informasi kontak saya
Surat[email protected]
2024-07-12
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
📢 大家好，我是 【战神刘玉栋】，有10多年的研发经验，致力于前后端技术栈的知识沉淀和传播。 💗
🌻 近期刚转战 CSDN，会严格把控文章质量，绝不滥竽充数，欢迎多多交流。👍
Artikel ini membagikan langkah-langkah penanganan nilai kritis yang direkomendasikan perusahaan blogger dan rencana implementasi untuk kalibrasi jangkauan.
Terutama berdasarkanKafka + Implementasi Flink + Elasticsearch. Karena menyangkut masalah keamanan, kontennya terutama tentang pengenalan solusi.
Oke, mari kita mulai.
Nilai kritis berarti ketika hasil tes dan pemeriksaan tersebut muncul, hal ini menunjukkan bahwa pasien mungkin berada di ambang ancaman nyawa.Dokter perlu memperoleh informasi tes dan pemeriksaan tepat waktu dan segera memberikan tindakan intervensi atau intervensi yang efektif kepada pasien pengobatan yang dapat menyelamatkan nyawa pasien. Informasi bernilai kritis dapat memberikan perawatan yang tepat waktu dan efektif bagi dokter untuk pasien yang hidupnya berada di ambang bahaya, sehingga dapat mencegah pasien menderita akibat serius akibat kecelakaan dan kehilangan peluang terbaik untuk penyelamatan.
Perumusan dan penerapan sistem pelaporan nilai kritis dapat secara efektif meningkatkan inisiatif dan rasa tanggung jawab staf medis dan teknis, meningkatkan tingkat teoritis staf medis dan teknis, meningkatkan kesadaran layanan staf medis dan teknis untuk berpartisipasi aktif dalam diagnosis klinis , dan mempromosikan departemen teknologi klinis dan medis. Manajemen nilai kritis merupakan bagian penting dari manajemen rumah sakit. Identifikasi cepat, konfirmasi, pelepasan, penerimaan nilai kritis secara tepat waktu, serta pemantauan dan analisis proses merupakan tujuan dan arah manajemen sistem informasi.
Kebanyakan sistem manajemen nilai kritis saat ini mempunyai masalah-masalah berikut:
1. Berbagai item inspeksi nilai kritis dinilai berdasarkan rentang referensi tetap. Penyesuaian dinamis batas atas dan bawah rentang proyek tidak didukung. Perbandingan numerik sering kali dibuat secara sederhana dan kasar, sehingga tidak ada penilaian rentang ilmiah dan metode kalibrasi dalam Pemberitahuan yang sering mengenai nilai-nilai kritis yang “salah” yang tidak sesuai dengan realitas klinis berdampak besar pada pekerjaan staf medis klinis;
2. Tindakan intervensi yang dilakukan oleh staf medis untuk nilai kritis hanya mengisi tindakan tersebut dan mengembalikannya ke departemen teknologi medis. Tidak ada interaksi dengan proses penyakit dan catatan keperawatan, dan proses pemrosesan tidak membentuk memori dan manajemen. Pekerjaan untuk situasi yang sama sering kali memerlukan pekerjaan dan waktu yang berulang-ulang, serta rawan penyimpangan;
3. Nilai kritis melibatkan berbagai tautan, dan tidak ada manajemen proses terpadu, yang rentan terhadap tautan yang hilang dan tidak membentuk lingkaran tertutup yang lengkap. dan rencana penanganan pengecualian, dan juga tidak memiliki halaman ringkasan statistik seluruh rumah sakit. Tidak dapat memberikan solusi menyeluruh untuk meningkatkan kekritisan rumah sakit;
Tujuan dari penemuan yang dipatenkan ini didasarkan pada Kafka + Berkedip + Elasticsearch dan teknologi lainnya, dalam keseluruhan proses manajemen nilai kritis, mewujudkan solusi untuk mengkalibrasi rentang penentuan nilai kritis secara ilmiah dan secara cerdas merekomendasikan langkah-langkah perlakuan nilai kritis untuk memecahkan masalah saat ini dalam manajemen proses nilai kritis, seperti masalah nilai kritis seperti karena standar penilaian yang tidak akurat, data perawatan yang tidak digunakan, dan mekanisme optimalisasi nilai kritis yang tidak sempurna di seluruh rumah sakit akan digunakan untuk mengoptimalkan proses nilai kritis, meningkatkan efisiensi pemrosesan nilai kritis, membentuk pelacakan loop tertutup yang lengkap, dan pada akhirnya membangun nilai kritis yang lengkap. -sistem manajemen proses.
1. Menetapkan rencana pemrosesan nilai kritis yang "palsu" untuk mencegah pengingat yang terlalu sering dan terus mengkalibrasi rentang item nilai kritis yang wajar;
2. Menyimpan langkah-langkah untuk menangani nilai-nilai kritis sehari-hari dan membentuk memori. Ketika nilai kritis tiba, Anda dapat memberikan berbagai petunjuk kepada staf medis dan bertindak sebagai asisten pengisi;
3. Berdasarkan mekanisme pusat pesan yang digerakkan oleh peristiwa, bangunlah proses pemrosesan nilai penting yang lengkap yang mencakup sebanyak mungkin semua aspek skenario bisnis klinis. Pusat data bertanggung jawab untuk menyimpan informasi nilai penting yang lengkap, menyediakan loop tertutup antarmuka tampilan dan kueri data; mengumpulkan nilai-nilai kritis dari setiap departemen Data loop tertutup menghasilkan data indikator terarah untuk memfasilitasi pelacakan rutin, analisis, dan evaluasi indikator nilai kritis, mengawasi setiap departemen untuk menemukan dan meningkatkan pemrosesan nilai kritisnya sendiri, dan meningkatkan efisiensi pemrosesan nilai kritis di seluruh rumah sakit;
Solusi ini didasarkan pada Kafka + Flink + Pencarian Elastis Untuk mencapai kalibrasi rentang nilai kritis dan tindakan yang direkomendasikan, solusi teknis spesifiknya adalah sebagai berikut.
1. Menyebarkan lingkungan Kafka. Program ini memperkenalkan dependensi terkait Kafka, melakukan konfigurasi terkait dan integrasi fungsional, menentukan peristiwa "pengiriman nilai penting" dan "umpan balik nilai penting", serta mengonfigurasi format parameter input pesan peristiwa dan teks verifikasi XSD dua Setiap acara akan digunakan sebagai dua topik Kafka. Diantaranya, Kafka digunakan untuk bertindak sebagai perantara pesan dan bertanggung jawab untuk menyediakan mode kolaborasi antara produsen dan konsumen;
2. Menerapkan lingkungan Elasticsearch. Program ini memperkenalkan dependensi terkait Elasticsearch, dan melakukan konfigurasi terkait dan integrasi fungsi. Elasticsearch mendefinisikan beberapa struktur indeks, yang akan digunakan untuk menyimpan data asli nilai penting, data terkait, hasil operasi, dll., dan menggunakan fitur Elasticsearch untuk melakukan analisis statistik;
3. Menyebarkan lingkungan Flink. Program ini memperkenalkan dependensi terkait Flink, dan melakukan konfigurasi terkait serta integrasi fungsional. Flink bertindak sebagai penghubung antara bagian atas dan bawah Di sisi lain, melalui API yang relevan, Setelah operasi data, output disimpan di Elasticsearch;
1. Menyediakan antarmuka penghasil pesan eksternal
Kembangkan antarmuka penghasil pusat pesan dan buka untuk sistem eksternal. Antarmuka ini dapat digunakan dalam dua skenario "pengiriman nilai kritis" dan "umpan balik nilai kritis".
Logika utamanya adalah melakukan verifikasi rasionalitas, penguraian, dan pemrosesan pada parameter masukan pesan, lalu mengirim pesan dengan memanggil API Kafka, dan menggunakan singleton produser untuk menyelesaikan pengiriman pesan.
Topik yang akan dikirimkan adalah “Critical Value Sending” atau “Critical Value Feedback”.
2. Gunakan Flink untuk mengonsumsi Kafka
Gunakan **Flink Source API Flink, tambahkan Kafka sebagai sumber data, dan berlangganan dua topik "Pengiriman Nilai Kritis" dan "Umpan Balik Nilai Kritis".
Untuk pesan yang ditarik, tambahkan blok kode untuk pemrosesan konsumsi pesan.
3. Gunakan Flink untuk memproses data aliran
3.1. Proses pengiriman nilai kritis
Lakukan pemrosesan yang sesuai pada data Topik "Pengiriman Nilai Kritis" yang ditarik dari Kafka.
1) Gunakan ekspresi reguler untuk mengekstrak konten atribut inti nilai kritis dalam parameter input pesan, termasuk namun tidak terbatas pada ID nilai kritis, ID laporan, ID pasien, ID kunjungan, dll., identifikasi kode dan nilai setiap atribut kunci, dan merakitnya menjadi struktur Peta;
2) Gunakan informasi penting di atas untuk mengekstrak informasi laporan terkait bisnis nilai kritis, informasi pasien, informasi konsultasi medis, dan informasi historis dari konten di atas dari Oracle, dan mengekstrak informasi distribusi interval nilai kritis, distribusi ukuran pemrosesan nilai kritis, dan informasi lainnya dari Elasticsearch, Kumpulkan konten ini untuk analisis tambahan;
3) Gunakan Flink Transform API untuk memproses data Peta secara komprehensif dan mendapatkan hasil yang relevan;
4) Selama proses pengiriman nilai kritis, perhitungan yang relevan mengenai kalibrasi rentang dan tindakan yang direkomendasikan adalah sebagai berikut:
a.Memperoleh informasi dasar mengenai nilai kritis proyek dan menentukan apakah nilai kritis tersebut memenuhi batas atas dan batas bawah nilai kritis saat ini;
b.Mendapatkan distribusi interval nilai kritis proyek, menentukan distribusi interval yang termasuk dalam nilai kritis, melakukan pembaruan, dan mengumpulkan hasilnya;
c. Memperoleh sebaran tindakan perlakuan historis untuk nilai kritis proyek, memperolehnya melalui perhitungan, menyusunnya menurut frekuensi terjadinya tindakan yang berbeda dalam dimensi yang berbeda, dan kemudian mengumpulkan hasilnya;
d.Memperoleh item-item lain yang memiliki kelainan yang sama ketika nilai kritis proyek terjadi dalam sejarah, dan menghitung hubungan keterkaitan antara proyek-proyek tersebut dengan item nilai kritis saat ini;
e. Mendapatkan nilai historis proyek sesuai dengan nilai kritis proyek, melakukan analisis tren, dan mengumpulkan hasilnya;
f. Memperoleh informasi lain yang terkait dan diperluas mengenai nilai kritis proyek untuk analisis tambahan, dan mengumpulkan hasilnya;
g. Simpan data nilai kritis asli di Elasticsearch, kumpulkan semua hasil penghitungan di langkah 3, dan masuk ke langkah berikutnya untuk bertindak sebagai asisten pengisian.
3.2. Proses pengolahan nilai kritis
Lakukan pemrosesan yang sesuai pada data Topik "Pemrosesan Nilai Kritis" yang ditarik dari Kafka.
1) Gunakan ekspresi reguler untuk mengekstrak konten atribut pemrosesan nilai kritis dalam parameter input pesan, termasuk namun tidak terbatas pada ID nilai kritis, metode pemrosesan, ukuran pemrosesan, prosesor, dll., mengidentifikasi kode dan nilai setiap atribut kunci, dan merakitnya menjadi struktur Peta;
2) Kirim dengan nilai kritis, gunakan informasi penting di atas untuk mengekstrak informasi terkait dari Oracle dan Elasticsearch untuk analisis tambahan
3) Gunakan Flink Transform API untuk memproses data Peta secara komprehensif dan mendapatkan hasil yang relevan;
4) Selama proses pemrosesan nilai kritis, perhitungan yang relevan mengenai kalibrasi rentang dan tindakan yang direkomendasikan adalah sebagai berikut:
a.Jika dokter memberikan tindakan intervensi normal untuk nilai kritis, berarti kredibilitas rentang pemicu nilai kritis meningkat. Pertama, perbarui informasi catatan frekuensi nilai kritis kemudian tingkatkan item nilai grup dan Anda dapat memperbaruinya saat ini. Data interval rentang nilai kritis mewakili rentang nilai kritis yang lebih akurat untuk proyek tertentu. Jika nilai kritis dalam interval ini berada dalam rentang nilai kritis asli, angkanya kejadian interval akan ditingkatkan. Jika nilai kritis melebihi kejadian aslinya, data interval rentang nilai kritis akan lebih akurat. Untuk interval nilai kritis, data interval baru ditambahkan, rentang diperluas, dan jumlah waktu dicatat; terakhir, tindakan pengobatan dokter dan nilai nilai kritis dikaitkan dan disimpan dalam indeks memori pengukuran. Catatan indeks mencakup namun tidak terbatas pada hal berikut: Tindakan pengobatan yang digunakan dalam berbagai proyek termasuk intervalnya , apa yang termasuk dalam nilai pemicu historis, dan laporan terkini dan riwayat pasien terkait, kunjungan medis, nilai kritis, dan informasi lainnya.
b. Jika dokter memberikan pemrosesan yang tidak normal untuk nilai kritis, seperti mengklik tombol pertanyaan umpan balik, berarti kredibilitas rentang pemicu nilai kritis berkurang. Pertama, masukkan informasi kunci dari nilai kritis ke dalam indeks pertanyaan umpan balik ; kemudian, pergi ke rentang nilai kritis. Data abnormal yang relevan juga akan dimasukkan ke dalam indeks interval; terakhir, indeks tindakan penanganan juga akan diperbarui, dan pertanyaan umpan balik juga merupakan bagian dari pertanyaan-pertanyaan ini; halaman analisis statistik yang sesuai, dan keputusan akhir akan dibuat secara manual untuk menentukan apakah cakupannya telah diubah;
4. Gunakan Flink untuk mengeluarkan ke Elasticsearch
Dengan menggunakan Flink Elasticsearch API, tambahkan ElasticsearchSink sebagai output hasil, dan simpan hasil yang dihitung pada langkah sebelumnya ke dalam struktur indeks ES yang berbeda sesuai dengan dimensi yang berbeda.
Termasuk namun tidak kurang dari indeks berikut: indeks data asli nilai kritis, indeks data perluasan nilai kritis, indeks distribusi frekuensi interval nilai kritis, indeks distribusi ukuran pemrosesan nilai kritis, dan lain-lain.
3.1. Proses pengiriman nilai kritis
Setelah pemrosesan data oleh layanan inti, antarmuka back-end dari portal terpadu pengguna dapat dipanggil, dan kemudian WebSocket dapat digunakan untuk menyelesaikan pengiriman pesan front-end dan back-end, atau layanan inti dapat langsung mengintegrasikan WebSocket ke bertanggung jawab untuk berinteraksi dengan front-end portal, dan akhirnya menampilkan nilai kritis pada front-end portal pengguna untuk mendominasi layar Pop-up.
Pada jendela pop-up yang mendominasi layar, selain melihat informasi dasar terkait nilai kritis, informasi laporan, dan informasi pasien, dokter juga dapat mengisi tindakan intervensi untuk disampaikan, atau mengklik tombol pertanyaan umpan balik.
Informasi asisten pengisian berikut akan ditampilkan pada jendela pop-up yang mendominasi:
a.Frekuensi terjadinya berbagai tindakan pengobatan untuk nilai kritis proyek, dokter dapat dengan cepat mengklik untuk menggunakan kembali;
b.Frekuensi nilai kritis pada interval pemicuan proyek yang berbeda akan digunakan sebagai acuan bagi dokter untuk memastikan nilai kritis tersebut;
c. Bagan analisis komparatif tren historis proyek, serta frekuensi kemunculan informasi proyek abnormal yang sama ketika proyek mempunyai nilai kritis dan ketika terjadi nilai kritis lainnya;
d.Informasi referensi historis lainnya, seperti riwayat perawatan medis, riwayat laporan, riwayat nilai kritis, dan lain-lain;
3.2. Proses pengolahan nilai kritis
Saat dokter menangani jendela pop-up nilai kritis yang mendominasi layar, dia akan memanggil antarmuka back-end portal terpadu, memicu data topik "Pemrosesan Nilai Kritis" Kafka, dan memasukkan tautan pemrosesan nilai kritis dari layanan inti.
Dokter memiliki dua mode pemrosesan. Mereka dapat mengisi tindakan intervensi dan menyerahkannya, atau mengklik tombol pertanyaan umpan balik. Kedua metode tersebut dapat mengakhiri proses pemrosesan.
6.1. Atur layanan pengaturan waktu, gunakan fungsi agregasi untuk melakukan pemrosesan sekunder pada data ES, dan hasil pemrosesan akan terus disimpan di ruang indeks baru.
6.2. Mengembangkan antarmuka BI front-end untuk menampilkan data indeks nilai kritis sebelum dan sesudah pemrosesan, dan memberikan tip analisis.
1) Memberikan hasil analisis dan penilaian untuk rentang referensi, memungkinkan konfirmasi akhir secara manual apakah rentang kalibrasi telah diubah.
2) Memberikan analisis yang direkomendasikan untuk tindakan pengobatan. Untuk tindakan pengobatan yang berbeda, berbagai statistik dan pedoman diberikan sesuai dengan jumlah penggunaan, jalur pemrosesan, rentang nilai yang sesuai, serta tren proyek historis, hubungan dengan proyek bersamaan lainnya, informasi diagnosis historis , dll., menganalisis.
1) Tentukan indikator evaluasi nilai kritis: Departemen medis harus menentukan indikator evaluasi nilai kritis, seperti: % tingkat pemrosesan, waktu pemrosesan rata-rata h, tingkat pemrosesan tepat waktu/tingkat pemrosesan 24 jam %, tingkat tindak lanjut pasien enam jam % , jumlah total pemrosesan nilai kritis, dll.;
2) Statistik nilai kritis: Departemen medis perlu secara teratur mengawasi, memeriksa, melacak, dan menganalisis penerapan sistem manajemen nilai kritis di setiap departemen, dan secara teratur mengevaluasi ketepatan waktu pelaporan dan penanganan nilai kritis. Dalam komponen nilai kritis portal medis, data nilai kritis setiap departemen dikumpulkan dan ditampilkan. Pemeringkatan dan data rinci dari berbagai indikator ditampilkan menurut dua dimensi departemen dan dokter melihat sekilas dan membandingkan perbedaan secara berkala di seluruh rumah sakit. Membandingkan indikator pada titik waktu dan merumuskan rencana perbaikan untuk tahap kritis rumah sakit;
3) Umpan balik nilai kritis: Departemen medis perlu memperbarui dan menyesuaikan item nilai kritis dan nilai kritis sesuai dengan kondisi klinis aktual, memasukkan manajemen nilai kritis departemen ke dalam penilaian kualitas medis departemen, mengembangkan komponen umpan balik nilai kritis pada staf medis portal, dan secara seragam mengumpulkan, menganalisis, dan Mengatasi umpan balik ini.
Proses: LIS - Pusat Data - Produser - Sumber Kafka - Flink - Pemrosesan - Elasticsearch
1. Apabila teknisi medis menemukan keadaan kritis, pemeriksa (inspektur) harus terlebih dahulu memastikan apakah alat pemeriksaan, peralatan dan proses pemeriksaannya normal, memeriksa apakah spesimennya benar, apakah pengoperasiannya benar, dan apakah transmisi instrumennya salah. . Setelah konfirmasi klinis dan pemeriksaan Jika tidak ada kelainan pada semua aspek proses (pemeriksaan), pemeriksaan ulang tepat waktu (departemen pencitraan dapat memutuskan apakah pemeriksaan ulang diperlukan berdasarkan situasi aktual). kedua pemeriksaan ulang itu sama dapatkah dikeluarkan hasil pemeriksaan (pemeriksaannya).
2. Setelah sistem inspeksi (inspeksi) mengirimkan nilai kritis, ia akan memulai panggilan ke antarmuka pengirim nilai kritis pusat data melalui platform integrasi rumah sakit. Pertama, nilai kritis akan disimpan, dan kemudian antarmuka penghasil pusat pesan dalam rencana ini akan dipanggil untuk menyampaikan " Kirimkan "Topik" nilai penting ke Kafka;
3. Layanan inti dari solusi ini akan menggunakan Flink untuk berlangganan nilai kritis Kafka untuk mengirim Topik, dan menggunakan Flink Transform API untuk memproses data yang diterima untuk membentuk data yang diperlukan, dan kemudian menggunakan Flink Elasticsearch API untuk menambahkan ElasticsearchSink untuk mengeluarkan hasilnya ke indeks terkait Elasticsearch;
4. Setelah pemrosesan data oleh layanan inti, antarmuka back-end dari portal terpadu pengguna dapat dipanggil, dan kemudian WebSocket dapat digunakan untuk menyelesaikan pengiriman pesan front-end dan back-end, atau layanan inti dapat langsung berintegrasi WebSocket bertanggung jawab untuk berinteraksi dengan front-end portal. Terakhir, antarmuka pop-up nilai kritis ditampilkan di bagian depan portal pengguna;
5. Sampai di sini, proses pengiriman berakhir.
Proses: Portal - Pusat Data - Produser - Sumber Kafka - Flink - Pemrosesan - Elasticsearch
1. Selama penggunaan sistem portal sehari-hari, jika pengguna dokter menerima pemberitahuan nilai kritis, maka akan ditampilkan dalam bentuk jendela pop-up yang mendominasi layar;
2. Dokter membuat penilaian berdasarkan informasi nilai kritis pasien, serta informasi laporan, informasi konsultasi medis, dll. Jika dipastikan memenuhi kategori nilai kritis, ia akan mengisi tindakan intervensi yang sesuai dan memicu logika pemrosesan nilai kritis dari pusat data;
3. Pusat data terlebih dahulu memperbarui informasi nilai penting, kemudian memulai panggilan ke antarmuka pengirim nilai penting dari sistem inspeksi (inspeksi) melalui platform integrasi rumah sakit, dan kemudian memanggil antarmuka produsen pusat pesan dalam solusi ini untuk menyampaikan " Pemrosesan Nilai Kritis" Topik untuk Kafka;
4. Layanan inti dari solusi ini akan menggunakan Flink untuk berlangganan topik pemrosesan nilai kritis Kafka, dan menggunakan Flink Transform API untuk memproses data yang diterima untuk membentuk data yang diperlukan, dan kemudian menggunakan Flink Elasticsearch API untuk menambahkan ElasticsearchSink untuk menghasilkan output hasil ke dalam indeks Elasticsearch yang relevan;
5. Jika pada langkah 2, dokter menentukan bahwa nilai kritis adalah alarm palsu, klik tombol "Pertanyaan Umpan Balik" untuk melaporkan masalah kesalahan ke antarmuka "Modul Manajemen Medis" untuk analisis selanjutnya;
1. Berdasarkan kombinasi Kafka + Flink, ia memanfaatkan teknologi mesin streaming data besar untuk mencapai pemrosesan data yang sangat andal, efisien, real-time, dan sangat skalabel untuk skenario pengiriman dan pemrosesan nilai penting, dan pada akhirnya mencapai nilai kritis kalibrasi jangkauan dan tujuan tindakan yang direkomendasikan;
2. Gunakan Elasticsearch untuk menyimpan hasil penghitungan indeks yang terdiversifikasi, lalu gunakan fungsi fungsi agregasi ES untuk melakukan analisis sekunder dan pemrosesan hasilnya. Skalabilitas dan penggunaan kembali solusi keseluruhan telah sangat ditingkatkan;
3. Terapkan mekanisme berbasis peristiwa pusat pesan ke skenario nilai kritis, buat peristiwa pesan untuk node kunci dari proses loop tertutup nilai kritis, dan tentukan layanan berlangganan untuk peristiwa melalui langganan dinamis. Prosesnya jelas dan dapat dicolokkan. Menetapkan proses pemrosesan nilai penting yang lengkap dengan pusat pesan sebagai pusatnya, yang mencakup sebanyak mungkin semua aspek skenario bisnis aktual, dan meningkatkan cakupan bisnis dan partisipasi personel;
Di atas memperkenalkan rencana "Rekomendasi Tindakan Penanganan Nilai Kritis dan Kalibrasi Rentang Berdasarkan Kafka + Flink + ES" dari perusahaan blogger.
💗 后续会逐步分享企业实际开发中的实战经验，有需要交流的可以联系博主。
Ia telah mengabdikan dirinya untuk meneliti teknologi selama lebih dari 30 tahun, dan mahir dalam berbagai bahasa seperti java, linux, javascript, php, css, dll. "Saya telah memberikan banyak kontribusi di bidang dokumentasi pengembang stasiun sumber terbuka untuk berbagi beberapa masalah dalam pengembangan teknologi untuk referensi di masa mendatang. Semua orang memeriksanya
Surat[email protected]