> 持续流程改进 > 患者就诊全流程 > Veradigm (Allscripts) > 数据模板

您的患者旅程数据模板

Veradigm (Allscripts)

← 返回改进指南

患者旅程属性 (20) 患者旅程活动 (13) 提取指南 (2)

您的患者旅程数据模板

本模板提供了一种结构化方法，用于收集分析患者就诊流程所需的数据。它概述了需要跟踪的核心属性和活动，并提供了从源系统提取信息的实用指南。利用此资源为全面的流程挖掘准备好数据。

用于全面分析的建议属性
准确进行流程发现需要追踪的关键活动
系统数据提取的实用指南

不熟悉事件日志？了解如何创建流程挖掘事件日志.

下载模板

患者旅程属性

为了全面分析患者就诊流程，建议在事件日志中包含以下推荐数据字段。

3 必填 9 推荐 8 可选

	名称	描述
	事件timestamp EventDateTime	活动发生的精确日期和时间。
描述记录活动的发生时间。这对于计算周期、时长以及正确排序事件至关重要。在医疗数据中，精确到分钟对于准确分析吞吐量至关重要。为何重要支持计算所有基于时间的 KPI，包括患者旅程平均周期时间和等候时间。获取方式源表中的交易时间戳（例如 ADT_DATE, ORDER_DATE, RESULT_DATE）。示例 2023-10-12T08:30:00Z2023-10-12T14:45:22Z2023-10-15T09:00:00Z
	患者就诊阶段 PatientEpisodeId	特定患者就诊或接诊的唯一标识符。
描述 “患者就诊阶段”作为主要的 Case ID，将与患者针对特定病情或治疗期间的所有事件进行分组。这实现了对诊断、治疗和康复阶段的综合观察，将各部门的交互关联为一个整体。在 Veradigm (Allscripts) 系统（如 Sunrise 或 Paragon）中，这通常对应“就诊 ID”或“接诊编号”。为何重要这是流程挖掘的核心要素，用于重构端到端的患者就诊全旅程。获取方式通常位于就诊或接诊表头（例如 VISIT_ID, ENCOUNTER_ID）。请参考 Veradigm (Allscripts) 官方文档。示例 EP-2023-998877VIS-10029384100029384ENC-554433
	活动名称 ActivityName	执行的具体临床或行政事件。
描述描述流程中执行的步骤，例如“患者已登记”、“已给药”或“已启动出院计划”。该属性区分了患者旅程的不同阶段，对于流程发现和变体分析至关重要。为何重要定义流程图中的节点；若缺少此项，则无法实现流程的可视化。获取方式衍生自各种交易表：ADT 事件、医嘱、结果以及临床文档表。示例患者已挂号医嘱已下达已执行给药患者出院
	主治医师 AttendingProvider	事件发生期间负责患者的主诊医生。
描述识别执行该活动或负责护理计划的医生、护士或专家。分析该属性有助于了解“临床资源利用情况”以及各医生之间护理路径的差异。为何重要支持对临床人员进行资源瓶颈分析和绩效标杆对比。获取方式交易表（例如 ORDERing_PROVIDER, ATTENDING_PHYSICIAN_ID）。请参考 Veradigm (Allscripts) 官方文档。示例 Dr. Sarah Smith执业护士 Jones放射科技师 A
	住院时长 LengthOfStay	以天数为单位的住院时长。
描述 “入院日期”与“出院日期”之间计算的时长。用于“平均住院时长 (ALOS)”KPI。虽然可以在仪表板中计算，但将其作为属性可以简化过滤（例如，“显示所有住院时长 > 7 天的记录”）。为何重要衡量效率和资源消耗的标准指标。获取方式计算公式：出院日期 - 入院日期。示例 4.512.00.8
	入院日期 AdmissionDate	患者正式办理入院的日期和时间。
描述标记住院开始的时间戳。与“出院日期”结合使用以计算住院时长 (ALOS)。为何重要计算平均住院时长 (ALOS) 和衡量入院延迟的关键锚点。获取方式就诊/接诊表头（例如 ADMIT_DATE）。请参考 Veradigm (Allscripts) 官方文档。示例 2023-10-01T10:00:00Z2023-10-05T14:20:00Z
	出院去向 DischargeDisposition	出院时患者的状态或流向。
描述指示患者出院后的去向（例如“回家”、“专业护理机构”、“死亡”、“转院”）。这对于分析再入院风险非常重要，因为不同的去向对应不同的风险概况。为何重要为“出院计划”仪表板提供背景信息，并协助解释平均住院时长 (ALOS) 的差异。获取方式就诊/接诊表头（例如 DISCH_DISP）。请参考 Veradigm (Allscripts) 官方文档。示例主页转入专业护理机构 (SNF)居家并接受居家护理自动出院（违背医嘱）
	患者病案号 PatientMrn	在不同就诊阶段唯一标识患者的病案号 (MRN)。
描述病案号 (MRN) 或企业患者 ID。与“就诊阶段 ID”不同，此 ID 在患者多次就诊中保持不变，是关联不同接诊记录以计算再入院率的关键键值。为何重要对于“30 天再入院率”分析和识别再次就诊的患者至关重要。获取方式患者主索引或人口统计表（常见列：MRN, PATIENT_ID）。请参考 Veradigm (Allscripts) 官方文档。示例 MRN-884422P-10022399887766
	是否再入院 IsReadmission	指示该就诊记录是否为 30 天内再入院的标记。
描述一个计算出的布尔属性。如果患者在当前入院日期前的 30 天内有出院记录，则返回 true。这驱动了“可避免再入院率监控器”。为何重要医院质量和报销的核心 KPI（特别是针对 CMS 法规）。获取方式在 ETL/数据转换层中使用 PatientMRN 以及入院/出院日期计算得出。示例 truefalse
	清偿日期 DischargeDate	患者办理出院的日期和时间。
描述标记就诊阶段结束的时间戳。用于在流程挖掘中关闭案例，是计算 ALOS 和再入院率的基础。为何重要定义流程周期的终点；对于吞吐量分析至关重要。获取方式就诊/接诊表头（例如 DISCH_DATE）。请参考 Veradigm (Allscripts) 官方文档。示例 2023-10-04T11:00:00Z2023-10-10T09:30:00Z
	部门名称 DepartmentName	活动发生的医院单元或科室。
描述指示位置背景，例如“急诊室”、“心内科”或“影像科”。这对于“入院与转运瓶颈分析”至关重要，以便观察患者在病房流转过程中卡在哪里。为何重要支持资源利用率分析和科室瓶颈识别。获取方式与交易关联的科室或部门主表。请参考 Veradigm (Allscripts) 官方文档。示例急诊科ICU普通外科放射科
	首选诊断代码 PrimaryDiagnosisCode	代表主要疾病的 ICD-10 或 SNOMED 代码。
描述患者就诊的代码化原因。该属性是“治疗路径变异分析器”的过滤器，允许分析人员对比不同疾病（如肺炎 vs. 心力衰竭）在系统中的流转差异。为何重要用于按临床状况细分流程并检查路径依从性。获取方式诊断或问题列表表（通常为 ICD-10 列）。请参阅 Veradigm (Allscripts) 文档。示例 I50.9J18.9E11.9
	最后数据更新 LastDataUpdate	记录上次提取或更新的时间戳。
描述指示用于分析的数据的新鲜度。该字段帮助用户了解其查看的是实时数据还是前一阶段的快照。为何重要确保数据延迟的透明度，并辅助增量数据加载策略。获取方式 ETL/数据提取运行期间由系统生成的时间戳。示例 2023-11-01T23:59:59Z2023-11-02T06:00:00Z
	复诊预约日期 FollowUpAppointmentDate	排定的复诊预约日期。
描述用于计算“复诊预约率”。如果此字段有值，表示已预约复诊；如果为空，则表示未预约。为何重要直接衡量“随访护理合规性”KPI。获取方式与患者关联的排班系统或未来预约表。请参考 Veradigm (Allscripts) 官方文档。示例 2023-11-15T14:00:00Znull
	成本中心 CostCenter	与部门或服务相关的财务代码。
描述将临床活动映射到财务单元。这有助于分析“活动成本”或不同部门的通用财务表现。为何重要将运营流程挖掘与财务影响关联起来。获取方式科室或收费主表。请参阅 Veradigm (Allscripts) 文档。示例 CC-1020CC-Rad-01Emergency-001
	是否符合方案 IsProtocolCompliant	指示该 case 是否遵循标准护理路径的标记。
描述一个计算出的属性，用于检查特定的强制性活动（例如，在“给药”之前是否执行了“记录生命体征”）是否按正确顺序发生。用于支持“医疗方案合规性仪表板”。为何重要无需人工审查病历即可自动检测不合规行为。获取方式在流程挖掘工具或 ETL 中根据活动顺序计算得出。示例 truefalse
	检查周转时间 DiagnosticTurnaroundTime	从下达测试医嘱到出结果之间的时长。
描述计算出的“下达检查医嘱”与“确诊”（或收到结果）之间的时间差。用于“检查周转时间概览”。为何重要过长的周转时间会延长住院时长；该指标能精准定位实验室或影像科的延迟。获取方式计算公式：时间戳(结果) - 时间戳(医嘱)。示例 2小时45分钟1.5 天
	源系统 SourceSystem	数据来源系统的名称。
描述识别提供数据的软件实例，例如“Veradigm Sunrise”或“Veradigm TouchWorks”。这在多医院环境或合并急诊与门诊数据时尤为重要。为何重要提供可追溯性和数据血缘，有助于排查数据质量问题。获取方式在 ETL 过程中硬编码或从系统元数据表中提取。示例 Veradigm SunriseAllscripts PMVeradigm TouchWorks
	药品名称 MedicationName	所开立或执行的药品名称。
描述专用于“给药时间间隙”仪表板。有助于识别特定药物（如抗生素、镇痛药物）是否存在给药延误。为何重要对于临床安全分析和药房流程优化至关重要。获取方式给药记录 (MAR) 或药房医嘱。请参考 Veradigm (Allscripts) 官方文档。示例阿莫西林肝素硫酸吗啡
	订单ID OrderId	特定医嘱（化验、药物、处置）的标识符。
描述将“医嘱”事件与“结果”或“执行”事件关联。例如，将“下达诊断测试医嘱”与“完成诊断测试”相关联。这种粒度是“诊断周转时间”仪表板所必需的。为何重要支持计算特定流程步骤的时长（例如实验室周转时间）。获取方式医嘱录入表（例如 ORDER_ID, PLACER_ORDER_NUM）。请参考 Veradigm (Allscripts) 官方文档。示例 ORD-998877LAB-112233RX-445566

必填推荐可选

患者旅程活动

这些是事件日志中需要捕获的关键流程步骤和里程碑，旨在实现精准的患者旅程流程发现。

6 推荐 7 可选

	活动	描述
	初始评估已完成	代表护士或医生完成首次临床评估，如预检分诊或初步接诊。这通常在 EHR 中签署并归档特定的临床表单（如“护理初步评估”）时捕获。
为何重要此活动是一个关键的早期里程碑。从挂号到完成此项评估的时间长短，反映了患者接诊和初期护理中可能存在的延误。获取方式根据 Veradigm 临床文档模块中初始评估表单或临床记录的定稿或签署时间戳推断得出。捕获识别初始评估记录或表格状态更改为“已完成”或“已签署”的时间戳。事件类型 inferred
	已启动出院计划	代表患者出院计划流程的正式启动。这可以通过出院计划文档的创建、出院医嘱的开立或特定出院计划评估的完成来推断。
为何重要此活动是衡量出院流程效率的起点。尽早启动出院计划通常与较低的再入院率呈正相关。获取方式根据 Veradigm 系统中出院计划记录、出院医嘱集或特定评估表单的创建时间戳推断得出。捕获识别首次为患者就诊创建出院专用医嘱或文档的时间戳。事件类型 inferred
	患者出院	标记住院阶段的正式结束，即患者正式办理出院。这是由 ADT 系统捕获的关键显性事件，系统会将患者的接诊状态更新为“已出院”。
为何重要这是大多数患者旅程的主要结束活动。对于计算平均住院时长 (ALOS) 和整体流程周期至关重要。获取方式在 ADT 模块中明确记录。患者就诊记录将包含出院时间戳和去向。捕获使用患者主接诊或就诊记录中的出院时间戳。事件类型 explicit
	患者已挂号	标记患者在 Veradigm 系统中录入信息时的正式开始。当用户完成挂号工作流时，系统通常会显式捕获此事件，并生成带有唯一标识符和时间戳的新患者接诊记录。
为何重要这是患者旅程的主要起始活动。对于计算整体流程周期、住院时长和患者吞吐率必不可少。获取方式此事件记录在患者挂号或 ADT（入院、出院、转运）模块中。请查看患者接诊或就诊记录的创建时间戳。捕获记录创建时来自患者接诊或挂号表的时间戳。事件类型 explicit
	治疗计划已创建	代表临床团队正式确定患者的治疗计划。通常在 EHR 中创建并签署特定的“护理计划”文档或一系列初步治疗医嘱时捕获。
为何重要此里程碑启动了主动治疗阶段。它是衡量护理路径依从性以及从首次治疗行动（如给药）所需时间的基准。获取方式根据“护理计划”表单上的签署时间戳或诊断后第一组主要治疗医嘱的创建时间戳推断得出。捕获查找“护理计划”文档被主治医生定稿或签署的时间戳。事件类型 inferred
	诊断已确认	此活动表示医生已在患者病历中正式记录诊断。这可能在诊断代码添加到问题列表或含有诊断结果的临床记录被签署时捕获。
为何重要确诊是决定后续治疗路径的关键转折点。它支持根据不同诊断对治疗路径的差异进行分析。获取方式见于患者的问题列表、就诊诊断记录或临床文档。可以根据为该次就诊录入并定稿主诊断代码的时间戳推断得出。捕获使用特定患者就诊阶段的首选诊断条目的创建或更新时间戳。事件类型 inferred
	体征已记录	每当记录患者的生命体征（如心率、血压和体温）时，就会触发此活动。这是 EHR 临床文档或专门的体征记录表部分捕获的显性事件。
为何重要频繁记录生命体征表明正在对患者进行积极监测。可以通过分析频率和时间，确保符合监测方案的要求。获取方式记录在临床数据存储库或体征记录表中。每一条录入项都带有时间戳。捕获从患者就诊的生命体征流程单数据中提取时间戳。事件类型 explicit
	医嘱已下达	此事件发生在医生下达诊断测试医嘱（如化验或影像扫描）时。通过 Veradigm 的 CPOE 系统显式捕获。
为何重要这标志着诊断子流程的开始。它是衡量诊断周转时间、识别医嘱开立延误的起点。获取方式记录在医嘱模块或 CPOE 系统日志中。每项医嘱都有下达时的时间戳。捕获从相关检查医嘱的录入记录中提取创建时间戳。事件类型 explicit
	复诊已排期	此活动代表为出院患者预约复诊。当在预约模块中登记与该次出院接诊关联的预约时，系统会捕获此事件。
为何重要确保复诊护理已排期对于护理的连续性和减少再入院至关重要。此活动有助于衡量出院后方案的合规性。获取方式记录在预约排班模块中。查找在出院日期后为患者创建新预约的时间戳。捕获识别排班系统中与患者关联的预约记录的创建时间戳。事件类型 explicit
	已执行给药	此事件在护士或医生记录给药情况时产生。它通过给药记录 (MAR) 或 eMAR 模块捕获，记录精确的给药时间。
为何重要跟踪给药情况对于分析治疗及时性和依从性至关重要。医嘱下达到执行之间的间隙有助于发现药品交付流程中的延误。获取方式在 eMAR（电子给药记录）模块中明确记录。每个给药事件都有特定的时间戳、药物和剂量。捕获从 eMAR 表中提取与患者就诊相关的每个给药事件的时间戳。事件类型 explicit
	执行处置	代表临床或手术处置的完成。通常在医生签署处置记录或系统中的处置医嘱状态更新为“已完成”时捕获。
为何重要医疗处置是患者旅程中的重要里程碑。分析处置的时点有助于了解资源利用率和排班效率。获取方式根据临床文档模块中处置记录的签署时间戳或医嘱模块中该处置的完成时间戳推断得出。捕获使用处置医嘱的完成时间戳或相关处置文档的签署时间戳。事件类型 inferred
	检查已完成	代表诊断测试结果最终确定并在患者记录中可查看的时点。通常通过原始医嘱状态从“执行中”变为“已完成”或“出结果”来推断。
为何重要此活动是衡量诊断周转时间的关键里程碑。从医嘱下达到完成之间的任何延误都可能严重影响确诊速度。获取方式根据医嘱模块中的医嘱状态字段或相应结果模块（如 LIS 或 RIS）中的时间戳推断得出。捕获识别医嘱状态更改为“已完成”或“出结果”等最终状态的时间戳。事件类型 inferred
	转入科室	此事件标记患者从一个科室或护理单元到另一个单元的物理转运（例如从急诊转入住院病房）。由 Veradigm 内的 ADT 系统捕获。
为何重要患者转科室是产生瓶颈和延误的常见环点。通过分析转科的时长和频率，有助于优化患者流转并改善部门间的资源分配。获取方式在 ADT 模块中明确记录。每个转运事件包含患者信息、起始/目标位置以及时间戳。捕获从 ADT 系统中提取与患者变动相对应的事件日志。事件类型 explicit

推荐可选

提取指南

如何从 Veradigm (Allscripts) 获取数据

步骤

识别目标接口通道: 登录 Allscripts Interface Engine (AIE) 管理控制台。找到处理来自 EHR 站内消息的主接口通道（通常标记为 'EHR_Inbound' 或类似名称）。确保该通道处理 ADT、SIU、ORM、ORU、RAS 和 DFT 消息类型，以捕捉完整的患者旅程活动。
创建新的透传/导出通道: 创建一个名为 'ProcessMining_Export' 的新目标通道。将输出类型设置为 'File Writer'。该通道将接收来自源通道的消息副本，并将其转换为 ProcessMind 所需的扁平文件格式 (CSV)。
配置消息路由: 在 AIE 路由规则中，配置一个复制/路由规则，将消息从主 EHR 通道发送到新的 'ProcessMining_Export' 通道。过滤路由以仅包含必需的消息类型：ADT（登记/转运）、SIU（排期）、ORM（医嘱）、ORU（结果/生命体征）、RAS（给药）和 DFT（计费/处置）。
定义转换逻辑: 在 'ProcessMining_Export' 通道中，打开转换/脚本编辑器。您必须实现一个解析脚本（参见下方的 'query' 部分），读取原始 HL7 段并将特定的触发事件和状态代码映射到所需的标准活动名称（例如，将 'ADT^A01' 映射为“患者已登记”）。
将属性映射到 HL7 字段: 确保脚本从 PV1-19 段提取 'PatientEpisodeId'（就诊号），从 PID-3 提取 'PatientMrn'。将 'EventDateTime' 映射到 MSH-7 或 EVN-2。从 PV1-3 提取临床详情，如 'DepartmentName'（科室名称），从 PV1-7 提取 'AttendingProvider'（主治医师）。
设置输出文件参数: 配置 File Writer 设置。将输出目录设置为安全的网络路径。定义文件命名约定（例如 EventLog_YYYYMMDD_HH.csv）。将文件模式设置为“追加”，以便不断向日志中添加行。
处理分隔符和转义: 在脚本中，确保对文本字段（如诊断或科室名称）进行清理，移除逗号或换行符，以防止破坏 CSV 结构。
激活并测试: 启动 'ProcessMining_Export' 通道。在 Veradigm 测试环境中触发一个测试事件（例如登记一名测试患者）。验证 CSV 文件中是否出现包含正确活动名称和时间戳的新行。
配置日志滚动: 设置滚动计划（例如每天午夜），以关闭当前 CSV 文件并开始一个新文件。这可以确保文件大小适中，便于上传。
历史数据回放（可选）: 如果需要历史数据，请使用 AIE 的“消息浏览器”或“日志回放”工具，将过去 3-6 个月的存档 HL7 日志通过 'ProcessMining_Export' 通道重新发送。监控系统性能以避免延迟。
获取并格式化: 访问输出目录，获取生成的 CSV 文件，并验证表头是否符合要求。如有必要，合并每日文件。
上传至 ProcessMind: 将最终数据集导入 ProcessMind，将 'PatientEpisodeId' 映射为 Case ID，'ActivityName' 映射为活动，'EventDateTime' 映射为时间戳。

配置

通道类型: 文件写入器 / 文件系统输出
触发事件: ADT^A01, ADT^A03, ADT^A04, ADT^A08, SIU^S12, ORM^O01, ORU^R01, RAS^O17, DFT^P03
文件编码: UTF-8 (对于姓名/诊断中的特殊字符至关重要)
分隔符: 逗号 (,) 或竖线 (|)
日期格式: 推荐使用 ISO 8601 (YYYY-MM-DDTHH:MM:SS) 进行 HL7 时间戳转换
日志滚动: 每日滚动或当文件大小超过 100MB 时滚动
写入模式: 追加 (请勿覆盖)
性能: 确保转换脚本轻量化，以防止引擎中出现消息排队或积压。

a 查询示例 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);
}

步骤

前提条件与访问权限: 确保您拥有有效的 Veradigm (Allscripts) Unity API 凭据。您需要为您所在组织授权的 Appname（应用程序名称），以及用于身份验证的有效 UserID 和 Password（或令牌）。验证用户账户是否拥有访问临床域（就诊、医嘱、结果、生命体征、问题）的权限。
环境搭建: 安装 Python 3.8 或更高版本。使用 pip 安装必要的库：pip install requests pandas。这些库将用于向 Unity API 发起 HTTP 请求并处理生成的数据。
配置: 打开提供的 Python 脚本。找到顶部的 CONFIGURATION 部分。更新 API_URL 以指向您特定的 Unity 环境端点（例如 unity.veradigm.com 或内部网关）。将占位符凭据（[YourAppName]、[YourUserID] 等）替换为您真实的凭据。将 START_DATE 和 END_DATE 设置为您想要的分析窗口。
脚本逻辑概览: 脚本首先通过 API 进行身份验证以获取安全令牌。然后调用 GetEncounterInfo 以检索指定日期范围内的所有患者就诊记录。此就诊列表作为提取的核心迭代器。
活动提取循环: 对于识别出的每个 EncounterID，脚本会对专用端点执行二次 API 调用。调用 GetOrders 查找检查医嘱和处置。调用 GetResults 识别已完成的检查。调用 GetVitals 获取生命体征记录。调用 GetPatientProblems 获取确诊结果。它还会遍历临床记录以查找评估和治疗计划。
数据转换: 当 API 返回原始 JSON 数据时，脚本会解析特定字段并将它们映射到 ProcessMind 模式。例如，OrderDateTime 被映射到“下达检查医嘱”活动的 EventDateTime。脚本会确保 PatientEpisodeId（就诊 ID）一致地应用于所有子记录。
处理 ADT 和转运: 脚本逻辑包括检查就诊的位置历史（如果通过特定的审计或 ADT 子调用可用），或根据临床文档中的科室变更推断转运情况，从而生成“转至科室”事件。
随访逻辑: 处理完就诊后，脚本会针对同一个 PatientID 查询 GetSchedule，寻找发生在 DischargeDate 之后的预约日期，以生成“复诊已排期”活动。
校验: 脚本包含一个本地验证步骤，会在控制台打印每个活动类型的行数。查看此输出以确保没有活动类型的记录数为零（除非符合预期）。
导出: 最终数据集被汇总到一个 Pandas DataFrame 中。脚本通过按患者和时间排序来计算衍生属性，如 LengthOfStay（住院时长）和 IsReadmission（是否再入院）。最后，它将干净的事件日志导出为名为 veradigm_patient_journey_log.csv 的 CSV 文件。
最终检查: 打开生成的 CSV 文件。检查日期格式是否为 ISO 8601 (YYYY-MM-DD HH:MM:SS)，并确保像 ActivityName 这样的文本字段不包含分隔符。
上传: 将 CSV 文件导入 ProcessMind。将 PatientEpisodeId 映射为 Case ID，ActivityName 映射为活动，'EventDateTime' 映射为时间戳。

配置

API_URL: Unity API 服务的基准 URL。具体取决于客户的安装方式（如：本地部署与云端部署）。请确保协议 (https) 正确。
Appname: 在 Veradigm/Allscripts 注册的唯一应用程序标识符。它控制着数据访问的范围。
日期范围: 建议提取 3-6 个月的数据。时间范围过大可能会导致超时；如果数据量较大，请考虑按月分块提取。
超时设置: 脚本默认的 API 调用超时时间为 30 秒。如果 EHR 系统负载较重，请适当调大此数值。
分批处理: 该脚本按就诊记录 (encounter) 进行迭代。对于高吞吐量系统，可能需要修改脚本以进行批量获取（如果端点允许）或运行并行线程。
映射逻辑: 脚本将 'OrderType' 映射到活动。请确保您系统中特定的医嘱类型代码（如 'Lab'、'Rad'）与 process_orders 函数中的逻辑保持一致。

a 查询示例 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()

您的患者旅程数据模板

您的患者旅程数据模板

患者旅程属性

患者旅程活动

提取指南

Allscripts Interface Engine 事件日志导出

步骤

配置

a 查询示例 config

通过 Python 进行 Veradigm Unity API 数据提取

步骤

配置

a 查询示例 python

准备好开始了吗？

立即优化 Veradigm 患者就诊旅程

您的患者旅程数据模板

您的患者旅程数据模板

患者旅程属性

患者旅程活动

提取指南

Allscripts Interface Engine 事件日志导出

步骤

配置

a 查询示例 config

通过 Python 进行 Veradigm Unity API 数据提取

步骤

配置

a 查询示例 python

我们重视您的隐私

准备好开始了吗？

立即优化 Veradigm 患者就诊旅程