Använd vårdhanteringsanalys (förhandsversion) i vårddatalösningar
[Denna artikel är en förhandsversion av dokumentationen och kan komma att ändras.]
Vårdhanteringshantering (förhandsversion) gör det möjligt för hälso- och sjukvårdsorganisationer att skapa analytiska scenarier som förbättrar patientresultaten och stöder datadrivet beslutsfattande. Mer information om funktionen och hur du distribuerar och konfigurerar den finns i:
- Översikt över vårdhanteringsanalys (förhandsversion)
- Distribuera och konfigurera analyser för vårdhantering (förhandsversion)
Starta datatransformeringspipeline
De datapipelines som är associerade med den här funktionen omvandlar rådata i bronssjöhuset till aggregerade data i guldsjöhuset. Den grundläggande datatransformeringspipeline konverterar först de kliniska rådata som matas in i bronssjöhuset till en tabellstruktur i silversjöhuset. Notebook för vårdhanteringsanalys aggregerar sedan dessa data ytterligare och kondenserar stora mängder kortfattad information till detaljerad insikter som underlättar analys och stöder beslutsfattande.
Följ dessa steg om du vill köra den här omvandlingen från slutpunkt till slutpunkt:
I din miljö för vårddatalösningar, öppna datapipeline healthcare#_msft_cma.
Välj knappen Kör.
När körningen är klar är data redo att användas i analysarbetsbelastningar.
Visa diagrammen på Power BI instrumentpaneler
I din miljö med vårddatalösningar öppnar du healthcare#_msft_cma_report för att visa mallinstrumentpanelen för analys av Power BI vårdhantering (förhandsversion). Instrumentpanelen visar följande två sidor: Översikt och Kliniska och anspråk.
Översikt
Högst upp på instrumentpanelen ger de viktigaste indikatorerna för patientprestanda en snabb ögonblicksbild av övergripande patientmått. Diagrammen som följer ger en djupare inblick i patientdata, segmenterade efter åldersgrupper och medicinska tillstånd. Om du vill förfina analysen använder du diagramfiltren för att öka detaljnivån till specifika datauppsättningar efter behov. De data som ligger till grund för dessa insikter hämtas direkt från kliniska exempeldata.
Kliniska och påståenden
Visualiseringarna på den här sidan genereras från både datakällorna för kliniska och anspråksexempel. Du kan utforska olika användningsfall, till exempel:
- Analysera anspråk i olika åldersgrupper
- Identifiera medicinska tillstånd med de högsta anspråken
- Att observera anspråkstrender genom åren
Dessa insikter hjälper dig att förstå patientdemografi, förutse vårdbehov och optimera resursallokeringen.
Överväganden för användning
Granska de här viktiga punkterna innan du använder funktionen vårdhanteringsanalys (förhandsversion).
Spark-version
Notebook-filer för vårdhanteringsanalys (förhandsversion) är förkonfigurerade att köras med Spark Runtime version 1.2 (Spark 3.4, Delta 2.4) som standard. Se till att du behåller den här inställningen på miljönivå. Mer information finns i Återställ Spark-körningsversionen på Fabric-arbetsytan.
Redigera Power BI datamodell
För att tillåta användare att redigera datamodellen i Power BI:
Gå till arbetsytevyn för dina vårddatalösningar och välj Inställningar för arbetsyta.
I inställningsfönstret för arbetsytan expanderar du Power BI listrutan och väljer Allmänt.
Under Inställningar för datamodell markerar du kryssrutan Användare kan redigera datamodeller i Power BI-tjänsten (förhandsversion).
Kolumnberäkning
Om du får problem med beräknade kolumner anger du dem igen för att uppdatera med de senaste data:
I arbetsytevyn för dina vårddatalösningar väljer du ellipsen (...) bredvid den semantiska modellen för healthcare#_msft_cma_semantic_model.
Välj Öppna datamodell.
I kontroll Modellvyn, kontrollera de beräknade kolumner. Om några varningsikoner visas bredvid dem väljer du formeln, klipper ut den och klistrar in DAX-formeln (Data Analysis Expressions) igen för att uppdatera den med de senaste data.
Pipelinefel
När du bearbetar kliniska exempeldata för första gången misslyckas pipelinen för vårdhanteringsanalys (förhandsversion). Det här första felet beror på att kliniska exempeldata innehåller felaktiga poster som utformats för att testa valideringsscenarier.
Kör pipelinen igen för lyckad körning.