Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Démarrage avec le plugin Console de gestion AWS
Étape 1 : Accédez à l'agent de transformation des données
-
Ouvrez la AWS HealthLake console
. -
Sur la page d'accueil, cliquez sur Commencer, puis sélectionnez Transform Data.
-
Dans le volet de navigation de gauche, sous la section Agent de transformation des données, choisissez Profils pour gérer les profils ou Tâches pour exécuter des conversions.
Étape 2 : Création d'un profil de transformation
-
Choisissez Profils dans le menu de navigation de gauche, puis cliquez sur Créer un profil.
-
Choisissez le format source :
-
C-CDA: documents XML cliniques (dossiers hospitaliers, résumés de sortie, documents de continuité des soins).
-
CSV : exportations tabulaires (extraits d'entrepôts de données, fichiers plats EHR, données relatives aux réclamations).
-
-
Choisissez le mode d'initialisation du profil :
-
Pour C-CDA : commencez par le profil de AWS démarrage (un profil prédéfini avec des mappages section/ressource courants).
-
Pour le format CSV : fournissez un chemin Amazon S3 vers un dossier contenant des fichiers CSV représentatifs. L'agent AI analyse vos fichiers et génère un profil de base.
-
-
Entrez un nom de profil et une description facultative.
-
Choisissez Créer.
Le profil est créé à l'état de brouillon (version 0) : une copie de travail modifiable que vous pouvez modifier librement.
Étape 3 : Personnalisation avec l'agent Data Transformation AI (facultatif)
Pour les C-CDA profils :
-
Ouvrez le profil et accédez à la vue d'édition ; le panneau de l'agent Data Transformation AI apparaît sur la droite.
-
Décrivez les changements en langage naturel (par exemple, « Définir l'état par défaut sur Washington pour les ressources destinées aux patients »).
-
L'agent modifie les modèles Velocity.
-
Sélectionnez l'onglet Test, collez votre échantillon C-CDA et cliquez sur Exécuter le test pour prévisualiser la conversion.
-
Effectuez une itération jusqu'à ce que le résultat soit correct.
Pour les profils CSV :
-
L'agent analyse vos exemples de fichiers et propose un mappage YAML : mappages colonne-FHIR, date/value traductions, PK/FK relations et règles d'agrégation.
-
Passez en revue chaque mappage proposé : acceptez, rejetez ou affinez.
-
Demandez des ajustements en langage naturel (par exemple, « Associer la colonne RACE_CD à une extension FHIR »).
-
Prévisualisez les résultats de conversion dans l'onglet test (source à gauche, sortie FHIR à droite).
Étape 4 : Publier le profil
-
Lorsque vous êtes satisfait, choisissez Publier. Cela crée une version immuable.
-
Votre brouillon reste modifiable. Les tâches groupées utilisent toujours la dernière version publiée.
Pour revenir en arrière : choisissez une version précédente et publiez-la à nouveau. Cela crée une nouvelle version à partir de l'instantané précédent : rien n'est supprimé.
Étape 5 : Exécuter une tâche de transformation
-
Dans le menu de navigation de gauche, sous Data Transformation Agent, sélectionnez Jobs.
-
Choisissez Commencer une nouvelle tâche.
-
Renseignez les détails du Job :
-
Nom du job : un nom descriptif (apparaît dans CloudWatch les journaux et les statistiques).
-
Description : optionnel
-
-
Configurez les paramètres de transformation :
-
Format de source de données : C-CDA ou CSV.
-
Profil de transformation : choisissez un profil publié (seuls les profils publiés avec une version ≥ 1 apparaissent).
-
Mode de sortie :
-
Amazon Amazon S3 : écrivez le FHIR converti dans un emplacement Amazon S3 (conversion autonome).
-
AWS HealthLake: convertissez et ingérez directement dans une HealthLake banque de données. Si cette option est sélectionnée, choisissez la HealthLake banque de données cible (elle doit être à l'état ACTIF).
-
-
Provenance : activée par défaut. Génère des ressources FHIR Provenance qui retracent la sortie jusqu'à la source. Désactiver uniquement si la provenance n'est pas requise.
-
Détection de dérive : activée par défaut. Produit un rapport présentant les éléments source non mappés.
-
-
Configurer les données source :
-
Emplacement de la source Amazon S3 : le dossier Amazon S3 contenant vos fichiers source (doit inclure un préfixe, pas simplement un nom de compartiment).
-
Rôle d'accès aux données : le rôle IAM HealthLake suppose de lire vos fichiers source et d'écrire la sortie. Consultez Configuration les politiques de confiance et d'autorisation.
-
-
Configurer la configuration de sortie (si) :
-
URI Amazon S3 en sortie : où écrire les journaux de sortie et de travail convertis.
-
AWS KMS clé : AWS KMS clé pour chiffrer la sortie au repos (obligatoire).
-
-
Choisissez Créer une tâche.
Étape 6 : Examiner les résultats
-
La page détaillée de la tâche indique la progression en temps réel : statut, fichiers traités (lignes pour CSV), ressources FHIR générées et échecs.
-
Lorsque vous avez terminé, accédez à l'emplacement Amazon S3 en sortie. Le service crée un dossier correspondant à la tâche sous votre URI de sortie à l'aide de l'ID de la tâche. Dans ce dossier :
-
converted/ : fichiers de sortie FHIR NDJSON (un par fichier d'entrée, par exemple, -record.ndjson). converted/patient
-
ERROR/ : détail de l'erreur pour les entrées ayant échoué (fichiers JSON avec les champs InputFile et ErrorMessage, par exemple,). ERROR/bad-file.json
-
Manifest.json: résumé des tâches avec statistiques agrégées (fichiers numérisés, convertis, échec, ressources générées).
-
job LevelDriftResult.json : le rapport de dérive agrégé pour le job (si la détection de dérive était activée).
-
driftDetectionPerFileResults/: rapports de dérive par fichier pour les C-CDA tâches (si la détection de dérive était activée), par exemple driftDetectionPerFileResults/patient Metrics.json -record_drift.
-
