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
<a name="data-transformation-getting-started-console"></a>

## Etapa 1: Navegar até o agente de transformação de dados
<a name="data-transformation-getting-started-console-step1"></a>

1. Abra o [console do AWS HealthLake](https://console.aws.amazon.com/healthlake/).

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

1. 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
<a name="data-transformation-getting-started-console-step2"></a>

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

1. 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).

1. 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.

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

1. 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)
<a name="data-transformation-getting-started-console-step3"></a>

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.

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

1. O agente edita os modelos do Velocity.

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

1. 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 

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

1. Peça ajustes em linguagem natural (por exemplo, “Mapear a coluna RACE\_CD para uma extensão FHIR”).

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

## Etapa 4: publicar o perfil
<a name="data-transformation-getting-started-console-step4"></a>

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

1. 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
<a name="data-transformation-getting-started-console-step5"></a>

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

1. Escolha Iniciar novo trabalho.

1. Preencha os detalhes do Job:
   + Nome do trabalho: um nome descritivo (aparece em CloudWatch registros e métricas).
   + Descrição: opcional.

1. 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.

1. 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](data-transformation-setting-up.md) as políticas de confiança e permissões.

1. 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).

1. Escolha Criar trabalho.

## Etapa 6: analisar os resultados
<a name="data-transformation-getting-started-console-step6"></a>

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

1. 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