le mie informazioni di contatto
Posta[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。👍
Questo articolo condivide le misure di gestione dei valori critici consigliate dall'azienda del blogger e il piano di implementazione per la calibrazione dell'intervallo.
Principalmente basato suKafka + Flink + Implementazione Elasticsearch Poiché comporta problemi di sicurezza, il contenuto riguarda principalmente l'introduzione della soluzione. Se hai bisogno di discuterne, puoi lasciare un messaggio.
OK, cominciamo.
Valore critico significa che quando compaiono i risultati di tali test ed esami, indica che il paziente potrebbe essere sull'orlo del pericolo di vita. I medici devono ottenere le informazioni sui test e sugli esami in tempo e fornire rapidamente al paziente misure di intervento efficaci o trattamento, che può salvare la vita del paziente. Le informazioni di valore critico possono fornire ai medici un trattamento tempestivo ed efficace per i pazienti la cui vita è sull’orlo del pericolo, in modo da evitare che i pazienti subiscano gravi conseguenze a causa di incidenti e perdano le migliori possibilità di salvataggio.
La formulazione e l'implementazione del sistema di reporting dei valori critici può effettivamente migliorare l'iniziativa e il senso di responsabilità del personale medico e tecnico, migliorare il livello teorico del personale medico e tecnico, aumentare la consapevolezza del servizio del personale medico e tecnico per partecipare attivamente alla diagnosi clinica e promuovere dipartimenti di tecnologia clinica e medica efficaci comunicazione e cooperazione. La gestione dei valori critici è una parte importante della gestione ospedaliera La rapida identificazione, conferma, rilascio, ricezione tempestiva dei valori critici, nonché il monitoraggio e l'analisi del processo sono gli obiettivi e le direzioni della gestione delle informazioni del sistema.
La maggior parte degli attuali sistemi di gestione dei valori critici presenta i seguenti problemi:
1. Vari elementi di ispezione del valore critico vengono valutati in base a un intervallo di riferimento fisso. La regolazione dinamica dei limiti superiore e inferiore dell'intervallo del progetto non è supportata. I confronti numerici vengono spesso effettuati in modo semplice e approssimativo, senza che ne risultino giudizi scientifici sull'intervallo e metodi di calibrazione in Le frequenti notifiche di valori critici “falsi” e non conformi alla realtà clinica hanno un grande impatto sul lavoro del personale medico clinico;
2. Le misure di intervento adottate dal personale medico per il valore critico si limitano a compilare le misure e a trasmetterle al dipartimento di tecnologia medica. Non c'è interazione con il processo della malattia e le cartelle cliniche e il processo di elaborazione non forma memoria e gestione. Il lavoro per la stessa situazione richiede spesso lavoro e tempo ripetuti ed è soggetto a deviazioni;
3. Il valore critico coinvolge un'ampia gamma di collegamenti e non esiste una gestione unificata del processo, che è soggetta a collegamenti mancanti e non forma un ciclo chiuso completo. Allo stesso tempo, l'intero processo non dispone di monitoraggio dei collegamenti, tracciamento dei registri. e piani di gestione delle eccezioni, e manca anche una pagina di riepilogo statistico a livello ospedaliero. Impossibile fornire una soluzione globale per migliorare la criticità dell'ospedale;
Lo scopo di questa invenzione brevettata si basa su Kafka + Scorrere + Elasticsearch e altre tecnologie, nell'intero processo di gestione del valore critico, realizzano una soluzione per calibrare scientificamente l'intervallo di determinazione del valore critico e raccomandare in modo intelligente misure di trattamento del valore critico per risolvere i problemi attuali nella gestione del processo del valore critico, come i problemi del valore critico come poiché standard di giudizio imprecisi, dati di trattamento inutilizzati e meccanismi imperfetti di ottimizzazione del valore critico in tutto l'ospedale verranno utilizzati per ottimizzare il processo del valore critico, migliorare l'efficienza di elaborazione del valore critico, formare un monitoraggio completo a circuito chiuso e, infine, creare un valore critico completo completo -sistema di gestione dei processi.
1. Stabilire un piano di elaborazione dei valori critici "falso" per evitare solleciti troppo frequenti e calibrare continuamente la gamma ragionevole di elementi di valore critico;
2. Memorizzare le misure per affrontare i valori critici quotidiani e formare un ricordo Quando arriva il valore critico, puoi dare vari suggerimenti al personale medico e fungere da assistente al riempimento;
3. Basandosi sul meccanismo basato sugli eventi del centro messaggi, creare un processo completo di elaborazione dei valori critici che copra il più possibile tutti gli aspetti degli scenari aziendali clinici. Il data center è responsabile dell'archiviazione di informazioni complete sui valori critici, fornendo un ciclo chiuso interfacce di visualizzazione e query dei dati; raccolta dei valori critici di ciascun dipartimento I dati a circuito chiuso generano dati di indicatori direzionali per facilitare il monitoraggio, l'analisi e la valutazione regolari degli indicatori di valore critico, supervisionare ciascun dipartimento per scoprire e migliorare la propria elaborazione dei valori critici e migliorare l'efficienza dell'elaborazione dei valori critici nell'intero ospedale;
Questa soluzione è basata su Kafka + Flink + Ricerca elastica Per ottenere la calibrazione dell'intervallo di valori critici e le misure consigliate, le soluzioni tecniche specifiche sono le seguenti.
1. Distribuire l'ambiente Kafka. Il programma introduce le dipendenze correlate a Kafka, esegue la configurazione correlata e l'integrazione funzionale, definisce gli eventi di "invio di valore critico" e "feedback di valore critico" e configura il formato dei parametri di input del messaggio dell'evento e il testo di verifica XSD due Ogni evento verrà utilizzato come due argomenti di Kafka. Tra questi, Kafka viene utilizzato per fungere da middleware di messaggi ed è responsabile di fornire la modalità di collaborazione di produttori e consumatori;
2. Distribuire l'ambiente Elasticsearch. Il programma introduce le dipendenze relative a Elasticsearch ed esegue la configurazione correlata e l'integrazione delle funzioni. Elasticsearch definisce diverse strutture di indici, che verranno utilizzate per archiviare dati originali di valore critico, dati associati, risultati delle operazioni, ecc. utilizzare le funzionalità di Elasticsearch per eseguire analisi statistiche;
3. Distribuire l'ambiente Flink. Il programma introduce le dipendenze relative a Flink ed esegue la relativa configurazione e integrazione funzionale. Flink funge da collegamento tra la parte superiore e quella inferiore. Da un lato, viene utilizzato per consumare i messaggi dell'argomento forniti da Kafka D'altra parte, tramite le API pertinenti, dopo l'operazione sui dati, l'output viene archiviato in Elasticsearch;
1. Fornire un'interfaccia esterna per il produttore di messaggi
Sviluppare un'interfaccia del produttore del centro messaggi e aprirla a sistemi esterni. Questa interfaccia può essere utilizzata nei due scenari di "invio di valore critico" e "feedback di valore critico".
La logica principale è eseguire la verifica della razionalità, l'analisi e l'elaborazione dei parametri di input del messaggio, quindi inviare il messaggio chiamando l'API Kafka e utilizzare il singleton del produttore per completare l'invio del messaggio.
L'argomento da inviare è "Invio valore critico" o "Feedback valore critico".
2. Usa Flink per consumare Kafka
Utilizza la **Flink Source API di Flink, aggiungi Kafka come origine dati e iscriviti ai due argomenti "Invio di valore critico" e "Feedback sul valore critico".
Per i messaggi estratti, aggiungi un blocco di codice per l'elaborazione del consumo dei messaggi.
3. Utilizzare Flink per elaborare i dati del flusso
3.1 Processo di invio del valore critico
Eseguire l'elaborazione corrispondente sui dati dell'argomento "Invio valore critico" estratti da Kafka.
1) Utilizzare le espressioni regolari per estrarre il contenuto dell'attributo principale del valore critico nei parametri di input del messaggio, inclusi ma non limitati a ID valore critico, ID report, ID paziente, ID visita, ecc., identificare il codice e il valore di ciascun attributo chiave, e assemblarlo in una struttura Mappa;
2) Utilizzare le informazioni chiave di cui sopra per estrarre informazioni sui report aziendali di valore critico, informazioni sui pazienti, informazioni sulle consultazioni mediche e informazioni storiche dei contenuti di cui sopra da Oracle ed estrarre informazioni sulla distribuzione degli intervalli di valori critici, sulla distribuzione delle misure di elaborazione dei valori critici e altre informazioni da Elasticsearch, assemblare questi contenuti per l'analisi ausiliaria;
3) Utilizzare l'API Flink Transform per elaborare in modo completo i dati della mappa e ottenere risultati pertinenti;
4) Durante il processo di invio dei valori critici, i calcoli rilevanti riguardanti la calibrazione del range e le misure consigliate sono i seguenti:
a. Ottenere informazioni di base sul valore critico del progetto e determinare se il valore critico soddisfa i limiti superiore e inferiore del valore critico corrente;
b. Ottenere la distribuzione degli intervalli del valore critico del progetto, determinare la distribuzione degli intervalli a cui appartiene il valore critico, effettuare aggiornamenti e assemblare i risultati;
c. Ottenere la distribuzione delle misure di trattamento storico per il valore critico del progetto, ottenerla tramite calcolo, organizzarla in base alla frequenza di occorrenza di diverse misure in diverse dimensioni, e quindi assemblare i risultati;
d. Ottenere altri elementi con la stessa anomalia quando il valore critico del progetto si è verificato nella storia e calcolare la relazione di collegamento tra questi progetti e l'attuale elemento di valore critico;
e. Ottenere il valore storico del progetto corrispondente al valore critico del progetto, condurre analisi delle tendenze e assemblare i risultati;
f. Ottenere altre informazioni correlate ed estese sul valore critico del progetto per l'analisi ausiliaria e assemblare i risultati;
g. Archiviare i dati del valore critico originale in Elasticsearch, assemblare tutti i risultati del calcolo nel passaggio 3 e accedere al passaggio successivo per fungere da assistente di riempimento.
3.2. Processo di elaborazione del valore critico
Eseguire l'elaborazione corrispondente sui dati dell'argomento "Elaborazione dei valori critici" estratti da Kafka.
1) Utilizzare le espressioni regolari per estrarre il contenuto dell'attributo dell'elaborazione del valore critico nei parametri di input del messaggio, inclusi ma non limitati a ID del valore critico, metodo di elaborazione, misure di elaborazione, processore, ecc., identificare il codice e il valore di ciascun attributo chiave e assemblarlo in una struttura Mappa;
2) Invia con il valore critico, utilizza le informazioni chiave di cui sopra per estrarre le informazioni correlate da Oracle ed Elasticsearch per l'analisi ausiliaria
3) Utilizzare l'API Flink Transform per elaborare in modo completo i dati della mappa e ottenere risultati pertinenti;
4) Durante il processo di elaborazione del valore critico, i calcoli rilevanti riguardanti la calibrazione dell'intervallo e le misure consigliate sono i seguenti:
a. Se il medico fornisce misure di intervento normali per il valore critico, significa che la credibilità dell'intervallo di attivazione del valore critico è aumentata Innanzitutto, aggiornare le informazioni sulla registrazione della frequenza del valore critico, quindi aumentare l'elemento valore del gruppo ed è possibile aggiornarlo in questo momento. I dati dell'intervallo dell'intervallo di valori critici rappresentano un intervallo più accurato di valori critici per un determinato progetto. Se il valore critico in questo intervallo rientra nell'intervallo originale di valori critici, il numero di occorrenze dell'intervallo verrà aumentato Se il valore critico supera l'occorrenza originale, i dati dell'intervallo dell'intervallo dei valori critici saranno più accurati. Per l'intervallo dei valori critici, verranno aggiunti nuovi dati dell'intervallo, l'intervallo verrà espanso e il numero di vengono registrati i tempi; infine, le misure di trattamento del medico e il valore critico vengono associati e memorizzati nell'indice della memoria delle misure. Il record dell'indice include ma non è limitato a quanto segue: Le misure di trattamento utilizzate nei diversi progetti includono a quale intervallo appartengono , cosa includono i valori trigger storici e i rapporti attuali e storici del paziente associato, le visite mediche, i valori critici e altre informazioni.
b. Se il medico fornisce un'elaborazione anomala per il valore critico, ad esempio facendo clic sul pulsante della domanda di feedback, significa che la credibilità dell'intervallo di attivazione del valore critico è ridotta Innanzitutto, inserire le informazioni chiave del valore critico nell'indice della domanda di feedback ; quindi, passare all'intervallo di valori critici. Anche i dati anomali rilevanti verranno inseriti nell'indice dell'intervallo; infine, verrà aggiornato anche l'indice delle misure di gestione e verranno fornite anche domande di feedback; la pagina di analisi statistica corrispondente e la decisione finale verrà presa manualmente per determinare se l'ambito è stato modificato;
4. Utilizzare Flink per eseguire l'output su Elasticsearch
Utilizzando l'API Flink Elasticsearch, aggiungi ElasticsearchSink come output del risultato e memorizza i risultati calcolati nel passaggio precedente in diverse strutture di indice di ES in base a diverse dimensioni.
Inclusi ma non meno dei seguenti indici: indice dei dati originali del valore critico, indice dei dati espansi del valore critico, indice di distribuzione della frequenza dell'intervallo di valore critico, indice di distribuzione della misura di elaborazione del valore critico, ecc.
3.1 Processo di invio del valore critico
Dopo l'elaborazione dei dati da parte del servizio principale, è possibile richiamare l'interfaccia back-end del portale unificato utente e quindi utilizzare WebSocket per completare il push dei messaggi front-end e back-end oppure il servizio principale può integrare direttamente WebSocket per essere responsabile dell'interazione con il front-end del portale e infine visualizzare il valore critico sul front-end del portale utente per dominare l'interfaccia pop-up.
Nella finestra pop-up che domina lo schermo, oltre a visualizzare le informazioni di base corrispondenti ai valori critici, le informazioni sui report e le informazioni sul paziente, i medici possono anche compilare le misure di intervento da inviare o fare clic sul pulsante della domanda di feedback.
Le seguenti informazioni sull'assistente di riempimento verranno visualizzate nella finestra pop-up dominante:
a. La frequenza con cui si verificano le varie misure terapeutiche per il valore critico del progetto, il medico può fare clic rapidamente per riutilizzarle;
b. La frequenza dei valori critici nei diversi intervalli di attivazione del progetto verrà utilizzata come riferimento dai medici per confermare il valore critico;
c. Grafico di analisi comparativa delle tendenze storiche del progetto, nonché della frequenza con cui si verificano le stesse informazioni anomale sul progetto quando il progetto ha un valore critico e quando si verificano altri valori critici;
d. Altre informazioni di riferimento storico, come cronologia dei trattamenti medici, cronologia dei rapporti, cronologia dei valori critici, ecc.;
3.2. Processo di elaborazione del valore critico
Quando il medico gestisce la finestra pop-up dei valori critici che domina lo schermo, chiamerà l'interfaccia back-end del portale unificato, attiverà i dati dell'argomento "Elaborazione dei valori critici" di Kafka e inserirà il collegamento di elaborazione dei valori critici del servizio principale.
I medici hanno due modalità di elaborazione. Possono compilare le misure di intervento e inviarle oppure fare clic sul pulsante della domanda di feedback. Entrambi i metodi possono terminare il processo di elaborazione.
6.1. Configurare il servizio di cronometraggio, utilizzare la funzione di aggregazione per eseguire l'elaborazione secondaria sui dati ES e i risultati dell'elaborazione continueranno a essere archiviati nel nuovo spazio indice.
6.2. Sviluppare un'interfaccia BI front-end per visualizzare i dati dell'indice dei valori critici prima e dopo l'elaborazione e fornire suggerimenti per l'analisi.
1) Fornire risultati di analisi e valutazioni per l'intervallo di riferimento, consentendo la conferma finale manuale se l'intervallo di calibrazione è stato modificato.
2) Fornire un'analisi raccomandata per le misure di trattamento. Per le diverse misure di trattamento vengono fornite varie statistiche e linee guida in base al numero di utilizzi, ai percorsi di elaborazione, ai corrispondenti intervalli di valori, nonché alle tendenze storiche del progetto, all'associazione con altri progetti concorrenti, alle informazioni storiche sulla diagnosi. , ecc., analizzare.
1) Definire gli indicatori di valutazione del valore critico: il dipartimento medico dovrebbe definire indicatori di valutazione del valore critico, quali: percentuale di elaborazione %, tempo medio di elaborazione h, percentuale di elaborazione tempestiva/velocità di elaborazione nelle 24 ore %, percentuale di follow-up del paziente a sei ore % , numero totale di elaborazioni di valori critici, ecc. ;
2) Statistiche sui valori critici: il dipartimento medico deve supervisionare, ispezionare, monitorare e analizzare regolarmente l'implementazione del sistema di gestione dei valori critici in ciascun dipartimento e valutare regolarmente la tempestività della segnalazione e della gestione dei valori critici. Nella componente del valore critico del portale medico, i dati del valore critico di ciascun dipartimento vengono aggregati e visualizzati. Classifiche e dati dettagliati di vari indicatori vengono visualizzati in base alle due dimensioni di dipartimento e medico. Supporta inoltre l'esportazione di report per visualizzare i dati dare un'occhiata e confrontare regolarmente le differenze all'interno dell'ospedale. Confrontare gli indicatori in momenti specifici e formulare un piano di miglioramento per la fase critica dell'ospedale.
3) Feedback sul valore critico: il dipartimento medico deve aggiornare e adattare gli elementi di valore critico e i valori critici in base alle condizioni cliniche effettive, incorporare la gestione del valore critico del dipartimento nella valutazione della qualità medica del dipartimento, sviluppare una componente di feedback sul valore critico per il personale medico portale e raccogliere, analizzare e gestire in modo uniforme questo feedback.
Processo: LIS - Data Center - Producer - Kafka Source - Flink - Elaborazione - Elasticsearch
1. Quando i tecnici medici scoprono una situazione critica, l'ispettore (ispettore) deve prima confermare se gli strumenti di ispezione, le attrezzature e il processo di ispezione sono normali, verificare se i campioni sono corretti, se l'operazione è corretta e se la trasmissione dello strumento non è corretta Dopo la conferma dell'esame clinico e dell'ispezione Se non sono presenti anomalie in tutti gli aspetti del processo (esame), riesaminare in modo tempestivo (il reparto di imaging può decidere se è necessario un riesame in base alla situazione reale solo se i risultati di i due riesami sono uguali è possibile rilasciare i risultati dell'esame (esame).
2. Dopo che il sistema di ispezione (ispezione) ha inviato il valore critico, avvierà una chiamata all'interfaccia di invio del valore critico del data center attraverso la piattaforma di integrazione ospedaliera. Innanzitutto, il valore critico verrà archiviato e quindi l'interfaccia del produttore del centro messaggi in questo piano sarà chiamato a consegnare "Invia valore critico" Argomento" a Kafka;
3. Il servizio principale di questa soluzione utilizzerà Flink per sottoscrivere il valore critico di Kafka per inviare l'argomento e utilizzerà l'API Flink Transform per elaborare i dati ricevuti per formare i dati richiesti, quindi utilizzerà l'API Flink Elasticsearch per aggiungere ElasticsearchSink per restituire i risultati all'indice correlato ad Elasticsearch;
4. Dopo l'elaborazione dei dati da parte del servizio principale, è possibile richiamare l'interfaccia back-end del portale unificato dell'utente, quindi è possibile utilizzare WebSocket per completare il push dei messaggi front-end e back-end oppure il servizio principale può integrarsi direttamente WebSocket sarà responsabile dell'interazione con il front-end del portale. Infine, l'interfaccia pop-up del valore critico viene visualizzata sul front-end del portale utente;
5. A questo punto il processo di invio termina.
Processo: Portale - Data Center - Produttore - Sorgente Kafka - Flink - Elaborazione - Elasticsearch
1. Durante l'utilizzo quotidiano del sistema portale, se un utente medico riceve una notifica di valore critico, questa verrà visualizzata sotto forma di una finestra pop-up che domina lo schermo;
2. Il medico esprime un giudizio sulla base delle informazioni sul valore critico del paziente, nonché sulle informazioni del rapporto, sulle informazioni sulla consultazione medica, ecc. Se viene confermato che soddisfa la categoria del valore critico, compilerà le misure di intervento corrispondenti e attivare la logica di elaborazione dei valori critici del data center;
3. Il data center aggiorna innanzitutto le informazioni sul valore critico, quindi avvia una chiamata all'interfaccia di invio del valore critico del sistema di ispezione (ispezione) attraverso la piattaforma di integrazione ospedaliera, quindi chiama l'interfaccia del produttore del centro messaggi in questa soluzione per fornire il " Argomento "Elaborazione del valore critico" per Kafka;
4. Il servizio principale di questa soluzione utilizzerà Flink per iscriversi all'argomento di elaborazione dei valori critici di Kafka e utilizzerà l'API Flink Transform per elaborare i dati ricevuti per formare i dati richiesti, quindi utilizzerà l'API Flink Elasticsearch per aggiungere ElasticsearchSink per generare l'output risultati nell'indice pertinente di Elasticsearch;
5. Se al passaggio 2 il medico determina che il valore critico è un falso allarme, fare clic sul pulsante "Domanda feedback" per segnalare il problema di errore all'interfaccia "Modulo di gestione medica" per la successiva analisi;
1. Basato sulla combinazione di Kafka + Flink, sfrutta la tecnologia del motore di streaming di big data per ottenere un'elaborazione dei dati altamente affidabile, efficiente, in tempo reale e altamente scalabile per scenari di invio ed elaborazione di valori critici e infine raggiunge un valore critico calibrazione del range e scopo delle misure consigliate;
2. Utilizzare Elasticsearch per archiviare i risultati del calcolo dell'indice diversificato, quindi utilizzare la funzione di aggregazione di ES per eseguire l'analisi secondaria e l'elaborazione dei risultati. La scalabilità e la riutilizzabilità della soluzione complessiva sono state notevolmente migliorate;
3. Applicare il meccanismo basato sugli eventi del centro messaggi a scenari di valore critico, stabilire eventi di messaggio per i nodi chiave del processo a ciclo chiuso del valore critico e specificare i servizi di sottoscrizione per gli eventi tramite la sottoscrizione dinamica. Il processo è chiaro e collegabile. Stabilire un processo completo di elaborazione dei valori critici con il centro messaggi come hub, coprendo il più possibile tutti gli aspetti dello scenario aziendale reale e migliorando la copertura aziendale e la partecipazione del personale;
Quanto sopra introduce il piano "Misure consigliate per la gestione dei valori critici e calibrazione dell'intervallo basate su Kafka + Flink + ES" dell'azienda del 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。
Si dedica alla ricerca tecnologica da più di 30 anni ed è esperto in vari linguaggi come Java, Linux, Javascript, php, css, ecc. Ha dato numerosi contributi nel campo dell'open source stazione di documentazione per gli sviluppatori per condividere alcuni problemi nello sviluppo della tecnologia per riferimento futuro
Posta[email protected]