> 継続的なプロセス改善 > 患者の診療プロセス > athenahealth > データテンプレート

患者の受診プロセス向けデータテンプレート

athenahealth

患者の受診プロセスの属性(19) 患者の受診プロセスのアクティビティ(15) データ抽出ガイド(2)

患者の受診プロセス向けデータテンプレート

このテンプレートでは、患者の受診プロセスを分析するために必要なデータの収集方法を詳しく説明します。追跡すべき属性とアクティビティを示し、athenahealthからデータを抽出する手順も案内します。この資料を使って、プロセスマイニングに必要なデータを準備できます。

収集を推奨する属性
追跡すべき主なアクティビティ
athenahealthからのデータ抽出ガイド

イベントログを初めて作成する方はこちら：プロセスマイニング用イベントログの作成方法.

テンプレートをダウンロード

患者の受診プロセスの属性

患者の受診プロセスを詳しく分析するために、イベントログに含めることを推奨するデータ項目です。

5 必須 9 推奨 5 任意

	名前	説明
	アクティビティ名 ActivityName	患者の診療経過で発生したイベントまたは実施したタスクの名前です。
説明「患者の受付完了」「診断検査オーダー登録」「薬剤投与」など、プロセス内で発生した具体的なステップを示します。この文字列がプロセスマップのノード名になります。プロセスの流れを可視化し、処理の順序を特定するために使います。プロセスマップを読みやすくし、不要な分類を避けるには、名称の標準化が欠かせません。重要な理由プロセスマップのステップを定義する項目であり、プロセスマイニングに必須です。入手先監査ログ、予約ステータスの変更、請求明細の説明から取得します。例予約を登録患者が受付を完了診断検査を依頼患者が退院
	イベント発生時刻 EventTimestamp	アクティビティが発生した具体的な日時です。
説明アクティビティが発生した正確な時刻を記録します。イベントを時系列に並べ、ステップ間の所要時間を計算するために使います。サイクルタイム、待ち時間、処理量など、時間に基づく分析に欠かせません。同じ日に発生したイベントの順序を判別できるよう、精度の高い時刻データが望まれます。重要な理由イベントの順序付けと、時間に基づくすべてのKPIの計算に必要です。入手先 athenahealthのテーブルにある、ステータス変更または作成日時に関連付けられたタイムスタンプ項目です。例 2023-10-12T08:30:00Z2023-10-12T09:15:22Z2023-10-15T14:20:00Z
	ソースシステム SourceSystem	データの取得元となるシステムの名前です。
説明レコードを生成したITシステムを示します。この例では「athenahealth」です。複数のシステムのデータを組み合わせる環境で特に役立ちます。データソースごとに表示を絞り込み、特定のシステムに関するデータ品質の問題を調査できます。重要な理由複数システムを対象とするプロセスマイニングで、データの来歴とコンテキストを確認できます。入手先ハードコードされた値またはシステム設定IDです。例 athenahealthAthenaOneAthenaPractice
	最終データ更新 LastDataUpdate	データを最後に抽出または更新した時刻です。
説明分析に使うデータの鮮度を示します。リアルタイムデータを見ているのか、過去の時点のスナップショットを見ているのかを把握できます。データパイプラインの管理に使い、ダッシュボードにプロセスの最新状況が反映されていることを確認できます。重要な理由データガバナンスと、ダッシュボードの情報が最新であることへの信頼を保つうえで重要です。入手先 ETL実行時点のシステム時刻です。例 2023-11-01T12:00:00Z2023-11-02T06:00:00Z
	患者の診療エピソード PatientEpisodeId	特定の患者の診療エピソードまたは受診経過を識別する一意のIDです。
説明この属性は中心となるケース識別子として機能し、患者の特定の診療期間や疾患に関連するすべてのアクティビティをまとめます。予約、診断オーダー、退院手続きなど、個別に記録されたイベントを一連の診療経過として結び付けます。分析では、このIDがプロセスマイニングの主キーとなり、プロセス全体の流れを再構成できます。同じ患者が異なる疾患で複数回受診した場合も、それぞれを別のプロセスインスタンスとして扱えます。重要な理由分析対象となる単一のプロセスインスタンスの範囲を定義するために必要です。入手先 Encounter IDをまとめて作成するか、athenahealthの特定のEpisode of Care IDに関連付けます。例 EP-2023-88491EP-2023-99102ENC-55412-GRP
	イベント終了時刻 EventEndTime	特定のアクティビティが完了した時刻です。
説明アクティビティの完了時刻を記録することで、ステップ自体の実作業時間（処理時間）を計算できます。ステップ開始前の待ち時間とは区別して分析できます。リソースの効率を分析し、手作業での実行に想定以上の時間がかかるタスクを特定するために使います。重要な理由実作業の処理時間と、待ち時間を分けて計算できます。入手先 athenahealthに記録された会計時刻、結果確認時刻、または特定の完了時刻です。例 2023-10-12T09:00:00Z2023-10-12T10:45:00Z
	主診断コード PrimaryDiagnosisCode	診療エピソードに関連付けられた主なICD-10コードです。
説明患者の診療経過の臨床的な理由を分類します。「年齢層・診断別の診療経過比較」に必要なコンテキストを提供します。肺炎と骨折など、疾患ごとに診療経過を分けて分析できます。疾患によって想定される診療経路やサイクルタイムは大きく異なるためです。重要な理由診断によってサイクルタイムが大きく異なるため、条件の近いケースを比較するのに役立ちます。入手先 EncounterまたはClaimの診断フィールド（ICD-10）です。例 J18.9I10E11.9
	再入院の有無 IsReadmission	この診療エピソードが予定外の再受診に該当するかを示すフラグです。
説明前回の退院から一定期間（例：30日）以内に患者が再入院したかを示す真偽値です。「予定外再入院率」のKPIに直接役立ちます。この属性で絞り込むと、再入院の根本原因を詳しく調べ、初回の診療経路に見られる傾向を特定できます。重要な理由再入院率のKPIに直接役立ちます。入手先 ETL処理時に、入院日と前回の退院日を比較して算出します。例 truefalse
	医療従事者名 ProviderName	アクティビティを実施した医療従事者の名前です。
説明イベントを担当した医師、看護師、技師を特定します。この属性はリソース利用状況の分析に欠かせません。スタッフ間の処理量やサイクルタイムなどの指標を比較し、研修の必要性や業務負荷の偏りを把握できます。重要な理由リソース利用率の把握と、引き継ぎの分析に役立ちます。入手先 athenahealthの「providerid」を医療従事者ディレクトリの名前に対応付けます。例 Smith医師Jones看護師Adams技師
	受診種別 EncounterType	受診の分類です（例：外来、遠隔診療、救急）。
説明提供された診療の形態や場所を示します。汎用データモデルでは「ケースタイプ」に相当します。受診種別によって想定される流れや請求要件は異なります。サイクルタイムを分析する際に、この属性で絞り込むことで、条件の異なるケースを比較せずに済みます。重要な理由遠隔診療と対面診療など、異なるプロセスバリアントを区別します。入手先 athenahealthの「encountertype」フィールドです。例外来遠隔診療救急手術
	患者ID PatientId	患者を識別する一意のID（匿名化またはハッシュ化済み）です。
説明診療経過の対象となる患者を一意に識別します。ケース識別子と似ていますが、同じ患者が時間をおいて複数の診療エピソードを持つ場合があります。再診を関連付け、再入院率を分析するために使います。「予定外再入院率」のKPIを算出するうえで欠かせません。重要な理由診療エピソードをまたいで再入院や患者の履歴を追跡するために必要です。入手先 athenahealthの「patientid」フィールドです。例 PAT-100234PAT-559201PAT-992210
	患者の年齢層 PatientAgeGroup	患者の年齢を区分したグループです（例：18～25歳、65歳以上）。
説明患者を年齢層ごとのグループに分けます。「年齢層・診断別の診療経過比較」ダッシュボードに必要です。プロセスの非効率や治療結果が、高齢者や小児など特定の年齢層に偏って影響していないかを把握できます。重要な理由医療プロセス分析で標準的に使われる人口統計上の区分です。入手先患者の生年月日と開始時刻から算出します。例 18-2930-4965+
	診療科名 DepartmentName	アクティビティが発生した病院または診療所の診療科です。
説明救急科、循環器科、放射線科などの機能単位ごとにプロセスデータを分けます。「診療科別の処理量と引き継ぎ」ダッシュボードに必要です。この属性を使った分析により、特定の診療科のボトルネックを明らかにし、診療科をまたぐ患者の流れを改善できます。重要な理由組織内のボトルネックや、引き継ぎの非効率な点を特定するうえで重要です。入手先 athenahealthの「departmentid」を診療科名に対応付けます。例救急科内科放射線科
	退院先 DischargeDisposition	退院時の患者の行き先または状態です。
説明退院後の行き先を示します。例として、自宅、介護施設、ホスピスがあります。「退院計画と再入院の傾向」を分析するうえで重要です。退院計画の複雑さを把握し、診療移行が適切に行われているかを評価できます。重要な理由退院計画と再入院リスクを把握するための重要なコンテキストです。入手先 athenahealthの受診フィールド、または病院の退院記録です。例自宅介護施設短期入院病院へ転院死亡
	オーダー種別 OrderType	オーダーの分類です（例：検査、画像診断、処方）。
説明診療エピソード中に登録された臨床オーダーを分類します。「診断検査のリードタイム」ダッシュボードに欠かせません。検査と画像診断それぞれのリードタイムを測定できます。両者ではサービスレベルの合意内容やボトルネックが異なることが多いためです。重要な理由診断プロセスを分け、リードタイムを個別に分析できます。入手先 athenahealthの「ordertype」、またはorders APIの「class」です。例検査画像診断処方処置
	手戻りの有無 IsRework	このアクティビティが繰り返されたかを示すフラグです。
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真となるフラグです。「アクティビティの発生頻度と手戻りループ」ダッシュボードに役立ちます。手戻りが発生したケースをすぐに抽出でき、「手戻りアクティビティの発生頻度」KPIを算出できます。重要な理由プロセスの非効率な点や重複するステップを特定します。入手先 ETL処理時に、CaseIdごとのアクティビティ発生回数に基づいて算出します。例 truefalse
	診断結果のステータス DiagnosticResultStatus	診断オーダーの結果ステータスです（例：陽性、正常）。
説明検査の概要結果を記録します。「診断検査のリードタイム」や、その後の治療方針を分析する際のコンテキストになります。異常結果の場合、正常結果の場合と比べて、その後の対応が早く行われるかを分析できます。重要な理由プロセスの流れと臨床結果を関連付けます。入手先 athenahealthの検査結果観察フィールドです。例正常異常重大
	請求ステータス ClaimStatus	診療に関連する保険請求のステータスです。
説明「送信済み」「否認」「支払済み」など、請求の進捗状況を示します。「請求送信」アクティビティや財務面の処理量を分析する際に関係します。診療記録の問題が、後続の請求処理の遅れにつながっていないかを特定できます。重要な理由診療の効率と収益サイクルの実績を関連付けます。入手先 athenahealthの「claimstatus」フィールドです。例請求済み保留送信
	請求総額 TotalChargeAmount	アクティビティまたは診療エピソードに対して請求された金額です。
説明アクティビティに関連する金額、または請求総額です。コストに基づくプロセスマイニングや財務影響の分析に利用できます。治療経路の中でコストが高いバリアントを特定し、プロセスの効率と財務上の結果との関係を分析できます。重要な理由プロセス分析に財務面の情報を加えます。入手先 athenahealthの請求・料金テーブルにある「amount」または「totalcharge」です。例 150.002500.5045.00

必須推奨任意

患者の受診プロセスのアクティビティ

患者の受診プロセスを正確に把握し、改善するために、イベントログに記録すべき主なプロセスのステップと節目です。

7 推奨 8 任意

	アクティビティ	説明
	処置を実施	手術や専門的な治療などの臨床処置が患者に実施されます。臨床文書に明示的なイベントとして記録され、多くの場合、処置記録に開始時刻と終了時刻が記載されます。
重要な理由処置は患者の治療における重要な節目です。処置の前後のアクティビティを分析すると、術前・術後のワークフローの最適化に役立ちます。入手先 athenaClinicalsの処置記録または特定の臨床フローシートで確認できます。イベントのタイムスタンプは、記録された処置の開始時刻または終了時刻から取得します。記録処置が行われた時刻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
	初回評価を完了	トリアージや看護師による評価など、バイタルサインと主な訴えを記録する初回の臨床評価が完了したことを示します。このイベントは、受診に関する最初の臨床記録への署名時刻や、評価フォームの完了時刻から推定されることがよくあります。
重要な理由この節目は臨床ケアの開始を示します。受付からこのアクティビティまでの時間は、患者の初期待ち時間とリソース対応の速さを測る重要な指標です。入手先 athenaClinicals内の特定の臨床文書やフローシートの作成時刻または署名時刻から推定します。トリアージや初診時の情報収集に該当する文書の種類を特定する必要があります。記録受診に関する臨床記録、バイタルサインのフローシート、または特定の初診時問診フォーム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
	患者が受付を完了	患者が到着し、予約または受診の受付を正式に済ませたことを示します。通常、athenaClinicalsまたはathenaCommunicatorの予約記録における明示的なステータス変更として記録されます。
重要な理由患者が施設内で受診するプロセスの明確な開始点です。待ち時間や診療のサイクルタイム全体を測定する際の重要な起点となります。入手先予約または受診のテーブルにステータス更新として記録されます。「受付済み」ステータスと対応するタイムスタンプを確認してください。記録予約または受診のオブジェクトに対するステータス変更が、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
	患者が退院	患者の退院が正式に完了し、施設内での受診プロセスが終了したことを示します。入院受診における最後のADTイベントで、正確なタイムスタンプが記録されます。
重要な理由患者の主な受診プロセスの終了を示します。患者の受診プロセス全体のサイクルタイムを測定する終点であり、再入院の分析にも欠かせません。入手先 ADTシステムまたは患者の受診テーブルに明示的なイベントとして記録されます。受診の最終ステータスが「退院」となったことをタイムスタンプとともに示します。記録患者の受診ステータスが「退院」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
	検査結果を受領	診断検査の結果が確定し、患者のカルテで確認できるようになったことを示します。通常、検査システムまたは画像診断システムからathenahealthに結果が送信され、タイムスタンプ付きの記録が作成されます。
重要な理由結果の受領は、診断や治療計画など、その後の臨床判断につながる重要なきっかけです。このイベントは、診断にかかる所要時間を測定する際の終点となります。入手先元のオーダーに関連付けられた結果または診断のテーブルに記録されます。結果が患者のカルテに登録または受信された時刻が、イベントのタイムスタンプとなります。記録多くの場合、LISまたはRISとの連携を通じて、タイムスタンプ付きの新しい結果レコードが作成されます。イベントタイプ explicit
	診断を確定	医療従事者が、現在の受診における患者の状態について診断を正式に割り当てる、または確定します。患者の受診に関連付けられた主要な診断コード（ICD-10など）の作成時刻や最終更新時刻から推定できます。
重要な理由その後の治療経路を決める重要な節目です。この時点以降のアクティビティのばらつきを分析すると、ケア手順の理解と標準化に役立ちます。入手先患者の問題リストまたは受診時の診断データから推定します。診断コードの変更または確定と、そのタイムスタンプがイベントを示します。記録受診における主要な診断が追加または更新された時刻を特定します。イベントタイプ inferred
	退院指示を作成	医師または権限を持つ医療従事者が、患者の退院を正式に指示します。EHRのCPOEモジュールで作成される、タイムスタンプ付きの明示的なイベントです。
重要な理由このアクティビティをきっかけに退院プロセスが始まります。指示から実際の退院までの時間は、「退院計画のリードタイム」を測る重要業績評価指標です。入手先オーダーテーブルで確認できます。特定の「退院」オーダー種別とその作成時刻からイベントを特定します。記録オーダーテーブルに、オーダー種別が「退院」の新しいレコードが作成されます。イベントタイプ explicit
	フォローアップの予約を登録	主な治療または退院の後に、患者のフォローアップ予約が登録されます。athenaCommunicatorの予約管理モジュールで新しい予約を作成すると、このイベントが明示的に記録されます。
重要な理由このアクティビティは、退院後のケア連携と再入院率などの治療成果への影響を把握するうえで重要です。ケアが継続していることを示します。入手先予約テーブルに記録されます。退院日より後に行われる予約の作成時刻からイベントを特定します。記録予約管理システムに新しい予約レコードが作成されます。イベントタイプ explicit
	予約を登録	患者の予約が登録されたことを示します。athenahealthの予約管理モジュールathenaCommunicatorで、新しい予約を作成して確定すると、このイベントが明示的に記録されます。
重要な理由このアクティビティは、多くの患者の受診プロセスの開始点です。予約から受付までの時間を分析すると、患者の受診しやすさや来院前の業務効率を把握できます。入手先予約またはスケジュール管理のテーブルに明示的なイベントとして記録されます。通常、作成日時と患者IDが関連付けられています。記録スケジュール管理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
	患者を移送	患者が、救急部門から入院病棟へ移る場合のように、ある診療単位または部門から別の場所へ移動します。EHRの入院・退院・転棟（ADT）イベントとして明示的に記録されます。
重要な理由このアクティビティは、施設内の部門間の引き継ぎや患者の流れを分析するうえで重要です。「患者の引き継ぎ時間」におけるボトルネックやリソース配分の問題を特定できます。入手先 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、移送元と移送先、タイムスタンプが含まれます。記録患者の移送時に、タイムスタンプ付きのADTメッセージまたはイベントログの記録が作成されます。イベントタイプ explicit
	検体を採取	検査のために、患者から血液や尿などの生体検体を採取したことを示します。通常、検査モジュールに明示的なイベントとして記録されるか、オーダーステータスの更新として記録されます。
重要な理由診断検査プロセスにおける重要な節目です。依頼、採取、結果の各時点の間隔を確認すると、検査ワークフローの大きなボトルネックが分かることがあります。入手先検査オーダーのステータス変更、またはathenahealthと連携した検査情報システムの独立したイベントとして確認できます。「採取済み」ステータスとタイムスタンプを確認してください。記録検査オーダーのステータス更新、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
	治療計画を作成	医療従事者が患者の治療計画を正式に作成し、文書化したことを示します。特定の「ケア計画」文書の作成または署名、あるいは関連する一連の治療オーダーとして記録できます。
重要な理由このアクティビティによって、予定している臨床経路が正式に定まります。標準的な手順への適合性を測定し、ケアのばらつきを分析する重要な時点です。入手先臨床文書またはオーダーのテーブルで確認できる可能性があります。署名済みのケア計画記録のタイムスタンプ、または連携した一連の治療オーダーの送信時刻が該当します。記録特定の治療計画文書またはオーダーセットの作成時刻、あるいは確定時刻がイベントとなります。イベントタイプ explicit
	薬剤を投与	医療スタッフが患者に薬剤を実際に投与します。athenaClinicalsの投薬記録（MAR）モジュールに明示的に記録され、投与ごとに正確なタイムスタンプが付与されます。
重要な理由このアクティビティは、治療が実際に行われたことを示します。投与時刻を分析すると、「初回治療までの時間」を測定し、投薬スケジュールの遵守状況を確認できます。入手先 MARのデータテーブルで確認できます。各投与イベントには、患者ID、薬剤ID、投与量、投与時刻が含まれます。記録薬剤を投与したことが記録されるたびに、MARにタイムスタンプ付きのレコードが作成されます。イベントタイプ explicit
	診断検査を依頼	医療従事者が、検査、画像診断、その他の処置などの診断検査を依頼します。athenaClinicalsのCPOE（医師による電子オーダー入力）機能で作成される、タイムスタンプ付きの明示的なイベントです。
重要な理由診断のサブプロセスを開始する重要な判断点です。このアクティビティを追跡することは、依頼から結果までの「診断検査のリードタイム」という重要業績評価指標（KPI）の分析に欠かせません。入手先オーダーテーブルで確認できます。各オーダーには、患者識別子、オーダー名、オーダーステータス、作成時刻が含まれます。記録システムのオーダーテーブルに、タイムスタンプ付きの新しいレコードが作成されます。イベントタイプ explicit
	請求を提出	患者の受診中に提供したサービスの請求を作成し、支払者に提出します。athenahealthの収益サイクル管理モジュールathenaCollector内で発生する明示的なイベントです。
重要な理由管理上の手順ではありますが、このアクティビティは、診療の流れと並行して進む収益サイクルの分析に欠かせません。診療から請求までの遅れを特定するのに役立ちます。入手先請求または請求処理のテーブルに記録されます。請求の作成または送信時刻がイベントの目印になります。記録請求レコードが作成され、時刻とともにステータスが「送信済み」に更新されます。イベントタイプ explicit

推奨任意

データ抽出ガイド

athenahealthからデータを取得する方法

ステップ

athenaNetポータルに、認証情報を使ってログインします。
メインメニューからレポートモジュールに移動します。通常は「レポート」＞「レポートビルダー」または「カスタムレポート」にあります。
「新しいレポートを作成」をクリックし、主なレポートカテゴリーとして「受診」または「患者の受診」を選択します。これにより、個々の患者の受診エピソードに関する詳細なデータを中心にレポートを作成できます。
「列」または「フィールド」の選択欄で、患者識別子（Patient ID）と受診識別子（Encounter ID）を検索して追加し、ケース識別子として使用します。
属性に必要な人口統計情報やコンテキストの列として、診療科、医療従事者名、患者の年齢、主診断コードなどを追加します。
アクティビティに対応するタイムスタンプ列を追加します。フィールドグループが異なる場合があるため、「予約」で予約日時、「チェックイン」でチェックイン時刻、「請求」で請求提出日時などを確認してください。日付のみではなく、「日付と時刻」の形式が選べる場合はそちらを選択します。
レポートの設定にフィルターを適用します。「受診日」の範囲を分析期間（例：過去6か月）に設定し、完了した受診に絞るため、「キャンセル」や「無断キャンセル」の予約を除外します。
「レポートを実行」をクリックしてデータをプレビューします。各列にデータが含まれ、すべてがNULLになっていないことを確認します。
「エクスポート」を選択し、形式として「CSV」（カンマ区切り値）を選びます。処理が複雑になるため、Excel／XLSX形式は使用しないでください。
ファイルを「athena_raw_export.csv」という名前でローカルに保存します。
レポートは受診ごとに1行で、複数の日付列を含む横持ち形式でエクスポートされます。イベントログの縦持ち形式に変換する必要があります。クエリーのセクションにあるPythonスクリプトを使って変換してください。
スクリプトを実行して「process_mining_event_log.csv」を作成し、このファイルをProcessMindにアップロードします。

設定

レポートカテゴリー：臨床ワークフローの主なステップを記録するため、基本カテゴリーとして「受診アクティビティ」または「臨床」を選択します。
日付範囲：レポートのタイムアウトや行数制限（標準ビューでは通常約50,000行）を避けるため、最初の抽出期間は3～6か月に設定します。
列の選択：明示的なタイムスタンプフィールドを選択します。「チェックインからの日数」のような計算フィールドではなく、「チェックイン日時」のような絶対日時を選びます。
NULL値の処理：スクリプトで処理しやすいよう、欠損データは「N/A」などの文字列ではなく、空欄で表示するようレポートを設定します。
診療科の絞り込み：組織の規模が大きい場合は、対象を絞るため、サービス提供場所や診療科（例：「循環器科」「整形外科」）を指定します。
権限：カスタムレポートビルダーを利用するには、athenaNet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。

クエリの例 python

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

class=class="hl-string">"hl-comment"># Configuration: Input and Output filenames
INPUT_FILE = class="hl-string">'athena_raw_export.csv'
OUTPUT_FILE = class="hl-string">'patient_journey_event_log.csv'

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

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

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

class=class="hl-string">"hl-comment"># Initialize list to hold event rows
event_log_data = []

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

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

class=class="hl-string">"hl-comment"># Create DataFrame from the list of events
event_log_df = pd.DataFrame(event_log_data)

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

class=class="hl-string">"hl-comment"># Remove rows where timestamp parsing failed
event_log_df = event_log_df.dropna(subset=[class="hl-string">'EventTimestamp'])

class=class="hl-string">"hl-comment"># Sort by Episode and Time
event_log_df = event_log_df.sort_values(by=[class="hl-string">'PatientEpisodeId', class="hl-string">'EventTimestamp'])

class=class="hl-string">"hl-comment"># Output to CSV
event_log_df.to_csv(OUTPUT_FILE, index=False)

print(fclass="hl-string">"Transformation complete. Processed {len(df)} encounters into {len(event_log_df)} events.")
print(fclass="hl-string">"File saved to: {OUTPUT_FILE}")

ステップ

APIアプリケーションの登録：athenahealth Developer Portalにログインし、新しいアプリケーションを登録して、Client IDとClient Secretを取得します。アプリケーションにAppointments、Clinicals（Charts）、Orders、Billing（Claims）のスコープが設定されていることを確認します。
Python環境の設定：実行環境に必要なPythonライブラリ（requests、pandas）を、pip install requests pandasを使ってインストールします。
認証：OAuth 2.0のクライアントクレデンシャルグラントフローを実装し、アクセストークンを取得します。このトークンは、以降のすべてのAPI呼び出しでAuthorizationヘッダー（Bearerトークン）に含める必要があります。
対象範囲の指定：Practice IDと抽出期間を設定します。Athenahealth APIは診療所ごとに利用するため、複数の診療所を管理している場合は、Practice IDごとに処理します。
予約の抽出：/appointments/bookedまたは/appointments/changedエンドポイントを呼び出し、基本となる受診データを取得します。予約IDをPatientEpisodeIdに対応付けます。作成日時から「予約登録」、チェックイン時刻から「患者チェックイン」を抽出します。
受診ごとの臨床イベントの取得：各予約ID（受診）について、臨床関連のサブエンドポイントを呼び出します。/chart/{encounterId}/vitalsから「初期評価完了」を取得します。/chart/{encounterId}/ordersから「診断検査オーダー」「検体採取」（ステータスに基づく）、「退院指示書作成」を取得します。
検査結果と診断の取得：/chart/{encounterId}/analyteresultsまたは/chart/{encounterId}/labresultsを呼び出し、「検査結果受領」を取得します。/chart/{encounterId}/diagnosesから「診断確定」を取得します。
治療と処置の抽出：/chart/{encounterId}/planから「治療計画作成」、/chart/{encounterId}/proceduresから「処置実施」、/chart/{encounterId}/medications/adminから「薬剤投与」を取得します。
ADTと請求の特定：予約のステータス履歴、または利用可能な場合は病院固有のエンドポイントを使って、「患者転送」と「患者退院」を記録します。予約に関連する/claimsを呼び出し、「請求提出」を取得します。
フォローアップの紐付け：同じ患者IDについて、受診期間内に作成された後続の予約を検索し、「フォローアップ予約」を特定します。
変換とフラット化：ネストされたJSONレスポンスを解析し、イベント辞書のフラットなリストに変換します。すべてのタイムスタンプをISO 8601形式に変換し、フィールドをActivityName、PatientEpisodeId、EventTimestampに対応付けます。
データのエクスポート：辞書のリストをpandas DataFrameに読み込み、NULL値の処理など最終的なクリーニングを行ってから、ProcessMindに取り込めるCSVファイルとしてエクスポートします。

設定

API認証情報：本番環境へのアクセス権があるathenahealth Developer Portalの有効なClient IDとSecretが必要です。
Practice ID：診療所を特定する一意の数値IDです。ネットワーク全体から抽出する場合は、診療所ごとにスクリプトを実行します。
日付範囲：臨床データの詳細な情報量を考慮し、推奨する抽出期間は3～6か月です。
レート制限：athenaOne APIには厳しいレート制限があります（例：1秒あたり5回の呼び出し）。スクリプトには待機処理が含まれていますが、企業規模の抽出では指数バックオフを実装してください。
スコープ：トークンにathena/service/Athenanet.MDP.*、または予約、カルテ、財務データに関する個別のスコープが設定されていることを確認します。
ページネーション：多くのエンドポイントでは、返されるレコード数に上限があります（既定値は1,000件）。スクリプトでnextまたはoffsetパラメーターを処理する必要があります。
診療科の絞り込み：救急と外来など特定のフローを分析する場合は、予約データの取得時に診療科IDで絞り込みます。

クエリの例 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()

始める準備はできていますか？

患者ケアの最適化に向けて、取り組みを始めましょう。このテンプレートは、価値あるインサイトを見つけ、医療の成果を高めるための第一歩です。

改善ガイドに戻る

テンプレートをダウンロード

患者の受診プロセスを今すぐ最適化し、ボトルネックを解消

athenahealthの非効率な箇所を特定し、患者の受診プロセスのサイクルタイムを30％短縮します。

無料トライアルを開始

クレジットカードは不要です。今日から最適化に取り組めます。

患者の受診プロセス向けデータテンプレート

患者の受診プロセス向けデータテンプレート

患者の受診プロセスの属性

患者の受診プロセスのアクティビティ

データ抽出ガイド

athenaNetレポートビルダーによるカスタムCSVエクスポート

ステップ

設定

クエリの例 python

athenaOne APIからPythonでイベントを抽出

ステップ

設定

クエリの例 python

始める準備はできていますか？

患者の受診プロセスを今すぐ最適化し、ボトルネックを解消