> Cải tiến quy trình liên tục > Hành trình bệnh nhân > Veradigm (Allscripts) > Mẫu dữ liệu

Mẫu dữ liệu hành trình bệnh nhân

Veradigm (Allscripts)

Thuộc tính hành trình bệnh nhân(19) Hoạt động trong hành trình bệnh nhân(13) Hướng dẫn trích xuất dữ liệu(2)

Mẫu dữ liệu hành trình bệnh nhân

Mẫu này hướng dẫn bạn thu thập dữ liệu cần thiết để phân tích quy trình chăm sóc bệnh nhân. Mẫu nêu rõ các thuộc tính và hoạt động cần theo dõi, đồng thời hướng dẫn cách trích xuất thông tin từ hệ thống nguồn. Dùng tài nguyên này để chuẩn bị dữ liệu cho process mining.

Các thuộc tính nên thu thập để phân tích đầy đủ
Các hoạt động chính cần theo dõi để khám phá quy trình chính xác
Hướng dẫn thực tế để trích xuất dữ liệu từ hệ thống

Chưa quen với nhật ký sự kiện? Tìm hiểu cách tạo nhật ký sự kiện cho process mining.

Tải mẫu xuống

Thuộc tính hành trình bệnh nhân

Đây là các trường dữ liệu nên có trong nhật ký sự kiện để phân tích đầy đủ quy trình chăm sóc bệnh nhân.

3 Bắt buộc 8 Nên có 8 Không bắt buộc

	Tên	Mô tả
	Dấu thời gian sự kiện EventDateTime	Ngày và giờ chính xác khi hoạt động diễn ra.
Mô tả Ghi lại thời điểm hoạt động diễn ra theo trình tự thời gian. Đây là dữ liệu thiết yếu để tính thời gian chu trình, thời lượng và sắp xếp đúng thứ tự sự kiện. Với dữ liệu y tế, độ chính xác đến từng phút rất quan trọng để phân tích tốc độ luân chuyển. Vì sao điều này quan trọng Cho phép tính mọi KPI dựa trên thời gian, bao gồm thời gian chu trình trung bình của hành trình bệnh nhân và thời gian chờ. Lấy dữ liệu ở đâu Dấu thời gian giao dịch trong các bảng nguồn (ví dụ: ADT_DATE, ORDER_DATE, RESULT_DATE). Ví dụ 2023-10-12T08:30:00Z2023-10-12T14:45:22Z2023-10-15T09:00:00Z
	Đợt điều trị của bệnh nhân PatientEpisodeId	Mã định danh duy nhất cho lượt khám hoặc lần khám cụ thể của bệnh nhân.
Mô tả Đợt điều trị của bệnh nhân là mã hồ sơ chính, dùng để nhóm mọi sự kiện liên quan đến hành trình chăm sóc của bệnh nhân cho một tình trạng bệnh hoặc giai đoạn điều trị cụ thể. Nhờ đó, bạn có thể xem liền mạch các giai đoạn chẩn đoán, điều trị và hồi phục, đồng thời kết nối các lần tương tác với nhiều khoa. Trong hệ thống Veradigm (Allscripts), chẳng hạn như Sunrise hoặc Paragon, mã này thường tương ứng với Visit ID hoặc Encounter Number. Vì sao điều này quan trọng Đây là khóa nền tảng cho process mining, giúp tái dựng hành trình bệnh nhân từ đầu đến cuối. Lấy dữ liệu ở đâu Mã này thường nằm trong phần đầu của bảng Visit hoặc Encounter (ví dụ: VISIT_ID, ENCOUNTER_ID). Hãy tham khảo tài liệu Veradigm (Allscripts). Ví dụ EP-2023-998877VIS-10029384100029384ENC-554433
	Tên hoạt động ActivityName	Sự kiện lâm sàng hoặc hành chính cụ thể đã diễn ra.
Mô tả Mô tả bước đã thực hiện trong quy trình, chẳng hạn như 'Đăng ký bệnh nhân', 'Cho bệnh nhân dùng thuốc' hoặc 'Bắt đầu lập kế hoạch xuất viện'. Thuộc tính này phân biệt các giai đoạn khác nhau trong hành trình bệnh nhân và rất cần thiết để khám phá quy trình cũng như phân tích biến thể. Vì sao điều này quan trọng Xác định các nút trên sơ đồ quy trình. Nếu thiếu thuộc tính này, bạn không thể trực quan hóa luồng quy trình. Lấy dữ liệu ở đâu Được tổng hợp từ nhiều bảng giao dịch khác nhau: sự kiện ADT, chỉ định, kết quả và tài liệu lâm sàng. Ví dụ Đăng ký bệnh nhânChỉ định xét nghiệm chẩn đoánCho bệnh nhân dùng thuốcBệnh nhân xuất viện
	Có tái nhập viện IsReadmission	Cờ cho biết bệnh nhân có tái nhập viện trong vòng 30 ngày sau đợt điều trị này hay không.
Mô tả Thuộc tính boolean được tính toán. Trả về true nếu bệnh nhân đã xuất viện trong vòng 30 ngày trước ngày nhập viện hiện tại. Dữ liệu này dùng cho “Theo dõi tỷ lệ tái nhập viện có thể tránh được”. Vì sao điều này quan trọng KPI cốt lõi để đánh giá chất lượng bệnh viện và mức hoàn trả chi phí, đặc biệt theo quy định của CMS. Lấy dữ liệu ở đâu Được tính ở lớp ETL/chuyển đổi dữ liệu, dựa trên PatientMRN và ngày nhập viện, xuất viện. Ví dụ truefalse
	Mã chẩn đoán chính PrimaryDiagnosisCode	Mã ICD-10 hoặc SNOMED đại diện cho tình trạng bệnh chính.
Mô tả Lý do khám bệnh được mã hóa. Thuộc tính này dùng làm bộ lọc cho công cụ khám phá khác biệt giữa các phác đồ điều trị. Nhờ đó, chuyên viên phân tích có thể so sánh cách các tình trạng bệnh khác nhau, chẳng hạn như viêm phổi và suy tim, đi qua hệ thống. Vì sao điều này quan trọng Cần thiết để phân nhóm quy trình theo tình trạng lâm sàng và kiểm tra mức độ tuân thủ phác đồ. Lấy dữ liệu ở đâu Các bảng chẩn đoán hoặc danh sách vấn đề (thường có cột ICD-10). Hãy tham khảo tài liệu Veradigm (Allscripts). Ví dụ I50.9J18.9E11.9
	MRN của bệnh nhân PatientMrn	Mã hồ sơ bệnh án (MRN) định danh duy nhất bệnh nhân qua các đợt điều trị.
Mô tả Mã hồ sơ bệnh án (MRN) hoặc mã bệnh nhân toàn doanh nghiệp. Khác với mã đợt điều trị của bệnh nhân, mã này không đổi giữa các lượt khám. Đây là khóa quan trọng để liên kết các đợt điều trị riêng biệt và tính tỷ lệ tái nhập viện. Vì sao điều này quan trọng Cần thiết để tính 'Tỷ lệ tái nhập viện trong 30 ngày' và xác định bệnh nhân quay lại. Lấy dữ liệu ở đâu Chỉ mục bệnh nhân chính hoặc các bảng thông tin nhân khẩu học (có thể có các cột: MRN, PATIENT_ID). Hãy tham khảo tài liệu Veradigm (Allscripts). Ví dụ MRN-884422P-10022399887766
	Ngày nhập viện AdmissionDate	Ngày và giờ bệnh nhân chính thức nhập viện.
Mô tả Dấu thời gian đánh dấu thời điểm bắt đầu đợt điều trị nội trú. Dùng cùng ngày xuất viện để tính thời gian nằm viện (ALOS). Vì sao điều này quan trọng Mốc quan trọng để tính ALOS và đo thời gian chậm trễ khi nhập viện. Lấy dữ liệu ở đâu Bảng thông tin đầu của Visit/Encounter (ví dụ: ADMIT_DATE). Hãy tham khảo tài liệu Veradigm (Allscripts). Ví dụ 2023-10-01T10:00:00Z2023-10-05T14:20:00Z
	Ngày xuất viện DischargeDate	Ngày và giờ bệnh nhân xuất viện.
Mô tả Dấu thời gian đánh dấu thời điểm kết thúc đợt điều trị. Dữ liệu này dùng để đóng hồ sơ trong process mining và rất cần thiết để tính ALOS và tỷ lệ tái nhập viện. Vì sao điều này quan trọng Xác định thời điểm kết thúc chu kỳ quy trình, rất quan trọng khi phân tích thông lượng. Lấy dữ liệu ở đâu Bảng thông tin lượt khám/đợt điều trị (ví dụ: DISCH_DATE). Tham khảo tài liệu Veradigm (Allscripts). Ví dụ 2023-10-04T11:00:00Z2023-10-10T09:30:00Z
	Nhân viên y tế phụ trách AttendingProvider	Nhân viên lâm sàng chính chịu trách nhiệm chăm sóc bệnh nhân trong sự kiện này.
Mô tả Cho biết bác sĩ, y tá hoặc chuyên gia thực hiện hoạt động hay chịu trách nhiệm về kế hoạch chăm sóc. Phân tích thuộc tính này giúp hiểu cách sử dụng nguồn lực lâm sàng và sự khác nhau giữa các phác đồ chăm sóc theo từng bác sĩ. Vì sao điều này quan trọng Hỗ trợ phân tích điểm nghẽn về tài nguyên và so sánh hiệu suất giữa nhân viên lâm sàng. Lấy dữ liệu ở đâu Các bảng giao dịch (ví dụ: ORDERing_PROVIDER, ATTENDING_PHYSICIAN_ID). Hãy tham khảo tài liệu Veradigm (Allscripts). Ví dụ Bác sĩ Sarah SmithĐiều dưỡng thực hành JonesKỹ thuật viên chẩn đoán hình ảnh A
	Nơi chuyển đến sau khi xuất viện DischargeDisposition	Tình trạng hoặc nơi ở của bệnh nhân khi xuất viện.
Mô tả Cho biết bệnh nhân đến đâu sau khi nằm viện (ví dụ: về nhà, cơ sở điều dưỡng chuyên môn, tử vong, chuyển viện). Thông tin này quan trọng khi phân tích nguy cơ tái nhập viện, vì mỗi nơi chuyển đến có mức độ rủi ro khác nhau. Vì sao điều này quan trọng Giúp bổ sung bối cảnh cho bảng điều khiển “Lập kế hoạch xuất viện” và giải thích chênh lệch về ALOS. Lấy dữ liệu ở đâu Bảng thông tin lượt khám/đợt điều trị (ví dụ: DISCH_DISP). Tham khảo tài liệu Veradigm (Allscripts). Ví dụ Về nhàChuyển đến cơ sở điều dưỡng chuyên môn (SNF)Về nhà và được chăm sóc tại nhàTự ý rời viện trái với khuyến cáo y tế
	Tên khoa DepartmentName	Đơn vị hoặc khoa của bệnh viện nơi hoạt động diễn ra.
Mô tả Cho biết địa điểm, chẳng hạn như 'Khoa cấp cứu', 'Tim mạch' hoặc 'Chẩn đoán hình ảnh'. Thuộc tính này rất quan trọng để phân tích điểm nghẽn khi nhập viện và chuyển khoa, qua đó xác định nơi bệnh nhân bị chậm trễ khi chuyển giữa các khoa. Vì sao điều này quan trọng Hỗ trợ phân tích việc sử dụng tài nguyên và xác định điểm nghẽn ở các khoa. Lấy dữ liệu ở đâu Các bảng danh mục địa điểm hoặc khoa được liên kết với giao dịch. Hãy tham khảo tài liệu Veradigm (Allscripts). Ví dụ Khoa cấp cứuICUNgoại tổng quátChẩn đoán hình ảnh
	Hệ thống nguồn SourceSystem	Tên hệ thống cung cấp dữ liệu ban đầu.
Mô tả Cho biết phiên bản phần mềm cung cấp dữ liệu, chẳng hạn như 'Veradigm Sunrise' hoặc 'Veradigm TouchWorks'. Thuộc tính này đặc biệt quan trọng trong môi trường có nhiều bệnh viện hoặc khi kết hợp dữ liệu từ cơ sở điều trị cấp tính và ngoại trú. Vì sao điều này quan trọng Giúp truy xuất nguồn gốc và luồng dữ liệu, hữu ích khi tìm nguyên nhân của vấn đề về chất lượng dữ liệu. Lấy dữ liệu ở đâu Được thiết lập cố định trong quá trình ETL hoặc trích xuất từ các bảng siêu dữ liệu của hệ thống. Ví dụ Veradigm SunriseAllscripts PMVeradigm TouchWorks
	Lần cập nhật dữ liệu gần nhất LastDataUpdate	Dấu thời gian cho biết lần gần nhất bản ghi được trích xuất hoặc cập nhật.
Mô tả Cho biết dữ liệu dùng để phân tích có mới hay không. Trường này giúp người dùng biết họ đang xem dữ liệu thời gian thực hay ảnh chụp dữ liệu của một giai đoạn trước. Vì sao điều này quan trọng Giúp minh bạch về độ trễ dữ liệu và hỗ trợ chiến lược tải dữ liệu tăng dần. Lấy dữ liệu ở đâu Dấu thời gian do hệ thống tạo trong lần chạy ETL/trích xuất. Ví dụ 2023-11-01T23:59:59Z2023-11-02T06:00:00Z
	Mã đơn chỉ định OrderId	Mã định danh của từng đơn chỉ định cụ thể (xét nghiệm, thuốc, thủ thuật).
Mô tả Liên kết sự kiện “Đặt chỉ định” với sự kiện “Có kết quả” hoặc “Thực hiện”. Ví dụ: liên kết “Đã chỉ định xét nghiệm chẩn đoán” với “Đã hoàn tất xét nghiệm chẩn đoán”. Cần dữ liệu chi tiết này để tạo bảng điều khiển “Thời gian xử lý xét nghiệm chẩn đoán”. Vì sao điều này quan trọng Cho phép tính thời lượng của từng bước quy trình cụ thể (ví dụ: thời gian xử lý xét nghiệm). Lấy dữ liệu ở đâu Các bảng nhập chỉ định (ví dụ: ORDER_ID, PLACER_ORDER_NUM). Tham khảo tài liệu Veradigm (Allscripts). Ví dụ ORD-998877LAB-112233RX-445566
	Mã trung tâm chi phí CostCenter	Mã tài chính gắn với khoa hoặc dịch vụ.
Mô tả Liên kết hoạt động lâm sàng với đơn vị tài chính. Nhờ đó, bạn có thể phân tích “Chi phí hoạt động” hoặc hiệu quả tài chính chung của từng khoa. Vì sao điều này quan trọng Kết nối process mining trong vận hành với tác động tài chính. Lấy dữ liệu ở đâu Bảng khoa hoặc bảng danh mục phí. Tham khảo tài liệu Veradigm (Allscripts). Ví dụ CC-1020CC-Rad-01Emergency-001
	Ngày hẹn tái khám FollowUpAppointmentDate	Ngày của cuộc hẹn tái khám đã lên lịch.
Mô tả Dùng để tính “Tỷ lệ lên lịch tái khám”. Nếu trường này có dữ liệu, nghĩa là đã lên lịch tái khám. Nếu trường để trống hoặc có giá trị null, nghĩa là chưa lên lịch. Vì sao điều này quan trọng Đo trực tiếp KPI “Tuân thủ chăm sóc sau xuất viện”. Lấy dữ liệu ở đâu Hệ thống đặt lịch hoặc bảng lịch hẹn trong tương lai được liên kết với bệnh nhân. Tham khảo tài liệu Veradigm (Allscripts). Ví dụ 2023-11-15T14:00:00Znull
	Tên thuốc MedicationName	Tên thuốc được chỉ định hoặc đã dùng.
Mô tả Dùng riêng cho bảng điều khiển “Khoảng trễ giữa các lần dùng thuốc”. Giúp xác định việc dùng một số thuốc cụ thể, như kháng sinh hoặc thuốc giảm đau, có bị chậm trễ hay không. Vì sao điều này quan trọng Thông tin thiết yếu để phân tích an toàn lâm sàng và cải tiến quy trình dược. Lấy dữ liệu ở đâu Hồ sơ dùng thuốc (MAR) hoặc đơn thuốc từ khoa dược. Tham khảo tài liệu Veradigm (Allscripts). Ví dụ AmoxicillinHeparinMorphine sulfate
	Thời gian xử lý xét nghiệm chẩn đoán DiagnosticTurnaroundTime	Khoảng thời gian từ lúc chỉ định xét nghiệm đến khi có kết quả.
Mô tả Thời lượng từ lúc “Đã chỉ định xét nghiệm chẩn đoán” đến khi “Xác nhận chẩn đoán” (hoặc nhận kết quả). Dùng cho phần tổng quan “Thời gian xử lý xét nghiệm chẩn đoán”. Vì sao điều này quan trọng Thời gian xử lý kéo dài làm tăng thời gian nằm viện. Chỉ số này giúp xác định các chậm trễ ở phòng xét nghiệm hoặc khoa chẩn đoán hình ảnh. Lấy dữ liệu ở đâu Cách tính: Dấu thời gian (kết quả) - Dấu thời gian (chỉ định). Ví dụ 2 giờ45 phút1,5 ngày
	Tuân thủ phác đồ IsProtocolCompliant	Cờ cho biết hồ sơ có đi theo lộ trình chăm sóc tiêu chuẩn hay không.
Mô tả Thuộc tính được tính toán để kiểm tra các hoạt động bắt buộc cụ thể có diễn ra đúng thứ tự hay không, chẳng hạn như ghi nhận dấu hiệu sinh tồn trước khi dùng thuốc. Hỗ trợ bảng điều khiển “Mức độ tuân thủ phác đồ chăm sóc”. Vì sao điều này quan trọng Tự động phát hiện trường hợp không tuân thủ mà không cần rà soát hồ sơ bệnh án thủ công. Lấy dữ liệu ở đâu Được tính trong công cụ process mining hoặc ETL dựa trên trình tự hoạt động. Ví dụ truefalse

Bắt buộc Nên có Không bắt buộc

Hoạt động trong hành trình bệnh nhân

Đây là các bước và mốc chính cần ghi lại trong nhật ký sự kiện để khám phá chính xác quy trình chăm sóc bệnh nhân.

6 Nên có 7 Không bắt buộc

	Hoạt động	Mô tả
	Bắt đầu lập kế hoạch xuất viện	Đây là thời điểm chính thức bắt đầu lập kế hoạch xuất viện cho bệnh nhân. Có thể xác định sự kiện này từ lúc tạo tài liệu kế hoạch xuất viện, tạo chỉ định xuất viện hoặc hoàn tất một biểu mẫu đánh giá lập kế hoạch xuất viện cụ thể.
Vì sao điều này quan trọng Hoạt động này là điểm bắt đầu để đo hiệu quả của quy trình xuất viện. Lập kế hoạch sớm thường đi đôi với tỷ lệ tái nhập viện thấp hơn. Lấy dữ liệu ở đâu Có thể xác định sự kiện từ dấu thời gian tạo ghi chú lập kế hoạch xuất viện, nhóm chỉ định xuất viện hoặc biểu mẫu đánh giá cụ thể trong Veradigm. Thu thập Tìm dấu thời gian tạo lần đầu của chỉ định hoặc tài liệu liên quan đến xuất viện cho lần khám của bệnh nhân. Loại sự kiện inferred
	Bệnh nhân xuất viện	Đánh dấu thời điểm kết thúc chính thức của đợt điều trị nội trú, khi bệnh nhân hoàn tất thủ tục xuất viện. Đây là sự kiện quan trọng được hệ thống ADT ghi trực tiếp khi trạng thái lần khám của bệnh nhân được cập nhật thành 'discharged'.
Vì sao điều này quan trọng Đây là hoạt động kết thúc chính trong hầu hết hành trình bệnh nhân. Mốc này rất quan trọng để tính thời gian nằm viện trung bình (ALOS) và tổng thời gian chu trình. Lấy dữ liệu ở đâu Sự kiện được ghi trực tiếp trong phân hệ ADT. Hồ sơ lần khám của bệnh nhân có dấu thời gian xuất viện và thông tin về nơi đến sau xuất viện. Thu thập Dùng dấu thời gian xuất viện trong hồ sơ lần khám hoặc lượt khám chính của bệnh nhân. Loại sự kiện explicit
	Đăng ký bệnh nhân	Đánh dấu thời điểm bắt đầu chính thức của đợt điều trị, khi thông tin bệnh nhân được nhập vào hệ thống Veradigm. Sự kiện này thường được ghi nhận rõ ràng khi người dùng hoàn tất quy trình làm việc đăng ký, tạo hồ sơ lần khám mới kèm mã định danh và dấu thời gian riêng.
Vì sao điều này quan trọng Đây là hoạt động bắt đầu chính của hành trình bệnh nhân. Hoạt động này cần thiết để tính tổng thời gian chu trình, thời gian nằm viện và tốc độ luân chuyển bệnh nhân. Lấy dữ liệu ở đâu Sự kiện này được ghi trong phân hệ đăng ký bệnh nhân hoặc ADT (Nhập viện, Xuất viện, Chuyển khoa). Hãy tìm dấu thời gian tạo hồ sơ lần khám hoặc lượt khám của bệnh nhân. Thu thập Dấu thời gian trong bảng lần khám hoặc đăng ký bệnh nhân tại thời điểm tạo hồ sơ. Loại sự kiện explicit
	Hoàn tất đánh giá ban đầu	Đây là thời điểm y tá hoặc bác sĩ hoàn tất đánh giá lâm sàng đầu tiên, chẳng hạn như phân loại mức độ ưu tiên hoặc tiếp nhận ban đầu. Sự kiện này thường được ghi nhận khi biểu mẫu hoặc ghi chú lâm sàng cụ thể, như 'Đánh giá ban đầu của điều dưỡng', được ký và hoàn tất trong EHR.
Vì sao điều này quan trọng Đây là một mốc quan trọng ở giai đoạn đầu. Khoảng thời gian từ lúc đăng ký đến khi đánh giá cho thấy khả năng có chậm trễ trong khâu tiếp nhận và chăm sóc ban đầu. Lấy dữ liệu ở đâu Có thể xác định sự kiện này từ dấu thời gian hoàn tất hoặc ký các biểu mẫu đánh giá ban đầu hay ghi chú lâm sàng trong phân hệ tài liệu lâm sàng của Veradigm. Thu thập Tìm dấu thời gian khi trạng thái của biểu mẫu hoặc ghi chú đánh giá ban đầu chuyển thành 'completed' hoặc 'signed'. Loại sự kiện inferred
	Lập kế hoạch điều trị	Đây là thời điểm đội ngũ lâm sàng chính thức lập kế hoạch điều trị cho bệnh nhân. Sự kiện thường được ghi nhận khi tài liệu 'Kế hoạch chăm sóc' hoặc một nhóm chỉ định điều trị ban đầu được tạo và ký trong EHR.
Vì sao điều này quan trọng Mốc này mở đầu giai đoạn điều trị tích cực. Đây là cơ sở để đo mức độ tuân thủ phác đồ chăm sóc và thời gian đến hành động điều trị đầu tiên, chẳng hạn như dùng thuốc. Lấy dữ liệu ở đâu Có thể xác định sự kiện từ dấu thời gian ký biểu mẫu 'Kế hoạch chăm sóc' hoặc dấu thời gian tạo nhóm chỉ định điều trị chính đầu tiên sau khi chẩn đoán. Thu thập Tìm dấu thời gian khi tài liệu 'Kế hoạch chăm sóc' được hoàn tất hoặc ký bởi nhân viên lâm sàng phụ trách. Loại sự kiện inferred
	Xác nhận chẩn đoán	Hoạt động này cho biết nhân viên lâm sàng đã chính thức ghi chẩn đoán vào hồ sơ bệnh nhân. Sự kiện có thể được ghi nhận khi mã chẩn đoán được thêm vào danh sách vấn đề hoặc khi ghi chú lâm sàng có chẩn đoán được ký.
Vì sao điều này quan trọng Xác nhận chẩn đoán là bước ngoặt quan trọng, quyết định hướng điều trị tiếp theo. Mốc này giúp phân tích sự khác nhau giữa các phác đồ điều trị theo từng chẩn đoán. Lấy dữ liệu ở đâu Thông tin có trong danh sách vấn đề của bệnh nhân, bản ghi chẩn đoán của lần khám hoặc tài liệu lâm sàng. Có thể xác định sự kiện từ dấu thời gian nhập và hoàn tất mã chẩn đoán chính cho lần khám. Thu thập Dùng dấu thời gian tạo hoặc cập nhật mục chẩn đoán chính của đợt điều trị cụ thể. Loại sự kiện inferred
	Chỉ định xét nghiệm chẩn đoán	Sự kiện này xảy ra khi nhân viên lâm sàng chỉ định xét nghiệm chẩn đoán, chẳng hạn như xét nghiệm hoặc chụp chiếu. Hệ thống Computerized Physician Order Entry (CPOE) trong Veradigm ghi nhận sự kiện này trực tiếp.
Vì sao điều này quan trọng Đây là điểm bắt đầu của quy trình con chẩn đoán. Mốc này dùng để đo thời gian trả kết quả chẩn đoán và phát hiện chậm trễ trong khâu chỉ định. Lấy dữ liệu ở đâu Sự kiện được ghi trong phân hệ chỉ định hoặc nhật ký hệ thống CPOE. Mỗi chỉ định có dấu thời gian cho biết thời điểm được tạo. Thu thập Trích xuất dấu thời gian tạo từ các bản ghi chỉ định những xét nghiệm chẩn đoán liên quan. Loại sự kiện explicit
	Cho bệnh nhân dùng thuốc	Sự kiện này được ghi nhận khi y tá hoặc nhân viên lâm sàng ghi lại việc cho bệnh nhân dùng thuốc. Thông tin được lưu trong Medication Administration Record (MAR) hoặc phân hệ eMAR, ghi chính xác thời điểm dùng thuốc.
Vì sao điều này quan trọng Theo dõi việc dùng thuốc là yếu tố quan trọng để phân tích tính kịp thời và mức độ tuân thủ điều trị. Khoảng cách giữa lúc chỉ định và lúc dùng thuốc giúp phát hiện chậm trễ trong quy trình cấp thuốc. Lấy dữ liệu ở đâu Sự kiện được ghi trực tiếp trong phân hệ eMAR (electronic Medication Administration Record). Mỗi lần dùng thuốc có dấu thời gian, tên thuốc và liều lượng cụ thể. Thu thập Trích xuất dấu thời gian từ bảng eMAR cho từng lần dùng thuốc gắn với lần khám của bệnh nhân. Loại sự kiện explicit
	Chuyển khoa	Sự kiện này đánh dấu việc chuyển bệnh nhân từ khoa hoặc đơn vị chăm sóc này sang nơi khác, chẳng hạn từ khoa cấp cứu sang khoa nội trú. Hệ thống ADT (Nhập viện, Xuất viện, Chuyển khoa) trong Veradigm ghi nhận sự kiện này.
Vì sao điều này quan trọng Việc chuyển bệnh nhân thường là nơi phát sinh điểm nghẽn và chậm trễ. Phân tích thời lượng và tần suất chuyển giúp tối ưu luồng bệnh nhân và phân bổ tài nguyên giữa các khoa. Lấy dữ liệu ở đâu Sự kiện được ghi trực tiếp trong phân hệ ADT. Mỗi lần chuyển có thông tin bệnh nhân, nơi đi, nơi đến và dấu thời gian. Thu thập Trích xuất nhật ký sự kiện từ hệ thống ADT tương ứng với các lần di chuyển của bệnh nhân. Loại sự kiện explicit
	Ghi nhận dấu hiệu sinh tồn	Hoạt động này diễn ra mỗi khi các dấu hiệu sinh tồn của bệnh nhân, như nhịp tim, huyết áp và nhiệt độ, được ghi lại. Đây là sự kiện được ghi trực tiếp trong tài liệu lâm sàng hoặc phần bảng theo dõi dấu hiệu sinh tồn của EHR.
Vì sao điều này quan trọng Việc ghi dấu hiệu sinh tồn thường xuyên cho thấy bệnh nhân đang được theo dõi tích cực. Có thể phân tích tần suất và thời điểm ghi để bảo đảm tuân thủ quy trình theo dõi. Lấy dữ liệu ở đâu Thông tin được lưu trong kho dữ liệu lâm sàng hoặc các bảng theo dõi dấu hiệu sinh tồn. Mỗi mục đều có dấu thời gian. Thu thập Trích xuất dấu thời gian từ dữ liệu bảng theo dõi dấu hiệu sinh tồn của lần khám bệnh nhân. Loại sự kiện explicit
	Hoàn tất xét nghiệm chẩn đoán	Đây là thời điểm kết quả xét nghiệm chẩn đoán được hoàn tất và có trong hồ sơ bệnh nhân. Thông thường, có thể xác định sự kiện này khi trạng thái của chỉ định ban đầu chuyển từ 'active' hoặc 'in-progress' sang 'completed' hoặc 'resulted'.
Vì sao điều này quan trọng Đây là mốc quan trọng để đo thời gian trả kết quả chẩn đoán. Chậm trễ giữa lúc chỉ định và lúc hoàn tất có thể ảnh hưởng đáng kể đến thời gian chẩn đoán. Lấy dữ liệu ở đâu Có thể xác định sự kiện này từ trường trạng thái chỉ định trong phân hệ chỉ định hoặc dấu thời gian trong phân hệ kết quả tương ứng, chẳng hạn như LIS hoặc RIS. Thu thập Tìm dấu thời gian khi trạng thái chỉ định chuyển sang trạng thái kết thúc như 'Completed' hoặc 'Resulted'. Loại sự kiện inferred
	Lên lịch tái khám	Hoạt động này ghi nhận việc lên lịch tái khám cho bệnh nhân sau khi xuất viện. Sự kiện được lưu trong phân hệ xếp lịch khi đặt lịch hẹn gắn với lần khám đã xuất viện.
Vì sao điều này quan trọng Lên lịch chăm sóc tiếp theo là việc quan trọng để bảo đảm chăm sóc liên tục và giảm tái nhập viện. Hoạt động này giúp đo mức độ tuân thủ quy trình sau xuất viện. Lấy dữ liệu ở đâu Thông tin được lưu trong phân hệ xếp lịch hẹn. Tìm dấu thời gian tạo lịch hẹn mới cho bệnh nhân sau ngày xuất viện. Thu thập Tìm dấu thời gian tạo bản ghi lịch hẹn trong hệ thống xếp lịch, có liên kết với bệnh nhân. Loại sự kiện explicit
	Thực hiện thủ thuật	Đây là thời điểm hoàn tất một thủ thuật lâm sàng hoặc phẫu thuật. Sự kiện thường được ghi nhận khi nhân viên lâm sàng ký ghi chú thủ thuật hoặc khi trạng thái chỉ định thủ thuật được cập nhật thành 'completed' trong hệ thống.
Vì sao điều này quan trọng Thủ thuật là những mốc quan trọng trong nhiều hành trình bệnh nhân. Phân tích thời điểm thực hiện giúp hiểu rõ việc sử dụng tài nguyên và hiệu quả xếp lịch. Lấy dữ liệu ở đâu Có thể xác định sự kiện từ dấu thời gian ký ghi chú thủ thuật trong phân hệ tài liệu lâm sàng hoặc dấu thời gian hoàn tất trong phân hệ chỉ định. Thu thập Dùng dấu thời gian hoàn tất của chỉ định thủ thuật hoặc dấu thời gian ký tài liệu liên quan đến thủ thuật. Loại sự kiện inferred

Nên có Không bắt buộc

Hướng dẫn trích xuất dữ liệu

Cách lấy dữ liệu từ Veradigm (Allscripts)

Các bước

Xác định kênh giao tiếp cần dùng: Đăng nhập vào bảng điều khiển quản lý Allscripts Interface Engine (AIE). Tìm kênh giao tiếp chính xử lý tin nhắn đến từ EHR, thường có tên như 'EHR_Inbound'. Đảm bảo kênh này xử lý các loại tin nhắn ADT, SIU, ORM, ORU, RAS và DFT để ghi nhận đầy đủ các hoạt động trong hành trình bệnh nhân.
Tạo kênh chuyển tiếp/xuất mới: Tạo kênh đích mới có tên 'ProcessMining_Export'. Đặt loại đầu ra là 'File Writer'. Kênh này nhận bản sao tin nhắn từ kênh nguồn và chuyển chúng thành tệp phẳng CSV cho ProcessMind.
Cấu hình định tuyến tin nhắn: Trong quy tắc định tuyến AIE, tạo quy tắc sao chép/định tuyến tin nhắn từ kênh EHR chính sang kênh 'ProcessMining_Export' mới. Lọc để chỉ nhận các loại tin nhắn cần thiết: ADT (Đăng ký/Chuyển khoa), SIU (Lên lịch), ORM (Yêu cầu), ORU (Kết quả/Dấu hiệu sinh tồn), RAS (Thuốc) và DFT (Thanh toán/Thủ thuật).
Xác định logic chuyển đổi: Trong kênh 'ProcessMining_Export', mở trình chỉnh sửa Transformation/Script. Bạn cần viết tập lệnh phân tích cú pháp (xem phần 'query' bên dưới) để đọc các phân đoạn HL7 thô và ánh xạ Trigger Event cùng mã trạng thái sang tên hoạt động chuẩn cần dùng, chẳng hạn ánh xạ 'ADT^A01' thành 'Đã đăng ký bệnh nhân'.
Ánh xạ thuộc tính sang trường HL7: Đảm bảo tập lệnh lấy 'PatientEpisodeId' từ phân đoạn PV1-19 (Số lần khám) và 'PatientMrn' từ PID-3. Ánh xạ 'EventDateTime' sang MSH-7 hoặc EVN-2. Lấy thông tin lâm sàng như 'DepartmentName' từ PV1-3 và 'AttendingProvider' từ PV1-7.
Đặt thông số tệp đầu ra: Cấu hình File Writer. Đặt thư mục đầu ra thành đường dẫn mạng an toàn. Đặt quy tắc đặt tên tệp, chẳng hạn EventLog_YYYYMMDD_HH.csv. Chọn chế độ tệp 'Append' để liên tục thêm hàng vào nhật ký.
Xử lý dấu phân cách và ký tự đặc biệt: Trong tập lệnh, làm sạch các trường văn bản như Chẩn đoán hoặc Tên khoa để loại bỏ dấu phẩy và ký tự xuống dòng, tránh làm hỏng cấu trúc CSV.
Kích hoạt và kiểm tra: Khởi động kênh 'ProcessMining_Export'. Tạo sự kiện thử nghiệm trong môi trường kiểm thử Veradigm, chẳng hạn đăng ký bệnh nhân thử nghiệm. Kiểm tra xem tệp CSV có hàng mới với tên hoạt động và dấu thời gian chính xác hay không.
Thiết lập luân chuyển nhật ký: Đặt lịch luân chuyển, chẳng hạn mỗi ngày lúc nửa đêm, để đóng tệp CSV hiện tại và bắt đầu tệp mới. Nhờ đó, kích thước tệp dễ quản lý hơn khi tải lên.
Phát lại dữ liệu lịch sử (không bắt buộc): Nếu cần dữ liệu lịch sử, dùng công cụ 'Message Browser' hoặc 'Log Replay' của AIE để gửi lại nhật ký HL7 đã lưu trữ trong 3-6 tháng qua qua kênh 'ProcessMining_Export'. Theo dõi hiệu suất hệ thống để tránh chậm trễ.
Lấy và định dạng dữ liệu: Mở thư mục đầu ra, lấy các tệp CSV đã tạo và kiểm tra tiêu đề cột theo yêu cầu. Nếu cần, gộp các tệp theo ngày.
Tải lên ProcessMind: Nhập tập dữ liệu cuối cùng vào ProcessMind, ánh xạ 'PatientEpisodeId' thành Mã trường hợp, 'ActivityName' thành Hoạt động và 'EventDateTime' thành Dấu thời gian.

Cấu hình

Loại kênh: Ghi tệp / Đầu ra hệ thống tệp
Sự kiện kích hoạt: ADT^A01, ADT^A03, ADT^A04, ADT^A08, SIU^S12, ORM^O01, ORU^R01, RAS^O17, DFT^P03
Mã hóa tệp: UTF-8 (Quan trọng để hiển thị đúng ký tự đặc biệt trong tên và chẩn đoán)
Dấu phân cách: Dấu phẩy (,) hoặc dấu gạch đứng (|)
Định dạng ngày: Nên dùng ISO 8601 (YYYY-MM-DDTHH:MM:SS) để chuyển đổi dấu thời gian HL7
Xoay vòng nhật ký: Hằng ngày hoặc khi tệp vượt quá 100MB
Chế độ ghi: Ghi nối tiếp (không ghi đè)
Hiệu năng: Đảm bảo tập lệnh chuyển đổi gọn nhẹ để tránh dồn hàng đợi hoặc tồn đọng thông điệp trong hệ thống.

Truy vấn mẫu 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);
}

Các bước

Điều kiện cần và quyền truy cập: Đảm bảo bạn có thông tin đăng nhập hợp lệ cho Unity API của Veradigm (Allscripts). Bạn cần Appname (Application Name) được cấp quyền cho tổ chức, cùng UserID và Password hợp lệ (hoặc mã thông báo) để xác thực. Kiểm tra tài khoản người dùng có quyền truy cập các miền lâm sàng như lượt khám, đơn hàng, kết quả, chỉ số sinh tồn và vấn đề sức khỏe.
Thiết lập môi trường: Cài Python 3.8 trở lên. Cài các thư viện cần thiết bằng pip: pip install requests pandas. Các thư viện này dùng để gửi yêu cầu HTTP đến Unity API và xử lý dữ liệu trả về.
Cấu hình: Mở tập lệnh Python được cung cấp. Tìm phần CONFIGURATION ở đầu tập lệnh. Cập nhật API_URL để trỏ đến điểm cuối Unity phù hợp với môi trường của bạn, chẳng hạn unity.veradigm.com hoặc một cổng nội bộ. Thay thông tin đăng nhập mẫu ([YourAppName], [YourUserID]...) bằng thông tin thực tế. Đặt START_DATE và END_DATE theo khoảng thời gian bạn muốn phân tích.
Tổng quan logic tập lệnh: Trước tiên, tập lệnh xác thực với API để lấy mã thông báo bảo mật. Sau đó, tập lệnh gọi GetEncounterInfo để lấy tất cả hồ sơ lượt khám của bệnh nhân trong khoảng thời gian đã chọn. Danh sách lượt khám này là cơ sở để trích xuất dữ liệu.
Vòng lặp trích xuất hoạt động: Với mỗi EncounterID được xác định, tập lệnh gọi thêm các điểm cuối API chuyên biệt. Tập lệnh gọi GetOrders để tìm xét nghiệm chẩn đoán và thủ thuật, GetResults để xác định các xét nghiệm đã hoàn tất, GetVitals để lấy bản ghi chỉ số sinh tồn và GetPatientProblems để lấy chẩn đoán đã xác nhận. Tập lệnh cũng duyệt ghi chú lâm sàng để tìm đánh giá và kế hoạch điều trị.
Chuyển đổi dữ liệu: Khi API trả về dữ liệu JSON thô, tập lệnh phân tích các trường cụ thể và ánh xạ chúng vào lược đồ ProcessMind. Ví dụ, OrderDateTime được ánh xạ sang EventDateTime cho hoạt động 'Đã chỉ định xét nghiệm chẩn đoán'. Tập lệnh đảm bảo PatientEpisodeId (Encounter ID) được áp dụng nhất quán cho mọi bản ghi liên quan.
Xử lý ADT và chuyển khoa: Logic tập lệnh kiểm tra lịch sử vị trí của lượt khám, nếu có qua các lệnh gọi phụ Audit hoặc ADT cụ thể. Nếu không, tập lệnh suy ra việc chuyển khoa từ thay đổi khoa trong tài liệu lâm sàng để tạo sự kiện 'Chuyển khoa'.
Logic theo dõi sau khám: Sau khi xử lý lượt khám, tập lệnh truy vấn GetSchedule cho cùng PatientID, tìm ngày hẹn sau DischargeDate để tạo hoạt động 'Đã lên lịch tái khám'.
Kiểm tra dữ liệu: Tập lệnh có bước kiểm tra cục bộ, in số hàng theo từng loại hoạt động ra bảng điều khiển. Xem kết quả để đảm bảo mỗi loại hoạt động đều có bản ghi, trừ trường hợp dự kiến không có.
Xuất dữ liệu: Tập dữ liệu cuối cùng được tổng hợp thành Pandas DataFrame. Tập lệnh sắp xếp dữ liệu theo bệnh nhân và thời gian để tính các thuộc tính dẫn xuất như LengthOfStay và IsReadmission. Cuối cùng, tập lệnh xuất nhật ký sự kiện đã xử lý sang tệp CSV có tên veradigm_patient_journey_log.csv.
Kiểm tra lần cuối: Mở tệp CSV đã tạo. Kiểm tra ngày giờ theo định dạng ISO 8601 (YYYY-MM-DD HH:MM:SS) và đảm bảo các trường văn bản như ActivityName không chứa ký tự phân cách.
Tải lên: Nhập tệp CSV vào ProcessMind. Ánh xạ PatientEpisodeId sang Mã trường hợp, ActivityName sang Hoạt động và EventDateTime sang Dấu thời gian.

Cấu hình

API_URL: URL cơ sở của các dịch vụ Unity API. Giá trị này tùy theo cách cài đặt của từng khách hàng, chẳng hạn tại chỗ hoặc trên đám mây. Đảm bảo giao thức (https) chính xác.
Appname: Mã định danh ứng dụng duy nhất đã đăng ký với Veradigm/Allscripts. Mã này xác định phạm vi dữ liệu được truy cập.
Khoảng ngày: Nên trích xuất dữ liệu trong 3-6 tháng. Khoảng thời gian dài có thể hết thời gian chờ. Nếu dữ liệu nhiều, hãy chia theo tháng.
Thiết lập thời gian chờ: Tập lệnh mặc định chờ 30 giây cho mỗi lệnh gọi API. Tăng thời gian này nếu hệ thống EHR đang chịu tải cao.
Chia lô: Tập lệnh xử lý từng lượt khám. Với hệ thống có lượng dữ liệu lớn, có thể cần sửa tập lệnh để lấy dữ liệu hàng loạt nếu endpoint hỗ trợ, hoặc chạy nhiều luồng song song.
Logic ánh xạ: Tập lệnh ánh xạ 'OrderType' sang các hoạt động. Đảm bảo mã loại y lệnh cụ thể của hệ thống, chẳng hạn 'Lab' và 'Rad', khớp với logic trong hàm process_orders.

Truy vấn mẫu 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()

Sẵn sàng bắt đầu?

Bắt đầu tối ưu trải nghiệm bệnh nhân và hiệu quả vận hành ngay hôm nay. Dữ liệu của bạn có thể giúp tìm ra những thông tin hữu ích và thúc đẩy cải tiến rõ rệt.

Quay lại hướng dẫn cải tiến

Tải mẫu xuống

Tối ưu hành trình bệnh nhân trên Veradigm ngay hôm nay

Rút ngắn 30% thời gian chu trình của bệnh nhân và cải thiện kết quả chăm sóc.

Bắt đầu dùng thử miễn phí

Không cần thẻ tín dụng. Bắt đầu ngay.

Mẫu dữ liệu hành trình bệnh nhân

Mẫu dữ liệu hành trình bệnh nhân

Thuộc tính hành trình bệnh nhân

Hoạt động trong hành trình bệnh nhân

Hướng dẫn trích xuất dữ liệu

Xuất nhật ký sự kiện từ Allscripts Interface Engine

Các bước

Cấu hình

Truy vấn mẫu config

Trích xuất dữ liệu qua Veradigm Unity API bằng Python

Các bước

Cấu hình

Truy vấn mẫu python

Sẵn sàng bắt đầu?

Tối ưu hành trình bệnh nhân trên Veradigm ngay hôm nay