Persistência de Dados Clínicos Baseada nas Definições ADL de ...

UNIVERSIDADE FEDERAL DE GOIÁSINSTITUTO DE INFORMÁTICA

ÁUREA VALÉRIA PEREIRA DA SILVA

Persistência de Dados Clínicos Baseadanas Definições ADL de Arquétipos do

openEHR

Goiânia2016

ÁUREA VALÉRIA PEREIRA DA SILVA

Persistência de Dados Clínicos Baseadanas Definições ADL de Arquétipos do

openEHR

Dissertação apresentada ao Programa de Pós-Graduação doInstituto de Informática da Universidade Federal de Goiás,como requisito parcial para obtenção do título de Mestre emComputação.

Área de concentração: Ciência da Computação.

Orientador: Prof. Dr. Plínio de Sá Leitão Júnior

Goiânia2016

2

Ficha de identificação da obra elaborada pelo autor, através doPrograma de Geração Automática do Sistema de Bibliotecas da UFG.

CDU 004

Valéria Pereira da Silva, Áurea Persistência de Dados Clínicos Baseada nas Definições ADL deArquétipos do openEHR [manuscrito] / Áurea Valéria Pereira daSilva. - 2016. 90 f.: il.

Orientador: Prof. Dr. Plínio de Sá Leitão Júnior. Dissertação (Mestrado) - Universidade Federal de Goiás, Institutode Informática (INF), Programa de Pós-Graduação em Ciência daComputação, Goiânia, 2016. Bibliografia. Anexos. Inclui lista de figuras.

1. Persistência de dados Médicos. 2. Persistência direta deArquétipos. 3. Interoperabilidade de Registros Eletrônicos de Saúde. I.de Sá Leitão Júnior, Plínio , orient. II. Título.

Todos os direitos reservados. É proibida a reprodução total ou parcial dotrabalho sem autorização da universidade, do autor e do orientador(a).

Áurea Valéria Pereira da Silva

Licenciada em Computação pela UNEMAT(Universidade do Estado de MatoGrosso), Campus de Alto Araguaia. Durante a pós-graduação foi bolsista daCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES).

5

Á minha mãe Alda e ao meu pai Vanderlei

6

Agradecimentos

Agradeço primeiramente a Deus, que me guiou para que eu chegasse aquineste momento, escolhendo cada pessoa que me acompanhou nessa jornada chamada“Mestrado”.

Agradeço ao professor Dr. Plínio de Sá Leitão Júnior pela orientação, exigência,paciência e disponibilidade. Agradeço pela confiança depositada, pelas contribuiçõesatravés das enriquecedoras reuniões.

Aos colegas de curso, em especial ao Paulo, Vinícius e Walisson, que estiveramcomigo nos momentos mais difíceis durante o mestrado, escutando e me dando apoio paraeu não desistir quando as coisas não estavam a meu favor. A Ludmila e ao Alexandre, queme deram atenção para as conversas mais banais, que dava ânimo para retornar a estetrabalho, agradecendo também por ler algumas das minhas produções, pelas sugestões epela troca de experiências. A Laís, Nattane, Joyce, Luis e Afonso, pelo apoio que deramno decorrer do mestrado.

Aos meus “irmãos” de orientação, principalmente á Beatriz que me auxilioutantas vezes em meio as dificuldades que tive no cumprimento dos créditos do mestrado.

Agradeço a Isabel por revisar a minha dissertação, e vejo nela uma grandecompanheira e teria muito orgulho de inclui-la em meu ciclo de amizades.

Ao meu pai Vanderlei e minha mãe Alda, por serem meu porto seguro, ajudandosempre nos caminhos que eu enfrento, apoiando as minhas decisões e desafios. Por minhasirmãs Alba e Wanderléia, pelo apoio e por entenderem minha ausência em momentos bonse ruins de suas vidas, e por sempre retribuírem com abraços repletos de compreensão esaudade.

Aos meus colegas de laboratório, a Capes pelo apoio financeiro, e a todos queperto ou longe, me ajudaram a concretizar esta etapa importante.

7

Albert Einstein,A menos que modifiquemos a nossa maneira de pensar, não seremos capazesde resolver os problemas causados pela forma como nos acostumamos a ver

o mundo.

Resumo

Silva, Áurea V. P. da. Persistência de Dados Clínicos Baseada nas DefiniçõesADL de Arquétipos do openEHR. Goiânia, 2016. 88p. Dissertação de Mes-trado. Instituto de Informática, Universidade Federal de Goiás.

Introdução: OpenEHR é uma padronização dos Sistemas de Informação em Saúde (SIS)que se preocupa principalmente com a troca de Registros de Saúde Eletrônicos (RES). Umdos maiores obstáculos à adoção do openEHR é a carência de especificações de persistên-cia de banco de dados. Objetivo: O objetivo deste trabalho é o mapeamento de estruturasde armazenamento a partir das especificações Archetype Definition Language (ADL) quedescrevem a estrutura do conhecimento clínico. Métodos: Esta pesquisa inicialmente fazum mapeamento sistemático sobre estruturas de persistência que são derivadas direta-mente de especificações ADL, isto é, sem dependências do Modelo de Referência (RM)de openEHR. Uma nova estratégia de persistência é proposta e comparada com as en-contradas na literatura. Resultados: Foram utilizados pressupostos, critérios e regras paraapresentar a abordagem proposta. Uma avaliação considerou aspectos quantitativos dasestruturas de persistência, em comparação com o que foi encontrado na literatura. Con-clusões: A avaliação revelou algumas vantagens da abordagem proposta, tais como: redu-ções de atributos de referência (integridade referencial) e redundância em banco de dadosclínicos; produção de registros clínicos não identificados em relação ao paciente; criaçãode uma tabela de base única para cada arquétipo, independentemente da sua utilizaçãosob a forma de slots; escalabilidade do esquema de banco de dados (número estável detabelas de banco de dados), mesmo na ocorrência de recursão através de slots.

Palavras–chave

Persistência de dados clínicos; Persistência direta de Arquétipos; Interoperabili-dade de Registros Eletrônicos de Saúde.

9

Abstract

Silva, Áurea V. P. da. Clinical Data Persistence Based on OpenEHR Archety-pes ADL Definitions. Goiânia, 2016. 88p. MSc. Dissertation. Instituto de Infor-mática, Universidade Federal de Goiás.

Introduction: OpenEHR is a standardization of Health Information Systems (HIS) thatis mainly concerned with the exchange of Electronic Health Records (EHR). One ofthe major obstacles to the adoption of openEHR is the lack of database persistencespecifications. Objective: The aim of this work is the mapping of storage structuresfrom the Archetype Definition Language (ADL) specifications which describe clinicalknowledge structure. Method: This research initially makes a systematic mapping aboutpersistence structures that are derived directly from ADL specifications, i.e. withoutdependences from the Reference Model (RM) of openEHR. A new persistence strategyis proposed and compared with ones found in the literature. Results: Assumptions,criteria and rules were used to present the proposed approach. Its evaluation consideredquantitative aspects of persistence structures. Conclusion: The evaluation revealed someadvantages of proposed approach, such as: reductions of reference attributes (referentialintegrity) and redundancy in clinical database; production of unidentified clinical recordsin relation to the patient; creation of a single base table for each archetype, regardlessof its use in the form of slots; scalability of database schema (stable number of databasetables), even in the occurrence of recursion through slots.

Keywords

Clinical Data Persistence; Direct Persistence of Archetypes; Interoperability ofElectronic Health Records.

10

Sumário

Lista de Figuras 14

Lista de Tabelas 16

1 Introdução 171.1 Motivação 181.2 Problema 181.3 Objetivo 19

1.3.1 Objetivos específicos 191.4 Organização do trabalho 19

2 Estrutura dos Dados Clínicos a partir do openEHR 212.1 Arquitetura Multinível 212.2 Padrão openEHR 22

2.2.1 Modelo de Referência (MR) 232.2.2 Definição de Arquétipo 24

2.3 Archetype Definition Language – ADL 252.3.1 dADL (Data Archetype Definition Language) 262.3.2 cADL (Constraint Archetype Definition Language) 282.3.3 FOPL (First-Order Predicate Logic) 302.3.4 Função Slot 312.3.5 Modelos de Persistência de Dados Baseada no openEHR 322.3.6 Bases de Arquétipos 32

2.4 Considerações finais 33

3 Trabalhos Relacionados 343.1 Protocolo 34

3.1.1 Elaboração das Questões 353.1.2 Fontes de seleção 36

Idioma dos estudos 36Identificação das Fontes 36

Palavras-chave e termos relacionados 36Formação da string de busca 36

3.1.3 Seleção de estudos 37Critérios de Inclusão dos Estudos 37Critérios de Exclusão dos Estudos 37Definição do Tipo dos Estudos 37Procedimentos para a Seleção 37

3.2 Condução do Mapeamento Sistemático – Processo de Busca e seleção dos

trabalhos 383.3 Condução do Mapeamento Sistemático - Resumo Estruturado dos Estudos

Selecionados 403.3.1 Archetype Relational Mapping Based on openEHR [39] 403.3.2 Archetype relational mapping a practical openEHR persistence solution [40] 413.3.3 Applying the archetype approach to the database of a biobank information

management system [37] 413.3.4 Case Study: Applying OpenEHR Archetypes to a Clinical Data Repository in a

Chinese Hospital [22] 423.4 Condução do Mapeamento Sistemático - Análise dos Estudos Selecionados 42

3.4.1 Estratégias sobre a persistência de dados 433.4.2 Comparação das Estratégias que Persistem Diretamente os Arquétipos 443.4.3 Desafios 45

3.5 Resposta á Questão Primária 463.6 Considerações finais 47

4 Protocolo para o Mapeamento Direto de Arquétipos 484.1 Pressupostos para o Mapeamento Direto dos Arquétipos 484.2 Critérios Básicos para a Persistência dos Arquétipos 494.3 Regras para o Mapeamento Direto dos Arquétipos 51

4.3.1 Regra R1: Metadados para a persistência de dados clínicos 524.3.2 Regra R2: Tabela base para cada arquétipo 524.3.3 Regra R3: Compatibilidade entre versões de arquétipos 534.3.4 Regra R4: Identificação (ID) de linhas nas tabelas 544.3.5 Regra R5: Mapeamento dos Elementos dos Arquétipos 544.3.6 Regra R6: Mapeamento de Coleções 554.3.7 Regra R7: Mapeamento de Slots 55

Exemplo de Utilização da Regra de Mapeamento de Slots (Regra R7) 574.3.8 Regra R8: Nomenclatura do Esquema 58

4.4 Comparação da Abordagem de Mapeamento Direto Proposta com a Literatura 59

12

4.5 Considerações finais 62

5 Prova de Conceito: um estudo comparativo 645.1 Um arquétipo com a presença de coleção e slot em sua definição 655.2 Dois arquétipos distintos com slots que referenciam um mesmo terceiro arquétipo 675.3 Arquétipo com a presença de múltiplos slots em sua definição 695.4 Arquétipo com recursividade oriunda da presença de slots 705.5 Considerações finais 71

6 Conclusão 736.1 Contribuições 746.2 Trabalhos Futuros 74

Referências Bibliográficas 76

A ADL do arquétipo: openEHR-EHR-EVALUATION.goal.v1 80

B ADL dos dois arquétipos e do slots que eles referenciam 82

C ADL do Arquétipo “openEHR-EHR-CLUSTER.exam_eye.v0” 85

D ADL do arquétipo: “openEHR-EHR-CLUSTER.sympto_sign.v1” 86

13

Lista de Figuras

2.1 Modelo Dual [3]. 222.2 Pacote ENTRY do modelo de referência (openEHR UML) [5] 232.3 Representação em mapa mental de arquétipos 252.4 Estrutura da ADL do arquétipo [4] 262.5 Representação do código ADL da seção de Ontology do arquétipo

“openEHR-EHR-CLUSTER.anatomical_location_clock.v0” 272.6 Representação do código ADL da seção Definition do arquétipo

“openEHR-EHR-CLUSTER.anatomical_location_clock.v0”. 292.7 Estrutura hierárquica de um arquétipo, que possui a inclusão de dois slots

– Slot A e Slot B – ambos oriundos de um mesmo arquétipo definido. 32

4.1 Arquétipo de pressão arterial [25] 494.2 Utilização das regras de persistência no arquétipo “openEHR-EHR-

CLUSTER.anatomical_location_clock.v0” 574.3 Exemplo de persistência do arquétipo “openEHR- EHR-

CLUSTER.anatomical_location_clock.v0” 58

5.1 Estrutura de persistência do arquétipo “openEHR-EHR-

EVALUATION.goal.v1”, segundo a abordagem apresentada no trabalho

de Wang et al. [40]. 665.2 Estrutura de persistência do arquétipo “openEHR-EHR-

EVALUATION.goal.v1”, que emprega a abordagem apresentada no

Capítulo 4. 675.3 Estrutura de persistência dos arquétipos “openEHR-EHR-

CLUSTER.anatomical_location_clock.v0” e “openEHR-EHR-

CLUSTER.anatomical_location_relative.v1”, que empregam a abordagem

Wang et al. [40] 685.4 Estrutura de persistência dos arquétipos “openEHR-EHR-

CLUSTER.anatomical_location_clock.v0” e “openEHR-EHR-

CLUSTER.anatomical_location_relative.v1” , que empregam a abor-

dagem apresentada no Capítulo 4. 69

5.5 Representação hierárquica da estrutura definida para o arquétipo

“openEHR-EHR-CLUSTER.exam_eye.v0”. 705.6 Representação hierárquica da estrutura definida para o arquétipo

“openEHR-EHR-CLUSTER.symptom-_sign.v1” 71

A.1 Código ADL do arquétipo “openEHR-EHR-EVALUATION.goal.v1” parte 1 80A.2 Código ADL do arquétipo “openEHR-EHR-EVALUATION.goal.v1” parte 2 81

B.1 Código ADL do arquétipo “openEHR-EHR-CLUSTER.multimedia.v1” 82B.2 Código ADL do arquétipo “openEHR-EHR-CLUSTER.anatomical_location_

clock.v0” 83B.3 Código ADL do arquétipo “openEHR-EHR-CLUSTER.anatomical_location

_relative.v1” 84

C.1 Código ADL do arquétipo “openEHR-EHR-CLUSTER.exam_eye.v0” 85

D.1 Código ADL do arquétipo “openEHR-EHR-CLUSTER.sympto_sign.v1”

parte 1 86D.2 Código ADL do arquétipo “openEHR-EHR-CLUSTER.sympto_sign.v1”

parte 2 87D.3 Código ADL do arquétipo “openEHR-EHR-CLUSTER.sympto_sign.v1”

parte 3 88

15

Lista de Tabelas

2.1 Elementos léxicos da dADL 282.2 Elementos léxicos da cADL 302.3 Elementos léxicos da FOPL 31

3.1 Primeira fase do MS 393.2 Última fase 403.3 Estratégias sobre a persistência de dados 443.4 Comparação das Estratégias que Persistem Diretamente os Arquétipos 453.5 Desafios 46

4.1 Tipos de dados básicos para o mapeamento direto de arquétipos, extraída

de Wang et al. [40]. 504.2 Relação semântica entre versões de arquétipos, adaptada de [40] 534.3 Comparação entre da abordagem proposta nesta pesquisa e o trabalho

Wang et al. [40]. 60

CAPÍTULO 1Introdução

A área da saúde continuamente passa por mudanças, por isto, é muito difícildefinir uma representação para a informação que seja padronizada e válida para todos osdados a serem armazenados nos Registros Eletrônicos de Saúde (RESs) [12].

Um RES é constituído pelo conjunto de informações de saúde de um determi-nado paciente. Essas informações são concebidas a partir de múltiplos eventos ocorridos,como ações, avaliações, observações e instruções [24]. Os Sistemas de Registros Eletrô-nico em Saúde (SRESs) obtiveram uma grande evolução nas últimas décadas, os primei-ros sistemas destinavam a comportar o maior número de informações sobre o paciente,transferindo os dados que estavam em papel, para os registros eletrônicos, isto envolveucaptura de dados, e processos para auxiliar a parte administrativa do sistema [32].

Com o desenvolvimento de SRESs independentes entre instituições de saúde,em que cada uma possui o seu próprio sistema, começou a existir uma dificuldade nainteroperabilidade entre os SRESs, transformando as intuições de saúde em ilhas dedados. O que impossibilitava a troca e compartilhamento de dados entre si, dificultandoum diagnóstico dos pacientes, pois os profissionais de saúde não tinham o acesso aosregistros de saúde realizados pelo paciente em outras instituições. Devido a falta dediretrizes claras e definidas é que ocorreu uma falta de interoperabilidade na obtençãode sistemas, tornando-os cada vez mais isolados entre si [2].

Neste contexto o modelo openEHR, permite a padronização de Sistemas Regis-tros Eletrônicos de Saúde (SRESs) com uma arquitetura multinível [6], permite a inte-roperabilidade entre os SRESs, lidando com as constantes mudanças do conhecimentona área da saúde com uma arquitetura multinível, que separa as informações referentes asaúde, representadas na forma de arquétipos, do conjunto as classes de objetos [15].

O padrão openEHR dispõe um conjunto as classes de objetos, chamado deModelo de Referência (MR) que proporciona uma representação das informações geradasno âmbito de atenção à saúde [14]. O SRES deve estar de acordo com o modelo deinformação disponibilizado, independente de como as informações estão organizadas nobanco de dados utilizado [35].

Os arquétipos no contexto deste trabalho, são descritos como o conjunto de

conhecimentos em saúde para o modelo de um conceito clínico ou de outro domínioespecífico, por exemplo: (i) pressão sanguínea; (ii) frequência cardíaca; (iii) histórico desaúde familiar; dentre outros [8].

Arquétipos são expressos em ADL (Archetype Definition Language), uma lin-guagem de definição de arquétipos que tem uma sintaxe composta por cADL, dADL eFOLP. A sintaxe cADL (Constraint Archetype Definition Language) utiliza para expres-sar a seção de definição de arquétipo. A dADL (Data Archetype Definition Language)demonstra instâncias de dados firmados em um modelo de informação, e sua estrutura écompreensível para humanos e computadores. A FOPL realiza a definição de predicadoslógicos de primeira ordem, no entanto essa sintaxe e raramente utilizada na estrutura dosarquétipos [4].

1.1 Motivação

Este trabalho está contextualizado em uma pesquisa sobre alternativas para apersistência de Registros Eletrônicos de Saúde (RESs), em sistemas que obedeçam oopenEHR, para a recuperação e troca de dados de saúde entre instituições. Em 31 deagosto de 2011, o Ministério da Saúde publicou a portaria 2.073 [10], que determinaque os Sistemas de Registros Eletrônico em Saúde (SRESs) no Brasil devem respeitarum conjunto de preceitos técnicos, para que haja a comunicação de informação, sendo oopenEHR um dos padrões adotados. Ou seja, torna-se uma obrigação que os sistemastroquem as informações de seus RESs seguindo os conceitos clínicos definidos emarquétipos modelados a partir do openEHR. O legado destes sistemas possui formatosproprietários para a persistência de dados e em geral, não aplicam modelagem porarquétipos.

1.2 Problema

Por outro lado, o openEHR não estabelece parâmetros referentes ao armazena-mento e recuperação de dados nas instituições de origem, inexistindo especificação parao mapeamento entre conceitos clínicos e a persistência de dados em si [36]. Assim, é per-tinente que sejam estabelecidas estratégias de persistência que se aproximem da estruturaem que estão representados os conceitos clínicos, empregando-se nesse caso a persistêncianas definições de conhecimento clínico disponibilizada no Clinical Knowledge Manager

(CKM) 1.

1http://www.openehr.org/ckm

18

O presente trabalho apresenta técnicas de persistência, sendo um eixo distintoem comparação com outras pesquisas de persistência utilizando o openEHR, como porexemplo Silva et al. [36], Freire et al. [13], entre outros, que dependem do Modelo deReferência (MR) do openEHR como um caminho de persistência dos RESs. A propostadeste trabalho é utilizar as próprias definições ADL para projetar estruturas de persistênciasem basear-se no MR. Neste contexto, existe o trabalho Wang et al. [40] e Wang et al. [39]que fazem este estilo de persistência.

1.3 Objetivo

O objetivo principal deste trabalho é a análise e proposição de estratégias parao mapeamento de estruturas de persistência, diretamente a partir das definições ADL dearquétipos do openEHR.

1.3.1 Objetivos específicos

Para atingir o objetivo geral foram definidos os seguintes objetivos específicos:

• verificação do estado da arte encontrando abordagens existentes para a persistênciade dados clínicos, que mapeiam diretamente as definições ADL de arquétipos doopenEHR para estruturas de armazenamento;

• extração das informações por diferentes dimensões de abstração de forma objetivadas estratégias para a persistência direta dos arquétipos existentes na literatura;

• avaliação da abordagem proposta com respeito às existentes na literatura, ressaltadoas características das propostas encontradas;

• aplicação da proposta da nova abordagem e das abordagens encontradas no estadoda arte, evidenciado as semelhanças e diferenças entre cada uma delas.

Os termos “persistência direta de arquétipos” e “mapeamento direto de arqué-tipos” referem-se, no presente trabalho, às estruturas de persistência de dados clínicosderivadas a partir das definições de arquétipos pela ADL. Ou seja, as definições ADL sãoanalisadas e utilizadas para determinar que estruturas de armazenamento são necessáriaspara os dados clínicos baseados nos arquétipos.

1.4 Organização do trabalho

Esta dissertação está organizada em seis capítulos, conforme descritos a seguir:

• Capítulo 1: O presente capítulo apresenta o tema da pesquisa, o problema a serexplanado, além de objetivos e a organização geral do trabalho;

19

• Capítulo 2: apresenta a fundamentação teórica do trabalho, expondo definições deRES, do openEHR, do modelo dual, do Modelo de Referência(MR), a estruturaarquétipos, sendo considerados a sintaxe da linguagem ADL, a definição de slot ea apresentação de repositórios de conhecimento clínico, definido o CKM(Clinical

Knowledge Manager), para realizar o mapeamento de arquétipos proposto nestetrabalho;

• Capítulo 3: apresenta um mapeamento sistemático, sendo exibido um protocoloque ressalta os seguintes pontos: elaboração das questões da pesquisa, fontesde seleção, critérios de inclusão dos estudos, critérios de exclusão dos estudos,definição do tipo dos estudos e procedimentos para a seleção. O capítulo aindaapresenta a condução do mapeamento sistemático com processo de busca e seleçãodos trabalhos encontrados com este mapeamento, após a seleção dos trabalhosencontrados e elaborado o resumo estruturado dos estudos selecionados, por fimuma análise dos estudos selecionados é realizada;

• Capítulo 4: apresenta a proposta desta pesquisa abordada na forma de pressupostos,critérios e regras;

• Capítulo 5: este capítulo explora a estrutura de persistência oriunda desta pesquisa,por meio do mapeamentos de arquétipos selecionados, efetuando comparações emrelação à estrutura gerada por outros mapeamentos diretos de arquétipos encontra-dos no mapeamento sistemático;

• Capítulo 6: apresenta a conclusão desta dissertação, discutindo algumas conside-rações finais, as contribuições alcançadas e possibilidades de trabalhos futuros.

20

CAPÍTULO 2Estrutura dos Dados Clínicos a partir doopenEHR

Este capítulo apresenta conceitos da estrutura dos dados clínicos a partir doopenEHR. A Seção 2.1 apresenta as funcionalidades de uma arquitetura multinível. NaSeção 2.2 é descrito o padrão openEHR, sendo apresentados os conceitos do Modelode Referência (MR) e a definição de arquétipo. Na Seção 2.3 é abordada a estrutura dalinguagem ADL. Por fim, na Seção 2.4 são expostas as considerações finais do capítulo.

2.1 Arquitetura Multinível

A utilização da arquitetura multinível tem em vista uma redução de problemasem comparação com a modelagem de um único nível, sendo que os problemas que podemser evitados [5] são:

• dificuldade de manutenção dos requisitos;• problema de adequação semântica;• dificuldade em se alcançar padronização no domínio;• dificuldade de completar os modelos de forma satisfatória;• dificuldade em se alcançar interoperabilidade.

O objetivo da arquitetura multinível proposta pelo openEHR é delimitar os cam-pos de desenvolvimento e do conhecimento em dois níveis em um modelo hierárquico [3].O primeiro nível é usado por profissionais de tecnologia da informação para modelagemde objetos e esquemas de dados preservando a informação sobre saúde, este e comumentechamado de Modelo de Referência (MR). No segundo nível, é delimitado o modelo deconhecimento [24].

A Figura 2.1 apresenta o modelo da arquitetura multinível. À esquerda estãoas informações referentes à saúde, em que os autores são responsáveis pela modelagemdos arquétipos, por meio do MR. No lado mais à direita estão o modelo de referênciae o esquema do banco de dados, sendo este o ambiente de desenvolvimento que os

profissionais de informática são responsáveis. No centro da figura esta o SRES, estesistema é implementado com um conjunto das classes do MR. Conforme estas sãoutilizadas para a modelagem dos arquétipos, o SRES deve estar de acordo com o modelode informação disponibilizado pelos profissionais de saúde, independente de como asinformações estão organizadas no banco de dados utilizado.

Figura 2.1: Modelo Dual [3].

2.2 Padrão openEHR

O openEHR é uma fundação virtual que tem como seu foco principal a padro-nização de Sistemas de Registros Eletrônicos de Saúde (SRESs) e sistemas relacionados,concentrando-se em meios de transformar dados de saúde a partir da forma física emformato eletrônico e garantir a interoperabilidade universal entre os RESs [28].

OpenEHR é um modelo RES interoperável no ponto de vista de informaçãoda ISO 13606 que determina a interoperabilidade destes registros, a ISO 13606 definepadrões de uma arquitetura lógica, tendo em vista o desenvolvimento de um RES universal[18].

O padrão openEHR é um modelo que utiliza esta normatização para a intero-perabilidade entre diferentes Sistemas de Registros Eletrônico em Saúde (SRESs). Estemodelo e utilizado neste trabalho para contemplar a portaria 2.073 [10] publicada peloMinistério da Saúde, que determina que os SRESs no Brasil devem respeitar um conjuntode preceitos técnicos para que haja a comunicação de informação, sendo o openEHR umdos padrões adotados. A seguir serão apresentados alguns conceitos centrais do padrãoopenEHR, lembrando que este modelo obedece a arquitetura multinível descrita na Seção2.1.

22

2.2.1 Modelo de Referência (MR)

O MR define uma estrutura de classes para serem utilizadas no desenvolvimentosde arquétipos. O MR forma o primeiro nível da arquitetura multinível oferecida peloopenEHR, no segundo nível os arquétipos [1].

A norma ISO 13606 define conceitos principais para a adoção de um modelointeroperável de SRESs, sendo eles: COMPOSITION, SECTIONS, ENTRY, e, ELE-MENT [16]. O openEHR apresenta um modelo de referência simplificado e inspiradonas definições da norma ISO 13606 [9]. Para uma visão abrangente deste conceito. A Fi-gura 2.2 apresenta o pacote ENTRY do MR, responsável por classificar os arquétipos pordiferentes tipos de entradas.

Figura 2.2: Pacote ENTRY do modelo de referência (openEHRUML) [5]

As classes do pacote representado na Figura 2.2 podem ser descritas da seguintemaneira:

• ENTRY: Esta classe é a raiz de um item criada no contexto da declaração clínica;• CARE_ENTRY: Define protocolos e atributos de diretriz para todos os subtipos de

entrada clínica;• ADMIN_ENTRY: Esta classe é utilizada para detalhes administrativos, como ad-

missão de funcionários, episódio, localização da ala, alta, nomeação;• OBSERVATION: Esta classe diz respeito a informação crua sobre livre interpreta-

ção de tudo que é dito pelo paciente como sintoma;

23

• EVALUATION: Representa a interpretação clínica, rotulações, ideias, opiniões,resumos, ou visões, a partir da avaliação realizada pelo profissional da área dasaúde;

• INSTRUCTION: Esta classe permite expressar especificações simples ou comple-xas, inclusive em um formulário de fluxo de trabalho totalmente computável. Uti-lizado para qualquer declaração acionável, como medicação e ordens terapêuticas,monitoramento e revisão;

• ACTION: Esta classe registra uma ação clínica que tenha sido realizada. Cada açãocorresponde a um passo de cuidados de algum tipo;

• ACTIVITY: Esta classe define uma única atividade dentro de uma Instrução, comoadministração de medicação.

2.2.2 Definição de Arquétipo

Os arquétipos têm a origem de sua definição desde a antiguidade, os neoplatô-nicos usaram este termo para definir parâmetros de toda matéria que existe. Na filosofiapitagórica são parâmetros matemáticos representados por números. Os arquétipos podemser compreendidos como um plano abstrato associados com as ideias de quantidade eforma [18].

Os arquétipos no openEHR definem o conhecimento de saúde sobre as combina-ções estruturadas das classes contidas no modelo de referência, um único arquétipo podeser representado de maneiras distintas a partir de um código ADL [29]. Na Figura 2.3esta a representação de dois arquétipos, sendo que na Figura 2.3 (a) esta o mapa mentaldo arquétipo “openEHR-EHR-CLUSTER.anatomical_location_clock.v0” que tem partede sua ADL nas Figuras 2.5 e 2.6, e na Figura 2.3 (b) esta a representação do arquétipo“openEHR-EHR-OBSERVATION.blood_pressure.v1”.

24

(a) Mapa mental do arquétipo “openEHR-EHR-CLUSTER.anatomical_location_clock.v0”

(b) Mapa mental do arquétipo “openEHR-EHR-OBSERVATION.blood_pressure.v1”

Figura 2.3: Representação em mapa mental de arquétipos

2.3 Archetype Definition Language – ADL

A ADL é uma linguagem formal para a criação de arquétipos, que se baseiaem modelos de restrições de entidades de domínio. ADL utiliza três outras sintaxes,cADL para a restrição dos dados clínicos, dADL para a definição de dados, e FOPLpara predicados lógicos de primeira ordem [4]. A estrutura em ADL de uma arquétipoapresentada na Figura 2.4.

25

Figura 2.4: Estrutura da ADL do arquétipo [4]

Conforme a Figura 2.4 os níveis estruturais dos arquétipos podem ser definidosda seguinte maneira [34]:

• Header: o cabeçalho inicial dos arquétipos criados. esta seção descreve as infor-mações básicas de identificação do arquétipo e do respectivo conceito em foco po-dendo ser utilizadas para recuperação em um repositório. Destaca-se em sua estru-tura: linguagem original, especialização (Herança de arquétipos), dados de autoria,possíveis traduções. Suas subseções são: archeytpe, specialise, concept, language,

translation e description;• Definition: as restrições de definição do conhecimento de saúde são escritas em

cADL. É uma seção obrigatória em uma estrutura de arquétipo;• Invariant: nesta seção é apresentada a versão lógica de predicados de primeira

ordem (FPOL) contendo então operações e fórmulas matemáticas e lógicas;• Ontology: esta seção e codificada em dADL, aqui são determinados a configuração

e nome dos objetos, links e restrições. suas subseções são: terminologies_available,

term_definitions, constraint_definitions, term_binding e constraint_binding;• Revision_history: esta seção codifica em dADL apresentando o histórico de alte-

rações ocorridas no arquétipo.

2.3.1 dADL (Data Archetype Definition Language)

A sintaxe dADL opera com um ou mais itens do MR, trabalhando para apresentaras instâncias de dados do modelo de informação, com uma estrutura compreensível [34].

Na seção de ontologia e apresentada na sintaxe dADL os códigos dos objetospresentes no arquétipo, traduções, restrições sobre os termos e referências feitas [24].

26

A Figura 2.5 apresenta um trecho da sintaxe dADL do arquétipo “openEHR-EHR-CLUSTER.anatomical_location_clock.v0”, sendo definidos os termos [atxxxx] para aidentificação das restrições definidas na seção Definition do arquétipo, tal que “xxxx”representa um número sequencial inteiro, a identificadores de termos começam com umaletra maiúscula, enquanto nomes de objetos e sua descrição começam com uma letraminúscula.

Figura 2.5: Representação do código ADL da seçãode Ontology do arquétipo “openEHR-EHR-CLUSTER.anatomical_location_clock.v0”

A Tabela 2.1, descreve os elementos léxicos básicos da linguagem dADL.

27

Tabela 2.1: Elementos léxicos da dADL

dADL

< Abrir um bloco de objeto

> Fechar um bloco de objeto

= Indicar valor do atributo, = bloco de objeto

(,) Nome do tipo plug-in ou delimitadores tipo de sintaxe

<# Abrir um bloco objeto, expresso em um plug-in de sintaxe

#> Fechar um bloco objeto expresso em um plug-in de sintaxe

– Comentário

Dentro <>delimitadores, vários personagens são usados como segue para indicarvalores primitivos:

" Aspas duplas são utilizadas para delimitar valores de cadeia de strings

’Os caracteres aspas simples são utilizadas para delimitar valoresde caracteres individuais

| barras são usadas para delimitar intervalos

[] são usados para, delimitar termos codificados

2.3.2 cADL (Constraint Archetype Definition Language)

A sintaxe é utilizada na seção de definição, onde são expostas as principaisrestrições formais do arquétipo, escritas em linguagem cADL (constaints ADL) [4]. Emsua estrutura destacam-se:

• matches que define uma relação de pertinência;• ocurrences que indica o número de instâncias possíveis de um atributo;• existence que indica a opcionalidade de um atributo;• cardinality que define se o atributo é um container e as palavras ordered, unorde-

rede e unique que definem o tipo de agrupamento lógico usado no container.

No código da Figura 2.6 apresenta um trecho de cADL do arquétipo “openEHR-EHR-CLUSTER.anatomical_location_clock.v0”, no qual a palavra “Events” é definidacomo a cardinalidade de utilização dos elemento como “minCardinality = 1” e “max-Cardinality = * (ilimitada)”. As restrições identificadas por at0000, são as instâncias doconhecimento clínico, definidos por um comentário que apresenta o seu significado.

28

Figura 2.6: Representação do código ADL da seçãoDefinition do arquétipo “openEHR-EHR-CLUSTER.anatomical_location_clock.v0”.

Na Tabela 2.2, descreve os elementos léxicos básicos da linguagem cADL, sendoapresentado o elemento seguido de sua descrição.

29

Tabela 2.2: Elementos léxicos da cADL

Principais itens da Semânticado cADL

{ Abertura de restrições do atributo

} Fechamento de restrições do atributo

* significa o intervalo ou qualquer

– Comentário

∈ Associação definida “p, está em P”

/∈ Associação,“p está não em P”

∼ Negação, “não p”

/.+/ Expressão regular que significa “string não-vazia”

{0..1} Marcadores “de 0 a 1”

{0..*} Marcadores “de 0 a muitos”

2.3.3 FOPL (First-Order Predicate Logic)

Por ser uma linguagem lógica é utilizada na seção Invariant com operadores decomparação, relacionais, aritméticos, booleanos, palavras chave e quantificadores, paraque assim possa ser realizado qualquer operação lógica [34].

Na Tabela 2.3 tem uma visão global sobre os elementos léxicos da FOPL:

30

Tabela 2.3: Elementos léxicos da FOPL

Assertion

(FOPL -First-Order Predicate Logic)

As palavras chave são•exists, for_all;

•true, false;• and, or, xor, not, implies

Operadores aritméticos

• adição: +;• subtração: -;•multiplicação: *;•divisão: /;•exponencial: ^;•resto da divisão: % ;

Operadores de comparação

•igualdade: =;•não igualdade: <>;•menor que: <;•menor ou igual: <=;•maior que: >;• maior ou igual: >=;

Operadores booleanos

•negação: not;•e: and;•xor: xor;•implicação: implies;•associação: matches, is_in;

Quantificadores•existencial: exists

•universal: for_all

2.3.4 Função Slot

Os Slots são a inclusão de arquétipos dentro da estrutura raiz do arquétipo base,os slots em geral são restrições que podem ser adicionado em um determinado ponto,podendo utilizar o mesmo arquétipo em slots com diferentes funções [27].

Na Figura 2.7 é apresentado um modelo representativo de um arquétipo, con-forme sua estrutura hierárquica. A particularidade existente é a inclusão de dois slots,por exemplo, cluster, ambos oriundos de um mesmo arquétipo definido na base de dadosde arquétipos. Esta particularidade representa um desafio para o mapeamento direto dearquétipos, conforme será ressaltado adiante.

31

Figura 2.7: Estrutura hierárquica de um arquétipo, que possuia inclusão de dois slots – Slot A e Slot B – ambosoriundos de um mesmo arquétipo definido.

2.3.5 Modelos de Persistência de Dados Baseada no openEHR

O trabalho [13] apresenta uma técnica que armazena a representação XML doMR, indexado pelos caminhos dos dados definidos por arquétipos. Já o trabalho [23]apresenta a persistência de dados com um estudo sobre quais soluções tecnológicas sãoadequadas para cada componente do servidor seguindo o padrão EN13606, entretantoo tempo para armazenamento de dados é alto na arquitetura proposta. E na proposta dotrabalho [36] define estratégias de persistência com base na geração de esquemas de dadosdas classes do MR. Em um eixo distinto destes trabalhos existe o trabalho [40] que realizaa persistência dos RESs a partir da estrutura ADL dos arquétipos disponibilizados peloopenEHR, sendo a inspiração da presente pesquisa.

2.3.6 Bases de Arquétipos

O desenvolvimento de arquétipos é uma atividade que fornece alguns repositó-rios de arquétipos online [37], com isso podem se destacar as seguintes bases de arquéti-pos, como o Clinical Knowledge Manager (CKM) 1, NEHTA - National E-Health Tran-

sition Authority, Austrália 2, entre outros.O CKM (Clinical Knowledge Manager) é um repositório internacional conheci-

mento clínico online mais utilizado dentre os outros. Reunindo uma comunidade ativa deindivíduos interessados e motivados em promover uma abordagem aberta e internacionalpara informática em saúde, o CKM é responsável por partilhar informações de saúde entrediferentes instituições; entre as aplicações, e através das fronteiras regionais e nacionais.Todas as contribuições para CKM e numa base voluntária, e todo o conteúdo CKM é open

source disponível gratuitamente sob uma licença Creative Commons [30].

1http://www.openehr.org/ckm2http://dcm.nehta.org.au/ckm/

32

De acordo com openEHR, as principais categorias para a descrição de conceitosclínicos e a observação, avaliação, instrução e ação. Esta categorização esta relacionadacom a forma como a informação é criada [21]. O CKM oferece a oportunidade e meiospara os usuários interessados em modelar conteúdo clínico para participar na criação e/ouaperfeiçoamento de um conjunto internacional de arquétipos, e estes por sua vez, tem opotencial de fornecer bases interoperáveis de RES [26].

2.4 Considerações finais

Este capítulo introduziu os conceitos do modelo openEHR, apresentando amodelagem multinível do openEHR, Modelo de Referência (MR), as classes do modeloopenEHR, a definição de arquétipo, Archetype Definition Language – ADL e suas sintaxespara expressar restrições estruturadas das informações hospitalares, além da definição deslot em um arquétipo e o repositório CKM. Com esta fundamentação teórica se passa ater uma visão abrangente sobre o restante do trabalho.

33

CAPÍTULO 3Trabalhos Relacionados

A busca por trabalhos relacionados foi realizada por um Mapeamento Sistemá-tico (MS), que proporciona um cenário geral de uma determinada área de pesquisa, de-tectando os números, e os resultados apresentados sobre o tema. O MS é um tipo derevisão sistemática, que analisa os estudos primários encontrados de uma maneira maisampla, para detectar as propostas de resoluções disponíveis sobre determinado assunto,bem como identificar lacunas nas pesquisas encontradas [17].

Isto significa que o MS tem um processo de condução de uma pesquisa dotipo sistemática, que segue uma sequência de passos metodologicamente muito bemdefinidos e rigorosos, sendo apresentado por um protocolo desenvolvido a princípio.Este instrumento é construído em torno de um ponto central, que representa o núcleode investigação, e que se expressa utilizando conceitos e termos específicos [7].

Em sintonia com o objetivo da presente pesquisa – investigar e desenvolver ummodelo de persistência de arquétipos baseados no openEHR –, um MS de literatura foiconduzido, para verificar os modelos de persistência existentes.

Na Seção 3.1 elabora o planejamento do protocolo deste mapeamento sistemá-tico. Na Seção 3.2 dispõe processo de busca e seleção dos trabalhos, explorando a quan-tidade de estudo que tiveram contribuição para o trabalho. Na Seção 3.3 é realizada umaextração dos dados a partir da leitura integral dos estudos selecionados. Na Seção 3.4 osindícios coletados dos estudos apontados como relevantes são identificados por dimen-sões de abstração, colaborando na investigação do mapeamento sistemático. A respostada questão primária é apresentada na Seção 3.5. As considerações finais do MS é descritana Seção 3.6.

3.1 Protocolo

O planejamento do protocolo deste mapeamento sistemático foi elaborado con-forme o modelo apresentado em [7], cujos os elementos são apresentados nas subseçõesseguintes.

3.1.1 Elaboração das Questões

O protocolo para o desenvolvimento do MS inicia-se com a formulação da ques-tão de pesquisa, que deve representar claramente o objetivo da pesquisa. A formulação daquestão e composta pelos seguintes itens: Questão primária e Qualidade e amplitude daquestão.

A “Questão Primária” define o foco do MS, e deverá ser respondida pela análisedos estudos primários selecionados: Quais as abordagens existentes para a persistênciade dados clínicos, que mapeiam diretamente as definições ADL de arquétipos doopenEHR para estruturas de armazenamento?

Os termos “persistência direta de arquétipos” e “mapeamento direto de arqué-tipos” referem-se, no presente trabalho, as estruturas de persistência de dados clínicosderivadas a partir das definições de arquétipos pela ADL. Ou seja, as definições ADL sãoanalisadas e utilizadas para determinar que estruturas de armazenamento são necessáriaspara os dados clínicos baseados nos arquétipos.

A “Qualidade e Amplitude da Questão” é definida pelos elementos abaixo:

• Intervenção: A intervenção apresenta o que vai ser observado no contexto dapesquisa. Neste MS irão ser observados os seguintes subconjuntos de temas:

– Persistência direta dos arquétipos para um banco de dados;– Regras para mapeamento direto dos arquétipos para um banco de dados.

• Controle: O controle é o que já se tem sobre o tema especificado. No início desteMS continha um único trabalho para referir como base: Wang et al. [40].

• População: A população enquadra os envolvidos nas atividades ou áreas que aquestão primária de pesquisa está ligada, o grupo observado foi o de pesquisadorese desenvolvedores de software de sistema de registros eletrônicos de saúde.

• Efeito: O efeito representa os tipos de resultados esperados no final do MS, sendoeles:

– Propriedades, características de critérios para a persistência direta de arquéti-pos para um banco de dados;

– Contexto de aplicação de cada critério de persistência direta de arquétipos paraum banco de dados;

– Contribuições sobre especificações de arquétipos em ADL pertinentes aomapeamento para um banco de dados.

• Aplicação: Serve de base para apoiar as pesquisas envolvendo os seguintes pontos:

– Delimitar regras para a persistência direta de arquétipos;– Fornecer perspectiva de persistência direta de arquétipos.

35

3.1.2 Fontes de seleção

O objetivo desta seção é apresentar critérios de seleção de estudos nas bases debuscas.

Idioma dos estudos

O idioma definido leva em consideração a ampla disponibilidade dos estudos nasfontes de pesquisa. Assim, neste MS foi definido que qualquer idioma se enquadraria nostrabalhos encontrados, porém a string de busca está escrita em inglês.

Identificação das Fontes

A seleção de fontes para o estudo teve como principal característica sua amplautilização e indexação, bem como a disponibilidade do acervo para consulta. Assim, foidefinido que seriam utilizadas bases de dados eletrônicas indexadas:

• Publicações Médicas (PubMed), que permite a pesquisa bibliográfica de artigos pu-blicados em revistas de grande circulação da área da saúde, e que foi desenvolvidapelo National Center for Biotechnology Information (NCBI), sendo mantido pelaNational Library of Medicine (NLM);

• Association for Computing Machinery (ACM);• Institute of Electrical and Electronics Engineers (IEEE).

Palavras-chave e termos relacionados

• Persistência de conhecimento clínico (clinical knowledge persistence)• Persistência de arquétipos (archetypes persistence);• Banco de dados clínicos (clinical database);• Banco de dados baseado na EN13606 (database based on EN13606);• Armazenamento de arquétipo do openEHR (Archetype storage openEHR).

Formação da string de busca

A string de busca foi feita pela combinação de palavras-chave e termos relaciona-dos da Subseção 3.1.2, que respondem a questão primária de pesquisa, sendo apresentadana forma de uma expressão lógica com os operadores OR e AND.

A primeira busca por artigos nos repositórios foi com a seguinte string de busca:

• ((“persistence” OR “database” OR “storage”) AND ((“EN13606” OR “ope-

nEHR”) AND (“archetypes”))

36

Porém, como a aplicação desta resultou em um número pequeno de artigos (nenhum naACM, dois na IEEE e nenhum no PubMed), a mesma foi reformulada para:

• ((“persistence” OR “database” OR “storage”) AND (“archetypes” OR

“EN13606” OR “openEHR”))

3.1.3 Seleção de estudos

Os critérios de inclusão e exclusão apoiam a seleção dos estudos primários,que serão avaliados no contexto do MS. É necessário definir tais critérios, porque umapesquisa executada em motores de busca na Internet pode encontrar um grande númerode artigos que não correspondem à solução da questão de pesquisa.

Critérios de Inclusão dos Estudos

• Critérios de inclusão 1: Estudos que abordam qualquer característica sobre persis-tência direta dos arquétipos;

• Critérios de inclusão 2: Estudos que tratam da comparação de persistência direta deum banco de dados com outras estratégias;

• Critérios de inclusão 3: Estudos que exploram a conversão de bases de dadosexistentes para a estrutura de arquétipos.

Critérios de Exclusão dos Estudos

• Critério de exclusão 1: Estudos que não estão disponíveis por completo (menos de03 páginas);

• Critério de exclusão 2: Estudos que não abordam informática e saúde;• Critério de exclusão 3: Estudos que não abordam a persistência de dados em saúde;• Critério de exclusão 4: Estudos que não abordam a persistência direta dos arquéti-

pos do openEHR para um banco de dados.

Definição do Tipo dos Estudos

A pesquisa considera publicações em livros, teses, dissertações, monografias,conferências, relatórios e revistas da área de Informática.

Procedimentos para a Seleção

Os procedimentos para a Seleção irão direcionar quais os estudos serão avaliadosde acordo com os critérios de exclusão e inclusão. Neste MS há dois processos de seleçãodescritos a seguir.

37

• Etapa 01 - Seleção Inicial: A seleção envolve a preparação de strings de busca apartir das palavras-chave e dos termos relacionados. Para saber se um determinadoestudo é relevante à pesquisa, serão lidos os resumos (abstracts) e, em caso positivo,estes serão selecionados para serem lidos por completo.

• Etapa 02 - Seleção final das buscas: Para a seleção final serão lidos todos os artigosrelevantes identificados na Etapa 01, sendo analisado se o trabalho possui relevânciapara a pesquisa em andamento, aplicando-se os critérios de inclusão e de exclusão.

3.2 Condução do Mapeamento Sistemático – Processo deBusca e seleção dos trabalhos

Para acesso aos portais de buscas, foi utilizado o seguinte procedimento: (i)entrar no site do repositório; (ii) digitar a string de busca no campo de pesquisa; (iv) clicarno botão enviar para obter os resultados. Nas buscas realizadas na Etapa 01, foram obtidos93 trabalhos. Dentre estes documentos, não havia estudos duplicados. Os trabalhos namaioria foram excluídos por não tratarem sobre persistência de dados clínicos, resultandoem 57 artigos excluídos por este motivo, e 15 artigos excluídos por não tratar sobrepersistência de arquétipos, restando apenas nove estudos selecionados. Na Tabela 3.1,pode-se ter uma visão sobre a quantidade de artigos selecionados na Etapa 01, e osmotivos que levaram á exclusão dos trabalhos.

Os rótulos das colunas da Tabela 3.1 são apresentados abaixo:

• A1- Estudos encontrados com a string de busca;• A2- Estudos selecionados por meio da seleção inicial;• A3- Estudos repetidos em diferentes motores de buscas ou na mesma pesquisa;• A4- Estudos rejeitados no geral;• A5- Estudos rejeitados pelo Critério de Exclusão 1;• A6- Estudos rejeitados pelo Critério de Exclusão 2;• A7- Estudos rejeitados pelo Critério de Exclusão 3;• A8- Estudos rejeitados pelo Critério de Exclusão 4;• A9- Porcentagem final de estudos selecionados;• A10- Porcentagem final de estudos rejeitados.

38

Tabela 3.1: Primeira fase do MS

Artigos encontrados (primeira etapa)

Motoresde Buscas

A1 A2 A3 A4 A5 A6 A7 A8 A9 A10

PubMed 59 5 0 54 5 0 40 9 8,47 91,53

ACM 32 2 0 30 3 4 17 6 6,25 93,75

IEEE 2 2 0 0 0 0 0 0 100 0

Total 93 9 0 84 8 0 57 15 9,47 90,33

No total nove estudos permaneceram na seleção para leitura completa, porém,nem todos estes trabalhos respondiam a questão primária do MS, assim foram descartadosseis estudos sendo eles:

• [20] Os autores desenvolvem um novo repositório clínico de arquétipos, baseadoem ontologias, conforme a norma CEN / ISO 13606, sendo rejeitado neste MS peloCritério de Exclusão 3;

• [31] e [33] Descrevem a manipulação e persistência de um banco de dados deRESs, porém utilizam como base o MR do openEHR, sendo rejeitados neste MSpelo Critério de Exclusão 4;

• [41] Faz uma revisão na literatura sobre a avaliação da aplicabilidade dos RESinteroperáveis, sendo rejeitados pelos Critérios de Exclusão 3 e 4;

• [38] Faz uma comparação de desempenho sobre o armazenamento dos RES comrespeito a técnicas de persistência existentes na literatura do openEHR e outrosmodelos, porém, não faz referência a qualquer mapeamento para um banco dedados, sendo rejeitado pelo Critério de Exclusão 4;

• [12] Faz um levantamento de implementações de armazenamento através doopenEHR, porém nenhuma das implementações o objetivo do artigo refere-se aoMR do openEHR, sendo rejeitado pelo Critério de Exclusão 4.

Ao final do MS restaram três trabalhos que lidava sobre persistência direta dosarquétipos: Wang et al. [40], Späth e Grimson [37] e Min et al. [22]. Na Tabela 3.2 estáa representação dos estudos selecionados no MS. Vale ressaltar que, após esta seleçãoforam verificadas as referências bibliográficas dos estudos selecionados, resultando noacréscimo de outro estudo primário: “Archetype Relational Mapping Based on openEHR

Wang et al. [39]”, totalizando, assim, quatro estudos encontrados ao final.

39

Tabela 3.2: Última fase

Artigos encontrados (etapa final)

Motoresde Buscas

SeleçãoPreliminar

Selecionados RejeitadosPorcentagemde EstudosSelecionados

Porcentagemde Estudosrejeitados

PubMed 5 3 2 60 40

ACM 2 0 2 0 100

IEEE 2 0 2 0 100

Total 9 3 6 33,34 66,66

3.3 Condução do Mapeamento Sistemático - Resumo Es-truturado dos Estudos Selecionados

Nesta etapa do MS foi realizada uma extração dos dados a partir da leituraintegral dos quatro estudos selecionados, conforme descrito na Seção 3.2. Para tanto,foram abstraídos aspectos de comparação – itens de extração de dados – com o objetivode organizar as informações obtidas na leitura dos estudos. Os itens de extração utilizadossão elaborados na forma de um resumo estruturado da seguinte maneira:

• Resumo estruturado: Introdução, objetivo, métodos, resultados, conclusões elimitações.

3.3.1 Archetype Relational Mapping Based on openEHR [39]

Introdução: A complexidade e evolução contínua das informações em saúde éo maior desafio para o desenvolvimento de Sistemas de Informática em Saúde (SISs).O openEHR que é um modelo para implementações de Registros Eletrônico de Saúde(RES), propõem uma modelagem multinível para a solução deste problema, pois as infor-mações em saúde são desenvolvidas pelos profissionais de saúde em um nível diferentedos desenvolvedores. Porém, a persistência dos dados de saúde pelo openEHR, ainda éum grande desafio. Métodos de persistência, como Node+path, determinado pelo ope-nEHR e Mapeamento Objeto Relacional (MOR) do MR podem não satisfazer as necessi-dades de utilização diária de uma instituição clínica. Objetivo: O objetivo deste trabalhoé desenvolver um mapeamento de banco de dados relacional direto a partir dos própriosconceitos clínicos(arquétipos) oferecidos pelo openEHR. Métodos: Para o MapeamentoRelacional de Arquétipos (MRA) foram projetadas quatro regras estruturais e uma seçãopara o controle de diferentes versões do mesmo arquétipo. Resultado: Foram realizados

40

testes com MRA, Node+Path e o MOR. Nota-se que a abordagem MRA foi mais efici-ente que as outras, sendo até 69 vezes mais rápida. Conclusão: Com a abordagem MRApode-se alcançar um alto desempenho de processamento, fazendo com que o openEHRmantenha a vantagem da modelagem multinível para uma continua evolução dos arqué-tipos. Limitações: Uma limitação encontrada no estudo e não solucionada é a utilizaçãorecursiva do mesmo slot, houver múltiplas ocorrências o mapeamento proposto no estudogera redundância das tabelas.

3.3.2 Archetype relational mapping a practical openEHR persistencesolution [40]

Introdução: O openEHR é uma normatização de SISs que descreve a gestão,armazenamento, recuperação e troca de dados de saúde em RES. Um dos obstáculosprincipais para a adoção do openEHR é a falta de soluções de persistência em bancode dados para os sistemas. Objetivo: O objetivo do artigo é desenvolver um banco dedados construído diretamente a partir dos arquétipos. Métodos: O trabalho projeta umconjunto de regras e restrições para o desenvolvimento de uma estrutura de MRA. Para arealização dos testes comparativos com outras abordagens os arquétipos foram analisadose organizados conforme o esquema da base de dados convencional utilizada em umhospital chinês. Resultado: A base de dados MRA foi aproximadamente 6-50 vezes maiseficiente que o banco de dados convencional, enquanto o banco de dados node+path

requer mais tempo do que as duas outras estruturas. Conclusão: O desempenho MRAé superior aos sistemas RESs convencionalmente concebidos, na maioria dos testesrealizados, podendo ser uma solução para o problema de persistência do openEHR.Limitações: A limitação encontrada na abordagem, foi para a utilização recursiva domesmo slot. O mapeamento oferecido pelo autor faz tratamento para a ocorrência dosslots, havendo uma grande limitação neste ponto, pois propõe uma propagação que causauma redundância nas tabelas do banco de dados.

3.3.3 Applying the archetype approach to the database of a biobankinformation management system [37]

Introdução: A abordagem openEHR é um modelo multinível, capaz de dispo-nibilizar um nível para os profissionais de saúde desenvolver os conhecimentos clínicos(arquétipos), e um nível inferior para os profissionais de informática manipular os RESs.Atualmente as instituições de saúde têm que se adequar ao modelo openEHR, pois alémda sua modelagem multinível, o openEHR disponibiliza um padrão para a interopera-bilidade entre sistemas de diferentes instituições. Objetivo: O objetivo deste estudo é

41

investigar a viabilidade de aplicação do openEHR em um banco de dados de um sistemalegado. Métodos: Os autores propõem uma abordagem para que as colunas das tabelas dobanco de dados correspondente aos itens de entrada dos arquétipos sejam agrupadas combase no significado e contexto de cada coluna. Resultado: Um conjunto de 47 arquétiposfoi encontrado para cobrir todos os conceitos utilizados no Biobank. Destes, 29 (62%) fo-ram reutilizados sem mudança, seis foram modificados ou estendidos, e 11 foram recém-definidos. Conclusão: O ponto positivo desta abordagem é a ideia de mapear arquétiposem diferentes entidades, sendo possível gerar um banco de dados diretamente baseado naestrutura dos arquétipos. Limitações: A pesquisa apresenta uma limitação pela diferençaentre a cardinalidade das tabelas do banco de dados e dos arquétipos, causando modifi-cações e desenvolvimento de novos arquétipos, podendo tornar a versão deste banco dedados incompatível com a proposta interoperável do modelo openEHR.

3.3.4 Case Study: Applying OpenEHR Archetypes to a Clinical DataRepository in a Chinese Hospital [22]

Introdução: O openEHR é uma metodologia para a modelagem flexível e es-calável de informação clínica. Este modelo tem sido amplamente adotado na Europa eAustrália. Devido às vantagens da utilização desta metodologia, existem alguns projetosde implementação do openEHR na China. Objetivo: Este trabalho realiza um estudo decaso para aplicar arquétipos do openEHR em um Repositório de Dados Clínicos (RDC)de um hospital chinês. Métodos: Os autores desenvolveram regras para a conversão dobanco de dados para os arquétipos. Ao todo foram seis regras para auxiliar na conversão.Resultado: Os resultados mostram que um conjunto de 26 arquétipos foram encontradospara cobrir os requisitos utilizados no RDC. De todos estes, nove (34,6%) foram reuti-lizados sem alteração, 10 foram modificados ou estendidos, e sete foram desenvolvidos.Conclusão: O trabalho completou o seu objetivo, que era o desenvolvimento da conversãodo banco de dados para os arquétipos. Porém alguns arquétipos foram modificados, es-tendidos ou foram desenvolvidos, devido a grande diferença dos níveis de cardinalidadedas tabelas do banco de dados com os arquétipos. Limitações: A limitação encontradarefere-se a conversão do banco de dados para a estrutura dos arquétipos, sendo uma tarefamuito complicada devido a diferença de cardinalidade estrutural entre ambos.

3.4 Condução do Mapeamento Sistemático - Análise dosEstudos Selecionados

As informações extraídas dos estudos primários selecionados foram organizadasem tabelas expondo os principais aspectos de relevância de cada estudo. Em síntese, a

42

análise dos estudos foi desenvolvida com base na cobertura do conteúdo, sendo apresen-tada nas Tabelas 3.3, 3.4 e 3.5.

• Tabela 3.3. (Estratégias sobre a persistência de dados);• Tabela 3.4 (Comparação das estratégias que persistem diretamente os arquétipos);• Tabela 3.5 (Desafios).

Nestas tabelas, se os campos forem preenchidos com o valor X, expressa que oestudo primário aborda o conteúdo em questão; caso este campo não seja preenchido, esteestudo não aborda aquele determinado assunto.

3.4.1 Estratégias sobre a persistência de dados

Na Tabela 3.3 é avaliado se cada estudo encontrado no MS realmente estabelececritérios semelhantes com o que foi inicialmente estipulado.

Os aspectos explorados sobre as estratégias de persistência de dados são:

• Estratégia para o mapeamento direto dos arquétipos para o banco de dados: analisase o artigo trata sobre persistência direta de arquétipos para um banco de dados;

• Regras para o mapeamento direto dos arquétipos para um banco de dados: seo estudo disponibiliza uma lista metodológica de regras para persistir qualquerarquétipo independente de sua estrutura;

• Conversão de bases de dados existentes para a estrutura de arquétipos: se o estudoexplora a conversão de bases de dados existentes para a estrutura de arquétipos;

• Regras para a conversão de bases de dados existentes para a estrutura de arquétipos:se regras são apresentadas para esta conversão.

43

Tabela 3.3: Estratégias sobre a persistência de dados

Estratégias sobre a persistência de dados

Aspectos de coberturade cada estratégia

Späth andGrimson

(2010) [37]

Wang et al(2014) [39]

Min et al(2015) [22]

Wang et al(2015) [40]

Estratégia para omapeamento direto dos

arquétipos para um bancode dados

X X

Regras para o mapeamentodireto dos arquétipos para um

banco de dados

X X

Explora a conversão debases de dados existentes para

a estrutura de arquétipos

X X X

Regras para a conversão debases de dados existentes para

a estrutura de arquétipos

X

Após a análise dos estudos, comprova-se que há apenas dois estudos referentesa persistência direta dos arquétipos para o desenvolvimento de um banco de dados, sendoWang et al. [39] e Wang et al. [40]. Estes estudos elaboram regras para se obter oarmazenamento dos conceitos dos arquétipos. Mas, vale ressaltar que os estudos são dosmesmos autores, portanto seguem a mesma linha metodológica. As regras empregadas notrabalho de Wang et al. [40], o estudo mais recente, é mais completa.

Os estudos Späth and Grimson [37], Min et al. [22] e Wang et al. [40] convertemuma base de dados para arquétipos. Porém o único que estabelece regras para se obteresta conversão é o estudo Min et al. [22].

3.4.2 Comparação das Estratégias que Persistem Diretamente osArquétipos

Nesta seção será avaliado se as estratégias que persistem os arquétipos abordamos critérios estruturais dos mesmos. Na Tabela 3.4, apresenta a avaliação dos aspectosexplorados, que são os seguintes:

• Recursividade de slots: se a abordagem avaliada considera múltiplas ocorrências aomesmo arquétipo especializado;

44

• Utilização CLUSTER: se a abordagem prevê a utilização de arquétipos do tipoCLUSTER;

• Tratamento para diferentes tipos de coleção: se a abordagem avaliada, consideravárias coleções (elementos do arquétipos com vários sub-elementos) no mesmoarquétipo;

• Múltiplas ocorrência de um mesmo elemento: se a abordagem leva em consideraçãomúltiplos acessos ao mesmo elemento.

Tabela 3.4: Comparação das Estratégias que Persistem Direta-mente os Arquétipos

Comparação das estratégias que persistem diretamente os arquétipos

Aspectos de cobertura decada estratégia

Späth andGrimson(2010) [37]

Wang et al(2014) [39]

Min et al(2015) [22]

Wang et al(2015) [40]

Recursividade de slots

Utilização CLUSTER X X

Tratamento para diferentestipos de coleção

X

Prevê múltiplas ocorrênciasde um mesmo elementos

X X

Após a análise da comparação das abordagens que persistem diretamente osarquétipos para um banco de dados, pode-se notar que a abordagem mais completa édo trabalho Wang et al [40], porém nem mesmo esta abordagem cobre toda a diversidadeda estrutura dos arquétipos, pois a recursividade de slots se torna uma redundância detabelas, tornando de difícil manutenibilidade no banco de dados desenvolvido.

3.4.3 Desafios

Nesta seção será avaliado se cada proposta soluciona as principais limitaçõesencontradas para a persistência direta dos arquétipos, apresentadas na Tabela 3.5.

Os aspectos explorados sobre os desafios são:

• Tratamento para várias versões do mesmo arquétipo: um grande desafio para apersistência direta dos arquétipos e que estes estão em constante modificação. Asabordagens presentes têm que prever um tratamento para diferentes versões domesmo arquétipo, pois podem existir versões discrepantes, estabelecendo uma faltade interoperabilidade dentre estas, falhando na proposta primordial do openEHR;

45

• Tratamento para redundância das tabelas em um banco de dados: outro desafio queo estudo deve se atentar e a redundância das tabelas no banco de dados se a propostafaz tratamento para esta limitação;

• Segurança: neste ponto é avaliado se o estudo se atenta para a segurança dos dadosem saúde;

• Tratamento para a perda de informação com o achatamento dos arquétipos: umalimitação apresentada nas abordagens e a perda de informações referente ao acha-tamento dos elementos dos arquétipos para se adequar as tabelas de um banco dedados já existente.

Tabela 3.5: Desafios

Desafios

Aspectos de coberturade cada estratégia

Späth andGrimson

(2010) [37]

Wang et al(2014) [39]

Min et al(2015) [22]

Wang et al(2015) [40]

Tratamento para váriasversões do mesmo arquétipo

X X

Tratamento para redundânciadas tabelas em um banco de

dados

Segurança

Tratamento para a perdade informação com

o achatamento dos arquétipos

X

Nenhum trabalho cobre o tratamento para redundância das tabelas e a segurançade um banco de dados. O trabalho de Wang et al. [40] se mostrou mais completo emcomparação aos outros, pois ele se atenta a perda das informações com o achatamento epara tratamento de várias versões do mesmo arquétipo. Já os trabalhos de Späth e Grimson[37] e Min et al. [22] apresentam a limitação para a modificação dos arquétipos coma desnomatização, porém estes não apresentam propriamente uma solução. O trabalhoWang et al. [39] soluciona a limitação das atualizações de várias versões do mesmoarquétipo.

3.5 Resposta á Questão Primária

Quais as abordagens existentes para a persistência de dados clínicos, que ma-peiam diretamente as definições ADL de arquétipos do openEHR para estruturas de ar-

46

mazenamento?Existem poucos estudos que mapeiam diretamente as definições ADL de arqué-

tipos do openEHR para estruturas de armazenamento. Dos trabalhos encontrados na lite-ratura muitos pertenciam a um eixo distinto que emprega o MR para a persistência. Dosestudos encontrados, os trabalhos de Späth and Grimson [37] e Min et al. [22] não fazempersistência a partir dos arquétipos e sim exploram a conversão de bases de dados exis-tentes para a estrutura de arquétipos. Ainda assim o trabalho de Min et al. [22] é o únicoque estabelece regras para a conversão dos bancos de dados para arquétipos. Contudo,apenas os trabalhos de Wang et al. [39] e Wang et al. [40] determinam uma maneira dedesenvolver um banco de dados a partir das definições ADL dos arquétipos do openEHR.


Foi projetado um mapeamento sistemático através da metodologia proposta noartigo [7], em que se procura explorar os estudos que apresentam o estado da arte depersistência direta dos arquétipos do modelo openEHR. Com isso foi estabelecida umaquestão primária de pesquisa:

Quais as abordagens existentes para a persistência de dados clínicos, quemapeiam diretamente as definições ADL de arquétipos do openEHR para estruturasde armazenamento?

Um conjunto de quatro estudos primários que foram classificados, e tiveram suasinformações textuais relevantes extraídas na forma de resumo na Seção 3.3, já na Seção3.4 foi exposta a extração das informações por diferentes dimensões de abstração de formaobjetiva, colaborando na investigação do mapeamento sistemático, e contribuindo com oembasamento para a resposta da questão de pesquisa na Seção 3.5.

As evidências coletadas neste capítulo são os pilares para a definição da propostaProtocolo para o mapeamento direto de arquétipos apresentada no Capítulo 4.

47

CAPÍTULO 4Protocolo para o Mapeamento Direto deArquétipos

Este capítulo apresenta a proposta de mapeamento com as regras estruturais queutilizam as definições ADL (Archetype Definition Language) para projetar estruturas depersistência, sem basear-se no Modelo de Referencia(MR), criando um caminho lógico eadaptável com o openEHR, ou seja, realizando o mapeamento direto de arquétipos paraas estruturas de persistência do banco de dados.

Na Seção 4.1 é descrito os pressupostos para o mapeamento direto dos arquéti-pos. Na Seção 4.2 são abordados os critérios básicos para a persistência dos arquétipos.A Seção 4.3 disponibiliza as regras propostas para a persistência dos dados clínicos. NaSeção 4.4 é realizada uma comparação da abordagem de mapeamento direto proposta nopresente trabalho com da abordagem encontrada no mapeamento sistemático do Capí-tulo 3. Por fim na Seção 4.5 apresenta a conclusão do capítulo de mapeamento direto dearquétipos.

4.1 Pressupostos para o Mapeamento Direto dos Arqué-tipos

No contexto desta dissertação, a interoperabilidade entre Sistemas de Informaçãoem Saúde (SISs) é apoiada pela definição e a utilização dos arquétipos. Um RegistroEletrônico de Saúde(RES) que utiliza o modelo de arquétipos terá o mesmo significadoem qualquer lugar. Assim, dados clínicos modelados a partir de arquétipos podem sercompartilhados por vários SISs, permitindo a interoperabilidade das informações emdiferentes instituições [15].

Inspirado em Wang et al. [40], mas não limitado a tal referência, há pressupostospara o mapeamento direto de arquétipos para a persistência de dados, a saber:

• A estrutura de persistência deve promover a integridade, a disponibilidade e aconfidencialidade do dados clínicos para qualquer RES.

• O mapeamento proposto não deve afetar a arquitetura multinível do openEHR, emque o modelo clínico é separado do modelo de informação;

• O mapeamento proposto deve permitir a reutilização de componentes dos RESs,que é alcançado pelo encapsulamento de conceitos clínicos por meio da definição dearquétipos, oferecendo assim uma maior facilidade na recuperação de informações;

• O “código” ADL que define um arquétipo é a fonte de conhecimento para adefinição de regras de mapeamento direto para persistência; assim, a análise destecódigo deve ser criteriosa e sistematizada através de regras de mapeamento.

• Os arquétipos podem ser visualizados como uma estrutura hierárquica de dados (ár-vore), como apresentado na Figura 4.1. Nesta figura se encontra o mapa mental doarquétipo “pressão arterial”, que está definido no CKM(Clinical Knowledge Ma-

nager) [25]. Pode-se perceber nesse mapa mental que se trata de uma estrutura deárvore, que contém a raiz como “Blood Pressure”, possuindo quatro subárvores dedados: “Data”, “State”, “Events” e “Protocol”, e duas subárvores de metadados“Attribution” e “Description”.As definições ADL de cada arquétipo, em geral, estabelecem uma hierarquia deconceitos clínicos, diferentemente do Modelo de Referência (MR) do openEHR,que caracteriza um grafo de objetos. Para o modelo de persistência direta, cadaarquétipo é composto por elementos clínicos simples, podendo ainda possuir subár-vores de dados, coleções de elementos e slots, que caracterizam o uso das definiçõesde outros arquétipos.

Figura 4.1: Arquétipo de pressão arterial [25]

4.2 Critérios Básicos para a Persistência dos Arquétipos

Para a definição de modelos para a persistência direta de arquétipos, algunsaspectos básicos devem ser observados, sendo eles:

49

• Identificação de tipos de dados básicos. Dado que a definição de arquétiposé abstração de conceitos clínicos que, para a sua persistência, irá utilizar umacomposição de tipos de dados básicos do modelo de informação, é pertinente aidentificação destes tipos básicos, baseando-se no Modelo de Referência (MR) doopenEHR. Inspirado em Wang et al. [40], vale considerar o conteúdo da Tabela4.1. A primeira coluna apresenta classes do MR que são concretas e estão em nívelfolha na hierarquia de classes; a segunda coluna denota os atributos geralmenteutilizados na definição da referidas classes; a terceira coluna apresenta os tiposde dados básicos propriamente ditos; a última coluna mapeia os tipos de dadosbásicos para tipos de dados normalmente disponíveis para a definição de esquemasrelacionais.

Tabela 4.1: Tipos de dados básicos para o mapeamento direto dearquétipos, extraída de Wang et al. [40].

Classes do MR AtributosTipos de dadosbásicos

Tipos de dados doModelo Relacional

CodePhrase codeString String NVARCHAR

DvBoolean value Boolean INTEGER

DvCodedText definingCode CodePhrase NVARCHAR

DvCount magnitude Integer INTEGER

DvDateTime value String NVARCHAR

DvEHRURI value URI NVARCHAR

DvIdentifier id String NVARCHAR

DvMultimedia uri DvURI NVARCHAR

DvProportion precision Integer INTEGER

magnitude Double FLOATDvQuantity

units String NVARCHAR

DvText value String NVARCHAR

DvURI value URI NVARCHAR

value String NVARCHARGenericID

name String NVARCHAR

Link target DvEHRURI NVARCHAR

• Identificação de coleções de dados. As coleções de dados referem-se a dadosestruturados, que podem ter ocorrências de repetição. Tais coleções requeremespecial atenção na definição de regras de mapeamento para a persistência. Algunsexemplos de coleções são as classes ITEM_TABLE, ITEM_TREE e ITEM_LISTdo MR. Coleções podem ainda incluir slots, que se referem a pontos de inserção de

50

definições ADL externas ao arquétipo em questão. Os slots são outros arquétiposexistentes e que estão sendo utilizados na definição de um arquétipo particular;

• Identificação de cardinalidade para dados e coleção de dados. Neste texto, otermo “cardinalidade” denota o número de ocorrências de um elemento existentena definição de arquétipos. Estes elementos são dados e coleções de dados, e suacardinalidade tem impacto importante no mapeamento direto para persistência;

• Identificação de itens de consulta. Itens de consulta referem-se a dados que, emgeral, são utilizados em consultas sobre os RESs. Sempre que possível, é pertinenteque tais dados sejam conhecidos e “marcados”, de tal forma que sejam empregadospara a criação de estruturas adicionais de persistência voltadas para a eficiênciadas consultas. Ou seja, podem ser criadas estruturas adicionais de persistência paraagilizar as consultas, tais como a presença de índices, em que os itens de consultadefinem sua chave de indexação.

• Nomenclatura de tabelas e colunas. As definições ADL de arquétipos possuem,em geral, “comentários” associados aos elementos que as compõem, dedicados aestabelecer a semântica do conceito clínico, ou seja, atribuem o significado doselementos para os profissionais de saúde. Desta forma estes comentários devem serusados como o nome dos atributos presentes nas estruturas de persistência, tornado,assim, mais “entendíveis” para a área da saúde.

4.3 Regras para o Mapeamento Direto dos Arquétipos

O mapeamento direto de arquétipos gera um esquema de persistência, a partir deregras definidas, as quais promovem a geração automática das estruturas de persistênciaa partir das definições ADL. Tais regras são introduzidas a seguir.

O termo “tabela” é usado para estabelecer uma estrutura primária de persistência,caracterizada como uma estrutura bidimensional composta por colunas (atributos) elinhas. O termo “esquema da tabela” refere-se aos metadados que compõem uma tabela:os atributos que denotam os elementos das definições ADL, e que se referem aos conceitosclínicos da saúde. As linhas das tabelas referem-se a registros clínicos, ou parte de umregistro clínico, de um paciente. Em síntese, a persistência direta de arquétipos gera umconjunto de tabelas, cada qual com seu esquema, conforme estabelecido nas definiçõesADL dos arquétipos. Tabelas e seus atributos terão um nome, que deve caracterizar opropósito do conceito clínico subjacente.

51

4.3.1 Regra R1: Metadados para a persistência de dados clínicos

Duas tabelas com metadados são propostas para a estrutura de persistência:ARCHETYPE e HEALTH_RECORD. Na descrição destas tabelas, o esquema segue asseguintes convenções: o nome das tabelas estão em letras maiúsculas, os atributos estáentre parênteses e o atributo de identificação está sublinhado.

ARCHETY PE(name_archetype, type, purpose)

HEALT H_RECORD(id_health_record, id_patient,name_archetype,

id_archetype)

A Tabela ARCHETYPE refere-se aos arquétipos que são efetivamente utilizadosnos registros clínicos, e são oriundos de uma ou mais bases de arquétipos. Sobre seusatributos:

• name_archetype: refere-se ao nome do arquétipo, conforme designado na base dearquétipos, e servirá para nomear a sua tabela base;

• type: refere-se à natureza do arquétipo: composite, entry, cluster, etc.;• purpose: descreve o propósito do arquétipo.

A Tabela HEALTH_RECORD refere-se ao registro clínico em si. Seus atributossão:

• id_health_record: refere-se à identificação absoluta do registro clínico, ou seja, umaidentificação única em relação a qualquer outro registro clínico;

• id_patient: refere-se à identificação absoluta do paciente;• name_archetype: refere-se ao nome do arquétipo que serve como base para o

registro clínico; representa um atributo de referência para a Tabela ARCHETYPE;• id_archetype: refere-se à identificação da linha na tabela do arquétipo que serve

como base para o registro clínico.

Qualquer registro clínico deve ser inserido na Tabela HEALTH_RECORD. Valeressaltar que a única tabela da persistência de dados clínicos que possui a identificação dopaciente é Tabela HEALTH_RECORD. As demais tabelas possuem dados clínicos nãoidentificados (em relação ao paciente).

4.3.2 Regra R2: Tabela base para cada arquétipo

Todo arquétipo, independente de sua natureza – entry, composition, cluster, etc.–, terá uma “tabela base”, que conterá os elementos básicos definidos no arquétipo. Atabela base de um arquétipo terá o mesmo nome do arquétipo.

52

Sobre a Regra R1, a descrição da tabela base de cada arquétipo deve estarinserida na Tabela ARCHETYPE.

Outras regras a seguir introduzem “tabelas complementares” à tabela base, como propósito de cobrir todos os conceitos clínicos previstos em cada arquétipo.

4.3.3 Regra R3: Compatibilidade entre versões de arquétipos

É natural a evolução dos conceitos clínicos, devido às contribuições dos diversosespecialistas da saúde e à adaptação a novos requisitos. Esta regra estabelece que versõesnovas e antigas de um mesmo arquétipo devem partir de uma mesma tabela base.

A Tabela 4.2 apresenta itens de compatibilidade e a relação semântica entre di-ferentes versões de um mesmo arquétipo. A primeira coluna chamada “Relação” corres-ponde ao tipo de ligação que a nova versão e a antiga tem; na coluna “Modificação” édescrito o tipo de modificação que o arquétipo sofreu; já na coluna intitulada “Compati-bilidade” será descrito se a nova e a antiga versões são compatíveis.

É importante salientar que, para que a tabela base e as suas tabelas complemen-tares de diferentes versões de um arquétipo seja as mesmas, é requerido um estudo decompatibilidade entre versões em relação às estruturas de persistência. A ideia básica étentar alcançar tal compatibilidade e, não sendo possível, haverá a inclusão da versão doarquétipo no nome das tabelas que o mapeiam.

Tabela 4.2: Relação semântica entre versões de arquétipos, adap-tada de [40]

Relação Modificação Compatibilidade

Modifica parte de descrição Garante a retrocompatibilidade

RevisãoAmplia atributos, variedade deconjuntos de valores, aterminologia

Dados criados por arquétipopré-revistas é compatível coma versão revisada

Fortalece as restrições

Redefine e adiciona nós

EspecializaçãoOs conjuntos de valores esemântica de nós está emconformidade com o arquétipoanterior

O novo arquétipo especializadocria dados que está emconformidade com o progenitor

Altera item obrigatório paraopcional

Nova versãoAjusta o intervalo do valorou conjunto de termoscodificada

As modificações são incompatíveiscom o arquétipo anterior

53

4.3.4 Regra R4: Identificação (ID) de linhas nas tabelas

Cada linha em qualquer das tabelas da persistência de dados clínicos deverá seridentificada por um “atributo de identificação”, ou seja, uma coluna específica para talfim.

A definição ADL de um arquétipo pode prever esta identificação: um elementoexistente na definição ADL com este propósito. Mas, se não for o caso, um atributo(coluna) denominado ID será artificialmente criado para tal fim, mas não será acessívelao profissional de saúde.

Atributos de identificação, previstos na ADL ou artificialmente criados, terãorestrições associadas, tais como unique e clustered index.

4.3.5 Regra R5: Mapeamento dos Elementos dos Arquétipos

A cada elemento de um arquétipo, também denominado “item de dado”, podemser associadas cardinalidades mínima e máxima, assumindo, em geral, os valores: “0”(zero, elemento de ocorrência opcional), “1” (elemento de uma ocorrência) e “*” (ele-mento de várias ocorrências). Os tipos de dados básicos, ilustrados na Tabela 4.1 (pag.50), serão utilizados para os dados clínicos em si, ou seja, para o item de dado que orepresenta.

Com respeito às cardinalidades mínima e máxima, vale salientar:

• Se a cardinalidade máxima de um elemento não for superior a 1 (um), então estedeve ser mapeado para uma coluna da tabela base;

• Se a cardinalidade máxima de um elemento for superior a 1 (um), então o elementodeve ser mapeado para uma tabela complementar, cujo nome será o <nome-da-tabela-base>_< comentário que significa o elemento>. As seguintes colunas farãoparte desta nova tabela:

– atributo de identificação para a nova tabela (atributo artificial), cujo nome seráID;

– atributo de identificação da tabela base, que, neste caso, será denominado“atributo de referência”, e deverá haver “integridade referencial” com res-peito ao atributo de identificação da tabela base; o nome deste atributo seráID_<nome-da-tabela-base>;

– atributo para o elemento da definição ADL, cujo nome será o próprio comen-tário que o identifica.

54

4.3.6 Regra R6: Mapeamento de Coleções

Coleções são agrupamentos de dados, em geral definidos pelos termos do MR:ITEM_TREE, ITEM_LIST, etc. Uma coleção é composta por elementos, que aindapodem ser outras coleções, recursivamente. Similarmente aos elementos previstos naRegra 4, coleções podem ter cardinalidades mínima e máxima.

Com respeito às cardinalidades mínima e máxima, vale salientar:

• Se a cardinalidade máxima de uma coleção não for superior a 1 (um), então cadaum de seus elementos deve ser mapeado para uma coluna da tabela base;

• Se a cardinalidade máxima de uma coleção for superior a 1 (um), então a coleçãodeve ser mapeada para uma tabela complementar, cujo nome será o <nome-da-tabela-base>_<comentário que significa a coleção>. As seguintes colunas farãoparte desta nova tabela:

– atributo de identificação para a nova tabela (atributo artificial), cujo nome seráID_<nome-da-tabela-base>_<comentário que significa a coleção>;

– atributo de identificação da tabela base, que, neste caso, será denominado“atributo de referência”, e deverá haver “integridade referencial” com res-peito ao atributo de identificação da tabela base; o nome deste atributo seráID_<nome-da-tabela-base>;

– um atributo para cada elemento da coleção, cujo nome será o próprio comen-tário que o significa, conforme sua definição ADL.

• vale salientar que uma tabela complementar oriunda de uma coleção pode geraroutras tabelas complementares a mesma, aplicando-se recursivamente às Regras 4e 5.

4.3.7 Regra R7: Mapeamento de Slots

Conforme ressaltado anteriormente, os slots são outros arquétipos existentes eque são utilizados na definição de um arquétipo particular.

Para a introdução de slots, novas tabelas com metadados foram projetadas, emadição às tabelas mencionadas na Regra R1, conforme o esquema abaixo:

SLOT _METADATA(id_meta,name_archetype_origin,name_archetype_target,

card_min,card_max,attribute)

SLOT _DATA(id_data, id_meta, id_archetype_origin, id_archetype_target)

55

O esquema acima segue as mesmas convenções usadas na Regra R1: o nomedas tabelas estão em letras maiúsculas, os atributos estão entre parênteses e o atributo deidentificação está sublinhado.

A Tabela SLOT_METADATA refere-se a presença de slots na definição ADL dearquétipos. Este esquema representa as ligações entre o arquétipo de origem (que possuislots em sua definição) e o arquétipo alvo (que é incluído no arquétipo de origem na formade slots). Seus atributos são:

• id_meta: atributo de identificação (artificial) para a ligação entre arquétipos atravésde slots;

• name_archetype_origin: refere-se ao nome do arquétipo de origem; representa umatributo de referência para a Tabela ARCHETYPE;

• name_archetype_target: refere-se ao nome do arquétipo alvo; representa um atri-buto de referência para a Tabela ARCHETYPE;

• card_min: representa a cardinalidade mínima na qual o arquétipo alvo é inserido noarquétipo de origem, conforme a definição ADL no arquétipo de origem;

• card_max: representa a cardinalidade máxima na qual o arquétipo alvo é inseridono arquétipo de origem, conforme a definição ADL no arquétipo de origem;

• attribute: representa o atributo em si, que designa o comentário que significa apresença do slot no arquétipo de origem.

Neste ponto, vale retornar à Figura 2.7 (pag. 32), em que há a inclusão de doisslots, ambos oriundos de um mesmo arquétipo definido na base de dados de arquétipos.Esta particularidade ocorrerá em duas linhas na Tabela SLOT_METADATA, que terão omesmo valor para os Atributos name_archetype_origin e name_archetype_target. Con-tudo, haverá nestas linhas valores distintos para o Atributo attribute, pois cada slot teráum propósito particular: o comentário que significa a presença de cada slot é individualem relação a qualquer outro slot.

Diferentemente da Tabela SLOT_METADATA, que descreve a presença deslots, conforme as definições ADL dos arquétipos, a Tabela SLOT_DATA refere-se àsua ocorrência nos registros clínicos, ou seja, ela associa linhas das tabelas (base ecomplementares) pelo uso de slots nos registros clínicos existentes. Seus atributos são:

• id_data: atributo de identificação (artificial) para a ligação entre linhas das tabelasdos arquétipos de origem e alvo, devido à ocorrência de slots;

• id_meta: refere-se ao metadado sobre a presença de slots; representa um atributo dereferência para a Tabela SLOT_METADATA;

• id_archetype_origin: refere-se ao valor do atributo de identificação na linha databela pertinente ao arquétipo de origem;

56

• id_archetype_target: refere-se ao valor do atributo de identificação na linha databela pertinente ao arquétipo de alvo.

Exemplo de Utilização da Regra de Mapeamento de Slots (Regra R7)

Para exemplificar o mapeamento direto com a presença de slots, foi es-colhido o arquétipo “openEHR-EHR-CLUSTER.anatomical_location_clock.v0”,que possui em sua estrutura a utilização de um slot, oriundo do arqué-tipo “openEHR-EHR-CLUSTER.multimedia.v1”. O arquétipo “openEHR-EHR-CLUSTER.anatomical_location_clock.v0” tem sua representação no formato de mapamental na Figura 2.3.

Na Figura 2.6 do Capítulo 2 (pag.29) é apresentado o código ADL do Arquétipo“openEHR-EHR-CLUSTER.anatomical_location_clock.v0”. Este arquétipo identifica eregista detalhes estruturados, em termos da posição do ponteiro das horas de um relógioem relação a um local anatômico de referência na face, que representa a posição das 12horas mostradas em um relógio.

Na Figura 4.2 está o modelo de persistência oriundo da aplicação da Regra R7(mapeamento de slots). As Tabelas C_ClockAnatomicalLocation e C_Multimedia foramcriadas em adição às tabelas de mapeamento de slots.

Na Figura 4.3 está a apresentação de uma base de dados aleatória, em quepode ser visualizado a utilização da estrutura de persistência de slots proposta. As Ta-belas C_ClockAnatomicalLocation e C_multimedia possuem linhas com dados clínicosbaseados nos Arquétipos “openEHR-EHR-CLUSTER.anatomical_location_clock.v0”e “openEHR-EHR-CLUSTER.multimedia.v1”, respectivamente. A TabelaSLOT_METADATA possui uma linha que denota a descrição da presença de um slot

no arquétipo openEHR-EHR-CLUSTER.anatomical_location_clock.v0”. As linhas daTabela SLOT_DATA representam as associações dos dados clínicos em si a partir do slot.

Figura 4.2: Utilização das regras de persistên-cia no arquétipo “openEHR-EHR-CLUSTER.anatomical_location_clock.v0”

57

Figura 4.3: Exemplo de persistência do arquétipo “openEHR-EHR-CLUSTER.anatomical_location_clock.v0”

4.3.8 Regra R8: Nomenclatura do Esquema

As regras de nomenclatura podem variar de acordo com a utilização do sistemade arquivos, ou mesmo de um Sistema de Gerenciamento de Banco de Dados (SGBD).Para tal, foram previstas diretrizes para esta nomenclatura, conforme a seguir:

• Os nomes dos arquétipos são utilizados para nomear as suas tabelas bases; opci-onalmente, este nome pode ser concatenado com a natureza do arquétipo (entry,composition, cluster, etc.);

• Cada atributo (coluna em uma tabela) deve ter nome único na tabela e associado aoseu significado;

• Os atributos podem utilizar o nome textual fornecidos dentro do arquétipo, na seçãoontology;

• Se os nomes gerados para as tabelas (bases e complementares) e atributos sãolongos o bastante para violar as restrições de nomenclatura do sistema de arquivos(ou SGBD), estes devem ser reduzidos de forma consistente, desde que aindaofereçam o devido significado.

58

4.4 Comparação da Abordagem de Mapeamento DiretoProposta com a Literatura

Como apresentado no Capítulo 3, o Mapeamento Sistemático(MS) encontrouquatro trabalhos relacionados com a presente pesquisa, porém dois trabalhos -Späth eGrimson [37] e Min et al. [22]- propunham um caminho inverso à proposta apresentada:de bases de dados legadas para a estrutura de arquétipos.

Assim, apenas os trabalhos de Wang et al. [39] e Wang et al. [40] determinamuma maneira de desenvolver uma estrutura de persistência diretamente a partir dasdefinições ADL dos arquétipos do openEHR. Contudo, Wang et al [40] é uma evoluçãodo Wang et al. [39].

Desta forma a presente seção irá confrontar o modelo de persistência desenvol-vido por Wang et al. [40] com a proposta nesta pesquisa.

Para tal, a Tabela 4.3 foi construída para ressaltar as características de ambasas propostas. A primeira coluna aborda os critérios comparativos entre as abordagens,a segunda coluna apresenta a proposta apresentada neste trabalho e na terceira coluna éreapresentada pela a abordagem de Wang et al. [40].

59

Tabela 4.3: Comparação entre da abordagem proposta nesta pes-quisa e o trabalho Wang et al. [40].

Critérios para comparação Abordagem proposta Wang et al. [40]

Aplica estrutura de persistência direta,sem dependência direta do MR

sim sim

Usa métodos de mapeamento dos conceitosclínicos, conforme definições ADL

sim sim

Gera tabelas base e complementares,conforme definições ADL de cada arquétipo

sim sim

Prevê o mapeamento de elementos,coleções e slots sobre conceitos clínicos

sim sim

Produz registros clínicos nãoidentificados, em relação ao paciente

SIM NÃO

Promove a redução de atributos dereferência (integridade referencial)

SIM NÃO

Possui tabelas de metadados, queapoiam melhorias no mapeamento

SIM NÃO

Promove a reutilização de tabelaspertinentes a slots

SIM NÃO

Promove a reutilização de tabelaspor recursividade de slots

SIM NÃO

Prevê ocorrência de váriasversões do mesmo arquétipo

sim sim

Produz mapeamento que não afetaa arquitetura multinível do SRES

sim sim

As definições dos critérios comparativos entre as abordagens são apresentados aseguir:

Aplica estrutura de persistência direta, sem dependência do MR:Sendo um pressuposto básico para a persistência direta de arquétipos, significa

que o “código” ADL que define arquétipos é a “única” fonte de conhecimento para adefinição de regras de mapeamento. Assim, a análise deste código deve ser criteriosae sistematizada através de regras de mapeamentos. Ambas as abordagens desenvolvemprotocolos diferentes que não dependem diretamente do MR.

Usa métodos de mapeamento dos conceitos clínicos, conforme definiçõesADL:

Realiza mapeamento de forma sistemática dos elementos de um arquétipo,através de pressupostos, critérios básicos e regras “bem definidas”, para gerar a estrutura

60

de persistência (tabelas, atributos, atributos de identificação e atributos de referência).Ambas as abordagens desenvolvem regras para que utilizam as definições ADL, sendoque a proposta deste trabalho aprimora essas regras.

Gera tabelas base e complementares, conforme definições ADL de cadaarquétipo:

As definições ADL de cada arquétipo, em geral, estabelecem hierarquias deconceitos clínicos, para o modelo de persistência direta. Cada arquétipo é compostopor elementos clínicos simples, podendo ainda possuir subárvores de dados, coleçõesde elementos e slots, que caracterizam o uso das definições de outros arquétipos. Todoeste cabedal que descreve a estrutura do conhecimento clínico é coberto pela geraçãode tabelas – classificadas como base e complementar – tal que suas linhas materializemdados de RES. Ambas as abordagens seguem esta direção.

Prevê o mapeamento de elementos, coleções e slots sobre conceitos clínicos:Os arquétipos escritos em ADL representam estruturas hierárquicas que podem

ter em sua composição: elementos simples, coleções de elementos e slots. Cobrir defini-ções ADL em sua completude significa estabelecer um mapeamento de todo este potencialde composição, e ambas as abordagens seguem esta linha.

Produz registros clínicos não identificados, em relação ao paciente:Conforme já mencionado, um único registro clínico, em geral, é decomposto

em diversas linhas de diversas tabelas. Cada uma destas linhas, em tese, não deveriater a identificação do paciente, argumento que é justificado por muitos aspectos: (i)redundância da identificação do paciente nas linhas de um mesmo RES; (ii) redução donúmero de atributos nas tabelas da estrutura de persistência; (iii) elevação da segurançados dados em relação à identificação do paciente; (iv) promoção de consultas aos dadosclínicos que por natureza não requer a identificação do paciente (por exemplo, buscaepidemiológica), etc. Tal aspecto está previsto nos pressupostos (Seção 4.1), denominadocomo “confidencialidade”, cuja importância é evidenciada em [19]. Apenas a abordagemproposta atende a este critério de comparação.

Promove a redução de atributos de referência (integridade referencial):Os atributos de referência dizem respeito à integridade referencial e, consequen-

temente, estão ligados ao pressuposto “integridade” (vide Seção 4.1). Na abordagemde [40], observa-se a redundância de atributos de referência: a redundância em uma basede dados, diz respeito à repetição não necessária dos dados nela contidos [11]. Nesseaspecto, a abordagem proposta promove a redução de atributos de referência, pois a abor-dagem de [40] possui um número relativamente elevado destes atributos. Além disso, comrelação às tabelas que possuem dados clínicos propriamente ditos, a abordagem propostainclui atributos de referência somente nas tabelas complementares (a tabela base ligada acada arquétipo não possui atributos de referência).

61

Possui tabelas de metadados, que apoiam melhorias no mapeamento:A abordagem proposta inclui um conjunto de tabelas com metadados, que produz

alguns benefícios ao mapeamento, tais como: (i) os arquétipos efetivamente usados nosregistros clínicos são conhecidos, isto é, sabe-se que arquétipos são utilizados para osRESs da base de dados clínicos; (ii) o isolamento da identificação única do paciente dosseus dados clínicos; (iii) redução do número de tabelas, pois promove a racionalização domapeamento quando há uso de slots na definição dos arquétipos.

Promove a reutilização de tabelas pertinentes a slots:Outro pressuposto básico para a persistência de arquétipos é a reutilização de

componentes dos RESs (Seção 4.1) e, consequentemente, das estruturas de persistência.Na abordagem de Wang et al. [40], se um arquétipo é utilizado “n” vezes na forma de slot

em definições ADL, serão geradas “n” tabelas base para este arquétipo. Na abordagemproposta, cada arquétipo possui somente uma tabela base, mesmo que o arquétipo sejausado “n” vezes na forma de slot.

Promove a reutilização de tabelas por recursividade de slots:A recursão a partir de slots é caracterizada quando um arquétipo insere ele

mesmo, de forma direta ou indireta. A presente proposta não possui impacto no númerode tabelas geradas, mesmo quando há a recursão por meio de slots, diferentemente daabordagem de Wang et al. [40]. Tal aspecto é mostrado na prática no Capítulo 5.

Prevê ocorrência de várias versões do mesmo arquétipo:Uma dificuldade para o mapeamento direto dos arquétipos para sua persistência

é a potencial ocorrência de varias versões de um mesmo arquétipo. Ambas as abordagenscobrem igualmente esse aspecto, mas com enfoque limitado a análise das mudançasnecessárias no esquema das tabelas, para que se possa cobrir várias versões.

Produz mapeamento que não afeta a arquitetura multinível do SRES:Conservar o aspecto multinível da arquitetura multinível do SRES é um dos

pressupostos do mapeamento direto para a persistência (Seção 4.1). As abordagensproduzem distintos protocolos para o mapeamento direto de arquétipo, porém, ambas nãoafetam a arquitetura multinível do SRES.


Este capítulo apresentou a proposta desta pesquisa. Em relação ao texto apresen-tado em Wang et al. [40], este capítulo procurou ser mais didático, tornando a descriçãoda presente pesquisa mais clara para seu entendimento e sua evolução.

A proposta foi apresentada na forma de pressupostos, critérios e regras. Umacomparação entre as propostas (esta pesquisa e Wang et al. [40]) foi produzida. Como

62

vantagens da presente proposta, destaca-se: produção de registros clínicos não identifica-dos, em relação ao paciente; promoção da redução de atributos de referência (integridadereferencial); emprego de tabelas de metadados, que apoiam melhorias no mapeamento;preservação do número de tabelas da base de dados clínicos, mesmo na ocorrência derecursividade por meio de slots; e reutilização de tabelas pertinentes a slots.

O próximo capítulo explora a aplicação de ambas as abordagens, pelo mapea-mento direto de arquétipos para a estrutura de persistência, visando evidenciar suas seme-lhanças e diferenças. São usados arquétipos selecionados de Clinical Knowledge Manager

(CKM) 1.


63

CAPÍTULO 5Prova de Conceito: um estudo comparativo

Este capítulo apresenta uma prova de conceito, pela comparação de ambas asabordagens – a abordagem proposta nesta pesquisa e o trabalho de Wang [40]. Para tal,foram usados arquétipos selecionados do Clinical Knowledge Manager (CKM) 1 para omapeamento direto a partir das definições ADL desses arquétipos.

As definições ADL dos arquétipos selecionados são apresentadas nos Anexos A,B, C e D, em que suas linhas estão numeradas para citação nas seções seguintes.

Na estrutura de persistência proposta nesta pesquisa, observa-se a presençade tabelas com metadados (ARCHETYPE, HEALTH_RECORD, SLOT_METADATA eSLOT_DATA), cujo papel foi introduzido no Capítulo 4, e tabelas dedicadas aos dadosclínicos. Para fins de comparação entre ambas as abordagens, o foco será o esquema dastabelas próprias dos dados clínicos.

Vale ressaltar que a persistência refere-se à geração de tabelas base e comple-mentares, tal que possa cobrir com eficácia a estrutura do conhecimento clínico postonas definições ADL. Os atributos representam os comentários que dão significados aoselementos clínicos; por exemplo, os atributos Goalname e Goaldescription da TabelaE_Goal (Figuras 5.1 e 5.2) referem-se aos comentários Goal name e Goal description

presentes nas Linhas 6 e 11 da Figura A.1, respectivamente.A Seção 5.1 aborda um arquétipo cuja estrutura possui a inclusão de elementos

simples, coleção e slot. A Seção 5.2 explora dois arquétipos distintos, em que ambosincluem um terceiro arquétipo na forma de slot. A Seção 5.3 utiliza um arquétipo maiscomplexo em relação às seções anteriores, em cuja definição se observa a inclusãorepetitiva de um arquétipo na forma de slot, e permite realçar, principalmente, a diferençado número de tabelas entre ambas abordagens. A Seção 5.4 explora a recursividadeoriunda da presença de slots. A Seção 5.5 sintetiza o presente capítulo.


5.1 Um arquétipo com a presença de coleção e slot em suadefinição

Para a demostração de mapeamento direto de arquétipos com a presença de co-leção e slot em sua definição, foi selecionado “openEHR-EHR-EVALUATION.goal.v1”,que é um arquétipo composto por elementos clínicos simples, coleção de elementos e slot.A partir da análise do código ADL do arquétipo, cuja definição ADL, a qual está disponí-vel no Anexo A, foram empregadas ambas as abordagens para a geração da estrutura depersistência.

Na Figura 5.1 está a estrutura de persistência criada segundo a abordagemapresentada no trabalho [40]. Na Figura 5.2 é apresentada a estrutura de persistênciagerada a partir da presente pesquisa.

De acordo com a definição ADL do arquétipo (Anexo A), vale salientar so-bre ambas as figuras: a Tabela E_Goal refere-se à tabela base do arquétipo; a TabelaC_change denota a introdução do arquétipo “openEHR-EHR-CLUSTER.change.v1” pormeio de um slot (Linhas 54 a 56 da Figura A.1); e a Tabela Col_Target refere-se à coleçãocujo significado é target (Linhas 58 a 134 das Figuras A.1 e A.2).

Sobre a comparação da estrutura de persistência gerada a partir de ambas asabordagens:

• Todas as tabelas apresentadas na abordagem de Wang et al. [40] (Figura 5.1) pos-suem o atributo ID_PersonalPatient, que é um atributo de referência à identifica-ção do paciente. Tal atributo não está presente nas tabelas de dados clínicos criadasa partir da presente pesquisa (Figura 5.2), promovendo o isolamento da identifica-ção única do paciente dos seus dados clínicos.

• A redução do número de atributos de referência é outra característica positivarelativa à presente pesquisa. Na abordagem de Wang et al. [40], há cinco atributosde referência (na Figura 5.1, são os atributos marcados com “(ref)”). Na presentepesquisa, há apenas um atributo de refêrencia: ID_Goal na Tabela Col_Target(Figura 5.2).

• A presença de slots eleva o número de tabelas da estrutura de persistência naproposta de Wang et al. [40]. Vale ressaltar que se o arquétipo “openEHR-EHR-CLUSTER.change.v1” for inserido na forma de slot por n outros arquétipos, talabordagem resultará na criação de pelo menos n tabelas em sua estrutura depersistência. Na presente pesquisa, cada arquétipo terá somente uma única tabelabase, mesmo que ele seja utilizado várias vezes na forma de slots. Em síntese, háuma racionalização do número de tabelas na ocorrência de slots. Esse aspecto érealçado na Seção 5.2.

65

• A redução do número de atributos de referência relativo à presente pesquisa possuio efeito colateral pertinente à diminuição de redundância na base de dados clínicos.Para ilustrar, na abordagem de Wang et al. [40]: (i) há a presença de atributos dereferência nas tabelas oriundas da inclusão de slots; e (ii) a identificação do pacienteestá em todas as tabelas da base de dados.

Figura 5.1: Estrutura de persistência do arquétipo “openEHR-EHR-EVALUATION.goal.v1”, segundo a abordagemapresentada no trabalho de Wang et al. [40].

66

Figura 5.2: Estrutura de persistência do arquétipo “openEHR-EHR-EVALUATION.goal.v1”, que emprega a aborda-gem apresentada no Capítulo 4.

5.2 Dois arquétipos distintos com slots que referenciamum mesmo terceiro arquétipo

Esta seção aborda o mapeamento do arquétipo “openEHR-EHR-CLUSTER.multimedia.v1”, que é introduzido, na forma de slot, nos arquéti-pos “openEHR-EHR-CLUSTER.anatomical_location_clock.v0” e “openEHR-EHR-CLUSTER.anatomical_location_relative.v1”. As definições ADLs desses arquétiposestão disponíveis no Anexo B.

Segundo a abordagem de Wang et al. [40], cada ocorrência de inclusão dasdefinições de um arquétipo, por meio de slot, resulta na criação de uma nova tabela paraesse mesmo arquétipo: conforme já ressaltado, se um arquétipo é utilizado “n” vezes naforma de slot, serão geradas “n” tabelas base para esse arquétipo. Na abordagem proposta,cada arquétipo possui somente uma tabela base, independente se o mesmo foi usado naforma de slot.

Nas Figuras 5.3 e 5.4 estão as estruturas de persistência criadas segundo aabordagem de Wang et al. [40] e a proposta nesta pesquisa, respectivamente.

De acordo com a definições ADL dos arquétipos (Anexo B), vale salientar: a ta-bela CClockAnatomicalLocation (Figuras 5.3 e 5.4) é a tabela base pertinente ao arqué-tipo “openEHR-EHR-CLUSTER.anatomical_location_clock.v0”; o arquétipo “CLUS-

67

TER.anatomical_location_relative” possui a tabela base denominada CRelativeAnato-micalLocation (Figuras 5.3 e 5.4); e Direction é uma tabela complementar do arquétipo“CLUSTER.anatomical_location_relative”, devido à presença de elementos clínicos cujacardinalidade máxima é superior a 1 (um) (Linhas 40 a 63 da Figura B.3).

No arquétipo “openEHR-EHR-CLUSTER.anatomical_location_clock.v0”, oslot é observado na Linha 35 da Figura B.2. A Linha 73 da Figura B.3 está o slot no arqué-tipo “CLUSTER.anatomical_location_relative”. Como consequência, o mapeamento se-gundo Wang et al. [40] resulta na criação de duas tabelas: C_multimedia_Clock e aC_multimedia_relative (Figura 5.3). A presente pesquisa realiza esse mapeamento cri-ando uma única tabela: C_multimedia (Figura 5.4).

Neste caso, na abordagem de Wang et al. [40], a elevação relativa do númerode tabelas resulta, também, no aumento de atributos de referência e em uma maiorredundância de dados.

Figura 5.3: Estrutura de persistência dos arquétipos “openEHR-EHR-CLUSTER.anatomical_location_clock.v0” e“openEHR-EHR-CLUSTER.anatomical_location_relative.v1”,que empregam a abordagem Wang et al. [40]

68

Figura 5.4: Estrutura de persistência dos arquétipos “openEHR-EHR-CLUSTER.anatomical_location_clock.v0” e“openEHR-EHR-CLUSTER.anatomical_location_relative.v1”, que empregam a abordagem apresentada no Capítulo4.

5.3 Arquétipo com a presença de múltiplos slots em suadefinição

O arquétipo “openEHR-EHR-CLUSTER.exam_eye.v0” foi selecionado nestaseção, e sua ADL se encontra no Anexo C. A estrutura deste arquétipo possui slots,que incluem vários outros arquétipos (por exemplo, Linhas 27 a 36 da Figura C.1).Os arquétipos incluídos também possuem slots, os quais referenciam alguns daquelesinseridos por “openEHR-EHR-CLUSTER.exam_eye.v0”

A Figura 5.5 representa a estrutura hierárquica do arquétipo “openEHR-EHR-CLUSTER.exam_eye.v0”; cada nó da figura, exceto o nó raiz, refere-se à inclusão pormeio de slot. Observa-se que os arquétipos “openEHR-EHR-CLUSTER.multimedia.v1”e “openEHR-EHR-CLUSTER.exclusion_exam.v1” são os que mais se repetemna estrutura, somando dez nós presentes para cada um desses arquétipos. Osarquétipos “openEHR-EHR-CLUSTER.exam_eye_aqueous.v0” e “openEHR-EHR-CLUSTER.exam_eye_lens.v0” aparecem duas vezes na estrutura.

Sobre a estrutura de persistência gerada, a abordagem de Wang et al. [40] geraráuma nova tabela para cada nó da Figura 5.5. O mapeamento irá criar 47 tabelas em todoo esquema do banco de dados: uma tabela base, 29 tabelas oriundas da presença de slots

e 17 tabelas complementares.Na abordagem da presente pesquisa, além das quatro tabelas próprias para meta-

dados (ARCHETYPE, HEALTH_RECORD, SLOT_METADATA e SLOT_DATA), serãogeradas 24 tabelas no esquema de banco de dados. Tal número representa, praticamente,a metade do número de tabelas segundo a abordagem de Wang et al. [40], denotando

69

significativa redução na estrutura de persistência.

Figura 5.5: Representação hierárquica da estrutura de-finida para o arquétipo “openEHR-EHR-CLUSTER.exam_eye.v0”.

5.4 Arquétipo com recursividade oriunda da presença deslots

Nesta seção, foi utilizado o arquétipo “openEHR-EHR-CLUSTER.symptom-_sign.v1”, cujo código ADL está disponível no Anexo D. Na definição desse arquétipo:(i) existem vários slots; e (ii) há recursividade na inclusão de slots. A recursão écaracterizada, por exemplo, quando um arquétipo insere ele mesmo, de forma direta ouindireta, através da inclusão de slots. Para que haja tal recursividade, a cardinalidademínima do slot incluído, necessariamente, deve ser igual a 0 (zero), sendo, portanto, acondição base de parada da estrutura recursiva.

A Figura 5.6 representa a estrutura hierárquica do arquétipo “openEHR-EHR-CLUSTER.symptom_sign.v1”; cada nó da figura, exceto o nó raiz, refere-se à inclusãopor meio de slot.

Sobre a recursividade observável nessa figura:

• o arquétipo “openEHR-EHR-CLUSTER.symptom_sign.v1”, representado no nóraiz da hierarquia, é referenciado cinco vezes: três recursões diretas e duas indiretas;

• o arquétipo “openEHR-EHR-CLUSTER.health_event.v0”, é referenciado duas ve-zes, na forma de recursão direta.

70

Sobre o impacto da recursividade por meio de slots na estrutura de persistência,ressalta-se:

• no exemplo, a árvore disposta na Figura 5.6, poderá ser expandida, para refletirnovas sub-árvores devido à presença da recursão por meio de slots;

• na abordagem de Wang et al. [40], cada nó da árvore representa uma nova tabelabase do arquétipo pertinente ao nó e, portanto, conforme haja a expansão da árvore,o número de tabelas geradas para a estrutura de persistência cresce de formaimportante;

• na presente pesquisa, a proposta não eleva o número de tabelas geradas, mesmo naocorrência de recursividade por meio de slots.

Figura 5.6: Representação hierárquica da estrutura definida parao arquétipo “openEHR-EHR-CLUSTER.symptom-_sign.v1”


O capítulo anterior (Capítulo 4) apresentou a proposta desta pesquisa. Em rela-ção ao texto apresentado em Wang et al. [40], o referido capítulo possui conteúdo maisdidático, trazendo uma descrição da presente pesquisa de uma maneira clara para seu en-tendimento e sua evolução. Esta constatação possui impacto importante no entendimentorelativo com respeito ao presente capítulo.

Este capítulo explorou a estrutura de persistência oriunda desta pesquisa, pormeio do mapeamentos de arquétipos selecionados, e efetua comparações em relação àestrutura gerada por Wang et al. [40]. Para tal, foram usados arquétipos do Clinical

71

Knowledge Manager (CKM) 2 para o mapeamento direto a partir das definições ADLdestes arquétipos.

A partir dos mapeamentos diretos realizados nos arquétipos selecionados, algu-mas constatações importantes sobre a abordagem proposta nesta pesquisa, em relação aabordagem de Wang et al. [40], são:

• redução de atributos de referência (integridade referencial);• diminuição de redundância na base de dados clínicos;• produção registros clínicos não identificados, em relação ao paciente;• criação de única tabela base para cada arquétipo, independente de sua utilização na

forma de slots;• preservação do número de tabelas da base de dados clínicos, mesmo na ocorrência

de recursividade por meio de slots.


72

CAPÍTULO 6Conclusão

Os Registros Eletrônicos de Saúde (RESs) do modelo openEHR expôs umgrande obstáculo quando se discute sobre armazenamento e recuperação de RES, nãoexistindo especificação para o mapeamento entre conceitos clínicos e a persistência dedados em si. Assim, é pertinente que sejam estabelecidas estratégias de persistência quese aproximem da estrutura em que estão representados os conceitos clínicos.

Este trabalho tem seu foco na persistência de dados clínicos, seguindo o eixo depersistência direta dos arquétipos com base na ADL, reduzindo a dependência do modelode referência do openEHR.

Para reunir trabalhos relacionados e compreender o estado da arte, foi conduzidoum mapeamento sistemático sobre a persistência de dados clínicos baseada nas definiçõesADL de arquétipos do openEHR. Com o conjunto de estudos obtidos, quatro trabalhosrelacionados foram detalhados para identificar seus principais avanços e limitações.

Concluiu-se que existem poucos estudos que mapeiam diretamente as definiçõesADL de arquétipos do openEHR para estruturas de armazenamento. Dos trabalhosencontrados na literatura, muitos pertenciam a um eixo distinto, que emprega o MRpara a persistência. Os trabalhos Späth e Grimson [37] e Min et al. [22] não fazempersistência a partir dos arquétipos e sim exploram a conversão de bases de dadosexistentes para a estrutura de arquétipos. Ainda assim o trabalho de Min et al. [22] éo único que estabelece regras para a conversão dos bancos de dados para arquétipos.Contudo, apenas os trabalhos de Wang et al. [39] e Wang et al. [40] determinam umamaneira de desenvolver um banco de dados a partir das definições ADL dos arquétipos doopenEHR. Eles estabelecem algumas regras para o mapeamento para um banco de dadosrelacional, porém estas regras ainda se enquadravam em uma fase inicial.

A proposta de persistência deste trabalho foi apresentada na forma de pressupos-tos, critérios e regras, podendo se destacar em uma comparação a proposta de Wang etal. [40].

Posteriormente foi explorada a estrutura de persistência oriunda desta pesquisa,por meio do mapeamento de arquétipos selecionados, efetuando comparações em relaçãoà estrutura gerada por Wang et al. [40]. Para tal, foram usados arquétipos do Clinical

Knowledge Manager (CKM) 1 para o mapeamento direto a partir das definições ADLdestes arquétipos.

Em uma visão global, o objetivo dos esforços descritos neste trabalho foi tornarpossível a persistência de RES levando em conta a estrutura das definições ADL dosarquétipos disponibilizados no CKM.

6.1 Contribuições

Algumas contribuições deste trabalho estão elencadas abaixo.

• foi realizado um mapeamento sistemático para conhecer melhor os aspectos depersistência de dados clínicos, podendo destacar-se a identificação de trabalhoscorrelatos, constatando-se que poucas pesquisas utilizam o mapeamento direto dearquétipos para as estruturas de persistência;

• introdução de nova abordagem para o mapeamento direto de arquétipos, foi expostana forma de pressupostos, critérios e regras, como já mencionado;

• avaliação da abordagem proposta, expondo suas vantagens em relação às pesquisasencontradas na literatura, tais como a produção de registros clínicos não identifica-dos, em relação ao paciente; promoção da redução de atributos de referência (inte-gridade referencial); emprego de tabelas de metadados, que apoiam melhorias nomapeamento; preservação do número de tabelas da base de dados clínicos, mesmona ocorrência de recursividade por meio de slots; escalabilidade do esquema debanco de dados (número estável de tabelas de banco de dados), mesmo na ocorrên-cia de recursão através de slots.

6.2 Trabalhos Futuros

Os seguintes desdobramentos podem ser agregados à presente pesquisa:

• aprimorar os critérios de mapeamento de diferentes versões do mesmo arquétipo,o trabalho apresentado incluiu os critérios de mapeamento de diferentes versões domesmo arquétipo conforme o trabalho do Wang et al. [40], estes critérios devem seraprimorados afim que desenvolvam meios para estabelecer a compatibilidade dasestruturas de persistência em relação às distintas versões do mesmo arquétipo.

• medir o desempenho em consultas de recuperação de dados clínicos deste mapea-mento, podendo medir o impacto da abordagem proposta nas consultas aos dadosclínicos em uma instituição de saúde;


74

• automatizar do protocolo para o mapeamento direto de arquétipos, deste modo ouso de meios automáticos facilitará na execução da proposta da dissertação;

• comparar a estratégia de persistência de arquétipos proposta neste trabalho comoutros eixos de pesquisa encontrados na literatura como exemplo: Freire et al. [13]e Silva et al. [36], que utilizam o MR do openEHR para persistir os dados de saúde;

• aprimorar o protocolo apresentado no artigo [22], este protocolo explora a conver-são de bases de dados existentes para a estrutura de arquétipos;

• incluir na automatização do protocolo para o mapeamento direto de arquétiposas regras apresentadas no artigo [22], que regem a conversão de bases de dadosexistentes para a estrutura de arquétipos;

• tratar a perda de informações resultante do achatamento dos arquétipos, sendo estauma limitação encontrada nas abordagens que exploram a conversão das bases dedados existentes para estruturas de arquétipos.

75

Referências Bibliográficas

[1] ATALAG, K.; YANG, H. Y.; TEMPERO, E.; WARRENA, J. Evaluation of software

maintainability with openehr – a comparison of architectures, 2014.

[2] BARBARITO, F.; PINCIROLI, F.; MASON, J.; MARCEGLIA, S.; MAZZOLA, L.; BONA-

CINA, S. Implementing standards for the interoperability among healthcare pro-

viders in the public regionalized healthcare information system of the lombardy

region, 2012.

[3] BEALE, T. Archetypes: Constraint-based domain models for future-proof infor-

mation systems, 2002.

[4] BEALE, T. Archetype definition language 2 (adl2) specification. =

<http://www.openehr.org/releases/AM/latest/docs/ADL2/ADL2.html>, 2003-2016.

[5] BEALE, T. Ehr information model. = <http://www.openehr.org/releases/RM/latest

/docs/ehr/ehr.html>, 2003-2016.

[6] BEALE, T. Openehr architecture overview. =

http://openehr.org/releases/BASE/latest/docs/architecture_overview/architecture_

overview.html, 2003-2016.

[7] BIOLCHINI, J., A. M. P. G. A. N. A. C. C.; TRAVASSOS, G. H. Scientific research

ontology to support systematic review in software engineering. In: Elsevier

Science Publisher, 2007.

[8] BRAGA, R. D.; LUCENA, FÁBIO NOGUEIRA AND, P. S. L.-J. Registro eletrônico

em saúde interoperável: os desafios do padrão openehr. In: Journal Health

Informatic v. 8, n. 3, 2016.

[9] CEN, T. C. . European standardization of health informatics v. 1064 n02-015,

2002.

[10] DA UNIÃO(DOU), D. O. Portaria nº 2073. In: Diário Oficial da União nº 169, pág.

6364, 31 de agosto de 2011.

=

=

=

[11] ELMASRI, R.; NAVATHE, S. Sistemas de banco de dados. In: São Paulo, SP (Brazil)

Pearson Addison Wesley. 4. ed.. 724 p.., 2005.

[12] FRADE, S.; FREIRE, S. M.; SUNDVALL, E.; PATRIARCA-ALMEIDA, J.; CRUZ-

CORREIA, R. Survey of openehr storage implementations. In: Proceedings of

the 26th IEEE International Symposium on Computer-Based Medical Systems, 2013.

[13] FREIRE S. M., SUNDVALL E., K. D.-L. P. Performance of xml databases for

epidemiological queries in archetype-based ehrs. In: Scandinavian Conference

on Health Informatics, 2012.

[14] GAETE, R. A. C. Modelo de interoperabilidade semântica aplicado ao domínio

da saúde: um estudo de caso na vigilância alimentar e nutricional., 2012.

[15] GARDE, S.; KNAUP, P.; HOVENGA, E. J.; HEARD, S. Towards semantic interopera-

bility for electronic health records: Domain knowledge governance for openehr

archetypes. In: Methods of Information in Medicine, 2007.

[16] KALRA, D. Electronic health record standards, 2006.

[17] KITCHENHAM, B. Procedures for performing systematic reviews. In: Engineering

Group, Keele University, Australia, 2004.

[18] KONDO, M. N. S. Mapeamento da base de conhecimento fundamentado em

arquétipos: contribuição à informática em saúde., 2012.

[19] LEITÃO-JÚNIOR, P. S.; DE LUCENA, F. N.; BRAGA, R. D.; NEIRA, R. A. Q. Regula-

ção de segurança da informação eletrônica em saúde: visão geral, 2016.

[20] LOZANO-RUBÍ, R.; CARRERO, A. M.; BALAZOTE, P. S.; PASTOR, X. Ontocr: A

cen/iso-13606 clinical repository based on ontologies. In: Journal of Biomedical

Informatics, 2016.

[21] MARCOS, M.; SALVADOR, B. M. Towards the interoperability of computerised

guidelines and electronic health records: An experiment with openehr archety-

pes and a chronic heart failure guideline, 2010.

[22] MIN, L., L. X. L. . H. D. Case study: Applying openehr archetypes to a clinical

data repository in a chinese hospital. In: MEDINFO 2015: EHealth-enabled Health:

Proceedings of the 15th World Congress on Health and Biomedical Informatics,

volume 216, p. 207, 2015.

[23] MUÑOZ, A.; SOMOLINOS, R.; PASCUAL, M.; FRAGUA, J. A.; GONZÁLEZ, M. A.;

MONTEAGUDO, J. L.; SALVADOR, C. H. Proof-of-concept design and development

of an en13606-based electronic health care record service, 2007.

77

[24] OLIVEIRA-NETO, A. M. Renderização de arquétipos: um estudo de caso em

sumário de alta hospitalar. = http://repositorio.unb.br/handle/10482/16761, 2014.

[25] OPENEHR. Clinical knowledge manager, ckm. = <http://www.openehr.org/ckm/>.

[26] OPENEHR. Documentation. = <http://www.openehr.org/programs/clinicalmodels/

documentation.php>.

[27] OPENEHR. Slots, naming and merging. =

<https://openehr.atlassian.net/wiki/display/spec/Slots,+naming+and+merging>.

[28] OPENEHR. What is openehr? = <http://www.openehr.org/what_is_openehr>.

[29] OZGUR KILIC, VELI BICER, A. D. Mapping archetypes to owl, 2006.

[30] PRADO, J. L. C. M. W. L. S. L. T. C. L. F. P. A. F. Uma abordagem para troca de

mensagens usando arquÉtipos, 2013.

[31] PAUN, I. D. D. G. S. N.; IOSIF, O.; STAN, O.; PERSE, A.; DEHELEAN, C.; MICLEA,

L. Local ehr management based on openehr and en13606. In: Journal of medical

systems, 2009.

[32] RUIZ, L. M. Editor gráfico de correspondencias de alto nivel para arquetipos de

historia clínica electrónica, 2010.

[33] SACHDEVA, S.; BHALLA, S. Semantic interoperability in standardized electronic

health record databases. In: Journal of Data and Information Quality (JDIQ), 2012.

[34] SANTOS M., BAX M. P., P. C. Codificando arquétipos em linguagem adl com

base no modelo de referência da norma iso 13606. In: X Workshop de Informática

Médica, 2010.

[35] SERAPIÃO, P. R. B. Investigação da aplicabilidade da mineração de texto como

apoio ao desenvolvimento de modelos de arquétipos para exames de radiologia

e diagnóstico por imagem, 2015.

[36] SILVA A.V.P., MARTINS B. P., L. F. N. L.-J. P. S. S. J. C. Estratégias para

persistência de dados clínicos baseada no openehr. In: XV Congresso Brasileiro

de Informática em Saúde - CBIS ., 2016.

[37] SPATH, M. B.; GRIMSON, J. Applying the archetype approach to the database of

a biobank information management system. In: International journal of medical

informatics, p. 205–226, 2011.

78

=

=

=

=

=

[38] SUDHANSHU KULSHRESTHA, S. S. Performance comparison for data storage -

db4o and mysql databases. In: Contemporary Computing (IC3), 2014.

[39] WANG, L., M. L. W. R. L. X. . D. H. Archetype relational mapping based on

openehr. In: Chin J Biomed Eng, 2014.

[40] WANG, L., M. L. W. R. L. X. . D. H. Archetype relational mapping-a practical

openehr persistence solution. In: BMC medical informatics and decision making,,

2015.

[41] WOLLERSHEIM, D.; ANNY, S.; RAHAYU, W. Archetype-based electronic health

records: a literature review and evaluation of their applicability to health data

interoperability and access. In: Health Information Management Journal, 2009.

79

ANEXO AADL do arquétipo:openEHR-EHR-EVALUATION.goal.v1

Nesta seção é apresentada a ADL extraída do arquétipo “openEHR-EHR-

EVALUATION.goal.v1”(Figuras A.1 e A.2), que foi utilizado no Capítulo 5 na seção 5.1,

desta dissertação.

Figura A.1: Código ADL do arquétipo “openEHR-EHR-EVALUATION.goal.v1” parte 1

Figura A.2: Código ADL do arquétipo “openEHR-EHR-EVALUATION.goal.v1” parte 2

81

ANEXO BADL dos dois arquétipos e do slots que elesreferenciam

Nesta seção são apresentadas as ADLs extraídas do arqué-

tipo “‘openEHR-EHR-CLUSTER.multimedia.v1” (Figura B.1) , “openEHR-

EHR-CLUSTER.anatomical_location_clock.v0” (Figura B.2) ,e “openEHR-EHR-

CLUSTER.anatomical_location_relative.v1” (Figura A.2), que foram utilizado no Capítulo

5 na seção 5.2, desta dissertação.

Figura B.1: Código ADL do arquétipo “openEHR-EHR-CLUSTER.multimedia.v1”

Figura B.2: Código ADL do arquétipo “openEHR-EHR-CLUSTER.anatomical_location_clock.v0”

83

Figura B.3: Código ADL do arquétipo “openEHR-EHR-CLUSTER.anatomical_location_relative.v1”

84

ANEXO CADL do Arquétipo“openEHR-EHR-CLUSTER.exam_eye.v0”


CLUSTER.exam_eye.v0” (Figura C.1), que foi utilizado no Capítulo 5 na seção 5.3, desta

dissertação.

Figura C.1: Código ADL do arquétipo “openEHR-EHR-CLUSTER.exam_eye.v0”

ANEXO DADL do arquétipo:“openEHR-EHR-CLUSTER.sympto_sign.v1”


CLUSTER.sympto_sign.v1” (Figuras D.1, D.2 e D.3), que foi utilizado no Capítulo 5 na

seção 5.4, desta dissertação.

Figura D.1: Código ADL do arquétipo “openEHR-EHR-CLUSTER.sympto_sign.v1” parte 1


87


88

Persistência de Dados Clínicos Baseada nas Definições ADL de ...

Documents

Transcript of Persistência de Dados Clínicos Baseada nas Definições ADL de ...