Try it free in the sandbox · first FHIR call in 5 minutesFree · 30 synthetic patients · no card

Come normalizzare i dati sanitari

Tutorial: trasforma dati sanitari da molte fonti in una forma comparabile — ricerca LOINC, unità UCUM, date ISO, intervalli di riferimento, nessun duplicato al nuovo tentativo e validazione rispetto al profilo europeo dei laboratori.

Normalizzare i dati medici significa trasformare valori che arrivano in molte forme in una forma comparabile: lo stesso codice per lo stesso test, lo stesso sistema di unità, date in un unico formato, ogni valore con il suo intervallo di riferimento e la sua origine, e nessuna duplicazione. Questo tutorial mostra come farlo prima che i dati raggiungano un record HL7 FHIR R4: ricerca di codici LOINC e ATC, utilizzo di unità UCUM, rifiuto di date ambigue, mantenimento degli intervalli, evitamento di duplicazioni al nuovo tentativo e verifica del risultato rispetto al profilo di laboratorio europeo. Ogni risposta mostrata proviene dall'API Anpheros.

Perché è importante

Lo stesso risultato di HbA1c può raggiungerti come "HbA1c 6,4 %", "Emoglobina glicosilata: 6.4", "Emoglobina glicata 46 mmol/mol" o solo un codice di laboratorio che un singolo laboratorio comprende. Finché non saranno un unico codice con un'unica unità:

• un grafico dell'HbA1c del paziente nel tempo mostra tre linee non correlate;
• un avviso su "HbA1c superiore al 6,5 %" non rileva due dei valori;
• un modello AI vede quattro fatti invece di un trend;
• un altro sistema che riceve il record non è in grado di interpretarlo.

La normalizzazione appartiene al punto in cui i dati entrano nel record, una sola volta, non in ogni applicazione che li legge successivamente.

Cosa ha un valore normalizzato

Quale sistema di codici corrisponde a quale tipo di risorsa è elencato in Sistemi di codici FHIR.

Passo 1: Trova il codice

Cerca nella terminologia della piattaforma per nome inglese o rumeno, o per abbreviazione:

curl "https://platform.anpheros.com/v1/terminology/loinc?q=hba1c" -H "Authorization: Bearer $KEY"
curl "https://platform.anpheros.com/v1/terminology/loinc?q=hemoglobina%20glicozilata" -H "Authorization: Bearer $KEY"

Entrambi restituiscono lo stesso concetto:

{"data": [{"system": "http://loinc.org", "code": "4548-4", "display": "Hemoglobin A1c/Hemoglobin.total in Blood",
           "display_ro": "Hemoglobină glicozilată (HbA1c)", "category": "laboratory", "unit": "%"}], "total": 1}

Per i farmaci, Anpheros Search trova la sostanza per nome o marchio e fornisce il suo codice ingrediente RxNorm e i numeri di prodotto EMA:

curl "https://platform.anpheros.com/v1/search?q=metformin&type=treatment" -H "Authorization: Bearer $KEY"

Il campo unit è l'unità che LOINC si aspetta per quel test. Usalo per verificare ciò che hai ricevuto. Costruisci la mappatura dai nomi propri di ciascuna sorgente ai codici una volta, per sorgente, e conservala nella tua integrazione. Non indovinare al momento della scrittura: quando un nome è ambiguo e nulla nella sorgente lo risolve, lascialo non mappato e chiedi alla sorgente. Come importare i risultati di laboratorio in un record FHIR mostra come i marcatori di laboratorio non mappati vengono conservati e segnalati.

Passo 2: scrivere con codici, unità e intervalli

curl -X POST "https://platform.anpheros.com/v1/patients/$PID/observations" -H "Authorization: Bearer $KEY" \
     -H "Content-Type: application/json" -H "Idempotency-Key: lab-77-hba1c" -d '{
  "code": "4548-4", "category": "laboratory",
  "value": 6.4, "unit": "%", "effective_at": "2026-10-01T07:30:00Z",
  "reference_range": {"low": 4.0, "high": 5.6},
  "author_type": "import"
}'

{"id": "3296315c-…", "code": "4548-4", "system": "http://loinc.org", "display": "Hemoglobin A1c/Hemoglobin.total in Blood",
 "category": "laboratory", "effective_at": "2026-10-01T07:30:00Z", "value": 6.4, "unit": "%",
 "reference_range": {"low": 4.0, "high": 5.6}, "status": "final", "fhir": "Observation/3296315c-…"}

Quando invii solo il codice, la piattaforma compila il nome LOINC standard, sia sull'API REST che sull'API FHIR (/fhir/R4), in modo che ogni applicazione legga lo stesso display. Un display che invii tu stesso viene mantenuto così com'è.

Mantieni anche la formulazione originale. Per un referto di laboratorio, code.text sull'Osservazione FHIR contiene il nome del laboratorio ("Emoglobina glicata (HbA1c)") accanto alla codifica LOINC. Il paziente riconosce ancora il proprio referto cartaceo e nulla viene perso se la mappatura dovesse mai essere messa in discussione.

Step 3: unità

Utilizzare i codici UCUM: mg/dL, mmol/L, %, mm[Hg], kg, cm, /min, Cel. Due regole prevengono la maggior parte degli errori:

• Non convertire silenziosamente. Se un laboratorio riporta il glucosio in mmol/L e la tua app visualizza mg/dL, memorizza ciò che il laboratorio ha misurato e converti quando lo visualizzi. Il valore memorizzato rimane tracciabile al report.
• Verificare l'unità rispetto al codice. I codici LOINC sono specifici: HbA1c in % è 4548-4, mentre HbA1c in mmol/mol è un codice LOINC diverso. Un valore la cui unità non corrisponde all'unità attesa dal codice è un errore di mappatura, non un problema di conversione.

Anpheros non converte le unità per te; memorizza l'unità che invii.

Passaggio 4: date

Convertire le date in formato ISO 8601 prima di scriverle, utilizzando il formato noto della sorgente. 01.10.2026 è il 1° ottobre in Romania e in molti paesi europei, ma 10/01/2026 è il 1° ottobre solo negli Stati Uniti. L'API rifiuta tutto ciò che non è in formato ISO, piuttosto che tentare di indovinare:

{"error": {"type": "invalid", "message": "Input should be a valid datetime or date, invalid character in year (at effective_at)", "field": "effective_at"}}

Il connettore di laboratorio fa eccezione: accetta DD.MM.YYYY e DD/MM/YYYY perché sa che sta leggendo un report europeo.

Per le misurazioni in cui l'ora del giorno è importante (pressione sanguigna, glucosio, dosi di farmaci), inviare l'ora con il suo fuso orario. Una lettura alle 23:30 a Bucarest è del giorno precedente in UTC, e il paziente si aspetta che venga registrata nel giorno in cui l'ha effettuata.

Passo 5: nessun duplicato

I duplicati derivano da ritentativi, dall'invio dello stesso report due volte e dallo stesso valore che arriva attraverso due percorsi.

• Ritentativi: invia un Idempotency-Key che identifica il valore nella sorgente, ad esempio l'ID del report e il test. L'invio della stessa richiesta nuovamente con la stessa chiave restituisce la prima risposta e non memorizza nulla di nuovo. Gli SDK aggiungono uno a ogni creazione.
• Lo stesso report due volte: il connettore di laboratorio costruisce un identificatore stabile per riga dal report, codice, data e valore, e salta le righe già importate.
• Due percorsi: memorizza l'ID proprio del sistema sorgente con X-Anpheros-Origin-Id (o in identifier sulle risorse FHIR), e cerca questo ID prima di scrivere valori che potrebbero tornare attraverso un altro percorso.

Passaggio 6: verifica rispetto a un profilo

Per i risultati di laboratorio, chiedi alla piattaforma come una risorsa si confronta con il profilo del report di laboratorio HL7 Europe prima di potersi fidare di essa:

curl -X POST "https://platform.anpheros.com/fhir/R4/Observation/\$validate?profile=eu-lab" -H "Authorization: Bearer $KEY" \
     -H "Content-Type: application/fhir+json" -d '{
  "resourceType": "Observation", "status": "final",
  "category": [{"coding": [{"system": "http://terminology.hl7.org/CodeSystem/observation-category", "code": "laboratory"}]}],
  "code": {"text": "HbA1c"}, "subject": {"reference": "Patient/'$PID'"},
  "valueQuantity": {"value": 6.4, "unit": "%"}
}'

Questo risultato non normalizzato ottiene un elenco preciso:

{"resourceType": "OperationOutcome", "issue": [
  {"severity": "error", "code": "invalid", "diagnostics": "Observation.code must carry a LOINC coding.", "expression": ["Observation.code"]},
  {"severity": "error", "code": "required", "diagnostics": "Observation.effective[x] is required.", "expression": ["Observation.effective"]},
  {"severity": "warning", "code": "business-rule", "diagnostics": "valueQuantity should carry a UCUM system and code.", "expression": ["Observation.valueQuantity"]},
  {"severity": "warning", "code": "informational", "diagnostics": "No referenceRange: interpretation will need the laboratory's ranges.", "expression": ["Observation.referenceRange"]},
  {"severity": "information", "code": "informational", "diagnostics": "No performer (laboratory) recorded.", "expression": ["Observation.performer"]},
  {"severity": "information", "code": "informational", "diagnostics": "No issued time (when the laboratory released the result).", "expression": ["Observation.issued"]}]}

Ogni problema corrisponde a uno dei passaggi precedenti. Esegui $validate nei tuoi test di integrazione, con campioni reali da ciascuna origine.

Passaggio 7: mantenere la sorgente

La normalizzazione modifica il modo in cui un valore viene scritto, mai da dove proviene. Inviare author_type (device, import, practitioner, patient) e X-Anpheros-Source-System con ogni scrittura. Questo è ciò che consente a un medico, a un revisore o a un modello di intelligenza artificiale di distinguere un risultato di laboratorio da un valore digitato a casa. Vedere Provenienza dei dati medici spiegata.

Checklist

• [ ] Ogni sorgente ha una mappatura dai propri nomi a LOINC / ATC / ICD-10, mantenuta nella tua integrazione
• [ ] I nomi ambigui rimangono non mappati e vengono segnalati, mai indovinati
• [ ] Unità UCUM, corrispondenti al codice; nessuna conversione silenziosa
• [ ] Date ISO 8601, con fusi orari dove il tempo è importante
• [ ] Intervalli di riferimento mantenuti con i valori di laboratorio
• [ ] Formulazione originale mantenuta (code.text)
• [ ] Chiavi di idempotenza o ID sorgente su ogni scrittura
• [ ] author_type e sistema sorgente su ogni scrittura
• [ ] $validate nei test per i risultati di laboratorio

Domande frequenti

Cos'è la normalizzazione dei dati medici?

Conversione dei dati sanitari da diverse fonti in un'unica forma standard: codici condivisi (LOINC per test e misurazioni, ICD-10 per diagnosi, ATC per farmaci), unità UCUM, date ISO, intervalli di riferimento e una sorgente registrata, in modo che i valori di diversi sistemi possano essere confrontati, combinati e scambiati.

Devo convertire tutti i valori in una sola unità?

Memorizza l'unità in cui la sorgente ha misurato, purché sia un'unità UCUM valida che corrisponda al codice, e converti durante la visualizzazione o l'analisi. Questo mantiene ogni valore memorizzato tracciabile al suo report originale.

La normalizzazione può essere completamente automatica?

Per lo più. I codici nella sorgente, i nomi noti e le unità ben formate possono essere mappati automaticamente. Nomi ambigui e codici locali sconosciuti richiedono una decisione umana una volta per sorgente, dopodiché la mappatura è automatica.

Correlati

• Sistemi di codifica FHIR
• Come importare i risultati di laboratorio in un record FHIR
• Provenienza dei dati medici spiegata
• Interoperabilità dei dati sanitari
• API per dati medici

Try it free in the sandbox · first FHIR call in 5 minutesFree · 30 synthetic patients · no card