> Cải tiến quy trình liên tục > Hành trình bệnh nhân > athenahealth > Mẫu dữ liệu

Mẫu dữ liệu hành trình khám chữa bệnh

athenahealth

Thuộc tính hành trình khám chữa bệnh(19) Hoạt động trong hành trình khám chữa bệnh(15) Hướng dẫn trích xuất dữ liệu(2)

Mẫu dữ liệu hành trình khám chữa bệnh

Mẫu này hướng dẫn bạn thu thập dữ liệu cần thiết để phân tích hành trình khám chữa bệnh. Mẫu nêu rõ các thuộc tính và hoạt động cần theo dõi, đồng thời hướng dẫn cách trích xuất dữ liệu từ athenahealth. Hãy dùng tài nguyên này để chuẩn bị dữ liệu cho process mining.

Các thuộc tính nên thu thập
Các hoạt động chính cần theo dõi
Hướng dẫn trích xuất dữ liệu từ athenahealth

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 khám chữa bệnh

Đây là những trường dữ liệu nên có trong event log để phân tích đầy đủ và hiểu rõ hành trình khám chữa bệnh.

5 Bắt buộc 9 Nên có 5 Không bắt buộc

	Tên	Mô tả
	Dấu thời gian sự kiện EventTimestamp	Ngày và giờ cụ thể khi hoạt động diễn ra.
Mô tả Ghi lại chính xác thời điểm hoạt động diễn ra. Dữ liệu này dùng để sắp xếp sự kiện theo thời gian và tính khoảng thời gian giữa các bước. Đây là dữ liệu thiết yếu cho phân tích theo thời gian, gồm thời gian chu kỳ, thời gian chờ và thông lượng. Nên dùng dấu thời gian có độ chính xác cao để xác định thứ tự các sự kiện diễn ra trong cùng ngày. Vì sao điều này quan trọng Cần có để sắp xếp sự kiện và tính mọi KPI dựa trên thời gian. Lấy dữ liệu ở đâu Các trường dấu thời gian gắn với thay đổi trạng thái hoặc ngày tạo trong bảng athenahealth. Ví dụ 2023-10-12T08:30:00Z2023-10-12T09:15:22Z2023-10-15T14:20:00Z
	Đợt điều trị của bệnh nhân PatientEpisodeId	Mã định danh duy nhất cho một đợt điều trị hoặc hành trình khám chữa bệnh cụ thể của bệnh nhân.
Mô tả Thuộc tính này đóng vai trò là mã định danh hồ sơ trung tâm, dùng để nhóm mọi hoạt động liên quan đến một giai đoạn chăm sóc hoặc tình trạng bệnh cụ thể của bệnh nhân. Thuộc tính này kết nối các sự kiện riêng lẻ như lịch hẹn, chỉ định chẩn đoán và thủ tục xuất viện thành một hành trình thống nhất. Khi phân tích, mã này là khóa chính cho process mining, giúp tái dựng luồng quy trình từ đầu đến cuối. Nhờ đó, các lượt khám của cùng một bệnh nhân nhưng liên quan đến những tình trạng bệnh khác nhau được xem là các trường hợp riêng biệt. Vì sao điều này quan trọng Cần thiết để xác định phạm vi của một trường hợp quy trình trong phân tích. Lấy dữ liệu ở đâu Được tạo bằng cách nhóm các Encounter ID hoặc liên kết với Episode of Care ID cụ thể trong athenahealth. Ví dụ EP-2023-88491EP-2023-99102ENC-55412-GRP
	Hệ thống nguồn SourceSystem	Tên hệ thống nơi dữ liệu được tạo ra.
Mô tả Xác định hệ thống CNTT tạo bản ghi, trong trường hợp này là 'athenahealth'. Thuộc tính này đặc biệt hữu ích khi dữ liệu được kết hợp từ nhiều hệ thống. Cho phép nhà phân tích lọc dữ liệu theo nguồn và xử lý sự cố về chất lượng dữ liệu riêng của từng hệ thống. Vì sao điều này quan trọng Cung cấp thông tin về nguồn gốc và bối cảnh dữ liệu khi triển khai process mining trên nhiều hệ thống. Lấy dữ liệu ở đâu Giá trị cố định được mã hóa sẵn hoặc ID cấu hình hệ thống. Ví dụ athenahealthAthenaOneAthenaPractice
	Lần cập nhật dữ liệu gần nhất LastDataUpdate	Thời điểm dữ liệu được trích xuất hoặc làm mới gần nhất.
Mô tả Cho biết dữ liệu dùng trong phân tích có mới hay không. Nhờ đó, người dùng biết mình đang xem dữ liệu gần thời gian thực hay ảnh chụp dữ liệu lịch sử. Dữ liệu này giúp quản lý các luồng dữ liệu và bảo đảm bảng điều khiển phản ánh trạng thái mới nhất của quy trình. Vì sao điều này quan trọng Quan trọng để quản trị dữ liệu và giúp người dùng tin tưởng rằng dữ liệu trên bảng điều khiển được cập nhật. Lấy dữ liệu ở đâu Thời gian hệ thống tại thời điểm chạy ETL. Ví dụ 2023-11-01T12:00:00Z2023-11-02T06:00:00Z
	Tên hoạt động ActivityName	Tên sự kiện hoặc tác vụ được thực hiện trong hành trình khám chữa bệnh của bệnh nhân.
Mô tả Cho biết bước cụ thể diễn ra trong quy trình, chẳng hạn như 'Bệnh nhân đã làm thủ tục tiếp nhận', 'Đã chỉ định xét nghiệm chẩn đoán' hoặc 'Đã cho dùng thuốc'. Chuỗi văn bản này xác định các nút trên sơ đồ quy trình. Dùng để trực quan hóa luồng quy trình và xác định thứ tự các hoạt động. Cần chuẩn hóa tên hoạt động để sơ đồ quy trình dễ đọc và không bị chia thành quá nhiều nhóm. Vì sao điều này quan trọng Xác định các bước trên sơ đồ quy trình và là trường bắt buộc để thực hiện process mining. Lấy dữ liệu ở đâu Lấy từ nhật ký kiểm tra, thay đổi trạng thái lịch hẹn hoặc mô tả chi tiết từng khoản trên yêu cầu thanh toán. Ví dụ Đã lên lịch hẹnNgười bệnh đã làm thủ tụcĐã chỉ định xét nghiệm chẩn đoánNgười bệnh đã xuất viện
	Có tái nhập viện IsReadmission	Cờ cho biết đợt điều trị này có phải là lần quay lại ngoài kế hoạch hay không.
Mô tả Giá trị đúng/sai cho biết bệnh nhân có quay lại bệnh viện trong một khoảng thời gian nhất định, chẳng hạn 30 ngày, sau lần xuất viện trước hay không. Thuộc tính này hỗ trợ trực tiếp KPI 'Tỷ lệ tái nhập viện ngoài kế hoạch'. Bằng cách lọc theo thuộc tính này, nhà phân tích có thể đi sâu tìm nguyên nhân gốc rễ của việc tái nhập viện và xác định các mẫu hình trong lộ trình điều trị ban đầu. Vì sao điều này quan trọng Hỗ trợ trực tiếp KPI Tỷ lệ tái nhập viện. Lấy dữ liệu ở đâu Được tính trong ETL bằng cách so sánh ngày nhập viện với ngày xuất viện trước đó. Ví dụ truefalse
	Loại lượt khám EncounterType	Phân loại lượt khám, chẳng hạn như khám tại phòng khám, khám từ xa hoặc cấp cứu.
Mô tả Xác định hình thức hoặc bối cảnh chăm sóc được cung cấp. Trong mô hình dữ liệu chung, thuộc tính này đóng vai trò là 'Loại hồ sơ'. Mỗi loại lượt khám có luồng quy trình dự kiến và yêu cầu lập hóa đơn riêng. Cần lọc theo thuộc tính này để tránh so sánh những trường hợp không tương đồng khi phân tích thời gian chu kỳ. Vì sao điều này quan trọng Phân biệt các biến thể quy trình như khám từ xa và khám trực tiếp. Lấy dữ liệu ở đâu Trường 'encountertype' trong athenahealth. Ví dụ Khám tại phòng khámKhám từ xaCấp cứuPhẫu thuật
	Mã bệnh nhân PatientId	Mã định danh duy nhất của bệnh nhân (đã ẩn danh hoặc băm).
Mô tả Xác định duy nhất khách hàng (bệnh nhân) trong hành trình khám chữa bệnh. Dù tương tự mã định danh hồ sơ, một bệnh nhân có thể có nhiều đợt điều trị theo thời gian. Dùng để liên kết các lượt khám lặp lại và phân tích tỷ lệ tái nhập viện. Đây là dữ liệu thiết yếu để tính KPI 'Tỷ lệ tái nhập viện ngoài kế hoạch'. Vì sao điều này quan trọng Cần thiết để theo dõi tình trạng tái nhập viện và lịch sử khám chữa bệnh của bệnh nhân qua các đợt điều trị. Lấy dữ liệu ở đâu Trường 'patientid' trong athenahealth. Ví dụ PAT-100234PAT-559201PAT-992210
	Mã chẩn đoán chính PrimaryDiagnosisCode	Mã ICD-10 chính gắn với đợt điều trị.
Mô tả Phân loại lý do lâm sàng của hành trình khám chữa bệnh. Thuộc tính này cung cấp bối cảnh cần thiết cho 'So sánh hành trình theo nhóm tuổi và chẩn đoán'. Nhà phân tích dùng thuộc tính này để chia hành trình theo tình trạng bệnh, chẳng hạn như viêm phổi hoặc gãy xương, vì mỗi tình trạng có lộ trình dự kiến và thời gian chu kỳ rất khác nhau. Vì sao điều này quan trọng Cho phép so sánh các trường hợp tương đồng, vì thời gian chu kỳ có thể khác nhau đáng kể tùy theo chẩn đoán. Lấy dữ liệu ở đâu Các trường chẩn đoán trong Encounter hoặc Claim (ICD-10). Ví dụ J18.9I10E11.9
	Nhóm tuổi bệnh nhân PatientAgeGroup	Nhóm phân loại độ tuổi của bệnh nhân, chẳng hạn như 18-25, 65+.
Mô tả Chia bệnh nhân thành các nhóm nhân khẩu học. Đây là dữ liệu cần thiết cho bảng điều khiển 'So sánh hành trình theo nhóm tuổi và chẩn đoán'. Thuộc tính này giúp xác định liệu những điểm chưa hiệu quả trong quy trình hoặc kết quả chăm sóc có ảnh hưởng nhiều hơn đến một nhóm tuổi cụ thể, chẳng hạn như người cao tuổi hoặc bệnh nhi. Vì sao điều này quan trọng Phân nhóm nhân khẩu học tiêu chuẩn để phân tích quy trình chăm sóc sức khỏe. Lấy dữ liệu ở đâu Tính từ Patient DOB và StartTime. Ví dụ 18-2930-4965+
	Nơi bệnh nhân đến sau khi xuất viện DischargeDisposition	Nơi bệnh nhân đến hoặc tình trạng của bệnh nhân khi xuất viện.
Mô tả Cho biết bệnh nhân đến đâu sau đợt điều trị, chẳng hạn như về nhà, đến cơ sở điều dưỡng chuyên môn hoặc cơ sở chăm sóc cuối đời. Đây là dữ liệu quan trọng cho 'Lập kế hoạch xuất viện và xu hướng tái nhập viện'. Thuộc tính này cung cấp bối cảnh về mức độ phức tạp của việc lập kế hoạch xuất viện và giúp đánh giá hiệu quả chuyển tiếp chăm sóc. Vì sao điều này quan trọng Cung cấp bối cảnh quan trọng để lập kế hoạch xuất viện và đánh giá nguy cơ tái nhập viện. Lấy dữ liệu ở đâu Các trường encounter trong athenahealth hoặc hồ sơ xuất viện của bệnh viện. Ví dụ Về nhàCơ sở điều dưỡng chuyên mônChuyển đến bệnh viện điều trị ngắn hạnĐã qua đời
	Tên khoa DepartmentName	Khoa bệnh viện hoặc phòng khám nơi hoạt động diễn ra.
Mô tả Phân chia dữ liệu quy trình theo đơn vị chức năng, chẳng hạn như Cấp cứu, Tim mạch hoặc Chẩn đoán hình ảnh. Thuộc tính này cần thiết cho bảng điều khiển 'Thông lượng và bàn giao giữa các khoa'. Phân tích theo thuộc tính này giúp phát hiện điểm nghẽn ở từng khu vực và cải thiện luồng bệnh nhân giữa các khoa. Vì sao điều này quan trọng Rất quan trọng để xác định điểm nghẽn trong tổ chức và những bất cập khi bàn giao. Lấy dữ liệu ở đâu Tra cứu 'departmentid' trong athenahealth để lấy tên khoa. Ví dụ Khoa Cấp cứuNội tổng quátChẩn đoán hình ảnh
	Tên nhân viên y tế ProviderName	Tên chuyên gia y tế thực hiện hoạt động.
Mô tả Xác định bác sĩ, điều dưỡng hoặc kỹ thuật viên cụ thể phụ trách sự kiện. Thuộc tính này đóng vai trò quan trọng trong phân tích mức độ sử dụng tài nguyên. Thuộc tính này cho phép so sánh các chỉ số hiệu suất như thông lượng và thời gian chu kỳ giữa các nhân viên, từ đó xác định nhu cầu đào tạo hoặc tình trạng phân bổ công việc chưa cân đối. Vì sao điều này quan trọng Cần thiết để tính 'Tỷ lệ sử dụng tài nguyên' và phân tích các lần bàn giao. Lấy dữ liệu ở đâu Tra cứu 'providerid' trong athenahealth để lấy tên từ danh bạ nhân viên y tế. Ví dụ Bác sĩ SmithĐiều dưỡng JonesKỹ thuật viên Adams
	Thời điểm kết thúc sự kiện EventEndTime	Thời điểm hoàn tất hoạt động cụ thể.
Mô tả Ghi lại thời điểm hoàn tất hoạt động, giúp tính thời gian xử lý thực tế của bước đó, tách biệt với thời gian chờ trước khi bắt đầu. Dữ liệu này dùng để phân tích hiệu quả sử dụng tài nguyên và xác định những tác vụ mất nhiều thời gian hơn dự kiến khi thực hiện thủ công. Vì sao điều này quan trọng Cho phép tính thời gian xử lý thực tế và phân biệt với thời gian chờ. Lấy dữ liệu ở đâu Thời điểm thanh toán, thời điểm xác minh kết quả hoặc dấu thời gian hoàn tất cụ thể trong athenahealth. Ví dụ 2023-10-12T09:00:00Z2023-10-12T10:45:00Z
	Có làm lại IsRework	Cờ cho biết hoạt động này có được lặp lại hay không.
Mô tả Cờ đúng/sai, có giá trị đúng nếu hoạt động diễn ra nhiều hơn một lần trong cùng một hồ sơ. Thuộc tính này hỗ trợ bảng điều khiển 'Tần suất hoạt động và vòng lặp làm lại'. Thuộc tính này giúp nhanh chóng lọc riêng các hồ sơ có hoạt động làm lại, từ đó tính KPI 'Tần suất hoạt động làm lại'. Vì sao điều này quan trọng Giúp xác định những điểm chưa hiệu quả và bước thừa trong quy trình. Lấy dữ liệu ở đâu Được tính trong ETL dựa trên số lần hoạt động xuất hiện theo CaseId. Ví dụ truefalse
	Loại chỉ định OrderType	Nhóm chỉ định, chẳng hạn như xét nghiệm, chẩn đoán hình ảnh hoặc kê đơn thuốc.
Mô tả Phân loại các chỉ định lâm sàng được tạo trong đợt điều trị. Thuộc tính này rất quan trọng cho bảng điều khiển 'Thời gian chờ xét nghiệm chẩn đoán'. Nhờ đó, nhà phân tích có thể đo riêng thời gian chờ của xét nghiệm và chẩn đoán hình ảnh, vốn thường có thỏa thuận mức dịch vụ và điểm nghẽn khác nhau. Vì sao điều này quan trọng Phân chia quy trình chẩn đoán để phân tích riêng thời gian chờ. Lấy dữ liệu ở đâu 'ordertype' hoặc 'class' trong API orders của athenahealth. Ví dụ Xét nghiệmChẩn đoán hình ảnhĐơn thuốcThủ thuật
	Tổng số tiền tính phí TotalChargeAmount	Số tiền tính cho hoạt động hoặc đợt điều trị.
Mô tả Giá trị tài chính gắn với hoạt động hoặc tổng số tiền của yêu cầu thanh toán. Thuộc tính này cho phép thực hiện process mining dựa trên chi phí và phân tích tác động tài chính. Dùng để xác định các biến thể lộ trình điều trị có chi phí cao và đối chiếu hiệu quả quy trình với kết quả tài chính. Vì sao điều này quan trọng Bổ sung khía cạnh tài chính cho phân tích quy trình. Lấy dữ liệu ở đâu 'amount' hoặc 'totalcharge' trong các bảng claim/charge của athenahealth. Ví dụ 150.002500.5045.00
	Trạng thái kết quả chẩn đoán DiagnosticResultStatus	Trạng thái kết quả của một chỉ định chẩn đoán, chẳng hạn như dương tính hoặc bình thường.
Mô tả Ghi nhận kết quả tổng quát của xét nghiệm. Dữ liệu này cung cấp bối cảnh cho 'Thời gian chờ xét nghiệm chẩn đoán' và các quyết định điều trị tiếp theo. Dùng để phân tích xem kết quả bất thường có dẫn đến hành động tiếp theo nhanh hơn so với kết quả bình thường hay không. Vì sao điều này quan trọng Kết nối luồng quy trình với kết quả lâm sàng. Lấy dữ liệu ở đâu Các trường quan sát kết quả xét nghiệm trong athenahealth. Ví dụ Bình thườngBất thườngNguy cấp
	Trạng thái yêu cầu thanh toán ClaimStatus	Trạng thái yêu cầu thanh toán tài chính liên quan đến dịch vụ chăm sóc.
Mô tả Cho biết tình trạng xử lý yêu cầu thanh toán, chẳng hạn như 'Đã gửi', 'Bị từ chối' hoặc 'Đã thanh toán'. Trạng thái này liên quan đến hoạt động 'Đã gửi yêu cầu thanh toán' và thông lượng tài chính. Giúp xác định liệu vấn đề trong hồ sơ lâm sàng có gây chậm trễ ở khâu xử lý tài chính hay không. Vì sao điều này quan trọng Liên kết hiệu quả lâm sàng với hiệu suất của chu trình doanh thu. Lấy dữ liệu ở đâu Trường 'claimstatus' trong athenahealth. Ví dụ ĐÃ LẬP HÓA ĐƠNTẠM GIỮĐÃ CHUYỂN

Bắt buộc Nên có Không bắt buộc

Hoạt động trong hành trình khám chữa bệnh

Đây là các bước và mốc quan trọng cần ghi lại trong event log để khám phá chính xác và tối ưu trải nghiệm khám chữa bệnh.

7 Nên có 8 Không bắt buộc

	Hoạt động	Mô tả
	Đã lập lệnh xuất viện	Bác sĩ hoặc nhân viên y tế được ủy quyền lập lệnh chính thức cho người bệnh xuất viện. Đây là sự kiện được ghi rõ kèm dấu thời gian, tạo trong mô-đun CPOE của EHR.
Vì sao điều này quan trọng Hoạt động này khởi đầu quy trình xuất viện. Khoảng thời gian từ lúc lập lệnh đến khi người bệnh thực sự xuất viện là chỉ số hiệu quả quan trọng để đo 'Discharge Planning Lead Time'. Lấy dữ liệu ở đâu Thông tin nằm trong bảng chỉ định. Sự kiện được xác định bằng loại chỉ định 'Discharge' cụ thể và dấu thời gian tạo. Thu thập Một hồ sơ mới có loại chỉ định 'Discharge' được tạo trong bảng chỉ định. Loại sự kiện explicit
	Đã nhận kết quả xét nghiệm	Kết quả xét nghiệm chẩn đoán đã được hoàn tất và hiển thị trong hồ sơ người bệnh. Thông tin này thường được ghi lại khi hệ thống xét nghiệm hoặc chụp chiếu gửi kết quả về athenahealth và tạo một mục có dấu thời gian.
Vì sao điều này quan trọng Nhận được kết quả là tín hiệu quan trọng để đưa ra các quyết định lâm sàng tiếp theo, chẳng hạn chẩn đoán và lập kế hoạch điều trị. Đây là mốc kết thúc để đo thời gian xử lý xét nghiệm chẩn đoán. Lấy dữ liệu ở đâu Thông tin nằm trong bảng kết quả hoặc chẩn đoán, được liên kết với chỉ định ban đầu. Sự kiện được đánh dấu bằng dấu thời gian khi kết quả được lưu hoặc nhận vào hồ sơ người bệnh. Thu thập Một hồ sơ kết quả mới được tạo kèm dấu thời gian, thường thông qua kết nối với LIS hoặc RIS. Loại sự kiện explicit
	Đã thực hiện thủ thuật	Một thủ thuật lâm sàng, chẳng hạn phẫu thuật hoặc liệu pháp chuyên biệt, được thực hiện cho người bệnh. Đây là sự kiện được ghi rõ trong tài liệu lâm sàng, thường có thời gian bắt đầu và kết thúc trong ghi chú thủ thuật.
Vì sao điều này quan trọng Thủ thuật là những mốc quan trọng trong quá trình điều trị. Phân tích các hoạt động trước và sau thủ thuật giúp tối ưu quy trình trước và sau phẫu thuật. Lấy dữ liệu ở đâu Thông tin có trong ghi chú thủ thuật hoặc biểu mẫu theo dõi lâm sàng cụ thể của athenaClinicals. Dấu thời gian sự kiện được lấy từ thời điểm bắt đầu hoặc kết thúc thủ thuật đã ghi nhận. Thu thập Ghi chú hoặc nhật ký thủ thuật được tạo, kèm dấu thời gian cho biết thủ thuật diễn ra khi nào. Loại sự kiện explicit
	Đã xác nhận chẩn đoán	Bác sĩ chính thức đưa ra hoặc xác nhận chẩn đoán tình trạng của người bệnh trong lần khám hiện tại. Có thể suy ra sự kiện này từ dấu thời gian tạo hoặc cập nhật gần nhất của mã chẩn đoán chính, chẳng hạn ICD-10, gắn với lần khám.
Vì sao điều này quan trọng Đây là mốc quan trọng quyết định lộ trình điều trị tiếp theo. Phân tích các hoạt động khác nhau sau thời điểm này giúp hiểu và chuẩn hóa quy trình chăm sóc. Lấy dữ liệu ở đâu Có thể suy ra từ danh sách vấn đề sức khỏe của người bệnh hoặc dữ liệu chẩn đoán của lần khám. Việc thay đổi hoặc hoàn tất mã chẩn đoán cùng dấu thời gian tương ứng cho biết sự kiện này đã xảy ra. Thu thập Xác định dấu thời gian khi chẩn đoán chính của lần khám được thêm hoặc cập nhật. Loại sự kiện inferred
	Hoàn tất đánh giá ban đầu	Đánh dấu thời điểm hoàn tất đánh giá lâm sàng đầu tiên, chẳng hạn phân loại hoặc đánh giá điều dưỡng, khi các chỉ số sinh tồn và triệu chứng chính được ghi nhận. Sự kiện này thường được suy ra từ dấu thời gian của ghi chú lâm sàng đầu tiên được ký hoặc biểu mẫu đánh giá đã hoàn tất cho lần khám.
Vì sao điều này quan trọng Mốc này cho biết hoạt động chăm sóc lâm sàng đã bắt đầu. Thời gian từ lúc làm thủ tục đến hoạt động này là chỉ số quan trọng để đo thời gian chờ ban đầu và khả năng đáp ứng của nhân sự, thiết bị. Lấy dữ liệu ở đâu Có thể suy ra từ dấu thời gian tạo hoặc ký các tài liệu lâm sàng hay biểu mẫu theo dõi trong athenaClinicals. Cần xác định loại tài liệu liên quan đến phân loại hoặc tiếp nhận người bệnh. Thu thập Xác định dấu thời gian đầu tiên trên ghi chú lâm sàng, biểu mẫu theo dõi chỉ số sinh tồn hoặc biểu mẫu tiếp nhận cụ thể của lần khám. Loại sự kiện inferred
	Người bệnh đã làm thủ tục	Hoạt động này ghi nhận người bệnh đã đến và làm thủ tục cho lịch hẹn hoặc buổi khám. Thông tin thường được ghi lại dưới dạng thay đổi trạng thái rõ ràng trên hồ sơ lịch hẹn trong athenaClinicals hoặc athenaCommunicator.
Vì sao điều này quan trọng Đây là thời điểm bắt đầu chính thức hành trình của người bệnh tại cơ sở y tế. Mốc này rất quan trọng để đo thời gian chờ và tổng thời gian xử lý một lần khám. Lấy dữ liệu ở đâu Được ghi lại dưới dạng cập nhật trạng thái trong bảng lịch hẹn hoặc lần khám. Tìm trạng thái 'Checked-In' và dấu thời gian tương ứng. Thu thập Thay đổi trạng thái trên hồ sơ lịch hẹn hoặc lần khám được ghi lại kèm dấu thời gian. Loại sự kiện explicit
	Người bệnh đã xuất viện	Người bệnh đã chính thức xuất viện và kết thúc giai đoạn điều trị tại cơ sở. Đây là sự kiện ADT cuối cùng của một lần điều trị nội trú, được ghi lại kèm dấu thời gian chính xác.
Vì sao điều này quan trọng Sự kiện này đánh dấu kết thúc hành trình chính của người bệnh. Đây là mốc cuối để đo 'Patient Journey Cycle Time' tổng thể và rất cần thiết khi phân tích tái nhập viện. Lấy dữ liệu ở đâu Đây là sự kiện được ghi rõ trong hệ thống ADT hoặc bảng lần khám của người bệnh, đánh dấu trạng thái cuối cùng của lần khám là 'Discharged' kèm dấu thời gian. Thu thập Trạng thái lần khám của người bệnh được cập nhật thành 'Discharged' và một sự kiện ADT được ghi lại. Loại sự kiện explicit
	Đã chỉ định xét nghiệm chẩn đoán	Nhân viên y tế chỉ định xét nghiệm chẩn đoán như xét nghiệm trong phòng lab, chụp chiếu hoặc thủ thuật khác. Đây là sự kiện được ghi rõ kèm dấu thời gian, tạo qua chức năng CPOE (Computerized Provider Order Entry) trong athenaClinicals.
Vì sao điều này quan trọng Đây là điểm ra quyết định quan trọng, khởi đầu một quy trình chẩn đoán phụ. Theo dõi hoạt động này là cần thiết để phân tích KPI 'Diagnostic Test Lead Time' từ lúc chỉ định đến khi có kết quả. Lấy dữ liệu ở đâu Thông tin có trong bảng chỉ định. Mỗi chỉ định có mã người bệnh, tên chỉ định, trạng thái và dấu thời gian tạo. Thu thập Một hồ sơ mới được tạo kèm dấu thời gian trong bảng chỉ định của hệ thống. Loại sự kiện explicit
	Đã chuyển người bệnh	Người bệnh được chuyển từ đơn vị chăm sóc hoặc khoa này sang nơi khác, chẳng hạn từ khoa Cấp cứu đến khoa nội trú. Sự kiện này được ghi rõ trong hệ thống hồ sơ sức khỏe điện tử (EHR) dưới dạng sự kiện Tiếp nhận, Xuất viện, Chuyển khoa (ADT).
Vì sao điều này quan trọng Hoạt động này rất quan trọng để phân tích việc bàn giao giữa các khoa và luồng người bệnh trong cơ sở y tế. Qua đó, bạn có thể xác định điểm nghẽn trong 'Patient Handoff Time' và việc phân bổ tài nguyên. Lấy dữ liệu ở đâu Được ghi lại trong nhật ký sự kiện ADT hoặc bảng theo dõi người bệnh. Mỗi lần chuyển có thông tin người bệnh, nơi chuyển đi, nơi chuyển đến và dấu thời gian. Thu thập Khi chuyển người bệnh, hệ thống tạo thông điệp ADT hoặc mục nhật ký sự kiện kèm dấu thời gian. Loại sự kiện explicit
	Đã dùng thuốc	Nhân viên y tế trực tiếp cho người bệnh dùng thuốc. Hoạt động này được ghi rõ trong mô-đun Medication Administration Record (MAR) của athenaClinicals, kèm dấu thời gian chính xác cho từng liều.
Vì sao điều này quan trọng Hoạt động này ghi nhận một can thiệp điều trị trực tiếp. Phân tích thời điểm thực hiện giúp đo 'Time to First Treatment' và bảo đảm thuốc được dùng đúng lịch. Lấy dữ liệu ở đâu Thông tin có trong các bảng dữ liệu MAR. Mỗi lần dùng thuốc có mã người bệnh, mã thuốc, liều lượng và dấu thời gian. Thu thập Mỗi lần ghi nhận đã cho người bệnh dùng thuốc, MAR tạo một hồ sơ kèm dấu thời gian. Loại sự kiện explicit
	Đã gửi yêu cầu thanh toán	Yêu cầu thanh toán cho các dịch vụ đã cung cấp trong lần khám của người bệnh được lập và gửi đến bên chi trả. Đây là sự kiện được ghi rõ trong mô-đun quản lý chu kỳ doanh thu athenaCollector.
Vì sao điều này quan trọng Dù là bước hành chính, hoạt động này rất quan trọng để phân tích quy trình chu trình doanh thu diễn ra song song với hành trình khám chữa bệnh. Hoạt động này giúp xác định độ trễ giữa khâu chăm sóc lâm sàng và lập hóa đơn. Lấy dữ liệu ở đâu Có trong các bảng yêu cầu thanh toán hoặc lập hóa đơn. Sự kiện được đánh dấu bằng thời điểm tạo hoặc gửi yêu cầu thanh toán. Thu thập Tạo bản ghi yêu cầu thanh toán và cập nhật trạng thái thành 'Đã gửi', kèm dấu thời gian. Loại sự kiện explicit
	Đã lập kế hoạch điều trị	Sự kiện ghi nhận bác sĩ chính thức lập và ghi lại kế hoạch điều trị cho người bệnh. Có thể xác định sự kiện này khi một tài liệu 'Plan of Care' cụ thể hoặc một nhóm chỉ định điều trị liên quan được tạo hay ký.
Vì sao điều này quan trọng Hoạt động này xác định lộ trình chăm sóc dự kiến. Đây là mốc quan trọng để đo mức độ tuân thủ quy trình chuẩn và phân tích khác biệt trong chăm sóc. Lấy dữ liệu ở đâu Thông tin có thể nằm trong bảng tài liệu lâm sàng hoặc chỉ định. Sự kiện tương ứng với dấu thời gian của ghi chú kế hoạch chăm sóc đã ký hoặc thời điểm gửi một nhóm chỉ định điều trị phối hợp. Thu thập Sự kiện được xác định bằng dấu thời gian tạo hoặc hoàn tất tài liệu kế hoạch điều trị hay nhóm chỉ định cụ thể. Loại sự kiện explicit
	Đã lấy mẫu xét nghiệm	Sự kiện ghi nhận việc lấy mẫu sinh học, chẳng hạn máu hoặc nước tiểu, từ người bệnh để xét nghiệm. Thông tin này thường được ghi rõ trong mô-đun xét nghiệm hoặc dưới dạng cập nhật trạng thái chỉ định.
Vì sao điều này quan trọng Đây là mốc quan trọng trong quy trình xét nghiệm chẩn đoán. Khoảng thời gian từ lúc chỉ định đến khi lấy mẫu và có kết quả có thể cho thấy những điểm nghẽn đáng kể trong quy trình làm việc của phòng xét nghiệm. Lấy dữ liệu ở đâu Có thể tìm sự kiện này dưới dạng thay đổi trạng thái của chỉ định xét nghiệm hoặc sự kiện riêng trong hệ thống thông tin phòng xét nghiệm kết nối với athenahealth. Tìm trạng thái 'Collected' và dấu thời gian. Thu thập Được ghi lại dưới dạng cập nhật trạng thái chỉ định xét nghiệm hoặc trong mô-đun theo dõi mẫu riêng. Loại sự kiện explicit
	Đã lên lịch hẹn	Sự kiện ghi nhận việc đặt lịch hẹn cho người bệnh. Sự kiện này được ghi rõ khi người dùng tạo và xác nhận lịch hẹn mới trong mô-đun lập lịch athenaCommunicator của athenahealth.
Vì sao điều này quan trọng Hoạt động này đánh dấu điểm bắt đầu của nhiều hành trình người bệnh. Phân tích khoảng thời gian từ lúc đặt lịch đến khi làm thủ tục giúp đánh giá khả năng tiếp cận dịch vụ và hiệu quả trước buổi khám. Lấy dữ liệu ở đâu Đây là sự kiện được ghi rõ trong bảng lịch hẹn hoặc lập lịch. Sự kiện thường đi kèm dấu thời gian tạo lịch và mã người bệnh. Thu thập Sự kiện được ghi lại khi tạo hồ sơ lịch hẹn trong mô-đun lập lịch. Loại sự kiện explicit
	Đã lên lịch tái khám	Lịch tái khám được đặt cho người bệnh sau đợt điều trị chính hoặc sau khi xuất viện. Sự kiện này được ghi rõ khi tạo lịch hẹn mới trong mô-đun lập lịch athenaCommunicator.
Vì sao điều này quan trọng Hoạt động này giúp hiểu rõ việc phối hợp chăm sóc sau xuất viện và tác động của hoạt động đó đến kết quả như tỷ lệ tái nhập viện. Đây là dấu hiệu cho thấy việc chăm sóc được duy trì liên tục. Lấy dữ liệu ở đâu Được ghi lại trong bảng lịch hẹn. Sự kiện được xác định bằng dấu thời gian tạo lịch hẹn diễn ra sau ngày xuất viện. Thu thập Một hồ sơ lịch hẹn mới được tạo trong hệ thống lập lịch. Loại sự kiện explicit

Nên có Không bắt buộc

Hướng dẫn trích xuất dữ liệu

Cách lấy dữ liệu từ athenahealth

Các bước

Đăng nhập vào cổng athenaNet bằng thông tin đăng nhập bảo mật của bạn.
Mở mô-đun Reports từ menu chính, thường nằm trong 'Reports' > 'Report Builder' hoặc 'Custom Reports'.
Nhấp 'Create New Report' và chọn 'Encounters' hoặc 'Patient Visit' làm danh mục báo cáo chính. Nhờ đó, dữ liệu chi tiết tập trung vào từng đợt khám cụ thể của bệnh nhân.
Trong phần chọn 'Columns' hoặc 'Fields', tìm và thêm Patient Identifier (Patient ID) cùng Encounter Identifier (Encounter ID) để làm mã định danh Case.
Thêm các cột nhân khẩu học và thông tin liên quan cần thiết cho thuộc tính, chẳng hạn như Department, Provider Name, Patient Age và Primary Diagnosis Code.
Thêm các cột dấu thời gian tương ứng với từng hoạt động. Bạn có thể cần tìm trong các nhóm trường khác nhau, chẳng hạn 'Scheduling' cho Appointment Scheduled, 'Check-in' cho Check-in Time và 'Billing' cho Claim Submitted. Nếu có, hãy chọn định dạng 'Date and Time', không chỉ chọn Date.
Áp dụng bộ lọc cho cấu hình báo cáo. Đặt khoảng 'Encounter Date' theo thời gian bạn muốn phân tích, chẳng hạn 6 tháng gần nhất, và loại các cuộc hẹn 'Cancelled' hoặc 'No Show' để chỉ tập trung vào hành trình đã hoàn tất.
Nhấp 'Run Report' để xem trước dữ liệu. Kiểm tra để chắc chắn các cột có dữ liệu, không hoàn toàn trống.
Chọn 'Export' rồi chọn định dạng 'CSV' (Comma Separated Values). Không dùng các tính năng định dạng Excel/XLSX vì chúng khiến việc xử lý phức tạp hơn.
Lưu tệp trên máy với tên 'athena_raw_export.csv'.
Báo cáo xuất một dòng cho mỗi lượt khám, với nhiều cột ngày tháng (định dạng rộng). Bạn cần chuyển dữ liệu sang event log (định dạng dài). Dùng tập lệnh Python trong phần Query để chuyển đổi.
Chạy tập lệnh để tạo tệp 'process_mining_event_log.csv', rồi tải tệp này lên ProcessMind.

Cấu hình

Danh mục báo cáo: Chọn 'Hoạt động lượt khám' hoặc 'Thông tin lâm sàng' làm danh mục cơ sở để thu thập phần lớn các bước trong quy trình làm việc lâm sàng.
Khoảng thời gian: Ban đầu, chỉ trích xuất dữ liệu trong 3 đến 6 tháng để tránh báo cáo hết thời gian chờ hoặc vượt giới hạn số hàng, thường khoảng 50.000 hàng trong chế độ xem tiêu chuẩn.
Chọn cột: Đảm bảo đã chọn các trường dấu thời gian cụ thể. Ưu tiên 'Ngày/giờ làm thủ tục' thay vì trường tính toán như 'Số ngày kể từ khi làm thủ tục'.
Xử lý giá trị trống: Cấu hình báo cáo để hiển thị ô trống khi thiếu dữ liệu, thay vì văn bản tùy chỉnh như 'N/A'. Cách này giúp tập lệnh xử lý dữ liệu dễ hơn.
Lọc theo khoa: Nếu tổ chức có quy mô lớn, hãy lọc theo địa điểm dịch vụ hoặc khoa cụ thể, chẳng hạn 'Tim mạch' hoặc 'Chấn thương chỉnh hình', để tập trung dữ liệu.
Quyền truy cập: Người dùng cần quyền 'Người tạo báo cáo' hoặc 'Báo cáo lâm sàng' trong athenaNet để truy cập Trình tạo báo cáo tùy chỉnh.

Truy vấn mẫu python

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Các bước

Đăng ký ứng dụng API: Đăng nhập vào athenahealth Developer Portal và đăng ký ứng dụng mới để nhận Client ID và Client Secret. Đảm bảo ứng dụng có phạm vi truy cập Appointments, Clinicals (Charts), Orders và Billing (Claims).
Thiết lập môi trường Python: Dùng pip install requests pandas để cài các thư viện Python cần thiết (requests, pandas) trong môi trường chạy tập lệnh.
Xác thực: Triển khai luồng OAuth 2.0 Client Credentials để lấy access token. Thêm token này vào header Authorization (Bearer token) của mọi lệnh gọi API tiếp theo.
Xác định phạm vi: Đặt Practice ID và khoảng ngày cần trích xuất. API athenahealth áp dụng riêng cho từng cơ sở khám chữa bệnh, vì vậy bạn cần lặp qua các Practice ID nếu quản lý nhiều cơ sở.
Trích xuất cuộc hẹn: Gọi endpoint /appointments/booked hoặc /appointments/changed để lấy thông tin lượt khám ban đầu. Ánh xạ appointment ID sang PatientEpisodeId. Lấy 'Appointment Scheduled' từ ngày tạo và 'Patient Checked In' từ thời điểm làm thủ tục tiếp nhận.
Duyệt từng lượt khám để lấy sự kiện lâm sàng: Với mỗi appointment ID (lượt khám), gọi các endpoint phụ về lâm sàng. Gọi /chart/{encounterId}/vitals để lấy 'Initial Assessment Completed'. Gọi /chart/{encounterId}/orders để lấy 'Diagnostic Test Ordered', 'Specimen Collected' (dựa trên trạng thái) và 'Discharge Order Written'.
Lấy kết quả và chẩn đoán: Gọi /chart/{encounterId}/analyteresults hoặc /chart/{encounterId}/labresults để lấy 'Test Results Received'. Gọi /chart/{encounterId}/diagnoses để lấy 'Diagnosis Confirmed'.
Trích xuất điều trị và thủ thuật: Gọi /chart/{encounterId}/plan để lấy 'Treatment Plan Developed'. Gọi /chart/{encounterId}/procedures để lấy 'Procedure Performed'. Gọi /chart/{encounterId}/medications/admin để lấy 'Medication Administered'.
Xác định ADT và yêu cầu thanh toán: Dùng lịch sử trạng thái cuộc hẹn hoặc các endpoint bệnh viện cụ thể (nếu có) để ghi nhận 'Patient Transferred' và 'Patient Discharged'. Gọi /claims liên quan đến cuộc hẹn để lấy 'Claim Submitted'.
Liên kết các lần tái khám: Tìm các cuộc hẹn tiếp theo được tạo cho cùng bệnh nhân trong khoảng thời gian của lượt khám để xác định 'Follow-Up Appointment Scheduled'.
Chuyển đổi và làm phẳng dữ liệu: Phân tích các phản hồi JSON lồng nhau thành danh sách phẳng gồm các từ điển sự kiện. Chuyển mọi dấu thời gian sang định dạng ISO 8601. Ánh xạ các trường thành ActivityName, PatientEpisodeId và EventTimestamp.
Xuất dữ liệu: Nạp danh sách từ điển vào pandas DataFrame, làm sạch lần cuối (xử lý giá trị trống), rồi xuất thành tệp CSV sẵn sàng để ProcessMind tiếp nhận.

Cấu hình

Thông tin xác thực API: Cần Client ID và Secret hợp lệ từ athenahealth Developer Portal, cùng quyền truy cập môi trường production.
Practice ID: Mã số duy nhất của cơ sở khám chữa bệnh. Nếu trích xuất dữ liệu cho một mạng lưới, cần chạy tập lệnh riêng cho từng cơ sở.
Khoảng ngày: Nên trích xuất dữ liệu trong khoảng 3 đến 6 tháng do lượng dữ liệu lâm sàng chi tiết rất lớn.
Giới hạn tần suất: API athenaOne giới hạn nghiêm ngặt số lần gọi, chẳng hạn 5 lần mỗi giây. Tập lệnh có hàm tạm dừng, nhưng khi trích xuất dữ liệu ở quy mô doanh nghiệp, nên triển khai cơ chế tăng dần thời gian chờ.
Phạm vi truy cập: Đảm bảo token có phạm vi athena/service/Athenanet.MDP.* hoặc các phạm vi chi tiết cho cuộc hẹn, hồ sơ bệnh án và dữ liệu tài chính.
Phân trang: Hầu hết endpoint chỉ trả về số lượng bản ghi giới hạn, mặc định là 1000. Tập lệnh cần xử lý tham số next hoặc offset.
Lọc theo khoa: Nếu phân tích các luồng cụ thể, chẳng hạn Cấp cứu và Ngoại trú, hãy lọc theo mã khoa khi lấy dữ liệu cuộc hẹn.

Truy vấn mẫu python

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Sẵn sàng bắt đầu?

Bắt đầu cải thiện việc chăm sóc bệnh nhân ngay hôm nay. Mẫu này là bước đầu tiên giúp bạn tìm ra thông tin hữu ích và cải thiện kết quả chăm sóc sức khỏe.

Quay lại hướng dẫn cải tiến

Tải mẫu xuống

Tối ưu hành trình khám chữa bệnh, loại bỏ điểm nghẽn ngay hôm nay

Xác định các khâu kém hiệu quả trên athenahealth và giảm 30% thời gian xử lý hành trình khám chữa bệnh.

Bắt đầu dùng thử miễn phí

Không cần thẻ tín dụng. Bắt đầu tối ưu ngay hôm nay.

Mẫu dữ liệu hành trình khám chữa bệnh

Mẫu dữ liệu hành trình khám chữa bệnh

Thuộc tính hành trình khám chữa bệnh

Hoạt động trong hành trình khám chữa bệnh

Hướng dẫn trích xuất dữ liệu

Xuất CSV tùy chỉnh bằng athenaNet Report Builder

Các bước

Cấu hình

Truy vấn mẫu python

Trích xuất sự kiện qua API athenaOne bằng Python

Các bước

Cấu hình

Truy vấn mẫu python

Sẵn sàng bắt đầu?

Tối ưu hành trình khám chữa bệnh, loại bỏ điểm nghẽn ngay hôm nay