'Discharge Planning Initiated',
ord.ORDER_INST,
c.DepartmentName,
emp.NAME,
c.PAT_MRN_ID,
CAST(c.ACUITY_LEVEL_C AS VARCHAR(50)),
CAST(c.ENC_TYPE_C AS VARCHAR(50)),
NULL,
NULL,
c.DischargeDisposition,
'Epic EHR',
GETDATE()
FROM Cohort c
JOIN ORDER_PROC ord ON c.PAT_ENC_CSN_ID = ord.PAT_ENC_CSN_ID
LEFT JOIN CLARITY_EMP emp ON ord.ORDERING_PROV_ID = emp.PROV_ID
WHERE ord.ORDER_TYPE_C = 70 -- Placeholder: Case Management/Discharge Order Type
UNION ALL
-- 13. Discharge Order Signed
SELECT
CAST(c.PAT_ENC_CSN_ID AS VARCHAR(50)),
'Discharge Order Signed',
ord.ORDER_INST,
c.DepartmentName,
emp.NAME,
c.PAT_MRN_ID,
CAST(c.ACUITY_LEVEL_C AS VARCHAR(50)),
CAST(c.ENC_TYPE_C AS VARCHAR(50)),
NULL,
NULL,
c.DischargeDisposition,
'Epic EHR',
GETDATE()
FROM Cohort c
JOIN ORDER_PROC ord ON c.PAT_ENC_CSN_ID = ord.PAT_ENC_CSN_ID
LEFT JOIN CLARITY_EMP emp ON ord.ORDERING_PROV_ID = emp.PROV_ID
WHERE ord.PROC_CODE = 'DISCHARGE' -- Placeholder: Filter by specific discharge procedure code
UNION ALL
-- 14. Patient Discharged
SELECT
CAST(c.PAT_ENC_CSN_ID AS VARCHAR(50)),
'Patient Discharged',
c.HOSP_DISCH_TIME,
c.DepartmentName,
c.ProviderName,
c.PAT_MRN_ID,
CAST(c.ACUITY_LEVEL_C AS VARCHAR(50)),
CAST(c.ENC_TYPE_C AS VARCHAR(50)),
NULL,
NULL,
c.DischargeDisposition,
'Epic EHR',
GETDATE()
FROM Cohort c
WHERE c.HOSP_DISCH_TIME IS NOT NULL
UNION ALL
-- 15. Follow-up Appointment Scheduled
SELECT
CAST(c.PAT_ENC_CSN_ID AS VARCHAR(50)),
'Follow-up Appointment Scheduled',
next_pe.APPT_MADE_DATE,
c.DepartmentName,
c.ProviderName,
c.PAT_MRN_ID,
CAST(c.ACUITY_LEVEL_C AS VARCHAR(50)),
CAST(c.ENC_TYPE_C AS VARCHAR(50)),
NULL,
NULL,
c.DischargeDisposition,
'Epic EHR',
GETDATE()
FROM Cohort c
JOIN PAT_ENC next_pe ON c.PAT_ID = next_pe.PAT_ID
WHERE next_pe.APPT_MADE_DATE BETWEEN c.HOSP_ADMSN_TIME AND ISNULL(c.HOSP_DISCH_TIME, GETDATE())
AND next_pe.CONTACT_DATE > c.HOSP_ADMSN_TIME -- The appointment is for a future date relative to admission Siap memulai?
Mulai tingkatkan operasional klinis Anda dengan menerapkan templat ini pada data Epic hari ini. Tim kami siap membantu Anda menjalani proses ekstraksi agar Anda dapat segera memperoleh manfaat.
Tingkatkan perjalanan pasien dan kurangi waktu siklus mulai hari ini
Temukan hambatan klinis untuk mengurangi waktu siklus sebesar 30%.
Tidak perlu kartu kredit. Penyiapan hanya perlu beberapa menit.