View a markdown version of this page

Conceitos básicos do Console de gerenciamento da AWS - AWS HealthLake
Etapa 1: Navegar até o agente de transformação de dadosEtapa 2: criar um perfil de transformaçãoEtapa 3: personalizar com o agente de IA de transformação de dados (opcional)Etapa 4: publicar o perfilEtapa 5: Executar um trabalho de transformaçãoEtapa 6: analisar os resultados

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Conceitos básicos do Console de gerenciamento da AWS

Etapa 1: Navegar até o agente de transformação de dados

  1. Abra o console do AWS HealthLake.

  2. Na página inicial, clique em Começar e escolha Transformar dados.

  3. No painel de navegação à esquerda, na seção Agente de transformação de dados, escolha Perfis para gerenciar perfis ou Trabalhos para executar conversões.

Etapa 2: criar um perfil de transformação

  1. Escolha Perfis no painel de navegação à esquerda e clique em Criar perfil.

  2. Escolha o formato de origem:

    • C-CDA: documentos XML clínicos (registros hospitalares, resumos de alta, documentos de continuidade de cuidados).

    • CSV: exportações tabulares (extratos de data warehouse, arquivos simples de EHR, dados de sinistros).

  3. Escolha como inicializar o perfil:

    • Para C-CDA: comece pelo Perfil AWS Inicial (um perfil pré-criado com mapeamentos comuns de seção para recurso).

    • Para CSV: forneça um caminho do Amazon S3 para uma pasta contendo arquivos CSV representativos. O agente de IA analisa seus arquivos e gera um perfil básico.

  4. Insira um nome de perfil e uma descrição opcional.

  5. Escolha Criar.

O perfil é criado no estado de rascunho (versão 0): uma cópia de trabalho mutável que você pode editar livremente.

Etapa 3: personalizar com o agente de IA de transformação de dados (opcional)

Para C-CDA perfis:

  1. Abra o perfil e vá para a visualização de edição; o painel do agente de IA de transformação de dados aparece à direita.

  2. Descreva as mudanças na linguagem natural (por exemplo, “Definir o estado padrão para Washington para recursos do paciente”).

  3. O agente edita os modelos do Velocity.

  4. Selecione a guia Teste, cole sua amostra C-CDA e clique em Executar teste para visualizar a conversão.

  5. Repita até que a saída esteja correta.

Para perfis CSV:

  1. O agente analisa seus arquivos de amostra e propõe um mapeamento YAML: mapeamentos de coluna para FHIR, traduções, relacionamentos e regras de agregação. date/value PK/FK

  2. Analise cada mapeamento proposto: aceite, rejeite ou refine.

  3. Peça ajustes em linguagem natural (por exemplo, “Mapear a coluna RACE_CD para uma extensão FHIR”).

  4. Visualize os resultados da conversão na guia de teste (fonte à esquerda, saída FHIR à direita).

Etapa 4: publicar o perfil

  1. Quando estiver satisfeito, escolha Publicar. Isso cria uma versão imutável.

  2. Seu rascunho permanece editável. Os trabalhos em massa sempre usam a versão mais recente publicada.

Para reverter: escolha uma versão anterior e publique-a novamente. Isso cria uma nova versão do snapshot anterior: nada é excluído.

Etapa 5: Executar um trabalho de transformação

  1. No painel de navegação à esquerda, em Agente de transformação de dados, escolha Trabalhos.

  2. Escolha Iniciar novo trabalho.

  3. Preencha os detalhes do Job:

    • Nome do trabalho: um nome descritivo (aparece em CloudWatch registros e métricas).

    • Descrição: opcional.

  4. Defina as configurações de transformação:

    • Formato da fonte de dados: C-CDA ou CSV.

    • Perfil de transformação: escolha um perfil publicado (somente perfis publicados com versão ≥ 1 aparecem).

    • Modo de saída:

      • Amazon Amazon S3: grave o FHIR convertido em um local do Amazon S3 (conversão autônoma).

      • AWS HealthLake: converta e ingira diretamente em um HealthLake armazenamento de dados. Se selecionado, escolha o HealthLake armazenamento de dados de destino (deve estar no estado ATIVO).

    • Proveniência: ativada por padrão. Gera recursos de proveniência FHIR rastreando a saída até a fonte. Desative somente se a proveniência não for necessária.

    • Detecção de desvio: ativada por padrão. Produz um relatório mostrando elementos de origem não mapeados.

  5. Configurar dados de origem:

    • Local de origem do Amazon S3: a pasta do Amazon S3 contendo seus arquivos de origem (deve incluir um prefixo, não apenas o nome do bucket).

    • Função de acesso a dados: a função do IAM HealthLake pressupõe ler seus arquivos de origem e gravar a saída. Consulte Configurar as políticas de confiança e permissões.

  6. Configurar a configuração de saída (if):

    • URI de saída do Amazon S3: onde gravar registros convertidos de saída e trabalho.

    • AWS KMS chave: a AWS KMS chave para criptografar a saída em repouso (obrigatório).

  7. Escolha Criar trabalho.

Etapa 6: analisar os resultados

  1. A página de detalhes do trabalho mostra o progresso em tempo real: status, arquivos processados (linhas para CSV), recursos FHIR gerados e falhas.

  2. Ao concluir, navegue até o local de saída do Amazon S3. O serviço cria uma pasta com escopo de trabalho em seu URI de saída usando o ID do trabalho. Dentro dessa pasta:

    • converted/: arquivos de saída FHIR NDJSON (um por arquivo de entrada, por exemplo, -record.ndjson). converted/patient

    • ERROR/: detalhe do erro para entradas com falha (arquivos JSON com os campos inputFile e errorMessage, por exemplo). ERROR/bad-file.json

    • Manifest.json: resumo do trabalho com métricas agregadas (arquivos escaneados, convertidos, com falha, recursos gerados).

    • tarefaLevelDriftResult.json: o relatório de desvio agregado da tarefa (se a detecção de desvio estiver ativada).

    • driftDetectionPerFileResults/: relatórios de desvio por arquivo para C-CDA trabalhos (se a detecção de desvio estiver ativada), por exemplo, -record_drift. driftDetectionPerFileResults/patient Metrics.json