Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Nozioni di base sul Console di gestione AWS
Passaggio 1: passare a Data Transformation Agent
-
Apri la AWS HealthLake console
. -
Nella pagina di destinazione, fai clic su Inizia e scegli Transform Data.
-
Nella barra di navigazione a sinistra, nella sezione Data Transformation Agent, scegli Profili per gestire i profili o Jobs per eseguire le conversioni.
Passaggio 2: crea un profilo di trasformazione
-
Scegli Profili nella barra di navigazione a sinistra e fai clic su Crea profilo.
-
Scegli il formato sorgente:
-
C-CDA: documenti clinici XML (cartelle cliniche, riepiloghi delle dimissioni, documenti sulla continuità delle cure).
-
CSV: esportazioni tabulari (estratti dal data warehouse, file flat EHR, dati relativi ai reclami).
-
-
Scegli come inizializzare il profilo:
-
Per C-CDA: inizia dallo AWS Starter Profile (un profilo predefinito con mappature comuni tra sezioni e risorse).
-
Per CSV: fornisci un percorso Amazon S3 a una cartella contenente file CSV rappresentativi. L'agente AI analizza i tuoi file e genera un profilo di base.
-
-
Inserisci un nome di profilo e una descrizione opzionale.
-
Scegli Create (Crea).
Il profilo viene creato in stato di bozza (versione 0): una copia di lavoro mutabile che puoi modificare liberamente.
Fase 3: Personalizza con l'agente AI di Data Transformation (opzionale)
Per C-CDA i profili:
-
Apri il profilo e vai alla visualizzazione di modifica; il pannello dell'agente Data Transformation AI appare sulla destra.
-
Descrivi le modifiche apportate al linguaggio naturale (ad esempio, «Imposta lo stato predefinito di Washington per le risorse dei pazienti»).
-
L'agente modifica i modelli Velocity.
-
Seleziona la scheda Test, incolla il campione C-CDA e fai clic su Esegui test per visualizzare l'anteprima della conversione.
-
Iterate finché l'output non è corretto.
Per i profili CSV:
-
L'agente analizza i file di esempio e propone una mappatura YAML: mappature da colonna a FHIR, traduzioni, relazioni e regole di aggregazione. date/value PK/FK
-
Esamina ogni mappatura proposta: accetta, rifiuta o perfeziona.
-
Richiedi modifiche in linguaggio naturale (ad esempio, «Mappa la colonna RACE_CD su un'estensione FHIR»).
-
Visualizza l'anteprima dei risultati della conversione nella scheda test (sorgente a sinistra, output FHIR a destra).
Fase 4: Pubblica il profilo
-
Quando sei soddisfatto, scegli Pubblica. Questo crea una versione immutabile.
-
La bozza rimane modificabile. I lavori in blocco utilizzano sempre l'ultima versione pubblicata.
Per eseguire il rollback: scegli una versione precedente e pubblicala di nuovo. In questo modo viene creata una nuova versione dall'istantanea precedente: non viene eliminato nulla.
Fase 5: Eseguire un processo di trasformazione
-
Nella barra di navigazione a sinistra in Data Transformation Agent, scegli Jobs.
-
Scegli Inizia un nuovo lavoro.
-
Inserisci i dettagli del Job:
-
Job name: un nome descrittivo (appare nei CloudWatch log e nelle metriche).
-
Descrizione: opzionale.
-
-
Configura le impostazioni di trasformazione:
-
Formato dell'origine dati: C-CDA o CSV.
-
Profilo di trasformazione: scegli un profilo pubblicato (vengono visualizzati solo i profili pubblicati con versione ≥ 1).
-
Modalità di output:
-
Amazon Amazon S3: scrittura convertita in FHIR in una posizione Amazon S3 (conversione autonoma).
-
AWS HealthLake: converti e inserisci direttamente in un datastore. HealthLake Se selezionato, scegli il HealthLake datastore di destinazione (deve essere nello stato ATTIVO).
-
-
Provenienza: abilitata per impostazione predefinita. Genera risorse FHIR Provenance riconducendo l'output alla fonte. Disabilita solo se la provenienza non è necessaria.
-
Rilevamento della deriva: abilitato per impostazione predefinita. Produce un rapporto che mostra gli elementi sorgente non mappati.
-
-
Configura i dati di origine:
-
Posizione di origine di Amazon S3: la cartella Amazon S3 contenente i file di origine (deve includere un prefisso, non solo il nome del bucket).
-
Ruolo di accesso ai dati: il ruolo IAM HealthLake presuppone la lettura dei file sorgente e la scrittura dell'output. Vedi Configurazione per le politiche di fiducia e autorizzazioni.
-
-
Configura la configurazione di output (se):
-
URI Amazon S3 in uscita: dove scrivere output convertiti e log di lavoro.
-
AWS KMS chiave: la AWS KMS chiave per crittografare l'output a riposo (obbligatorio).
-
-
Scegli Crea processo.
Fase 6: Rivedi i risultati
-
La pagina dei dettagli del lavoro mostra l'avanzamento in tempo reale: stato, file elaborati (righe per CSV), risorse FHIR generate ed errori.
-
Al termine, accedi alla posizione di output di Amazon S3. Il servizio crea una cartella job-scoped nell'URI di output utilizzando l'ID del lavoro. All'interno di quella cartella:
-
converted/: file di output FHIR NDJSON (uno per file di input, ad esempio -record.ndjson). converted/patient
-
ERROR/: dettagli dell'errore per gli input non riusciti (file JSON con campi InputFile ed errorMessage, ad esempio). ERROR/bad-file.json
-
Manifest.json: riepilogo del lavoro con metriche aggregate (file scansionati, convertiti, non riusciti, risorse generate).
-
jobLevelDriftResult.json: il rapporto aggregato sulla deriva del lavoro (se il rilevamento della deriva era abilitato).
-
driftDetectionPerFileResults/: report sulla deriva per file per i C-CDA lavori (se il rilevamento della deriva era abilitato), ad esempio -record_drift. driftDetectionPerFileResults/patient Metrics.json
-
