> Continue verbetering > Patiëntenreis > Veradigm (Allscripts) > datatemplate

Uw Patiëntenreis Data Template

Veradigm (Allscripts)

Patiëntenreis Attributes (20) Patiëntenreisactiviteiten (13) Extractie Guides (2)

Uw Patiëntenreis Data Template

Deze template biedt een gestructureerde aanpak voor het verzamelen van de benodigde data voor het analyseren van uw patient journey process. Het schetst de essentiële attributes en activities om te volgen, samen met praktische begeleiding bij het extraheren van deze informatie uit uw bronsysteem. Gebruik deze resource om uw data voor te bereiden op uitgebreide process mining.

Aanbevolen attributen om te verzamelen voor uitgebreide analyse
Belangrijke activiteiten om te volgen voor nauwkeurige procesontdekking
Praktische leidraad voor data-extractie uit uw systeem

Nieuw met event logs? Leer hoe je een process mining event log creëert.

Template downloaden

Patiëntenreis Attributes

Dit zijn de aanbevolen data fields om op te nemen in uw event log voor een uitgebreide analyse van het patient journey process.

3 Verplicht 9 Aanbevolen 8 Optioneel

	Naam	Omschrijving
	Activiteitsnaam ActivityName	De specifieke klinische of administratieve event die is uitgevoerd.
Omschrijving Beschrijft de uitgevoerde stap in het proces, zoals 'Patiënt Geregistreerd', 'Medicatie Toegediend' of 'Ontslagplanning Geïnitieerd'. Dit `attribute` onderscheidt de verschillende stadia van de patiëntreis en is essentieel voor `process discovery` en variantanalyse. Het belang Definieert de `nodes` in de `process map`; zonder dit kan er geen processtroom worden gevisualiseerd. Vindplaats Afgeleid van verschillende transactionele tabellen: ADT `events`, Orders, Results en Klinische Documentatie tabellen. Voorbeelden Patiënt GeregistreerdDiagnostische Test AangevraagdMedicatie ToegediendPatiënt Ontslagen
	Gebeurtenistijdstempel EventDateTime	De exacte datum en tijd waarop de activiteit plaatsvond.
Omschrijving Registreert het chronologische punt van de activiteit. Dit is cruciaal voor het berekenen van cycle times, durations en het correct ordenen van de volgorde van events. In de zorg data is precisie tot op de minuut van vitaal belang voor nauwkeurige throughput analysis. Het belang Maakt de berekening mogelijk van alle tijdsgebonden KPI's, inclusief Gemiddelde Patiëntreis `Cycle Time` en Wachttijden. Vindplaats Transactie timestamps in brontabellen (bijv. ADT_DATE, ORDER_DATE, RESULT_DATE). Voorbeelden 2023-10-12T08:30:00Z2023-10-12T14:45:22Z2023-10-15T09:00:00Z
	Patiëntepisode PatientEpisodeId	Unieke identifier voor het specifieke patiëntbezoek of de encounter.
Omschrijving De Patiëntepisode dient als de primaire case identifier, die alle events groepeert die gerelateerd zijn aan de specifieke zorgreis van een patiënt voor een bepaalde aandoening of zorgperiode. Dit maakt een geïntegreerde weergave mogelijk van diagnose-, behandelings- en herstelfasen, waarbij verschillende afdelingsinteracties tot een samenhangend geheel worden gekoppeld. In Veradigm (Allscripts)-systemen (zoals Sunrise of Paragon) komt dit doorgaans overeen met de Visit ID of Encounter Number. Het belang Het is de fundamentele sleutel voor process mining, waardoor de reconstructie van de complete patiëntenreis mogelijk wordt. Vindplaats Waarschijnlijk te vinden in de header van de tabellen 'Visit' of 'Encounter' (bijv. VISIT_ID, ENCOUNTER_ID). Raadpleeg de documentatie van Veradigm (Allscripts). Voorbeelden EP-2023-998877VIS-10029384100029384ENC-554433
	Aflossingsdatum DischargeDate	De datum en tijd waarop de patiënt werd ontslagen.
Omschrijving De timestamp die het einde van de episode markeert. Deze wordt gebruikt om de case in process mining af te sluiten en is essentieel voor ALOS- en heropnameberekeningen. Het belang Definieert het einde van de proces `cycle`; cruciaal voor `throughput` analyse. Vindplaats Bezoek/Encounter header tabel (bijv. DISCH_DATE). Raadpleeg de documentatie van Veradigm (Allscripts). Voorbeelden 2023-10-04T11:00:00Z2023-10-10T09:30:00Z
	Behandelend Arts AttendingProvider	De primaire behandelaar die verantwoordelijk is voor de patiënt tijdens de event.
Omschrijving Identificeert de arts, verpleegkundige of specialist die de `activity` uitvoert of verantwoordelijk is voor het zorgplan. Het analyseren van dit `attribute` helpt bij het begrijpen van 'Klinische `Resource Utilization`' en variaties in zorg `pathways` per arts. Het belang Maakt `resource bottleneck` analyse en `performance benchmarking` over klinisch personeel mogelijk. Vindplaats Transactietabellen (bijv. ORDERING_PROVIDER, ATTENDING_PHYSICIAN_ID). Raadpleeg de documentatie van Veradigm (Allscripts). Voorbeelden Dr. Sarah SmithVerpleegkundig Specialist JonesRadiologie Technicus A
	Is Heropname IsReadmission	Vlag die aangeeft of deze `episode` een heropname is binnen 30 dagen.
Omschrijving Een berekend `boolean` `attribute`. Het retourneert `true` als de patiënt binnen 30 dagen na de huidige opnamedatum eerder ontslagen is geweest. Dit stuurt de 'Monitor voor Vermijdbare Heropnames'. Het belang Kern-KPI voor ziekenhuiskwaliteit en vergoeding (vooral voor CMS-regelgeving). Vindplaats Berekend in de ETL/`Data Transformation layer` met behulp van PatientMRN en opname-/ontslagdatums. Voorbeelden truefalse
	Naam afdeling DepartmentName	De ziekenhuisafdeling of -unit waar de activiteit plaatsvond.
Omschrijving Geeft de locatiecontext aan, zoals 'Spoedeisende Hulp', 'Cardiologie' of 'Radiologie'. Dit is essentieel voor de 'Opname & `Transfer Bottleneck` Analyse' om te zien waar patiënten vastlopen bij het verplaatsen tussen afdelingen. Het belang Ondersteunt resource utilization analyse en de identificatie van afdelings-bottlenecks. Vindplaats Stamtabellen voor Locatie of Afdeling gekoppeld aan de transactie. Raadpleeg de documentatie van Veradigm (Allscripts). Voorbeelden Spoedeisende HulpICUAlgemene ChirurgieRadiologie
	Ontslagbestemming DischargeDisposition	De status of locatie van de patiënt bij ontslag.
Omschrijving Geeft aan waar de patiënt na het ziekenhuisverblijf heen ging (bijv. 'Thuis', 'Verpleeghuis', 'Overleden', 'Transfer'). Dit is belangrijk voor het analyseren van heropname risico's, aangezien verschillende `dispositions` verschillende risicoprofielen met zich meebrengen. Het belang Contextualiseert het 'Ontslagplanning' `dashboard` en helpt bij het verklaren van variaties in ALOS. Vindplaats Bezoek/Encounter header tabel (bijv. DISCH_DISP). Raadpleeg de documentatie van Veradigm (Allscripts). Voorbeelden ThuisOvergeplaatst naar SNFThuis met ThuiszorgTegen Medisch Advies Vertrokken
	Opnamedatum AdmissionDate	De datum en tijd waarop de patiënt formeel werd opgenomen.
Omschrijving De timestamp die het begin van de intramurale opname markeert. Gebruikt in combinatie met de ontslagdatum om de Length of Stay (ALOS) te berekenen. Het belang Cruciaal ankerpunt voor ALOS-berekening en het meten van opnamevertragingen. Vindplaats Bezoek/Encounter header tabel (bijv. ADMIT_DATE). Raadpleeg de documentatie van Veradigm (Allscripts). Voorbeelden 2023-10-01T10:00:00Z2023-10-05T14:20:00Z
	Opnameduur LengthOfStay	Duur van het ziekenhuisverblijf in dagen.
Omschrijving De berekende duur tussen 'Opnamedatum' en 'Ontslagdatum'. Gebruikt voor de 'Average Length of Stay (ALOS)' KPI. Hoewel het in het dashboard kan worden berekend, vereenvoudigt het hebben ervan als een attribute het filteren (bijv. 'Toon me alle verblijven > 7 dagen'). Het belang Standaardmaatstaf voor efficiëntie en resource consumption. Vindplaats Berekend: `DischargeDate` - `AdmissionDate`. Voorbeelden 4.512.00.8
	Patiënt MRN PatientMrn	Medisch Dossiernummer dat de patiënt uniek identificeert over meerdere episodes heen.
Omschrijving Het Medisch Dossiernummer (MRN) of Enterprise Patiënt ID. In tegenstelling tot de Patiëntepisode ID, blijft deze ID constant voor de patiënt over verschillende bezoeken heen. Dit is de cruciale sleutel voor het koppelen van afzonderlijke episodes om heropnamepercentages te berekenen. Het belang Essentieel voor '30-Dagen Heropname Rate' en het identificeren van terugkerende klanten. Vindplaats Patiënten stamindex of demografische tabellen (waarschijnlijk kolommen: MRN, PATIENT_ID). Raadpleeg de documentatie van Veradigm (Allscripts). Voorbeelden MRN-884422P-10022399887766
	Primaire Diagnosecode PrimaryDiagnosisCode	De ICD-10 of SNOMED code die de hoofdconditie vertegenwoordigt.
Omschrijving De gecodeerde reden voor het bezoek van de patiënt. Deze attribute is het filter voor de 'Behandel Pathway Variatie Explorer'. Het stelt analisten in staat om te vergelijken hoe verschillende aandoeningen (bijv. Longontsteking versus Hartfalen) door het systeem stromen. Het belang Vereist voor het segmenteren van processen op basis van klinische aandoening en het controleren van protocolnaleving. Vindplaats Diagnose- of probleemlijsttabellen (doorgaans ICD-10 kolommen). Raadpleeg de Veradigm (Allscripts) documentatie. Voorbeelden I50.9J18.9E11.9
	Bronsysteem SourceSystem	De naam van het systeem waar de data vandaan komt.
Omschrijving Identificeert de `software instance` die de `data` levert, zoals 'Veradigm Sunrise' of 'Veradigm TouchWorks'. Dit is vooral belangrijk in `multi-hospital environments` of bij het samenvoegen van `data` van acute en ambulante instellingen. Het belang Biedt traceerbaarheid en data lineage, wat nuttig is bij het opsporen van data quality problemen. Vindplaats Gehardcodeerd tijdens het ETL-proces of geëxtraheerd uit systeem `metadata tables`. Voorbeelden Veradigm SunriseAllscripts PMVeradigm TouchWorks
	Diagnostische `Turnaround Time` DiagnosticTurnaroundTime	Tijdsduur tussen testorder en testresultaat.
Omschrijving Berekende duur tussen 'Diagnostische Test Aangevraagd' en 'Diagnose Bevestigd' (of resultaat ontvangen). Gebruikt voor het 'Diagnostische `Turnaround Time` Overzicht'. Het belang Hoge `turnaround times` verlengen de `Length of Stay`; deze `metric` pinpoint laboratorium-/radiologievertragingen. Vindplaats Berekend: `Timestamp(Result)` - `Timestamp(Order)`. Voorbeelden 2 uur45 minutes1.5 dagen
	Follow-up Afspraakdatum FollowUpAppointmentDate	Datum van de geplande `follow-up` afspraak.
Omschrijving Gebruikt om de 'Follow-up Afspraak Gepland Percentage' te berekenen. Als dit field is ingevuld, geeft dit aan dat een follow-up was gepland. Als null/empty, dan niet. Het belang Meet direct de 'Follow-up Zorg `Compliance`' KPI. Vindplaats Planningsysteem of tabel voor toekomstige afspraken gekoppeld aan de patiënt. Raadpleeg de documentatie van Veradigm (Allscripts). Voorbeelden 2023-11-15T14:00:00Znull
	Kostenplaats CostCenter	De financiële code die gekoppeld is aan de afdeling of dienst.
Omschrijving Koppelt de klinische activiteit aan een financiële eenheid. Dit helpt bij het analyseren van de 'Activiteitskosten' of de generieke financiële prestaties van verschillende afdelingen. Het belang Verbindt operationele `process mining` met financiële impact. Vindplaats Afdelings- of `Charge master` tabellen. Raadpleeg de Veradigm (Allscripts) documentatie. Voorbeelden CC-1020CC-Rad-01Emergency-001
	Laatste data-update LastDataUpdate	Timestamp van wanneer de record voor het laatst is geëxtraheerd of bijgewerkt.
Omschrijving Geeft de actualiteit aan van de `data` die voor analyse wordt gebruikt. Dit veld helpt gebruikers te begrijpen of ze naar `real-time data` kijken of naar een momentopname van een eerdere periode. Het belang Garandeert transparantie met betrekking tot `data latency` en assisteert bij incrementele `data loading` strategieën. Vindplaats Systeem gegenereerde timestamp tijdens de ETL-/extractie-run. Voorbeelden 2023-11-01T23:59:59Z2023-11-02T06:00:00Z
	Medicatie Naam MedicationName	De naam van het bestelde of toegediende medicijn.
Omschrijving Specifiek gebruikt voor het dashboard 'Medicatietoediening Tijdgaten'. Het helpt te identificeren of specifieke medicijnen (bijv. antibiotica, pijnbestrijding) vertragingen in de toediening ondervinden. Het belang Cruciaal voor klinische veiligheidsanalyse en `pharmacy process optimization`. Vindplaats Medication Administration Record (MAR) of Apotheekbestellingen. Raadpleeg de documentatie van Veradigm (Allscripts). Voorbeelden AmoxicillineHeparineMorfine Sulfaat
	Order-ID OrderId	Identificator voor specifieke orders (`Labs`, `Meds`, Procedures).
Omschrijving Koppelt de 'Order'-event aan de 'Result'- of 'Administration'-event. Bijvoorbeeld, het koppelen van 'Diagnostische Test Besteld' aan 'Diagnostische Test Afgerond'. Deze granulariteit is vereist voor het 'Diagnostic Turnaround Time'-dashboard. Het belang Maakt de berekening mogelijk van de duur van specifieke processtappen (bijv. Lab `Turnaround Time`). Vindplaats Orderinvoertabellen (bijv. ORDER_ID, PLACER_ORDER_NUM). Raadpleeg de documentatie van Veradigm (Allscripts). Voorbeelden ORD-998877LAB-112233RX-445566
	Voldoet aan Protocol IsProtocolCompliant	Vlag die aangeeft of de `case` het standaard zorg `pathway` heeft gevolgd.
Omschrijving Een berekend `attribute` dat controleert of specifieke verplichte `activities` (bijv. 'Vitalen Geregistreerd' vóór 'Medicatie Toegediend') in de juiste volgorde hebben plaatsgevonden. Ondersteunt het 'Zorgprotocol `Adherence` `Dashboard`'. Het belang Automatiseert de detectie van non-`compliance` zonder handmatige dossiercontrole. Vindplaats Berekend in de `process mining tool` of ETL op basis van `activity sequence`. Voorbeelden truefalse

Verplicht Aanbevolen Optioneel

Patiëntenreisactiviteiten

Dit zijn de belangrijkste processtappen en mijlpalen die u in uw event log moet vastleggen voor nauwkeurige patient journey process discovery.

6 Aanbevolen 7 Optioneel

	Activiteit	Omschrijving
	Behandelplan Aangemaakt	Vertegenwoordigt de formalisering van het behandelplan van een patiënt door het klinische team. Dit wordt vaak vastgelegd wanneer een specifiek 'Zorgplan'-document of een reeks initiële behandelorders wordt aangemaakt en ondertekend in het EPD.
Het belang Deze mijlpaal initieert de actieve behandelfase. Het is de baseline voor het meten van de naleving van zorgprotocollen en de tijd tot de eerste behandelactie, zoals medicatietoediening. Vindplaats Afgeleid van de handtekening `timestamp` op een 'Zorgplan'-formulier of de aanmaak `timestamp` van de eerste grote reeks therapeutische orders na diagnose. Vastleggen Vind de `timestamp` wanneer een 'Zorgplan'-document wordt afgerond of ondertekend door de behandelend `clinician`. Gebeurtenistype inferred
	Diagnose Bevestigd	Deze activiteit betekent dat een arts officieel een diagnose heeft vastgelegd in het patiëntendossier. Dit kan worden vastgelegd wanneer een diagnosecode wordt toegevoegd aan de probleemlijst of wanneer een klinische notitie met de diagnose wordt ondertekend.
Het belang Het bevestigen van de diagnose is een cruciaal keerpunt dat het verdere behandeltraject bepaalt. Het maakt analyse van variaties in behandel `pathways` mogelijk op basis van verschillende diagnoses. Vindplaats Gevonden in de probleemlijst van de patiënt, `encounter` diagnose `records` of klinische documentatie. Het kan worden afgeleid van de `timestamp` wanneer een primaire diagnosecode wordt ingevoerd en afgerond voor de `encounter`. Vastleggen Gebruik de aanmaak- of update-timestamp van de primaire diagnose-invoer voor de specifieke patiëntepisode. Gebeurtenistype inferred
	Eerste Beoordeling Voltooid	Vertegenwoordigt de voltooiing van de eerste klinische evaluatie door een verpleegkundige of arts, zoals triage of initiële intake. Dit wordt vaak vastgelegd wanneer een specifiek klinisch formulier of notitie, zoals een 'Verpleegkundige Initiële Beoordeling', wordt ondertekend en gefinaliseerd in het EPD.
Het belang Deze activiteit is een belangrijke vroege mijlpaal. De tijd tussen registratie en deze beoordeling benadrukt potentiële vertragingen in de patiëntenintake en initiële zorg. Vindplaats Afgeleid van de afronding of handtekening `timestamp` van initiële beoordelingsformulieren of klinische notities binnen de klinische documentatiemodules van Veradigm. Vastleggen Identificeer de `timestamp` wanneer de `status` van de initiële beoordelingsnotitie of formulier wordt gewijzigd naar 'voltooid' of 'ondertekend'. Gebeurtenistype inferred
	Ontslagplanning Geïnitieerd	Vertegenwoordigt de formele start van het ontslagplanningproces voor een patiënt. Dit kan worden afgeleid uit de aanmaak van een ontslagplanningsdocument, het plaatsen van een ontslagorder, of de voltooiing van een specifieke ontslagplanningsbeoordeling.
Het belang Deze activiteit is het startpunt voor het meten van de efficiëntie van het ontslagproces. Vroege initiatie van planning is vaak gecorreleerd met lagere heropnamepercentages. Vindplaats Afgeleid van de aanmaak `timestamp` van een ontslagplanningnotitie, een ontslagorder `set`, of een specifiek beoordelingsformulier binnen Veradigm. Vastleggen Identificeer de `timestamp` wanneer een ontslagspecifieke order of document voor het eerst wordt aangemaakt voor de patiënt `encounter`. Gebeurtenistype inferred
	Patiënt Geregistreerd	Markeert de officiële start van de patiëntepisode wanneer de informatie van de patiënt in het Veradigm-systeem wordt ingevoerd. Deze event wordt doorgaans expliciet vastgelegd wanneer een gebruiker de registratie-workflow voltooit, waarbij een nieuwe patiënt-encounterrecord wordt aangemaakt met een unieke identifier en timestamp.
Het belang Dit is de primaire startactiviteit voor de patiëntenreis. Het is essentieel voor het berekenen van de totale process cycle time, opnameduur en patient throughput rates. Vindplaats Deze event wordt vastgelegd in de patiëntregistratie of ADT (Admission, Discharge, Transfer) module. Zoek naar de aanmaak-timestamp van de patiënt encounter of visit record. Vastleggen Timestamp uit de patiënt encounter of registratietabel bij recordaanmaak. Gebeurtenistype explicit
	Patiënt Ontslagen	Markeert het officiële einde van de intramurale episode, wanneer de patiënt formeel wordt ontslagen uit de faciliteit. Dit is een expliciete, cruciale event vastgelegd door het ADT-systeem, dat de encounter status van de patiënt bijwerkt naar 'ontslagen'.
Het belang Dit is de primaire eindactiviteit voor de meeste patiëntenreizen. Het is cruciaal voor het berekenen van de Average Length of Stay (ALOS) en de totale process cycle time. Vindplaats Expliciet gelogd in de ADT-module. Het patiënt `encounter record` zal een `discharge timestamp` en `disposition` hebben. Vastleggen Gebruik de ontslag-timestamp van de hoofd encounter of visit record van de patiënt. Gebeurtenistype explicit
	Diagnostische Test Aangevraagd	Deze event vindt plaats wanneer een arts een order plaatst voor een diagnostische test, zoals een laboratoriumtest of beeldvormende scan. Het wordt expliciet vastgelegd via het Computerized Physician Order Entry (CPOE) systeem binnen Veradigm.
Het belang Dit markeert het begin van het diagnostische sub-process. Het is het startpunt voor het meten van diagnostische turnaround times en het identificeren van vertragingen bij het bestellen van procedures. Vindplaats Vastgelegd in de orders module of CPOE-systeem logs. Elke order heeft een timestamp die aangeeft wanneer deze is geplaatst. Vastleggen Extraheer de aanmaak `timestamp` uit de `order entry records` voor relevante diagnostische tests. Gebeurtenistype explicit
	Diagnostische Test Voltooid	Vertegenwoordigt het punt waarop de resultaten van een diagnostische test worden gefinaliseerd en beschikbaar worden gesteld in het patiëntendossier. Dit wordt doorgaans afgeleid uit een statuswijziging op de oorspronkelijke order van 'actief' of 'in uitvoering' naar 'voltooid' of 'geresulteerd'.
Het belang Deze activiteit is een kritieke mijlpaal voor het meten van diagnostische turnaround times. Vertragingen tussen bestellen en voltooien kunnen de tijd tot diagnose aanzienlijk beïnvloeden. Vindplaats Afgeleid van het `order status field` in de orders module of van `timestamps` in de corresponderende resultaten module, zoals LIS of RIS. Vastleggen Identificeer de `timestamp` wanneer de order `status` verandert naar een terminale `state` zoals 'Voltooid' of 'Geresulteerd'. Gebeurtenistype inferred
	Follow-up Ingepland	Deze activiteit vertegenwoordigt het plannen van een vervolgafspraak voor de patiënt na ontslag. Deze event wordt vastgelegd in de plannings-module wanneer een afspraak wordt geboekt die is gekoppeld aan de ontslagen encounter.
Het belang Het waarborgen dat `follow-up` zorg is ingepland, is cruciaal voor de continuïteit van zorg en het verminderen van heropnames. Deze `activity` helpt bij het meten van `compliance` met post-ontslag protocollen. Vindplaats Vastgelegd in de afsprakenplanning module. Zoek naar de aanmaak-timestamp van een nieuwe afspraak voor de patiënt die plaatsvindt na de ontslagdatum. Vastleggen Identificeer de aanmaak `timestamp` van een afspraak `record` in het planningssysteem gekoppeld aan de patiënt. Gebeurtenistype explicit
	Medicatie Toegediend	Deze event wordt vastgelegd wanneer een verpleegkundige of arts de toediening van een medicatie aan de patiënt documenteert. Dit wordt vastgelegd in de Medication Administration Record (MAR) of eMAR-module, die de exacte tijd van toediening registreert.
Het belang Het volgen van medicatietoediening is van vitaal belang voor het analyseren van de tijdigheid en naleving van behandelingen. Het verschil tussen bestellen en toediening helpt bij het identificeren van vertragingen in het medicatieleveringsproces. Vindplaats Expliciet gelogd in de eMAR (`electronic Medication Administration Record`) module. Elke `administration event` heeft een specifieke `timestamp`, medicatie en dosering. Vastleggen Extraheer `timestamps` uit de eMAR-tabel voor elke medicatietoediening `event` gekoppeld aan de patiënt `encounter`. Gebeurtenistype explicit
	Overplaatsing naar Afdeling	Deze event markeert de fysieke overplaatsing van een patiënt van een afdeling of zorgunit naar een andere, zoals van de SEH naar een intramurale afdeling. Dit wordt vastgelegd door het ADT (Admission, Discharge, Transfer) systeem binnen Veradigm.
Het belang Patiëntoverplaatsingen zijn veelvoorkomende knelpunten en vertragingsmomenten. Het analyseren van de duur en frequentie van overplaatsingen helpt bij het optimaliseren van de patiëntenstroom en de toewijzing van middelen tussen afdelingen. Vindplaats Expliciet gelogd in de ADT-module. Elke `transfer` `event` omvat de patiënt, van/naar locaties en een `timestamp`. Vastleggen Extraheer `event logs` uit het ADT-systeem die overeenkomen met patiëntbewegingen. Gebeurtenistype explicit
	Procedure Uitgevoerd	Vertegenwoordigt de voltooiing van een klinische of chirurgische procedure. Dit wordt doorgaans vastgelegd wanneer een arts de procedurenotitie ondertekent of wanneer de status van de procedure-order wordt bijgewerkt naar 'voltooid' in het systeem.
Het belang Procedures zijn belangrijke mijlpalen in veel patiëntenreizen. Het analyseren van hun timing helpt inzicht te krijgen in het resource-gebruik en de planningsefficiëntie. Vindplaats Afgeleid van de handtekening `timestamp` van een procedure notitie in de klinische documentatiemodule of de voltooiing `timestamp` in de orders module voor die procedure. Vastleggen Gebruik de voltooiings-timestamp van de procedure-order of de handtekening-timestamp van de gerelateerde proceduredocumentatie. Gebeurtenistype inferred
	Vitale Functies Vastgelegd	Deze activiteit vindt elke keer plaats dat de vitale functies van een patiënt, zoals hartslag, bloeddruk en temperatuur, worden vastgelegd. Dit is een expliciete event vastgelegd in de klinische documentatie of vitals-specifieke flowsheet sectie van het EPD.
Het belang Frequente registratie van vitalen duidt op actieve patiëntbewaking. De frequentie en timing kunnen worden geanalyseerd om `compliance` met monitoringprotocollen te waarborgen. Vindplaats Vastgelegd in de klinische data repository of flowsheet tabellen waar vitale functies worden opgeslagen. Elke invoer heeft een timestamp. Vastleggen Extraheer `timestamps` uit de `vital signs flowsheet data` voor de patiënt `encounter`. Gebeurtenistype explicit

Aanbevolen Optioneel

Extractie Guides

Hoe u uw `data` van Veradigm (Allscripts) krijgt

Stappen

Identificeer het Doel Interface Kanaal: Log in op de Allscripts Interface Engine (AIE) Management Console. Zoek het primaire interface kanaal dat inkomende berichten van het EPD verwerkt (doorgaans gelabeld als 'EHR_Inbound' of vergelijkbaar). Zorg ervoor dat dit kanaal ADT-, SIU-, ORM-, ORU-, RAS- en DFT-berichttypen verwerkt om de volledige reikwijdte van patiëntreis activities vast te leggen.
Creëer een Nieuw Passthrough/Export Kanaal: Creëer een nieuw bestemmingskanaal genaamd 'ProcessMining_Export'. Stel het output type in op 'File Writer'. Dit kanaal ontvangt een kopie van de berichten van het bronkanaal en transformeert deze naar een flat file formaat (CSV) voor ProcessMind.
Configureer Berichtenroutering: Configureer in de AIE-routeringsregels een kopieer-/routeerregel om berichten van het primaire EPD-kanaal naar het nieuwe 'ProcessMining_Export'-kanaal te sturen. Filter de routering om alleen de benodigde berichttypen op te nemen: ADT (Registratie/Transfer), SIU (Planning), ORM (Orders), ORU (Resultaten/Vitalen), RAS (Medicatie) en DFT (Facturatie/Procedures).
Definieer de Transformatielogica: Open binnen het 'ProcessMining_Export'-kanaal de Transformatie-/Script editor. U moet een parsing script implementeren (zie de 'query'-sectie hieronder) dat de raw HL7-segmenten leest en specifieke Trigger Events en Status codes mapt aan de vereiste standaard Activity Namen (bijv. mapping 'ADT^A01' aan 'Patiënt Geregistreerd').
Map Attributes aan HL7 Fields: Zorg ervoor dat het script de 'PatientEpisodeId' uit het PV1-19-segment (Visit Number) en 'PatientMrn' uit PID-3 extraheert. Map de 'EventDateTime' aan MSH-7 of EVN-2. Extraheer klinische details zoals 'DepartmentName' uit PV1-3 en 'AttendingProvider' uit PV1-7.
Stel Uitvoerbestand Parameters In: Configureer de File Writer settings. Stel de uitvoermap in op een veilig netwerkpad. Definieer de bestandsnaamconventie (bijv. EventLog_JJJJMMDD_UU.csv). Stel de bestandsmodus in op 'Append' om continu rijen aan de log toe te voegen.
Beheer Delimiters en Escaping: Zorg er in het script voor dat tekstvelden (zoals Diagnose of Afdelingsnaam) worden gesaneerd om komma's of nieuwe regels te verwijderen om te voorkomen dat de CSV-structuur wordt doorbroken.
Activeer en Test: Start het 'ProcessMining_Export'-kanaal. Trigger een test event in de Veradigm test environment (bijv. registreer een testpatiënt). Controleer of er een nieuwe rij verschijnt in het CSV-bestand met de correcte Activity Naam en timestamp.
Configureer Log Rotation: Stel een rotatieschema in (bijv. dagelijks om middernacht) om het huidige CSV-bestand te sluiten en een nieuw bestand te starten. Dit zorgt ervoor dat bestanden hanteerbaar van formaat zijn voor upload.
Historische Data Replay (Optioneel): Indien historische data vereist is, gebruik de AIE 'Message Browser' of 'Log Replay' tool om gearchiveerde HL7 logs van de afgelopen 3-6 maanden opnieuw te verzenden via het 'ProcessMining_Export'-kanaal. Bewaak de systeemprestaties om lag te voorkomen.
Ophalen en Formatteren: Toegang tot de uitvoermap, haal de gegenereerde CSV-bestanden op en controleer of de headers overeenkomen met de vereisten. Combineer dagelijkse bestanden indien nodig.
Upload naar ProcessMind: Importeer de definitieve dataset in ProcessMind, mapping 'PatientEpisodeId' als de Case ID, 'ActivityName' als de Activity, en 'EventDateTime' als de Timestamp.

Configuratie

Channel Type: File Writer / File System Output
Trigger Events: ADT^A01, ADT^A03, ADT^A04, ADT^A08, SIU^S12, ORM^O01, ORU^R01, RAS^O17, DFT^P03
File Encoding: UTF-8 (Cruciaal voor speciale tekens in namen/diagnoses)
Delimiter: Komma (,) of Pipe (|)
Date Format: ISO 8601 (YYYY-MM-DDTHH:MM:SS) aanbevolen voor HL7 timestamp conversie
Log Rotation: Dagelijks of wanneer de bestandsgrootte 100MB overschrijdt
Write Mode: Append (Niet overschrijven)
Performance: Zorg ervoor dat het transformation script lightweight is om message queuing/backlog in de engine te voorkomen.

a Voorbeeldquery config

// AIE Transformation Script (Pseudo-code for Config)
// Objective: Parse HL7 message and append line to CSV
// Output Columns: PatientEpisodeId, ActivityName, EventDateTime, PatientMrn, AttendingProvider, DepartmentName, PrimaryDiagnosisCode

// 1. Initialize Variables
var msgType = HL7.GetField("MSH-9-1") + "^" + HL7.GetField("MSH-9-2");
var visitNumber = HL7.GetField("PV1-19");
var mrn = HL7.GetField("PID-3");
var eventTime = HL7.GetField("MSH-7"); // Or EVN-2
var provider = HL7.GetField("PV1-7");
var dept = HL7.GetField("PV1-3");
var diagnosis = HL7.GetField("DG1-3"); // For Diagnosis events
var orderStatus = HL7.GetField("ORC-5");
var resultStatus = HL7.GetField("OBR-25");
var activityName = "";

// 2. Map Message Types to Activities
// Registration & Admission
if (msgType == "ADT^A04" || msgType == "ADT^A01") {
    activityName = "Patient Registered";
}
else if (msgType == "ADT^A02") {
    activityName = "Transfer to Department";
}
else if (msgType == "ADT^A03") {
    activityName = "Patient Discharged";
}
// Scheduling
else if (msgType == "SIU^S12") {
    activityName = "Follow-up Scheduled";
}
// Orders (Diagnostics, Care Plans, Discharge Planning)
else if (msgType == "ORM^O01") {
    var orderControl = HL7.GetField("ORC-1");
    var orderType = HL7.GetField("OBR-4"); // Check for specific service codes
    
    if (orderControl == "NW") { // New Order
        if (orderType.Contains("LAB") || orderType.Contains("RAD")) {
            activityName = "Diagnostic Test Ordered";
        }
        else if (orderType.Contains("DISCHARGE")) {
            activityName = "Discharge Planning Initiated";
        }
        else if (orderType.Contains("CARE_PLAN")) {
            activityName = "Treatment Plan Created";
        }
    }
}
// Results & Vitals
else if (msgType == "ORU^R01") {
    // Check if it is Vitals or Lab Result based on OBX codes or sending app
    var observationId = HL7.GetField("OBX-3"); 
    if (observationId.Contains("VITALS")) {
        activityName = "Vitals Recorded";
    } else {
        if (resultStatus == "F" || resultStatus == "C") {
            activityName = "Diagnostic Test Completed";
        }
    }
    
    // Initial Assessment Check (often a specific doc type in ORU or MDM)
    if (observationId.Contains("INITIAL_ASSESS")) {
        activityName = "Initial Assessment Completed";
    }
}
// Medication Administration (RAS)
else if (msgType == "RAS^O17") {
    activityName = "Medication Administered";
}
// Billing/Procedures (DFT)
else if (msgType == "DFT^P03") {
    activityName = "Procedure Performed";
}
// Diagnosis Updates (Often in ADT or DFT, logic depends on config)
else if (msgType == "ADT^A08" && diagnosis != "") {
    // Check if diagnosis segment is new/updated
    activityName = "Diagnosis Confirmed";
}

// 3. Write to File if Activity Identified
if (activityName != "" && visitNumber != "") {
    // Format Date to ISO
    var formattedDate = FormatDate(eventTime, "yyyy-MM-dd HH:mm:ss");
    
    // Construct CSV Line
    var csvLine = visitNumber + "," + 
                  activityName + "," + 
                  formattedDate + "," + 
                  mrn + "," + 
                  provider + "," + 
                  dept + "," + 
                  diagnosis;
                  
    File.WriteLine("[Configured_Output_Path]\\PatientJourneyLog.csv", csvLine);
}

Stappen

Vereisten en Toegang: Zorg ervoor dat u geldige credentials heeft voor de Veradigm (Allscripts) Unity API. U heeft een Appname (Applicatienaam) nodig die geautoriseerd is voor uw organisatie, samen met een geldige UserID en Password (of token) voor authenticatie. Controleer of het gebruikersaccount permissions heeft voor toegang tot klinische domains (Encounters, Orders, Results, Vitals, Problems).
Omgevingsinstelling: Installeer Python 3.8 of hoger. Installeer de benodigde libraries met pip: pip install requests pandas. Deze worden gebruikt voor het uitvoeren van HTTP-verzoeken aan de Unity API en het manipuleren van de resulterende data.
Configuratie: Open het meegeleverde Python-script. Zoek de CONFIGURATION sectie bovenaan. Werk de API_URL bij naar uw specifieke Unity-environment endpoint (bijv. unity.veradigm.com of een interne gateway). Vervang de placeholder credentials ([YourAppName], [YourUserID], etc.) door uw feitelijke credentials. Stel de START_DATE en END_DATE in op het gewenste analysevenster.
Script Logic Overzicht: Het script functioneert door eerst te authenticeren met de API om een security token te verkrijgen. Vervolgens roept het GetEncounterInfo aan om alle patiëntepisodes binnen het opgegeven datumbereik op te halen. Deze lijst van encounters dient als de centrale iterator voor de extractie.
Activity Extraction Loop: Voor elke geïdentificeerde EncounterID voert het script secundaire API-aanroepen uit naar gespecialiseerde endpoints. Het roept GetOrders aan om diagnostische tests en procedures te vinden. Het roept GetResults aan om voltooide tests te identificeren. Het roept GetVitals aan voor vitale tekenenregistraties. Het roept GetPatientProblems aan voor bevestigde diagnoses. Het iteratet door klinische notities om beoordelingen en behandelplannen te vinden.
Data Transformation: Terwijl raw JSON data wordt teruggestuurd van de API, parseert het script specifieke velden om ze te mappen aan het ProcessMind-schema. Bijvoorbeeld, OrderDateTime wordt mapped aan EventDateTime voor de 'Diagnostische Test Aangevraagd' activity. Het script zorgt ervoor dat de PatientEpisodeId (Encounter ID) consistent wordt toegepast op alle child records.
Afhandeling van ADT en Transfers: De script logic omvat een controle op de locatiegeschiedenis van de encounter (indien beschikbaar via specifieke Audit of ADT sub-calls) of leidt transfers af op basis van afdelingswijzigingen in klinische documentatie om 'Transfer naar Afdeling' events te genereren.
Follow-up Logic: Na het verwerken van de encounter, queries het script GetSchedule voor dezelfde PatientID, op zoek naar afspraakdatums die na de DischargeDate plaatsvinden om de 'Follow-up Ingepland' activity te genereren.
Validatie: Het script bevat een lokale validatiestap die het aantal rijen per activity type naar de console afdrukt. Controleer deze output om er zeker van te zijn dat geen enkele activity type nul records heeft (tenzij verwacht).
Export: De definitieve dataset wordt geaggregeerd in een Pandas DataFrame. Het script berekent afgeleide attributes zoals LengthOfStay en IsReadmission door de data te sorteren op Patient en Time. Ten slotte exporteert het de schone event log naar een CSV-bestand genaamd veradigm_patient_journey_log.csv.
Eindcontrole: Open het gegenereerde CSV-bestand. Controleer of de date formats ISO 8601 (JJJJ-MM-DD UU:MM:SS) zijn en dat tekstvelden zoals ActivityName geen delimiter tekens bevatten.
Upload: Importeer het CSV-bestand in ProcessMind. Map PatientEpisodeId aan Case ID, ActivityName aan Activity, en EventDateTime aan Timestamp.

Configuratie

API_URL: De basis-URL voor de Unity API-diensten. Dit varieert per clientinstallatie (bijv. on-premise versus cloud). Zorg ervoor dat het protocol (https) correct is.
Appname: De unieke applicatie-identificator die is geregistreerd bij Veradigm/Allscripts. Dit beheert de reikwijdte van de data-toegang.
Date Range: Het aanbevolen extractievenster is 3-6 maanden. Grote bereiken kunnen timeout veroorzaken; overweeg om per maand te chunken als het volume hoog is.
Timeout Settings: Het script gebruikt een standaard timeout van 30 seconden voor API-aanroepen. Verhoog dit als het EPD-systeem zwaar belast is.
Batching: Het script iteratet per encounter. Voor high-volume systemen kan het nodig zijn om het script aan te passen om data in bulk op te halen (indien endpoints dit toelaten) of om parallelle threads uit te voeren.
Mapping Logic: Het script mapt 'OrderType' aan activities. Zorg ervoor dat de specifieke order type codes van uw systeem (bijv. 'Lab', 'Rad') overeenkomen met de logica in de functie process_orders.

a Voorbeeldquery python

import requests
import pandas as pd
import json
from datetime import datetime, timedelta

class=class="hl-string">"hl-comment"># === CONFIGURATION ===
API_URL = class="hl-string">"https://unity.veradigm.com/[YourEnvironment]/unity/unityservice.svc/json"
APP_NAME = class="hl-string">"[YourAppName]"
USER_ID = class="hl-string">"[YourUserID]"
PASSWORD = class="hl-string">"[YourPassword]"
START_DATE = class="hl-string">"2023-01-01"
END_DATE = class="hl-string">"2023-01-31"
OUTPUT_FILE = class="hl-string">"veradigm_patient_journey_log.csv"

class=class="hl-string">"hl-comment"># Global Session Token
TOKEN = None

def get_security_token():
    class="hl-string">"""Authenticate and retrieve security token."""
    payload = {
        class="hl-string">"Action": class="hl-string">"GetToken",
        class="hl-string">"Appname": APP_NAME,
        class="hl-string">"Username": USER_ID,
        class="hl-string">"Password": PASSWORD
    }
    try:
        response = requests.post(API_URL, json=payload)
        response.raise_for_status()
        data = response.json()
        class=class="hl-string">"hl-comment"># Depending on Unity version, token might be in body or header. Assuming body here.
        return data[0][class="hl-string">'Token'] if isinstance(data, list) else data.get(class="hl-string">'Token')
    except Exception as e:
        print(fclass="hl-string">"Authentication failed: {e}")
        return None

def make_unity_request(action, params):
    class="hl-string">"""Wrapper for Unity API calls."""
    payload = {
        class="hl-string">"Action": action,
        class="hl-string">"Appname": APP_NAME,
        class="hl-string">"Token": TOKEN
    }
    payload.update(params)
    
    try:
        response = requests.post(API_URL, json=payload, timeout=30)
        response.raise_for_status()
        class=class="hl-string">"hl-comment"># Unity often returns a list of dictionaries
        return response.json()
    except Exception as e:
        print(fclass="hl-string">"API Call Error ({action}): {e}")
        return []

def extract_patient_journey():
    global TOKEN
    TOKEN = get_security_token()
    if not TOKEN:
        return

    print(class="hl-string">"Token acquired. Starting extraction...")
    
    event_log = []

    class=class="hl-string">"hl-comment"># 1. Get Encounters within Date Range
    class=class="hl-string">"hl-comment"># Using GetEncounterInfo or similar search action
    encounters = make_unity_request(class="hl-string">"GetEncounterInfo", {
        class="hl-string">"StartEncounterDate": START_DATE,
        class="hl-string">"EndEncounterDate": END_DATE
    })

    print(fclass="hl-string">"Found {len(encounters)} encounters. Processing details...")

    for enc in encounters:
        try:
            class=class="hl-string">"hl-comment"># Basic Encounter Data
            episode_id = str(enc.get(class="hl-string">'EncounterID'))
            patient_id = enc.get(class="hl-string">'PatientID')
            mrn = enc.get(class="hl-string">'MRN', class="hl-string">'')
            admit_time = enc.get(class="hl-string">'EncounterDate') class=class="hl-string">"hl-comment"># ISO string expected
            discharge_time = enc.get(class="hl-string">'DischargeDate')
            dept_name = enc.get(class="hl-string">'Department', class="hl-string">'General')
            attending = enc.get(class="hl-string">'ProviderName', class="hl-string">'Unknown')
            
            class=class="hl-string">"hl-comment"># --- Activity: Patient Registered ---
            if admit_time:
                event_log.append({
                    class="hl-string">"PatientEpisodeId": episode_id,
                    class="hl-string">"ActivityName": class="hl-string">"Patient Registered",
                    class="hl-string">"EventDateTime": admit_time,
                    class="hl-string">"PatientMrn": mrn,
                    class="hl-string">"AttendingProvider": attending,
                    class="hl-string">"DepartmentName": dept_name,
                    class="hl-string">"AdmissionDate": admit_time,
                    class="hl-string">"DischargeDate": discharge_time
                })

            class=class="hl-string">"hl-comment"># --- Activity: Patient Discharged ---
            if discharge_time:
                 event_log.append({
                    class="hl-string">"PatientEpisodeId": episode_id,
                    class="hl-string">"ActivityName": class="hl-string">"Patient Discharged",
                    class="hl-string">"EventDateTime": discharge_time,
                    class="hl-string">"PatientMrn": mrn,
                    class="hl-string">"AttendingProvider": attending,
                    class="hl-string">"DepartmentName": dept_name,
                    class="hl-string">"AdmissionDate": admit_time,
                    class="hl-string">"DischargeDate": discharge_time
                })

            class=class="hl-string">"hl-comment"># 2. Get Orders (Labs, Procedures, Consults)
            orders = make_unity_request(class="hl-string">"GetOrders", {class="hl-string">"PatientID": patient_id, class="hl-string">"EncounterID": episode_id})
            for order in orders:
                order_time = order.get(class="hl-string">'OrderDate')
                order_type = order.get(class="hl-string">'OrderType', class="hl-string">'').lower()
                order_name = order.get(class="hl-string">'OrderName', class="hl-string">'Unknown Order')
                
                class=class="hl-string">"hl-comment"># --- Activity: Diagnostic Test Ordered ---
                if class="hl-string">'lab' in order_type or class="hl-string">'imaging' in order_type or class="hl-string">'radiology' in order_type:
                    event_log.append({
                        class="hl-string">"PatientEpisodeId": episode_id,
                        class="hl-string">"ActivityName": class="hl-string">"Diagnostic Test Ordered",
                        class="hl-string">"EventDateTime": order_time,
                        class="hl-string">"PatientMrn": mrn,
                        class="hl-string">"Attribute_OrderName": order_name
                    })

                class=class="hl-string">"hl-comment"># --- Activity: Procedure Performed ---
                class=class="hl-string">"hl-comment"># Often procedures are orders with status completed or specific types
                if class="hl-string">'procedure' in order_type and order.get(class="hl-string">'Status') == class="hl-string">'Completed':
                    event_log.append({
                        class="hl-string">"PatientEpisodeId": episode_id,
                        class="hl-string">"ActivityName": class="hl-string">"Procedure Performed",
                        class="hl-string">"EventDateTime": order.get(class="hl-string">'CompletionDate', order_time),
                        class="hl-string">"PatientMrn": mrn,
                        class="hl-string">"Attribute_ProcedureName": order_name
                    })
                    
                class=class="hl-string">"hl-comment"># --- Activity: Discharge Planning Initiated ---
                if class="hl-string">'discharge' in order_name.lower():
                    event_log.append({
                        class="hl-string">"PatientEpisodeId": episode_id,
                        class="hl-string">"ActivityName": class="hl-string">"Discharge Planning Initiated",
                        class="hl-string">"EventDateTime": order_time,
                        class="hl-string">"PatientMrn": mrn
                    })

            class=class="hl-string">"hl-comment"># 3. Get Results (Lab completion)
            results = make_unity_request(class="hl-string">"GetResults", {class="hl-string">"PatientID": patient_id, class="hl-string">"EncounterID": episode_id})
            for res in results:
                result_time = res.get(class="hl-string">'ResultDate')
                if result_time:
                    class=class="hl-string">"hl-comment"># --- Activity: Diagnostic Test Completed ---
                    event_log.append({
                        class="hl-string">"PatientEpisodeId": episode_id,
                        class="hl-string">"ActivityName": class="hl-string">"Diagnostic Test Completed",
                        class="hl-string">"EventDateTime": result_time,
                        class="hl-string">"PatientMrn": mrn,
                        class="hl-string">"Attribute_ResultName": res.get(class="hl-string">'TestName', class="hl-string">'Unknown Test')
                    })

            class=class="hl-string">"hl-comment"># 4. Get Problems (Diagnosis)
            problems = make_unity_request(class="hl-string">"GetPatientProblems", {class="hl-string">"PatientID": patient_id, class="hl-string">"EncounterID": episode_id})
            for prob in problems:
                onset_date = prob.get(class="hl-string">'OnsetDate') or prob.get(class="hl-string">'DateEntered')
                if onset_date:
                     class=class="hl-string">"hl-comment"># --- Activity: Diagnosis Confirmed ---
                    event_log.append({
                        class="hl-string">"PatientEpisodeId": episode_id,
                        class="hl-string">"ActivityName": class="hl-string">"Diagnosis Confirmed",
                        class="hl-string">"EventDateTime": onset_date,
                        class="hl-string">"PatientMrn": mrn,
                        class="hl-string">"PrimaryDiagnosisCode": prob.get(class="hl-string">'ICD10', class="hl-string">''),
                        class="hl-string">"Attribute_DiagnosisName": prob.get(class="hl-string">'ProblemDescription', class="hl-string">'')
                    })

            class=class="hl-string">"hl-comment"># 5. Get Vitals
            vitals = make_unity_request(class="hl-string">"GetVitals", {class="hl-string">"PatientID": patient_id, class="hl-string">"EncounterID": episode_id})
            for vit in vitals:
                taken_time = vit.get(class="hl-string">'DateTaken')
                if taken_time:
                    class=class="hl-string">"hl-comment"># --- Activity: Vitals Recorded ---
                    event_log.append({
                        class="hl-string">"PatientEpisodeId": episode_id,
                        class="hl-string">"ActivityName": class="hl-string">"Vitals Recorded",
                        class="hl-string">"EventDateTime": taken_time,
                        class="hl-string">"PatientMrn": mrn
                    })

            class=class="hl-string">"hl-comment"># 6. Get Clinical Notes (Assessments, Plans)
            class=class="hl-string">"hl-comment"># Sometimes accessed via GetNoteInfo or GetChart
            notes = make_unity_request(class="hl-string">"GetNoteInfo", {class="hl-string">"PatientID": patient_id, class="hl-string">"EncounterID": episode_id})
            for note in notes:
                note_date = note.get(class="hl-string">'NoteDate')
                note_title = note.get(class="hl-string">'DocumentType', class="hl-string">'').lower()
                
                class=class="hl-string">"hl-comment"># --- Activity: Initial Assessment Completed ---
                if class="hl-string">'initial' in note_title or class="hl-string">'assessment' in note_title:
                    event_log.append({
                        class="hl-string">"PatientEpisodeId": episode_id,
                        class="hl-string">"ActivityName": class="hl-string">"Initial Assessment Completed",
                        class="hl-string">"EventDateTime": note_date,
                        class="hl-string">"PatientMrn": mrn
                    })
                
                class=class="hl-string">"hl-comment"># --- Activity: Treatment Plan Created ---
                if class="hl-string">'plan' in note_title or class="hl-string">'care' in note_title:
                    event_log.append({
                        class="hl-string">"PatientEpisodeId": episode_id,
                        class="hl-string">"ActivityName": class="hl-string">"Treatment Plan Created",
                        class="hl-string">"EventDateTime": note_date,
                        class="hl-string">"PatientMrn": mrn
                    })

            class=class="hl-string">"hl-comment"># 7. Med Administration (GetMedicationAdministration or inferred from Med History)
            meds = make_unity_request(class="hl-string">"GetMedicationAdministration", {class="hl-string">"PatientID": patient_id, class="hl-string">"EncounterID": episode_id})
            for med in meds:
                admin_time = med.get(class="hl-string">'AdministrationDate')
                if admin_time:
                    class=class="hl-string">"hl-comment"># --- Activity: Medication Administered ---
                    event_log.append({
                        class="hl-string">"PatientEpisodeId": episode_id,
                        class="hl-string">"ActivityName": class="hl-string">"Medication Administered",
                        class="hl-string">"EventDateTime": admin_time,
                        class="hl-string">"PatientMrn": mrn,
                        class="hl-string">"Attribute_MedicationName": med.get(class="hl-string">'MedicationName', class="hl-string">'')
                    })

            class=class="hl-string">"hl-comment"># 8. Transfer Events (Infer from ADT or Audit log)
            class=class="hl-string">"hl-comment"># Simulating transfer extraction via AuditLog for Location changes
            audit_logs = make_unity_request(class="hl-string">"GetAuditLog", {class="hl-string">"PatientID": patient_id, class="hl-string">"EncounterID": episode_id})
            for log in audit_logs:
                if class="hl-string">"Transfer" in log.get(class="hl-string">'EventName', class="hl-string">'') or class="hl-string">"Location Change" in log.get(class="hl-string">'EventName', class="hl-string">''):
                     class=class="hl-string">"hl-comment"># --- Activity: Transfer to Department ---
                     event_log.append({
                        class="hl-string">"PatientEpisodeId": episode_id,
                        class="hl-string">"ActivityName": class="hl-string">"Transfer to Department",
                        class="hl-string">"EventDateTime": log.get(class="hl-string">'EventDate'),
                        class="hl-string">"PatientMrn": mrn,
                        class="hl-string">"DepartmentName": log.get(class="hl-string">'NewValue', class="hl-string">'Unknown Dept')
                     })

            class=class="hl-string">"hl-comment"># 9. Follow-up Scheduled
            if discharge_time:
                future_appts = make_unity_request(class="hl-string">"GetSchedule", {class="hl-string">"PatientID": patient_id, class="hl-string">"StartDate": discharge_time})
                for appt in future_appts:
                    class=class="hl-string">"hl-comment"># --- Activity: Follow-up Scheduled ---
                    class=class="hl-string">"hl-comment"># Note: We want the time the appt was BOOKED, but Unity usually gives ApptDate.
                    class=class="hl-string">"hl-comment"># We will use the creation date of the appt if available, otherwise ApptDate as proxy
                    event_log.append({
                        class="hl-string">"PatientEpisodeId": episode_id,
                        class="hl-string">"ActivityName": class="hl-string">"Follow-up Scheduled",
                        class="hl-string">"EventDateTime": appt.get(class="hl-string">'DateBooked', appt.get(class="hl-string">'ApptDate')), 
                        class="hl-string">"PatientMrn": mrn
                    })

        except Exception as e:
            print(fclass="hl-string">"Error processing encounter {enc.get('EncounterID')}: {e}")
            continue

    class=class="hl-string">"hl-comment"># Post-Processing: Create DataFrame
    df = pd.DataFrame(event_log)
    
    class=class="hl-string">"hl-comment"># Helper: Convert strings to datetime
    df[class="hl-string">'EventDateTime'] = pd.to_datetime(df[class="hl-string">'EventDateTime'], errors=class="hl-string">'coerce')
    df = df.dropna(subset=[class="hl-string">'EventDateTime', class="hl-string">'PatientEpisodeId'])
    
    class=class="hl-string">"hl-comment"># Calculate LOS and Readmission
    df[class="hl-string">'AdmissionDate'] = pd.to_datetime(df[class="hl-string">'AdmissionDate'], errors=class="hl-string">'coerce')
    df[class="hl-string">'DischargeDate'] = pd.to_datetime(df[class="hl-string">'DischargeDate'], errors=class="hl-string">'coerce')
    
    class=class="hl-string">"hl-comment"># LOS
    df[class="hl-string">'LengthOfStay'] = (df[class="hl-string">'DischargeDate'] - df[class="hl-string">'AdmissionDate']).dt.days

    class=class="hl-string">"hl-comment"># IsReadmission (Simplified: check if patient had previous discharge within 30 days)
    class=class="hl-string">"hl-comment"># Requires sorting by patient and admission time first
    class=class="hl-string">"hl-comment"># This is complex in a flat event log context, simplified here as placeholder logic
    df[class="hl-string">'IsReadmission'] = False 

    print(fclass="hl-string">"Extraction complete. Rows: {len(df)}")
    df.to_csv(OUTPUT_FILE, index=False)
    print(fclass="hl-string">"Data saved to {OUTPUT_FILE}")

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

Uw Patiëntenreis Data Template

Uw Patiëntenreis Data Template

Patiëntenreis Attributes

Patiëntenreisactiviteiten

Extractie Guides

Allscripts `Interface Engine Event Log` Export

Stappen

Configuratie

a Voorbeeldquery config

Veradigm Unity API Extractie via Python

Stappen

Configuratie

a Voorbeeldquery python

Klaar om te starten?

Optimaliseer Patiëntenreizen in Veradigm Vandaag

Uw Patiëntenreis Data Template

Uw Patiëntenreis Data Template

Patiëntenreis Attributes

Patiëntenreisactiviteiten

Extractie Guides

Allscripts `Interface Engine Event Log` Export

Stappen

Configuratie

a Voorbeeldquery config

Veradigm Unity API Extractie via Python

Stappen

Configuratie

a Voorbeeldquery python

Wij hechten veel waarde aan je privacy

Klaar om te starten?

Optimaliseer Patiëntenreizen in Veradigm Vandaag