Health Level-7 or HL7 refere-se a um conjunto de padrões internacionais para transferência de dados clínicos e administrativos entre aplicações de software usados por vários provedores em saúde.
Às vezes é mais conveniente, eficiente e seguro limitar as Buscas FHIR por "Listas" de Recursos pré-definidas.
Desde a v2025.1, suportamos vários recursos relacionados a Listas em nosso Servidor FHIR.
Vou destacar estes recursos aqui e fornecer alguns exemplos.
Em geral, você pode ver os detalhes sobre o Recurso List na documentação oficial do FHIR.
Mas aqui está uma breve descrição baseada no link acima:
Um aplicativo que converte mensagens HL7 em objetos JSON. Há cerca de um ano, comecei um repositório no GitHub para coletar materiais relacionados a HL7. Recentemente, minha equipe adicionou uma interface HL7 à nossa Produção de Interoperabilidade e fomos solicitados a persistir as mensagens HL7. Criamos um tópico Kafka para receber as mensagens HL7. Usamos Kafka Bridges para enviar mensagens para os tópicos Kafka. As mensagens Kafka são enviadas para o Kafka Bridge em formato JSON.
Esta é uma produção de exemplo do Ensemble/Health Connect que demonstra como receber um pedido HL7 (ORM) de entrada a partir de um arquivo, extrair campos (neste caso, informações demográficas básicas) e inseri-los em uma tabela de um banco de dados SQL externo via ODBC.
Incluído no arquivo zip:
Esta interface web foi projetada para facilitar o gerenciamento de Tabelas de Pesquisa de Dados (Data Lookup Tables) por meio de uma página web amigável. É particularmente útil quando os valores da sua tabela de pesquisa são grandes, dinâmicos e mudam frequentemente. Ao conceder aos usuários finais acesso controlado a esta interface web (permissões de leitura, escrita e exclusão limitadas a esta página), eles podem gerenciar os dados da tabela de pesquisa de forma eficiente, de acordo com suas necessidades.
Os dados gerenciados por meio desta interface podem ser utilizados perfeitamente em regras ou transformações de dados do HealthConnect, eliminando a necessidade de constante monitoramento e gerenciamento manual das tabelas de pesquisa, economizando tempo significativo.
Nota:
Se a Tabela de Pesquisa de Dados padrão não atender aos seus requisitos de mapeamento, você pode criar uma tabela personalizada e adaptar esta interface web, juntamente com sua classe de suporte, com modificações mínimas. O código de exemplo da classe está disponível mediante solicitação.
Para gerenciar o acúmulo de dados de produção, o InterSystems IRIS permite aos usuários controlar o tamanho do banco de dados eliminando (expurgando) periodicamente os dados. Esta purga pode ser aplicada a mensagens, registros, processos de negócio e alertas gerenciados.
Consulte a documentação para obter mais detalhes sobre a configuração da tarefa de expurgo:
Olá Desenvolvedores,
Assistam ao video do nosso Desafio de Video Técnico:
Já abriu um CCD e foi recebido por uma parede de XML confuso? Você não está sozinho. Apesar de ser um formato essencial para a troca de dados clínicos, os CCDs são notoriamente densos, verbosos e pouco amigáveis à leitura humana. Para desenvolvedores e analistas que tentam validar sua estrutura ou extrair informações significativas, navegar por esses documentos pode parecer mais arqueologia do que engenharia.
Olá Comunidade,
Aproveite o novo vídeo no canal InterSystems Developers YouTube:
Olá Comunidade,
Assista ao novo vídeo no InterSystems Developers YouTube:
Olá Desenvolvedores,
Assista ao último vídeo no YouTube Desenvolvedores InterSystems:
Olá Comunidade,
Assista ao mais recente vídeo no canal InterSystems Developers YouTube:
Olá Desenvolvedores,
Assista ao vídeo mais recente no InterSystems Developers YouTube:
Interessados entrar em contato no email msantos.ekan@iamspe.sp.gov.br e bsantori.ekan@iamspe.sp.gov.br
Olá Comunidade,
Assista ao video para conhecer os componentes de uma produção HL7 V2 nos produtos InterSystems, que funciona como um mecanismo de integração para conectar sistemas de saúde:
Este artigo busca explorar o funcionamento e desenvolvimento do sistema FHIR-PEX, aproveitando os recursos do InterSystems IRIS.
Otimizando a identificação e o processamento de exames médicos nos centros de diagnóstico clínico, nosso sistema visa aumentar a eficiência e precisão dos fluxos de trabalho de saúde. Ao integrar os padrões FHIR ao banco de dados Java-PEX do InterSystems IRIS, o sistema ajuda os profissionais de saúde com recursos de validação e roteamento, melhorando, em última análise, a tomada de decisões e o cuidado dos pacientes.
Este artigo tem como objetivo explorar como o sistema FHIR-PEX funciona e foi desenvolvido, aproveitando os recursos do InterSystems IRIS.
Agilizando a identificação e o processamento de exames médicos em centros de diagnóstico clínico, nosso sistema visa aumentar a eficiência e a precisão dos fluxos de trabalho de saúde. Ao integrar os padrões FHIR com o banco de dados Java-PEX da InterSystems IRIS, o sistema ajuda os profissionais de saúde com recursos de validação e roteamento, contribuindo, em última análise, para melhorar a tomada de decisões e o atendimento ao paciente.
Eu testei o modelo de programação do GPT da OpenAI há algumas semanas, para ver se ele consegue, por exemplo, fazer algumas transformações de mensagens entre protocolos de saúde. Ele "consegue", em um nível aparentemente razoável.
Já faz quase 3 semanas, o que é um tempo bastante longo para o ChatGPT, então me pergunto com que rapidez ele cresce e se poderia fazer alguns jobs de engenharia de integração para nós. Por exemplo, ele consegue criar uma ferramenta DTL de COS da InterSystems para transformar o HL7 em uma mensagem FHIR?
Os modelos de linguagem grande estão causando alguns fenômenos nos últimos meses. É claro que eu também estava testando o ChatGPT no final de semana passado, para sondar se ele poderia ser um complemento para alguns chatbots de IA "tradicionais" baseados em BERT que eu estava inventando, ou simplesmente os eliminaria.
Transformações DTL e chamadas GetValueAt/SetValueAt em mensagens HL7 truncarão todos os campos com mais de 32 K. Para evitar isso, os métodos GetFieldStreamRaw e StoreFieldStreamRaw devem ser utilizados ao lidar com campos que possam ser maiores que 32K. OBX:5 é um exemplo frequente. Esses métodos têm algumas sutilezas e devem ser usados com cuidado.
Escrito por: @Luana Machado e @Ana Dascenzio
Cenário
No cenário da saúde, seja em um laboratório ou hospital, uma falha de equipamento pode custar muito caro. O custo pode vir pelo tempo de conserto e inutilização da máquina, ou pior, pelo dano a um paciente ou cliente. Portanto, pode ser muito benéfico encontrar sinais antecipados para potenciais problemas, obter essa informação em tempo real e adequar as manutenções em momentos fora do fluxo diário de uso. Para isso, podemos utilizar a tecnologia da InterSystems IRIS em um modelo de manutenção preditiva notificada de equipamentos médicos.
Olá Comunidade,
Nesta demonstração você verá os blocos de construção de uma integração no IRIS for Health e no HealthShare da InterSystems e verá como as mensagens são recebidas, processadas e enviadas —incluíndo mensagens no formato HL7:
⏯ Visão dos Componentes Básicos de Soluções de Integração InterSystems
Olá Desenvolvedores,
Aprendam o básico do gerenciamento de mensagens HL7® V2 no InterSystems IRIS for Health™:
⏯ Introdução a Integrações HL7 V2 no InterSystems IRIS for Health
Olá Comunidade,
Aprendam como transformar seus dados de saúde em para HL7 FHIR e perfeitamente popular o Amazon HealthLake utilizando os Serviços de Transformação de Mensagens InterSystems HealthShare:
⏯ Serviços de Transformação de Mensagens InterSystems HealthShare
Olá Desenvolvedores,
Crie um esquema relacional para seu repositório FHIR para construir analíticos e suporte a decisão:
Anexei um documento que descreve o produto que desenvolvi chamado NiPaRobotica Pharmacy. Esta é uma interface que desenvolvi que aceita solicitações de dispensa de farmácia e converte os itens de linha no pedido em diálogos de dispensa que são enviados para robôs de farmácia. Implantei a interface em 3 Farmácias Hospitalares, duas das quais tinham 6 robôs que foram dispostos de tal forma que as rampas de dispensação canalizavam os medicamentos para as mesas pelos farmacêuticos sentados em vitrines atendendo 1200 pacientes por dia. Os robôs reduziram o tempo médio de espera de 2 horas para uma
Olá Comunidade,
Nós estamos querendo seus comentários sobre nossa nova oferta - Serviços de Transformação de Mensagens HealthShare.
O serviço foi publicado no Marketplace da AWS onde você pode testá-lo de graça!
Nós lançamos um desafio relacionado no Global Masters onde você pode ganhar pontos testando o serviço e um prêmio de "obrigado" a todos que deixarem os comentários a respeito da utilização do serviço nesta postagem.
Olá Desenvolvedores!
Vocês já tiveram que converter mensagens HL7v2 para FHIR (Fast Healthcare Interoperability Resources) e acharam o processo de transformação complicado e confuso? A InterSystems está criando uma nova oferta de SaaS baseada em nuvem chamada de Serviços de Transformação de Mensagens do HealthShare que faz com que este processo se torne simples. Estamos muito empolgados de anunciar um Programa de Acesso Antecipado para esta nossa nova oferta e adoraríamos que vocês o utilizassem e então nos dessem seu feedback a respeito do mesmo! Para isso basta que vocês possuam uma conta grátis AWS, com um bucket S3 para colocar suas mensagens HL7v2 e outro bucket S3 para colocar a saída em FHIR.
Recentemente, a InterSystems concluiu uma comparação de desempenho e escalabilidade da IRIS for Health 2020.1, cujo foco foi a interoperabilidade do HL7 versão 2. Este artigo descreve a taxa de transferência observada para diversas cargas de trabalho e também apresenta diretrizes de configuração geral e dimensionamento para sistemas nos quais a IRIS for Health é usada como um mecanismo de interoperabilidade para as mensagens do HL7v2.
Demonstração pronta para uso de um servidor FHIR no IRIS for Health 2020.2:
Clone este repositório
git clone https://github.com/grongierisc/FHIR-HL7v2-SQL-Demo.git
Docker
docker-compose up --build -d
Pode-se usar a configuração do postman em misc/fhirhl7v2demo.postman_collection.json
Use a IU em http://localhost:4201
Login/Senha : SuperUser/password
3 passos para usá-la: