> Melhoria Contínua de Processos > Jornada do Paciente > Veradigm (Allscripts) > Modelo de Dados

Seu Template de Dados da Jornada do Paciente

Veradigm (Allscripts)

Atributos da Jornada do Paciente (20) Atividades da Jornada do Paciente (13) Guias de Extração (2)

Seu Template de Dados da Jornada do Paciente

Este template oferece uma abordagem estruturada para coletar dados para a análise da jornada. Ele lista atributos e atividades essenciais e guia a extração do seu sistema original. Use este recurso para preparar seus dados para o Process Mining.

Atributos recomendados para uma análise completa
Atividades principais para monitorar e garantir uma descoberta de processo precisa
Guia prático para extração de dados do seu sistema

É novo em event logs? Saiba como criar um event log para Process Mining.

Baixar Modelo

Atributos da Jornada do Paciente

Estes são os campos de dados recomendados para o seu Event Log para uma análise completa da jornada do paciente.

3 Obrigatório 9 Recomendado 8 Opcional

	Nome	Descrição
	Episódio do Paciente PatientEpisodeId	Identificador único para a visita ou atendimento do paciente.
Descrição O Episódio do Paciente serve como o principal identificador de caso (case ID), agrupando eventos de uma jornada específica. Isso permite uma visão integrada do diagnóstico ao tratamento e recuperação. Em sistemas Veradigm (como Sunrise ou Paragon), geralmente corresponde ao ID da Visita ou Número do Atendimento. Por que é importante É a chave fundamental para o Process Mining, permitindo a reconstrução da jornada ponta a ponta do paciente. Onde obter Provavelmente encontrado no cabeçalho das tabelas de Visita ou Atendimento (ex: VISIT_ID, ENCOUNTER_ID). Consulte a documentação da Veradigm (Allscripts). Exemplos EP-2023-998877VIS-10029384100029384ENC-554433
	Event Timestamp EventDateTime	A data e hora exatas em que a atividade ocorreu.
Descrição Registra o ponto cronológico da atividade. É fundamental para calcular tempos de ciclo, durações e ordenar os eventos corretamente. Na saúde, a precisão do minuto é vital para uma análise de fluxo precisa. Por que é importante Permite o cálculo de todos os KPIs baseados em tempo, incluindo o Tempo Médio de Ciclo da Jornada do Paciente e Tempos de Espera. Onde obter Timestamps de transação nas tabelas de origem (ex: ADT_DATE, ORDER_DATE, RESULT_DATE). Exemplos 2023-10-12T08:30:00Z2023-10-12T14:45:22Z2023-10-15T09:00:00Z
	Nome da Atividade ActivityName	Evento clínico ou administrativo específico realizado.
Descrição Descreve a etapa realizada no processo, como 'Paciente Registrado', 'Medicamento Administrado' ou 'Planejamento de Alta Iniciado'. Este atributo diferencia as várias fases da jornada e é essencial para a descoberta de processos e análise de variantes. Por que é importante Define os nós no mapa do processo; sem isso, o fluxo do processo não pode ser visualizado. Onde obter Derivado de várias tabelas transacionais: eventos ADT, Pedidos, Resultados e tabelas de Documentação Clínica. Exemplos Paciente RegistradoExame Diagnóstico SolicitadoMedicamento AdministradoPaciente Recebeu Alta
	Código do Diagnóstico Primário PrimaryDiagnosisCode	Código CID-10 ou SNOMED que representa a condição principal.
Descrição Motivo codificado da visita. Este atributo serve como filtro para explorar variações no caminho de tratamento, permitindo comparar como diferentes condições (ex: Pneumonia vs. Insuficiência Cardíaca) fluem pelo sistema. Por que é importante Necessário para segmentar processos por condição clínica e verificar a adesão ao protocolo. Onde obter Tabelas de diagnóstico ou lista de problemas (geralmente colunas CID-10). Consulte a documentação do Veradigm (Allscripts). Exemplos I50.9J18.9E11.9
	Data de Admissão AdmissionDate	Data e hora da admissão formal do paciente.
Descrição Timestamp do início da internação. Usado com a Data de Alta para calcular o Tempo de Permanência (ALOS). Por que é importante Ponto de ancoragem crítico para cálculo de tempo de permanência e medição de atrasos na admissão. Onde obter Tabela de cabeçalho de Visita/Atendimento (ex: ADMIT_DATE). Consulte a documentação da Veradigm (Allscripts). Exemplos 2023-10-01T10:00:00Z2023-10-05T14:20:00Z
	Data de Quita00o DischargeDate	Data e hora da alta do paciente.
Descrição Timestamp do fim do episódio. Usado para fechar o caso no Process Mining e essencial para cálculos de ALOS e readmissão. Por que é importante Define o fim do ciclo do processo; crucial para análise de vazão (throughput). Onde obter Tabela de cabeçalho de Visita/Atendimento (ex: DISCH_DATE). Consulte a documentação da Veradigm (Allscripts). Exemplos 2023-10-04T11:00:00Z2023-10-10T09:30:00Z
	Destino Pós-Alta DischargeDisposition	Status ou destino do paciente no momento da alta.
Descrição Indica para onde o paciente foi após a internação (ex: 'Casa', 'Unidade de Cuidados Continuados', 'Óbito', 'Transferência'). Importante para analisar riscos de readmissão, já que cada destino possui um perfil de risco diferente. Por que é importante Contextualiza o dashboard de 'Planejamento de Alta' e ajuda a explicar variações no Tempo Médio de Permanência (ALOS). Onde obter Tabela de cabeçalho de Visita/Atendimento (ex: DISCH_DISP). Consulte a documentação da Veradigm (Allscripts). Exemplos InícioTransferido para SNF (Cuidados Continuados)Residência com Assistência DomiciliarAlta à Revelia (Evasão)
	É Readmissão IsReadmission	Indicador (flag) que mostra se este episódio é uma readmissão em 30 dias.
Descrição Um atributo booleano calculado. Retorna verdadeiro se o paciente teve uma alta anterior nos últimos 30 dias da data de admissão atual. Alimenta o 'Monitor de Taxa de Readmissão Evitável'. Por que é importante KPI central para qualidade hospitalar e reembolsos (especialmente para regulamentações do setor). Onde obter Calculado na camada de ETL/Transformação de Dados usando PatientMRN e datas de Admissão/Alta. Exemplos verdadeirofalse
	MRN do Paciente PatientMrn	Número do Prontuário (MRN) que identifica o paciente de forma única entre diferentes episódios.
Descrição Número do prontuário (MRN) ou ID de Paciente. Diferente do ID do Episódio, este permanece constante em diferentes visitas, sendo a chave para vincular episódios e calcular taxas de readmissão. Por que é importante Essencial para a 'Taxa de Readmissão de 30 Dias' e para identificar pacientes recorrentes. Onde obter Índice mestre de pacientes ou tabelas demográficas (prováveis colunas: MRN, PATIENT_ID). Consulte a documentação da Veradigm (Allscripts). Exemplos MRN-884422P-10022399887766
	Nome do Departamento DepartmentName	Unidade hospitalar ou departamento onde a atividade ocorreu.
Descrição Indica o contexto da localização, como 'Pronto-Socorro', 'Cardiologia' ou 'Radiologia'. Isso é vital para a 'Análise de Gargalos de Admissão e Transferência' para ver onde os pacientes travam ao mudar de ala. Por que é importante Suporta a análise do uso de recursos e identificação de gargalos por departamento. Onde obter Tabelas mestras de Localização ou Departamento vinculadas à transação. Consulte a documentação da Veradigm (Allscripts). Exemplos Departamento de EmergênciaUTICirurgia GeralRadiologia
	Profissional Responsável AttendingProvider	Clínico principal responsável pelo paciente durante o evento.
Descrição Identifica o médico, enfermeiro ou especialista realizando a atividade ou responsável pelo plano de cuidado. Analisar este atributo ajuda a entender a 'Utilização de Recursos Clínicos' e variações nos caminhos de cuidado por médico. Por que é importante Permite a análise de gargalos de recursos e benchmarking de desempenho entre a equipe clínica. Onde obter Tabelas de transação (ex: ORDERing_PROVIDER, ATTENDING_PHYSICIAN_ID). Consulte a documentação da Veradigm (Allscripts). Exemplos Dra. Sarah SmithEnfermeira JonesTécnico de Radiologia A
	Tempo de Permanência LengthOfStay	Duração da internação hospitalar em dias.
Descrição Duração calculada entre a 'Data de Admissão' e a 'Data de Alta'. Usado para o KPI de 'Média de Permanência (ALOS)'. Ter isso como atributo facilita a filtragem (ex: 'mostrar internações > 7 dias'). Por que é importante Medida padrão de eficiência e consumo de recursos. Onde obter Calculado: DischargeDate - AdmissionDate. Exemplos 4.512.00,8
	Centro de Custo CostCenter	Código financeiro associado ao departamento ou serviço.
Descrição Mapeia a atividade clínica a uma unidade financeira. Isso ajuda a analisar o 'Custo da Atividade' ou o desempenho financeiro de diferentes departamentos. Por que é importante Conecta o Process Mining operacional ao impacto financeiro. Onde obter Tabelas de departamento ou mestre de cobranças. Consulte a documentação do Veradigm (Allscripts). Exemplos CC-1020CC-Rad-01Emergency-001
	Data do Retorno FollowUpAppointmentDate	Data da consulta de acompanhamento agendada.
Descrição Calcula a taxa de agendamento de retorno. Se preenchido, houve agendamento; se vazio, não houve. Por que é importante Mede diretamente o KPI de 'Conformidade de Cuidados de Acompanhamento'. Onde obter Sistema de agendamento ou tabela de consultas futuras vinculada ao paciente. Consulte a documentação da Veradigm (Allscripts). Exemplos 2023-11-15T14:00:00Znulo
	Está em Conformidade com o Protocolo IsProtocolCompliant	Indicador (flag) que mostra se o caso seguiu o caminho clínico padrão.
Descrição Um atributo calculado que verifica se atividades obrigatórias específicas (ex: 'Sinais Vitais Registrados' antes de 'Medicamento Administrado') ocorreram na ordem correta. Alimenta o 'Dashboard de Aderência ao Protocolo de Cuidado'. Por que é importante Automatiza a detecção de não conformidade sem necessidade de revisão manual de prontuário. Onde obter Calculado na ferramenta de Process Mining ou ETL com base na sequência de atividades. Exemplos verdadeirofalse
	ID do Pedido OrderId	Identificador para pedidos específicos (Exames, Medicamentos, Procedimentos).
Descrição Vincula o evento de 'Pedido' ao evento de 'Resultado' ou 'Administração'. Por exemplo, ligando 'Exame Diagnóstico Solicitado' a 'Exame Diagnóstico Concluído'. Essa granularidade é necessária para o dashboard de 'Tempo de Resposta Diagnóstica'. Por que é importante Permite o cálculo das durações de etapas específicas do processo (ex: Tempo de Resposta do Laboratório). Onde obter Tabelas de entrada de pedidos (ex: ORDER_ID, PLACER_ORDER_NUM). Consulte a documentação da Veradigm (Allscripts). Exemplos ORD-998877LAB-112233RX-445566
	Nome do Medicamento MedicationName	Nome do medicamento solicitado ou administrado.
Descrição Usado para o dashboard de lacunas na administração de medicamentos. Ajuda a ver se drogas específicas (como antibióticos) sofrem atrasos. Por que é importante Crítico para análise de segurança clínica e otimização dos processos da farmácia. Onde obter Registro de Administração de Medicamentos (MAR) ou Pedidos de Farmácia. Consulte a documentação da Veradigm (Allscripts). Exemplos AmoxicilinaHeparinaSulfato de Morfina
	Sistema de Origem SourceSystem	O nome do sistema de onde os dados se originaram.
Descrição Identifica a instância de software que fornece os dados, como 'Veradigm Sunrise' ou 'Veradigm TouchWorks'. Isso é essencial em ambientes multi-hospitalares ou ao cruzar dados ambulatoriais e de internação. Por que é importante Fornece rastreabilidade e linhagem de dados, o que é útil para resolver problemas de qualidade dos dados. Onde obter Fixado durante o processo de ETL ou extraído de tabelas de metadados do sistema. Exemplos Veradigm SunriseAllscripts PMVeradigm TouchWorks
	Tempo de Resposta Diagnóstica DiagnosticTurnaroundTime	Duração entre o pedido do exame e o resultado.
Descrição Duração calculada entre 'Pedido de Exame Diagnóstico' e 'Diagnóstico Confirmado' (ou recebimento do resultado). Usado para a 'Visão Geral do Tempo de Resposta Diagnóstica'. Por que é importante Tempos de resposta altos prolongam o tempo de permanência; esta métrica aponta atrasos em laboratório/radiologia. Onde obter Calculado: Timestamp(Result) - Timestamp(Order). Exemplos 2 horas45 minutos1,5 dia(s)
	Última Atualização de Dados LastDataUpdate	Timestamp de quando o registro foi extraído ou atualizado pela última vez.
Descrição Indica a atualidade dos dados usados na análise. Este campo ajuda os usuários a entender se estão vendo dados em tempo real ou um recorte de um período anterior. Por que é importante Garante transparência sobre a latência dos dados e auxilia em estratégias de carregamento incremental. Onde obter Timestamp gerado pelo sistema durante a execução do ETL/extração. Exemplos 2023-11-01T23:59:59Z2023-11-02T06:00:00Z

Obrigatório Recomendado Opcional

Atividades da Jornada do Paciente

Estes são os passos e marcos principais para capturar no seu Event Log para uma descoberta precisa da jornada do paciente.

6 Recomendado 7 Opcional

	Atividade	Descrição
	Avaliação Inicial Concluída	Representa a conclusão da primeira avaliação clínica, como triagem ou admissão inicial. Ocorre quando um formulário ou nota clínica específica é assinado e finalizado no prontuário eletrônico.
Por que é importante Marco inicial chave. O tempo entre o registro e esta avaliação revela atrasos na admissão e no início do cuidado. Onde obter Inferido pelo timestamp de finalização ou assinatura de formulários de avaliação inicial ou notas clínicas nos módulos de documentação clínica do Veradigm. Captura Identifique o timestamp de quando o status da nota ou formulário de avaliação inicial é alterado para 'concluído' ou 'assinado'. Tipo de evento inferred
	Diagnóstico Confirmado	Indica que um clínico registrou formalmente o diagnóstico. Capturado quando o código é adicionado à lista de problemas ou uma nota clínica é assinada.
Por que é importante A confirmação do diagnóstico é um ponto de virada crucial que dita o caminho de tratamento subsequente. Isso permite analisar variações nos caminhos de tratamento com base em diferentes diagnósticos. Onde obter Encontrado na lista de problemas do paciente, registros de diagnóstico do atendimento ou documentação clínica. Pode ser inferido pelo timestamp de quando um código de diagnóstico primário é inserido e finalizado. Captura Use o timestamp de criação ou atualização do diagnóstico primário no episódio do paciente. Tipo de evento inferred
	Paciente Recebeu Alta	Marca o fim oficial do episódio de internação, quando o paciente recebe alta formal da instituição. Este é um evento chave capturado pelo sistema ADT, que atualiza o status do atendimento para 'alta'.
Por que é importante Atividade final principal para a maioria das jornadas. Vital para calcular a Média de Permanência (ALOS) e o tempo total do ciclo. Onde obter Registrado explicitamente no módulo ADT. O registro de atendimento do paciente terá um timestamp de alta e o destino pós-alta. Captura Use o timestamp de alta do registro principal de atendimento ou visita. Tipo de evento explicit
	Paciente Registrado	Marca o início oficial do episódio quando as informações do paciente entram no sistema Veradigm. O evento ocorre quando o usuário conclui o workflow de registro, gerando um novo registro de atendimento com ID único e timestamp.
Por que é importante Atividade inicial principal. Essencial para calcular o tempo total do processo, permanência e taxas de fluxo do paciente. Onde obter Registrado no módulo de registro ou ADT. Procure o timestamp de criação do atendimento ou registro de visita. Captura Timestamp da tabela de atendimento ou registro na criação do registro. Tipo de evento explicit
	Planejamento de Alta Iniciado	Representa o início formal do planejamento de alta. Pode ser inferido pela criação do documento de plano de alta, emissão do pedido de alta ou conclusão de uma avaliação específica.
Por que é importante Ponto de partida para medir a eficiência da alta. O início precoce do planejamento costuma estar ligado a menores taxas de readmissão. Onde obter Inferido pelo timestamp de criação de uma nota de planejamento de alta, um conjunto de pedidos de alta ou um formulário de avaliação específico no Veradigm. Captura Identifique o timestamp de quando um pedido ou documento específico de alta é criado pela primeira vez para o atendimento do paciente. Tipo de evento inferred
	Plano de Tratamento Criado	Representa a formalização do plano de tratamento. Capturado quando o documento de 'Plano de Cuidado' ou pedidos iniciais de tratamento são criados e assinados no prontuário eletrônico.
Por que é importante Inicia a fase de tratamento ativo. É a linha de base para medir a adesão a protocolos e o tempo até a primeira ação terapêutica. Onde obter Inferido pelo timestamp da assinatura em um formulário de 'Plano de Cuidado' ou pelo timestamp de criação do primeiro conjunto principal de pedidos terapêuticos após o diagnóstico. Captura Localize o timestamp de quando um documento de 'Plano de Cuidado' é finalizado ou assinado pelo clínico responsável. Tipo de evento inferred
	Exame Diagnóstico Concluído	Ponto em que os resultados do exame diagnóstico são finalizados e disponibilizados. Geralmente inferido pela mudança de status do pedido de 'ativo' ou 'em progresso' para 'concluído' ou 'com resultado'.
Por que é importante Marco crítico para medir o tempo de resposta diagnóstica. Atrasos entre o pedido e a conclusão afetam significativamente o tempo até o diagnóstico. Onde obter Inferido pelo campo de status do pedido no módulo de pedidos ou por timestamps no módulo de resultados correspondente, como LIS ou RIS. Captura Identifique o timestamp de quando o status do pedido muda para um estado final como 'Concluído' ou 'Com Resultado'. Tipo de evento inferred
	Exame Diagnóstico Solicitado	Ocorre quando o clínico solicita um exame diagnóstico. Capturado explicitamente pelo sistema CPOE dentro do Veradigm.
Por que é importante Início do subprocesso de diagnóstico. Ponto de partida para medir tempos de resposta e identificar atrasos na solicitação de exames. Onde obter Registrado no módulo de pedidos ou logs do sistema CPOE. Cada pedido terá um timestamp indicando quando foi solicitado. Captura Extraia o timestamp de criação dos registros de inserção de pedidos para os exames diagnósticos relevantes. Tipo de evento explicit
	Medicamento Administrado	Registrado quando o medicamento é administrado. Capturado no módulo MAR ou eMAR, que registra o horário exato da aplicação.
Por que é importante Rastrear a medicação é vital para analisar a agilidade e adesão ao tratamento. O intervalo entre pedido e aplicação ajuda a achar atrasos na entrega. Onde obter Registrado explicitamente no módulo eMAR (Registro Eletrônico de Administração de Medicamentos). Cada evento de administração possui um timestamp específico, medicamento e dosagem. Captura Extraia os timestamps da tabela eMAR para cada evento de administração de medicamento vinculado ao atendimento do paciente. Tipo de evento explicit
	Procedimento Realizado	Representa a conclusão de um procedimento clínico ou cirúrgico. Capturado quando o clínico assina a nota do procedimento ou o status do pedido é alterado para 'concluído'.
Por que é importante Procedimentos são marcos importantes na jornada do paciente. Analisar o tempo de execução ajuda a entender o uso de recursos e a eficiência do agendamento. Onde obter Inferido pelo timestamp de assinatura de uma nota de procedimento no módulo de documentação clínica ou pelo timestamp de conclusão no módulo de pedidos para aquele procedimento. Captura Use o timestamp de conclusão do pedido ou de assinatura da documentação do procedimento. Tipo de evento inferred
	Retorno Agendado	Representa o agendamento da consulta de retorno pós-alta. Capturado no módulo de agendamento quando uma consulta é vinculada ao atendimento encerrado.
Por que é importante Garantir o agendamento do acompanhamento é crucial para a continuidade do cuidado e para reduzir readmissões. Esta atividade ajuda a medir a conformidade com os protocolos pós-alta. Onde obter Registrado no módulo de agendamento. Procure pelo timestamp de criação de uma nova consulta após a data de alta. Captura Identifique o timestamp de criação de um registro de consulta no sistema de agendamento vinculado ao paciente. Tipo de evento explicit
	Sinais Vitais Registrados	Ocorre sempre que sinais vitais (frequência, pressão, temperatura) são registrados. Evento explícito capturado no prontuário ou seção de sinais vitais.
Por que é importante O registro frequente de sinais vitais indica monitoramento ativo. A frequência e o tempo podem ser analisados para garantir a conformidade com os protocolos de monitoração. Onde obter Registrado no repositório de dados clínicos ou tabelas de prontuário onde os sinais vitais são armazenados. Cada entrada possui um timestamp. Captura Extraia os timestamps dos dados da folha de fluxo de sinais vitais para o atendimento do paciente. Tipo de evento explicit
	Transferir para Departamento	Marca a transferência física de unidade (ex: do pronto-socorro para enfermaria). Capturado pelo sistema ADT no Veradigm.
Por que é importante Transferências de pacientes são pontos comuns de gargalos. Analisar a duração e a frequência dessas mudanças ajuda a otimizar o fluxo e a alocação de recursos entre departamentos. Onde obter Registrado explicitamente no módulo ADT. Cada evento de transferência inclui o paciente, os locais de origem/destino e um timestamp. Captura Extraia os logs de eventos do sistema ADT correspondentes às movimentações dos pacientes. Tipo de evento explicit

Recomendado Opcional

Guias de Extração

Como extrair seus dados do Veradigm (Allscripts)

Etapas

Identificar o Canal de Interface de Destino: Faça login no Allscripts Interface Engine (AIE) Management Console. Localize o canal de interface principal que processa mensagens recebidas do EHR (geralmente rotulado como 'EHR_Inbound' ou similar). Certifique-se de que este canal processe os tipos de mensagem ADT, SIU, ORM, ORU, RAS e DFT para capturar todo o escopo da jornada do paciente.
Criar um Novo Canal de Exportação/Passthrough: Crie um novo canal de destino chamado 'ProcessMining_Export'. Defina o tipo de saída como 'File Writer'. Este canal receberá uma cópia das mensagens do canal de origem e as transformará em um formato de arquivo simples (CSV) para o ProcessMind.
Configurar o Roteamento de Mensagens: Nas regras de roteamento do AIE, configure uma regra de cópia/rota para enviar mensagens do canal principal do EHR para o novo canal 'ProcessMining_Export'. Filtre o roteamento para incluir apenas os tipos de mensagem necessários: ADT (Registro/Transferência), SIU (Agendamento), ORM (Pedidos), ORU (Resultados/Sinais Vitais), RAS (Medicamentos) e DFT (Faturamento/Procedimentos).
Definir a Lógica de Transformação: No canal 'ProcessMining_Export', abra o editor de Transformação/Script. Você deve implementar um script de parsing (veja a seção 'query' abaixo) que leia os segmentos HL7 brutos e mapeie Trigger Events e códigos de status específicos para os nomes de atividade padrão necessários (ex: mapear 'ADT^A01' para 'Paciente Registrado').
Mapear Atributos para Campos HL7: Garanta que o script extraia o 'PatientEpisodeId' do segmento PV1-19 (Visit Number) e o 'PatientMrn' do PID-3. Mapeie o 'EventDateTime' para MSH-7 ou EVN-2. Extraia detalhes clínicos como 'DepartmentName' do PV1-3 e 'AttendingProvider' do PV1-7.
Configurar Parâmetros do Arquivo de Saída: Configure as definições do File Writer. Defina o diretório de saída em um caminho de rede seguro. Defina a convenção de nomenclatura do arquivo (ex: EventLog_YYYYMMDD_HH.csv). Defina o modo do arquivo como 'Append' para adicionar linhas continuamente ao log.
Tratar Delimitadores e Escaping: No script, garanta que campos de texto (como Diagnóstico ou Nome do Departamento) sejam limpos para remover vírgulas ou quebras de linha, evitando que a estrutura do CSV seja corrompida.
Ativar e Testar: Inicie o canal 'ProcessMining_Export'. Dispare um evento de teste no ambiente Veradigm (ex: registre um paciente de teste). Verifique se uma nova linha aparece no arquivo CSV com o Nome da Atividade e o timestamp corretos.
Configurar Rotação de Log: Configure um cronograma de rotação (ex: diariamente à meia-noite) para fechar o arquivo CSV atual e iniciar um novo. Isso garante que os arquivos tenham tamanhos gerenciáveis para upload.
Reprocessamento de Dados Históricos (Opcional): Se dados históricos forem necessários, use o 'Message Browser' do AIE ou a ferramenta de 'Log Replay' para reenviar logs HL7 arquivados dos últimos 3-6 meses pelo canal 'ProcessMining_Export'. Monitore o desempenho do sistema para evitar lentidão.
Recuperar e Formatar: Acesse o diretório de saída, recupere os arquivos CSV gerados e verifique se os cabeçalhos correspondem aos requisitos. Combine os arquivos diários se necessário.
Upload para o ProcessMind: Importe o conjunto de dados final para o ProcessMind, mapeando 'PatientEpisodeId' como ID do Caso, 'ActivityName' como Atividade e 'EventDateTime' como Timestamp.

Configuração

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 (Crítico para caracteres especiais em nomes/diagnósticos)
Delimiter: Vírgula (,) ou Pipe (|)
Date Format: ISO 8601 (YYYY-MM-DDTHH:MM:SS) recomendado para conversão de timestamp HL7
Log Rotation: Diário ou quando o arquivo exceder 100MB
Write Mode: Append (Não sobrescrever)
Performance: Garanta que o script de transformação seja leve para evitar filas de mensagens ou backlog no motor de integração.

a Consulta de Exemplo 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);
}

Etapas

Pré-requisitos e Acesso: Certifique-se de ter credenciais válidas para a Unity API do Veradigm (Allscripts). Você precisará de um Appname autorizado para sua organização, além de um UserID e Password (ou token) para autenticação. Verifique se a conta de usuário possui permissões para acessar domínios clínicos (Atendimentos, Pedidos, Resultados, Sinais Vitais, Problemas).
Configuração do Ambiente: Instale o Python 3.8 ou superior. Instale as bibliotecas necessárias via pip: pip install requests pandas. Elas serão usadas para fazer as requisições HTTP para a Unity API e manipular os dados resultantes.
Configuração: Abra o script Python fornecido. Localize a seção CONFIGURATION no topo. Atualize o API_URL para o endpoint específico do seu ambiente Unity. Substitua os placeholders de credenciais ([YourAppName], [YourUserID], etc.) pelos seus dados reais. Defina as datas de início (START_DATE) e fim (END_DATE) para sua janela de análise.
Visão Geral da Lógica do Script: O script começa autenticando na API para obter um token de segurança. Em seguida, chama GetEncounterInfo para recuperar todos os episódios de pacientes no período especificado. Esta lista serve como base central para a extração.
Loop de Extração de Atividades: Para cada EncounterID identificado, o script realiza chamadas secundárias para endpoints especializados: GetOrders para exames e procedimentos; GetResults para testes concluídos; GetVitals para registros de sinais vitais; GetPatientProblems para diagnósticos confirmados; e itera por notas clínicas para encontrar avaliações e planos de tratamento.
Transformação de Dados: Conforme o JSON bruto retorna da API, o script faz o parsing de campos específicos para o esquema do ProcessMind. Por exemplo, OrderDateTime é mapeado como EventDateTime para a atividade 'Pedido de Exame Diagnóstico'. O script garante que o PatientEpisodeId seja aplicado consistentemente a todos os registros dependentes.
Tratamento de ADT e Transferências: A lógica inclui uma verificação do histórico de localização do atendimento (via auditoria ou sub-chamadas ADT) ou infere transferências com base em mudanças de departamento na documentação clínica para gerar eventos de 'Transferência para Departamento'.
Lógica de Acompanhamento: Após processar o atendimento, o script consulta o GetSchedule para o mesmo PatientID, buscando datas de consultas após a DischargeDate para gerar a atividade 'Retorno Agendado'.
Validação: O script inclui uma etapa de validação local que exibe a contagem de linhas por tipo de atividade no console. Revise essa saída para garantir que nenhum tipo de atividade importante esteja zerado.
Exportação: O conjunto final de dados é consolidado em um DataFrame do Pandas. O script calcula atributos derivados como LengthOfStay (Tempo de Permanência) e IsReadmission (É Readmissão) ordenando os dados por Paciente e Tempo. Por fim, exporta o Event Log limpo para um arquivo CSV chamado veradigm_patient_journey_log.csv.
Revisão Final: Abra o arquivo CSV gerado. Verifique se os formatos de data são ISO 8601 (YYYY-MM-DD HH:MM:SS) e se campos de texto como ActivityName não contêm caracteres delimitadores.
Upload: Importe o arquivo CSV no ProcessMind. Mapeie PatientEpisodeId para ID do Caso, ActivityName para Atividade e EventDateTime para Timestamp.

Configuração

API_URL: A URL base para os serviços da Unity API. Isso varia conforme a instalação do cliente (ex: on-premise vs. nuvem). Verifique se o protocolo (https) está correto.
Appname: O identificador exclusivo do aplicativo registrado no Veradigm/Allscripts. Ele controla o escopo de acesso aos dados.
Date Range: O período recomendado para extração é de 3 a 6 meses. Intervalos grandes podem causar timeout; considere dividir por meses se o volume for alto.
Timeout Settings: O script usa um timeout padrão de 30 segundos para chamadas de API. Aumente esse valor se o sistema EHR estiver sob carga pesada.
Batching: O script itera por atendimento (encounter). Para sistemas de alto volume, pode ser necessário modificar o script para buscar dados em lote ou usar threads paralelas.
Mapping Logic: O script mapeia 'OrderType' para atividades. Certifique-se de que os códigos de tipo de pedido do seu sistema (ex: 'Lab', 'Rad') estejam alinhados à lógica na função process_orders.

a Consulta de Exemplo 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()

Seu Template de Dados da Jornada do Paciente

Seu Template de Dados da Jornada do Paciente

Atributos da Jornada do Paciente

Atividades da Jornada do Paciente

Guias de Extração

Exportação de Event Log do Allscripts Interface Engine

Etapas

Configuração

a Consulta de Exemplo config

Extração via Python na Veradigm Unity API

Etapas

Configuração

a Consulta de Exemplo python

Pronto para Começar?

Otimize as Jornadas dos Pacientes no Veradigm hoje

Seu Template de Dados da Jornada do Paciente

Seu Template de Dados da Jornada do Paciente

Atributos da Jornada do Paciente

Atividades da Jornada do Paciente

Guias de Extração

Exportação de Event Log do Allscripts Interface Engine

Etapas

Configuração

a Consulta de Exemplo config

Extração via Python na Veradigm Unity API

Etapas

Configuração

a Consulta de Exemplo python

Valorizamos sua privacidade

Pronto para Começar?

Otimize as Jornadas dos Pacientes no Veradigm hoje