> 継続的なプロセス改善 > 患者ジャーニー > athenahealth > データテンプレート

患者ジャーニーデータテンプレート

athenahealth

患者ジャーニーデータテンプレート

このテンプレートは、患者ジャーニーを分析するために必要なデータを収集するための包括的なガイドを提供します。追跡すべき重要な属性とアクティビティ、そしてathenahealthからこの情報を抽出する方法に関する明確なガイダンスが示されています。このリソースを活用して、データが効果的なプロセスマイニングに対応できるように準備してください。

収集を推奨する項目
追跡すべき主要アクティビティ
athenahealthデータ抽出ガイド

イベントログについて初めての方へ：プロセスマイニングのイベントログ作成方法.

テンプレートをダウンロード

患者ジャーニー属性

これらは、包括的な分析と患者ジャーニーの理解に不可欠な、イベントログに含めるべき推奨データフィールドです。

5 必須 10 推奨 5 任意

	名前	説明
	アクティビティ名 ActivityName	患者ジャーニーで実行されたイベントまたはタスクの名前。
説明プロセス内で発生している具体的なステップを示します。例えば、「患者チェックイン済み」、「診断テストオーダー済み」、「投薬済み」などです。このテキスト文字列は、プロセスマップ内のノードを定義します。プロセスの流れを視覚化し、操作の順序を特定するために使用されます。これらの名前の標準化は、クラスタ化されておらず、読みやすいプロセスマップにとって非常に重要です。その重要性プロセス`マップ`のステップを定義し、あらゆるプロセスマイニングに必須です。取得元監査ログ、予約ステータス変更、または請求明細項目記述から派生します。例アポイントメント設定済み患者チェックイン済み診断テストオーダー患者退院済み
	イベントのタイムスタンプ EventTimestamp	活動が発生した具体的な日時です。
説明アクティビティが実行された正確な瞬間を記録します。これにより、イベントを時系列で並べ、ステップ間の期間を計算します。サイクルタイム、待機時間、スループット分析を含む時間ベースの分析に不可欠です。同日に発生するイベントの順序を解決するためには、高精度が望ましいです。その重要性イベントを順序付けし、すべての時間ベースのKPIを計算するために必要です。取得元 athenahealthテーブルのステータス変更または作成日に関連付けられたタイムスタンプフィールド。例 2023-10-12T08:30:00Z2023-10-12T09:15:22Z2023-10-15T14:20:00Z
	ソースシステム SourceSystem	`データ`の`発信元``システム`名です。
説明この場合、「athenahealth」として、記録を生成したITシステムを特定します。これは、データが混在するマルチシステム環境で特に役立ちます。アナリストがデータソースごとにビューをフィルタリングし、特定のシステムに固有のデータ品質の問題をトラブルシューティングすることを可能にします。その重要性マルチシステム環境のプロセスマイニング設定において、データリネージとコンテキストを提供します。取得元ハードコードされたリテラルまたはシステム構成ID。例 athenahealthAthenaOneAthenaPractice
	最終データ更新 LastDataUpdate	データが最後に抽出または更新されたタイムスタンプ。
説明分析に使用されるデータの鮮度を示します。これにより、ユーザーはリアルタイムデータを見ているのか、それとも過去のスナップショットを見ているのかを理解できます。データパイプラインを管理し、ダッシュボードがプロセスの最新の状態を反映していることを確認するために使用されます。その重要性データガバナンスとダッシュボードの最新性に対するユーザーの信頼にとって重要です。取得元 ETL実行時のシステム時間。例 2023-11-01T12:00:00Z2023-11-02T06:00:00Z
	患者エピソード PatientEpisodeId	特定の患者エピソードまたはジャーニーの一意の識別子。
説明この属性は、患者の特定のケア期間または状態に関連するすべてのアクティビティをグループ化する中央のケース識別子として機能します。予約、診断オーダー、退院手続きなどの異なるイベントを、単一の一貫したジャーニーに結びつけます。分析において、このIDはプロセスマイニングの主キーであり、エンドツーエンドのフローの再構築を可能にします。同じ患者による異なる状態に対する複数の受診が、別個のプロセスインスタンスとして扱われることを保証します。その重要性分析内の単一プロセスインスタンスのスコープを定義するために不可欠です。取得元 athenahealthにおけるエンカウンターIDのグループ化、または特定のケアエピソードIDへのリンクから派生します。例 EP-2023-88491EP-2023-99102ENC-55412-GRP
	イベントの終了時刻 EventEndTime	特定のアクティビティが完了した時間。
説明アクティビティの完了時刻を捕捉し、その前の待ち時間とは異なる、ステップ自体のアクティブな期間（処理時間）の計算を可能にします。リソース効率を分析し、手動で実行するのに予想以上に時間がかかるタスクを特定するために使用されます。その重要性アクティブな処理時間とパッシブな待ち時間の計算を可能にします。取得元 athenahealthにおけるチェックアウト時間、結果検証時間、または特定の完了タイムスタンプ。例 2023-10-12T09:00:00Z2023-10-12T10:45:00Z
	エンカウンタータイプ EncounterType	受診の分類（例：外来受診、遠隔医療、緊急）。
説明提供されるケアの様式または設定を定義します。これは汎用データモデルにおける「ケースタイプ」として機能します。異なるエンカウンタータイプは、異なる予想されるフローと請求要件を持っています。この属性でフィルタリングすることは、サイクルタイム分析で異なる種類のものを比較することを避けるために不可欠です。その重要性遠隔医療と対面診療など、異なるプロセスバリアントを区別します。取得元 athenahealthの「encountertype」フィールド。例外来受診遠隔医療緊急手術
	主要診断コード PrimaryDiagnosisCode	エピソードに関連する主要なICD-10コード。
説明患者ジャーニーの臨床的理由を分類します。これは「年齢層と診断によるジャーニー比較」に必要なコンテキストを提供します。異なる病状（例：肺炎と骨折）では予想される経路やサイクルタイムが大きく異なるため、アナリストはこれを使用して病状別にジャーニーをセグメント化します。その重要性「類似」ケースの比較を可能にします。診断によってサイクルタイムは大きく異なります。取得元エンカウンターまたは請求の診断フィールド（ICD-10）。例 J18.9I10E11.9
	再入院である IsReadmission	このエピソードが予定外の再来院を表すかどうかを示すフラグ。
説明前回の退院から一定期間内（例：30日以内）に患者が病院に再入院したかどうかを示すブール値インジケーターです。これは「予定外再入院の割合」KPIを直接サポートします。この属性でフィルタリングすることで、アナリストは再入院の根本原因を深く掘り下げ、初期治療経路のパターンを特定することができます。その重要性再入院率KPIを直接サポートします。取得元 ETL中に、入院日を前回の退院日と比較して計算されます。例 truefalse
	処理時間 ProcessingTime	アクティビティに積極的に費やされた時間。
説明特定のタスクの開始から完了までの時間差（例：スキャン実行にかかる時間）を表します。これは汎用モデルの「ProcessingTime」に相当します。リソース利用率を計算し、手動タスクと自動化されたタスクにおける効率のギャップを特定するために使用されます。その重要性総サイクルにおけるアクティブな作業と待ち時間を区別します。取得元計算式: EventEndTime - EventTimestamp。例 15分1時間30分45秒
	医療提供者名 ProviderName	アクティビティを実行する医療従事者の名前。
説明イベントを担当した特定の医師、看護師、または技術者を特定します。この属性は、リソース利用率分析の中心です。これにより、異なるスタッフメンバー間でのスループットやサイクルタイムなどのパフォーマンス指標を比較し、トレーニングの必要性やワークロードの不均衡を特定することができます。その重要性「リソース利用率」およびハンドオフ分析の鍵となります。取得元 athenahealthの「providerid」がプロバイダーディレクトリ名に解決されたもの。例スミス医師看護師ジョーンズ技術者アダムス
	患者ID PatientId	患者の一意の識別子（匿名化/ハッシュ化）。
説明ジャーニーを経験している顧客（患者）を一意に識別します。ケース識別子と似ていますが、一人の患者が時間とともに複数のエピソードを持つ可能性があります。繰り返し受診をリンクし、再入院率を分析するために使用されます。「予定外再入院の割合」KPIにとって重要です。その重要性再入院と、エピソードを超えた患者履歴を追跡するために必要です。取得元 athenahealthの「patientid」フィールド。例 PAT-100234PAT-559201PAT-992210
	患者年齢層 PatientAgeGroup	患者の年齢のカテゴリ別グループ分け（例：18-25歳、65歳以上）。
説明患者をデモグラフィックコホートにセグメント化します。これは「年齢層および診断ジャーニー比較」ダッシュボードに直接必要です。これにより、プロセスの非効率性やアウトカムが高齢者や小児患者など特定の年齢層に不釣り合いに影響を与えているかどうかを特定するのに役立ちます。その重要性医療プロセス分析のための標準的な人口統計学的セグメント。取得元患者の生年月日と開始時刻から派生。例 18-29歳30-49歳65歳以上
	退院`` DischargeDisposition	退院時の患者の行き先または状態。
説明エピソード後に患者が「自宅」、「専門看護施設」、「ホスピス」など、どこへ行ったかを示します。これは「退院計画と再入院傾向」にとって不可欠です。必要な退院計画の複雑さに関するコンテキストを提供し、ケア移行の有効性を評価するのに役立ちます。その重要性退院計画と再入院リスクに関する重要なコンテキスト。取得元 athenahealthのエンカウンターフィールドまたは病院退院記録。例ホーム専門看護施設短期病院へ移送済み失効
	部門名 DepartmentName	アクティビティが発生した病院または診療所の部門。
説明プロセスデータを、救急、循環器科、放射線科などの機能単位でセグメント化します。これは「部門別スループットとハンドオフ」ダッシュボードにとって不可欠です。この属性を用いた分析は、特定の領域におけるボトルネックを浮き彫りにし、部門間の患者フローを最適化するのに役立ちます。その重要性組織的なボトルネックや引き継ぎの非効率性を特定するために不可欠です。取得元 athenahealthの「departmentid」が部門名に解決されたもの。例救急部門内科放射線科
	手戻り IsRework	このアクティビティが繰り返しであるかを示すフラグ。
説明同じケース内でアクティビティが複数回発生した場合にtrueとなるブール値フラグです。「アクティビティ頻度と手戻りループ」ダッシュボードをサポートします。手戻りを含むケースを即座に特定し、「手戻りアクティビティの頻度」KPIの計算を容易にします。その重要性プロセスの非効率性や冗長なステップを特定します。取得元 CaseIdごとのアクティビティ発生に基づいてETL中に計算されます。例 truefalse
	注文タイプ OrderType	オーダーの種類（例：検査、画像診断、処方）。
説明エピソード中に発行された臨床オーダーを分類します。これは「診断テストのリードタイム」ダッシュボードにとって非常に重要です。アナリストは、サービスレベル契約やボトルネックが異なることが多い検査と画像診断のリードタイムを具体的に測定できます。その重要性特定のリードタイム分析のために診断プロセスをセグメント化します。取得元 athenahealthオーダーAPIの「ordertype」または「class」フィールド。例検査画像診断処方箋処置
	総請求額 TotalChargeAmount	アクティビティまたはエピソードに請求された金額。
説明アクティビティまたは総請求額に関連する財務的価値。これにより、コストベースのプロセスマイニングと財務影響分析が可能になります。治療経路における高コストの変動を特定し、プロセス効率と財務的成果を関連付けるために使用されます。その重要性プロセス分析に財務的側面を追加します。取得元 athenahealthの請求/課金テーブルにおける「amount」または「totalcharge」フィールド。例 150.002500.5045.00
	診断結果ステータス DiagnosticResultStatus	診断オーダーのアウトカムステータス（例：陽性、正常）。
説明検査の概要結果を捕捉します。これにより、「診断テストのリードタイム」とそれに続く治療決定のコンテキストが提供されます。異常な結果が正常な結果と比較して、その後の迅速な行動につながるかどうかを分析するために使用されます。その重要性プロセスフローと臨床転帰を関連付けます。取得元 athenahealthの検査結果観察フィールド。例通常異常クリティカル
	請求ステータス ClaimStatus	ケアに関連する財務請求のステータス。
説明請求が「提出済み」、「拒否済み」、「支払い済み」など、どの段階にあるかを示します。「請求提出済み」アクティビティと財務スループットに関連します。臨床文書の問題がバックエンドの財務遅延につながっているかどうかを特定するのに役立ちます。その重要性臨床効率を収益サイクルパフォーマンスに連携させます。取得元 athenahealthの「claimstatus」フィールド。例請求済み保留ドロップ

必須推奨任意

患者ジャーニー活動

これらは、患者体験の正確な発見と最適化のために、イベントログで捕捉すべき重要なプロセスステップとマイルストーンです。

7 推奨 8 任意

	アクティビティ	説明
	テスト結果受領	診断テストの結果が確定され、患者のカルテで利用可能になります。これは通常、検査システムまたは画像診断システムが結果をathenahealthに送信し、タイムスタンプ付きのエントリを作成する際に捕捉されます。
その重要性結果の受領は、診断や治療計画などのその後の臨床的決定の重要な引き金となります。このイベントは、診断のターンアラウンドタイムを測定するための終点です。取得元元のオーダーにリンクされた結果または診断テーブルにあります。このイベントは、結果が患者のカルテに記録または受信されたときのタイムスタンプによってマークされます。取得新しい結果レコードがタイムスタンプと共に作成されます。多くの場合、LISまたはRISからのインターフェースを介します。イベントタイプ explicit
	処置実施済み	手術や専門的な治療など、臨床処置が患者に対して行われます。これは、診療記録に明示的に記録されるイベントであり、しばしば処置記録に特定の開始時刻と終了時刻が記載されます。
その重要性処置は、患者の治療における重要な節目です。処置前後の活動を分析することで、術前および術後のワークフローを最適化するのに役立ちます。取得元 athenaClinicalsの処置記録または特定の臨床フローシート内にあります。イベントのタイムスタンプは、処置の記録された開始時刻または終了時刻から導出されます。取得処置が行われた日時を示すタイムスタンプを含む処置記録またはログが作成されます。イベントタイプ explicit
	初期評価完了	バイタルサインと主訴が記録された、トリアージや看護アセスメントなどの最初の臨床評価の完了を示します。このイベントは、多くの場合、診察の最初の署名済み臨床ノートまたは完了した評価フォームのタイムスタンプから推測されます。
その重要性このマイルストーンは臨床ケアの開始を示します。チェックインからこのアクティビティまでの期間は、初期の患者待ち時間とリソース応答性を測定する主要な指標です。取得元 athenaClinicals内の特定の臨床文書またはフロースシートの作成または署名タイムスタンプから推測されます。トリアージまたは受付に関連する文書タイプを特定する必要があります。取得診察記録、バイタルサイン記録、または特定の受付フォーム上の最初のタイムスタンプを特定します。イベントタイプ inferred
	患者チェックイン済み	このアクティビティは、患者の到着と、予定された予約または受診のための正式なチェックインを示します。これは通常、athenaClinicalsまたはathenaCommunicator内の予約記録の明示的なステータス変更として捕捉されます。
その重要性これは患者の施設内ジャーニーの決定的な開始点です。待ち時間と臨床診察の全体的なサイクルタイムを測定するための重要な開始点として機能します。取得元予約または診察テーブルのステータス更新として記録されます。「チェックイン済み」ステータスとそれに対応するタイムスタンプを探してください。取得予約またはエンカウンターオブジェクトのステータス変更がタイムスタンプとともに記録されます。イベントタイプ explicit
	患者退院済み	患者は正式に退院し、施設内でのジャーニーが完了しました。これは入院患者の診察における最終ADTイベントであり、正確なタイムスタンプと共に捕捉されます。
その重要性このイベントは、患者の主要なジャーニーの終わりを示します。これは、全体的な「患者ジャーニーサイクルタイム」を測定するための終点であり、再入院分析に不可欠です。取得元これはADTシステムまたは患者診察テーブル内の明示的なイベントであり、診察の最終ステータスを「退院済み」としてタイムスタンプと共にマークします。取得患者の診察ステータスは「退院済み」に更新され、ADTイベントが記録されます。イベントタイプ explicit
	診断確定済み	臨床医が現在の診療における患者の状態について、公式に診断を下すか確認します。これは、患者の診療に関連付けられた主要な診断コード（例：ICD-10）の作成タイムスタンプまたは「最終更新」タイムスタンプから推測できます。
その重要性これは、その後の治療経路を決定する極めて重要なマイルストーンです。この時点以降のアクティビティの変動を分析することは、ケアプロトコルを理解し標準化するのに役立ちます。取得元患者の問題リストまたは診察の診断データから推測されます。診断コードの変更または確定とそれに関連するタイムスタンプがこのイベントを示します。取得エンカウンターの主要診断が追加または更新されたタイムスタンプを検出します。イベントタイプ inferred
	退院オーダー記載済み	医師または認定された医療提供者が、患者をケアから退院させるための公式な指示書を作成します。これは、EHRのCPOEモジュール内で作成される、明示的なタイムスタンプ付きのイベントです。
その重要性このアクティビティは退院プロセスを開始します。このオーダーと実際の退院までの時間は、「退院計画リードタイム」の主要なパフォーマンス指標です。取得元オーダーテーブルにあります。このイベントは、特定の「退院」オーダータイプとその作成タイムスタンプによって識別されます。取得オーダータイプが「退院」の新しいレコードがオーダーテーブルに作成されます。イベントタイプ explicit
	アポイントメント設定済み	患者の予約を表します。このイベントは、ユーザーがathenahealthのスケジューリングモジュールであるathenaCommunicatorで新しい予約エントリを作成および確認する際に明示的に捕捉されます。
その重要性このアクティビティは、多くの患者ジャーニーにおける初期の接点を示します。予約からチェックインまでの時間を分析することで、患者アクセスと受診前効率の理解に役立ちます。取得元これは予約またはスケジューリングテーブルに記録される明示的なイベントです。通常、作成タイムスタンプと患者IDに関連付けられています。取得スケジューリングモジュールで予約記録が作成された時点でイベントが記録されます。イベントタイプ explicit
	フォローアップ予約済み	主要な治療または退院後、患者のフォローアップ予約がスケジュールされます。このイベントは、athenaCommunicatorスケジューリングモジュールで新しい予約が作成されたときに明示的に捕捉されます。
その重要性このアクティビティは、退院後のケア調整とその再入院率などのアウトカムへの影響を理解する上で重要です。ケアの継続性を示します。取得元予約テーブルに記録されます。このイベントは、退院日以降に発生する予約の作成タイムスタンプによって識別されます。取得スケジューリングシステムに新しい予約記録が作成されます。イベントタイプ explicit
	患者移送済み	患者が、例えば救急部門から入院病棟へなど、あるケアユニットまたは部門から別の部門へ移動します。これはEHR内の入院・退院・転院（ADT）イベントを通じて明示的に記録されます。
その重要性このアクティビティは、施設内の部門間のハンドオフと患者フローを分析するために不可欠です。「患者ハンドオフ時間」とリソース配分におけるボトルネックを特定するのに役立ちます。取得元 ADTイベントログまたは患者追跡テーブルに記録されます。各移送イベントには、患者、元/先の場所、およびタイムスタンプが含まれます。取得患者の転送時にADTメッセージまたはイベントログエントリがタイムスタンプと共に生成されます。イベントタイプ explicit
	投薬実施済み	薬剤は臨床スタッフによって患者に物理的に投与されます。これはathenaClinicalsの薬剤投与記録（MAR）モジュールに明示的に記録され、各投与量には正確なタイムスタンプが付与されます。
その重要性このアクティビティは直接的な治療介入を表します。そのタイミングを分析することで、「初回治療までの時間」を測定し、投薬スケジュールへの遵守を保証するのに役立ちます。取得元 MARデータテーブルにあります。各投与イベントには、患者ID、薬剤ID、投与量、および投与のタイムスタンプが含まれています。取得薬剤が投与されたと文書化されるたびに、MARにタイムスタンプ付きの記録が作成されます。イベントタイプ explicit
	検体採取済み	血液や尿などの生体検体が検査のために患者から採取されるイベントを表します。これは通常、検査モジュールに明示的に記録されるイベント、またはオーダーの状態更新として記録されます。
その重要性これは診断テストプロセスにおける重要なマイルストーンです。オーダー、採取、および結果の間の時間は、検査ワークフローにおける重大なボトルネックを明らかにすることができます。取得元このイベントは、検査オーダーのステータス変更として、またはathenahealthと連携した検査情報システム内の個別のイベントとして見つけることができます。「採取済み」ステータスとタイムスタンプを探してください。取得検査オーダーのステータス更新として、または専用の検体追跡モジュールに記録されます。イベントタイプ explicit
	治療計画策定済み	臨床医による患者の治療計画の正式な作成と文書化を表します。これは、特定の「ケアプラン」文書の作成または署名、または関連する治療オーダーのセットとして捕捉できます。
その重要性このアクティビティは、意図された臨床経路を正式化します。標準プロトコルへの適合性を測定し、ケアの変動を分析するための重要なポイントです。取得元臨床文書またはオーダーテーブルに見られる可能性が高いです。このイベントは、署名されたケアプランノートのタイムスタンプ、または調整された一連の治療オーダーの提出に対応します。取得イベントとは、特定の治療計画書またはオーダーセットの作成または最終確定のタイムスタンプです。イベントタイプ explicit
	診断テストオーダー	医師が臨床検査、画像診断スキャン、その他の処置のような診断テストのオーダーを出します。これは、athenaClinicalsのCPOE（Computerized Provider Order Entry）機能を通じて作成される、明示的なタイムスタンプ付きイベントです。
その重要性これは、診断サブプロセスを開始する重要な決定ポイントです。このアクティビティを追跡することは、オーダーから結果までの「診断テストリードタイム」KPIを分析するために不可欠です。取得元オーダーテーブルにあります。各オーダーには、患者識別子、オーダー名、オーダー状況、および作成タイムスタンプが含まれます。取得システムのオーダーテーブルに新しいレコードがタイムスタンプと共に作成されます。イベントタイプ explicit
	請求の提出	患者の診療中に提供されたサービスに対する請求が生成され、支払い者に提出されます。これはathenaCollectorの収益サイクル管理モジュール内の明示的なイベントです。
その重要性管理上のステップではありますが、このアクティビティは臨床ジャーニーと並行して実行される収益サイクルプロセスを分析するために不可欠です。臨床ケアと請求の間の遅延を特定するのに役立ちます。取得元請求または課金テーブルにあります。イベントは請求の作成または提出タイムスタンプによってマークされます。取得請求レコードが作成され、そのステータスがタイムスタンプとともに「提出済み」に更新されます。イベントタイプ explicit

推奨任意

抽出ガイド

athenahealthからデータを取得する方法

ステップ

安全な認証情報を使用してathenaNetポータルにログインします。
メインメニューからレポートモジュールに移動します。通常、「Reports」>「Report Builder」または「Custom Reports」の下にあります。
「Create New Report」をクリックし、「Encounters」または「Patient Visit」を主要なレポートカテゴリとして選択します。これにより、詳細なデータが特定の患者エピソードを中心に構成されます。
「Columns」または「Fields」選択領域で、患者識別子（Patient ID）とエンカウンター識別子（Encounter ID）を検索して追加し、ケース識別子として使用します。
部門、プロバイダー名、患者年齢、主要診断コードなど、属性に必要な人口統計学的およびコンテキスト列を追加します。
アクティビティに対応する特定のタイムスタンプ列を追加します。異なるフィールドグループ（例: 予約スケジューリングの「Scheduling」、チェックイン時間の「Check-in」、請求提出の「Billing」）を確認する必要がある場合があります。利用可能な場合は「Date and Time」形式を選択し、単なる日付ではないことを確認してください。
レポート設定にフィルターを適用します。「Encounter Date」の範囲を希望する分析期間（例: 過去6ヶ月）に設定し、「Cancelled」または「No Show」の予約を除外して、完了したジャーニーに焦点を当てます。
「Run Report」をクリックしてデータをプレビューします。列にデータが含まれており、完全にnullではないことを確認します。
「Export」オプションを選択し、形式として「CSV」（カンマ区切り値）を選択します。処理を複雑にするため、Excel/XLSXの書式設定機能は使用しないでください。
ファイルを「athena_raw_export.csv」としてローカルに保存します。
レポートはエンカウンターごとに1行、複数の日付列（ワイド形式）でエクスポートされるため、これをイベントログ（ロング形式）に再形成する必要があります。この変換を実行するには、クエリセクションに提供されているPythonスクリプトを使用してください。
スクリプトを実行して最終的な「process_mining_event_log.csv」を生成し、このファイルをProcessMindにアップロードします。

設定

レポートカテゴリ: 臨床ワークフローの大部分を把握するために、「エンカウンターアクティビティ」または「クリニカルズ」をベースカテゴリとして選択します。
日付範囲: レポートのタイムアウトや行制限（通常、標準ビューでは約50,000行に制限されます）を避けるため、最初の抽出は3〜6ヶ月に制限してください。
列の選択: 明示的なタイムスタンプフィールドが選択されていることを確認してください。「チェックインからの日数」のような計算フィールドは避け、絶対的な「チェックイン日時」を使用してください。
NULL処理: スクリプト処理を容易にするため、データが欠落しているセルには「N/A」などのカスタムテキストではなく、空白セルが表示されるようにレポートを設定してください。
部門フィルタリング: 組織が大きい場合は、データセットを絞り込むために特定のサービス拠点や部門（例: 「循環器科」、「整形外科」）でフィルタリングしてください。
権限: カスタムレポートビルダーにアクセスするには、athenaNet内で「レポート作成者」または「臨床レポート」の権限が必要です。

a クエリ例 config

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

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

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

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

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

# Initialize list to hold event rows
event_log_data = []

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

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

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

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

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

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

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

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

ステップ

APIアプリケーションの登録: athenahealth開発者ポータルにログインし、新しいアプリケーションを登録してクライアントIDとクライアントシークレットを取得します。アプリケーションが予約、臨床データ（カルテ）、オーダー、および請求のスコープを持っていることを確認してください。
Python環境の構成: pip install requests pandasを使用して、実行環境に必要なPythonライブラリ（requests、pandas）をインストールします。
認証: OAuth 2.0クライアントクレデンシャルグラントフローを実装してアクセスtokenを取得します。このtokenは、以降のすべてのAPIコールのAuthorizationヘッダー（Bearer token）に含める必要があります。
スコープの定義: プラクティスIDと抽出の日付範囲を設定します。athenahealth APIはプラクティス固有であるため、複数のプラクティスを管理する場合はプラクティスIDを繰り返す必要があります。
予約の抽出: /appointments/bookedエンドポイントまたは/appointments/changedエンドポイントにクエリを実行して基本エンカウンターを取得します。予約IDをPatientEpisodeIdにマッピングします。作成日からAppointment Scheduledを、チェックイン時間からPatient Checked In`を抽出します。
臨床イベントのエンカウンターを反復処理: 各予約ID（エンカウンター）について、臨床サブエンドポイントにクエリを実行します。/chart/{encounterId}/vitalsを呼び出してInitial Assessment Completedを取得します。/chart/{encounterId}/ordersを呼び出してDiagnostic Test Ordered、Specimen Collected（ステータスに基づく）、およびDischarge Order Writtenを取得します。
結果と診断の取得: /chart/{encounterId}/analyteresultsまたは/chart/{encounterId}/labresultsにクエリを実行してTest Results Receivedを取得します。/chart/{encounterId}/diagnosesにクエリを実行してDiagnosis Confirmedを取得します。
治療と処置の抽出: /chart/{encounterId}/planにクエリを実行してTreatment Plan Developedを取得します。/chart/{encounterId}/proceduresにクエリを実行してProcedure Performedを取得します。/chart/{encounterId}/medications/adminを呼び出してMedication Administeredを取得します。
ADTと請求の特定: 予約ステータス履歴または特定の病院エンドポイント（利用可能な場合）を使用してPatient TransferredおよびPatient Dischargedを捕捉します。予約に関連する/claimsにクエリを実行してClaim Submittedを抽出します。
フォローアップのリンク: エンカウンターの時間枠内で同じ患者IDに対して作成された後続の予約を検索することでFollow-Up Appointment Scheduledを特定します。
変換とフラット化: ネストされたJSON応答をイベント辞書のフラットなリストに解析します。すべてのタイムスタンプをISO 8601形式に変換します。フィールドをActivityName、PatientEpisodeId、EventTimestampにマッピングします。
データのエクスポート: 辞書のリストをpandas DataFrameに読み込み、最終的なクリーニング（NULL処理）を実行し、ProcessMindへの取り込み準備ができたCSVファイルにエクスポートします。

設定

APIクレデンシャル: athenahealth開発者ポータルから、本番環境へのアクセス権を持つ有効なクライアントIDとシークレットが必要です。
プラクティスID: 医療機関のコンテキストを識別する一意の数値IDです。ネットワーク全体から抽出する場合は、プラクティスごとにスクリプトを実行する必要があります。
日付範囲: 詳細な臨床データの量が多いため、抽出期間は3〜6ヶ月を推奨します。
レート制限: athenaOne APIには厳格なレート制限（例: 毎秒5コール）があります。スクリプトにはスリープ機能が含まれていますが、エンタープライズ規模の抽出では指数関数的バックオフを実装する必要があります。
スコープ: トークンにathena/service/Athenanet.MDP.*、または予約、カルテ、財務データに対する特定の詳細なスコープが含まれていることを確認してください。
ページネーション: ほとんどのエンドポイントは限られた数のレコード（デフォルト1000件）を返します。スクリプトはnextまたはoffsetパラメータを処理する必要があります。
部門フィルタリング: 特定のフロー（例: 救急 vs 外来）を分析する場合は、予約取得フェーズ中に部門IDでフィルタリングしてください。

a クエリ例 python

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

患者ジャーニーデータテンプレート

患者ジャーニーデータテンプレート

患者ジャーニー属性

患者ジャーニー活動

抽出ガイド

athenaNetレポートビルダーカスタムCSVエクスポート

ステップ

設定

a クエリ例 config

PythonによるathenaOne APIイベント抽出

ステップ

設定

a クエリ例 python

今すぐ始めますか？

今すぐ患者ジャーニーを最適化し、ボトルネックを解消しましょう

患者ジャーニーデータテンプレート

患者ジャーニーデータテンプレート

患者ジャーニー属性

患者ジャーニー活動

抽出ガイド

athenaNetレポートビルダーカスタムCSVエクスポート

ステップ

設定

a クエリ例 config

PythonによるathenaOne APIイベント抽出

ステップ

設定

a クエリ例 python

お客様のプライバシーを大切にしています

今すぐ始めますか？

今すぐ患者ジャーニーを最適化し、ボトルネックを解消しましょう