Lektion 1Stödjande dimensionstabeller: leverantör, plats, anläggning, koduppslagDetta avsnitt förklarar stödjande dimensionstabeller som leverantör, plats, anläggning och koduppslag. Det täcker hierarkier, långsamt föränderliga attribut och hur välutformade dimensioner förbättrar filtrering, gruppering och drill-down-analyser.
Leverantör- och specialitetsdimensionerPlats- och anläggningshierarkierKliniska kod- och värdeuppslagHantering av långsamt föränderliga dimensionerLektion 2Besök/entitet: intag/ankomst, utskrivning, besökstyp och tidsstämplarDetta avsnitt beskriver besöks- eller entiteten, inklusive intag, ankomst, utskrivning, besökstyp och tidsstämplar. Det täcker länkning av besök till patienter, platser och betalare, och stödjer mått för vårdtid och genomströmning.
Besökstyper och klassificeringarIntag, överföring och utskrivningstiderLänkning av besök till patienterBesöksgruppering och episodlogikLektion 3Kanonisk patiententitet: identifikatorer, demografi, sammanslagningar och överlevnadDetta avsnitt definierar en kanonisk patiententitet för analys, som täcker identifikatorer, demografi, sammanslagningar och överlevnadsregler. Det förklarar mastering över källor, hantering av dubbletter och bevarande av historiska identitetsförändringar på ett säkert sätt.
Kärnpatientidentifikatorer och nycklarDemografiska attribut för analysPatientmatchning och sammanslagningslogikÖverlevnad och källprioritetLektion 4Procedur- och orderentiteter: procedurkoder, order-ID, utförande leverantörDetta avsnitt täcker modellering av procedurer och order, inklusive procedurkoder, orderidentifikatorer och utförande leverantörer. Det förklarar länkning av order till resultat, schemaläggning och status, samtidigt som det stödjer analys av användning, kvalitet och genomströmning.
Orderhuvud och radpoststrukturProcedur- och orderkodningsstandarderLänkning av order, procedurer och resultatOrderstatus, timing och prioritetLektion 5Nycklar och relationer: patient_id, encounter_id, resultat-länkning och referentiell integritetDetta avsnitt beskriver hur patient-, besök- och resultatnycklar upprätthåller referentiell integritet över kliniska dataset. Det täcker naturliga kontra surrogatnycklar, kaskadregler och strategier för hantering av sena eller korrigerade poster.
Design av patient- och besöksnycklarResultat- och orderlänkningsmönsterSurrogatnycklar kontra naturliga identifikatorerKaskader, radering och föräldralösa posterLektion 6Diagnos- och problemlistaentiteter: fält, kodsy stem, allvarlighetsgrad, debut och resolutionDetta avsnitt fokuserar på diagnos- och problemlistaentiteter, inklusive fält för koder, status, allvarlighetsgrad, debut och resolution. Det behandlar kodsy stem, kroniska kontra akuta problem och hantering av revideringar eller inaktivering över tid.
Kärnfält för diagnos och problemICD, SNOMED och andra kodsy stemDebut, resolution och episodtimingAktiva, historiska och lösta problemLektion 7Design av labbresultatentitet: testkod, prov, insamlingstid, resultatvärde, enheter, referensintervall, statusDetta avsnitt beskriver design av labbresultatentitet, inklusive testkoder, prover, insamlingstider, värden, enheter, referensintervall och statusar. Det behandlar onormala flaggor, paneler och hantering av korrigerade eller upprepade resultat för analys.
Test, panel och komponentstrukturProvtyp och insamlingsdetaljerResultatvärde, enheter och referensintervallResultatstatus, flaggor och korrigeringarLektion 8Schematiska exempel: stjärnschema för analys och entitetsrelationsmappningDetta avsnitt introducerar stjärnscheman för klinisk analys och kontrasterar dem med entitetsrelationsdiagram. Lär dig hur fakta, dimensioner och relationer mappas till EHR-koncept och stödjer presterande analytiska frågor.
Kliniska faktatabeller och dimensionstabellerStjärna kontra snöflinga i vårdenMappning av EHR-entiteter till faktaBryggning av många-mot-många kliniska länkarLektion 9Principier för analysdatamodellering kontra transaktionsmodelleringDetta avsnitt jämför analytiska och transaktionsdatamodeller i vården. Det förklarar normalisering, denormalisering, frågemönster och arbetsbelastningskarakteristika, och vägleder val som balanserar prestanda, flexibilitet och datakvalitet.
OLTP kontra OLAP-arbetsbelastningar i EHRNormaliserings- och denormaliseringsofferLångsamt föränderliga kliniska attributModellering för longitudinella patientvyer