Lecture : ePMSI, serveur d’actes, états patient

library(hprimxml)

Les fonctions read_*() sont l’inverse exact des fonctions write_*() : elles renvoient les mêmes tables (des tibbles), avec les mêmes noms de colonnes. Ce qu’on lit se réécrit tel quel.

Elles acceptent un fichier, plusieurs fichiers, un dossier (tous ses .xml) ou un motif glob ("arrivee/*_2024*.xml"). Deux clés n’existent pas dans le XML et sont reconstruites :

  • evt_id est le nom du fichier sans extension (suffixé _1, _2… si un fichier contient plusieurs événements) ;
  • rum_id est le rang du RUM dans le RSS ; l’identifiant XML du RUM est dans rum_emetteur.

ePMSI : read_evenements_pmsi()

On relit ici le séjour écrit par l’exemple de la vignette Écriture (deux RUM, sans namespace).

t <- read_evenements_pmsi("sortie/sejour")
names(t)
#> [1] "evenements"  "rum"         "diagnostics" "actes_ccam"
t$evenements[, c("evt_id", "identifiant_message", "ipp", "sexe", "date_naissance", "nda",
                 "venue_date_entree", "venue_date_sortie")]
#> # A tibble: 1 × 8
#>   evt_id  identifiant_message ipp       sexe  date_naissance nda       venue_date_entree
#>   <chr>   <chr>               <chr>     <chr> <date>         <chr>     <date>           
#> 1 S240001 S240001             190101337 F     1958-03-12     240000123 2024-03-04       
#>   venue_date_sortie
#>   <date>           
#> 1 2024-03-09
t$rum[, c("evt_id", "rum_id", "rum_emetteur", "um", "um_date_entree", "um_heure_entree",
          "um_mode_entree", "um_provenance", "um_mode_sortie")]
#> # A tibble: 2 × 9
#>   evt_id  rum_id rum_emetteur um    um_date_entree um_heure_entree um_mode_entree um_provenance
#>   <chr>    <int> <chr>        <chr> <date>         <time>          <chr>          <chr>        
#> 1 S240001      1 S240001_1    1201  2024-03-04     10:20           8              5            
#> 2 S240001      2 S240001_2    3405  2024-03-06     14:00           6              1            
#>   um_mode_sortie
#>   <chr>         
#> 1 6             
#> 2 8
t$diagnostics
#> # A tibble: 7 × 4
#>   evt_id  rum_id type  code 
#>   <chr>    <int> <chr> <chr>
#> 1 S240001      1 DP    I210 
#> 2 S240001      1 DAS   E119 
#> 3 S240001      1 DAS   I10  
#> 4 S240001      1 DAS   E780 
#> 5 S240001      2 DP    I501 
#> 6 S240001      2 DAS   N183 
#> 7 S240001      2 DAS   E119
t$actes_ccam[, c("evt_id", "rum_id", "code", "phase", "activite", "quantite", "date_realisation")]
#> # A tibble: 3 × 7
#>   evt_id  rum_id code    phase activite quantite date_realisation   
#>   <chr>    <int> <chr>   <int>    <int>    <int> <dttm>             
#> 1 S240001      1 DEQP003     0        1        1 2024-03-04 10:45:00
#> 2 S240001      1 ZBQK002     0        1        1 2024-03-04 11:30:00
#> 3 S240001      2 DEQP003     0        1        1 2024-03-06 15:00:00

Les colonnes sont typées d’après le XSD :

vapply(t$rum[, c("date_action", "um_date_entree", "um_heure_entree", "rum_id")],
       function(x) class(x)[1], "")
#>     date_action  um_date_entree um_heure_entree          rum_id 
#>       "POSIXct"          "Date"           "hms"       "integer"
type XSD colonne R
xsd:date Date
xsd:dateTime POSIXct, en UTC : l’heure écrite dans le fichier est conservée
xsd:time hms
types entiers integer
le reste, et tous les attributs character

L’en-tête du message est relu dans des colonnes de evenements (version, emetteur, destinataire, date_heure_production…). À la réécriture, ces colonnes priment sur la liste entete.

Diagnostics en colonnes

tc <- read_evenements_pmsi("sortie/sejour", format_diagnostics = "colonnes")
tc$rum[, c("evt_id", "rum_id", "dp", "dr", "das")]
#> # A tibble: 2 × 5
#>   evt_id  rum_id dp    dr    das      
#>   <chr>    <int> <chr> <chr> <list>   
#> 1 S240001      1 I210  <NA>  <chr [3]>
#> 2 S240001      2 I501  <NA>  <chr [2]>
tc$rum$das
#> [[1]]
#> [1] "E119" "I10"  "E780"
#> 
#> [[2]]
#> [1] "N183" "E119"

das et dad sont des colonnes liste ; la table diagnostics est alors vide.

Éléments sans colonne dédiée : extra

extra est le symétrique des colonnes-chemins de l’écriture : il liste, par table, des chemins à extraire en plus.

te <- read_evenements_pmsi("sortie/sejour", extra = list(rum = "medecinResponsable/noRPPS"))
te$rum[, c("rum_id", "medecinResponsable/noRPPS")]
#> # A tibble: 2 × 2
#>   rum_id `medecinResponsable/noRPPS`
#>    <int> <chr>                      
#> 1      1 10003456789                
#> 2      2 10009876543

RUM unitaires et dépôts .ok

Chaque fichier de RUM unitaire redonne un événement à un seul RUM ; le séjour se retrouve par nda ou rss_emetteur.

tr <- read_evenements_pmsi("sortie/rum")
tr$rum[, c("evt_id", "rum_id", "rum_emetteur", "um")]
#> # A tibble: 2 × 4
#>   evt_id    rum_id rum_emetteur um   
#>   <chr>      <int> <chr>        <chr>
#> 1 S240001_1      1 S240001_1    1201 
#> 2 S240001_2      1 S240001_2    3405
tr$evenements[, c("evt_id", "nda", "rss_emetteur")]
#> # A tibble: 2 × 3
#>   evt_id    nda       rss_emetteur
#>   <chr>     <chr>     <chr>       
#> 1 S240001_1 240000123 240000123   
#> 2 S240001_2 240000123 240000123

Côté destinataire, on ne lit que les dépôts terminés. Simulons un dépôt en cours en retirant un .ok :

file.remove("sortie/rum/S240001_2.ok")
#> [1] TRUE
suivi_depots("sortie/rum")[, c("evt_id", "complet")]
#> # A tibble: 2 × 2
#>   evt_id    complet
#>   <chr>     <lgl>  
#> 1 S240001_1 TRUE   
#> 2 S240001_2 FALSE
tr <- read_evenements_pmsi("sortie/rum", exiger_ok = TRUE)
#> Warning: 1 fichier(s) sans .ok ignoré(s) (dépôt incomplet) : S240001_2.xml
tr$evenements$evt_id
#> [1] "S240001_1"

Serveur d’actes : read_evenements_serveur_actes()

Le package livre trois fichiers d’exemple produits par un autre logiciel (version 2.00). Le patient, la venue et l’intervention sont dans evenements ; une jointure sur evt_id les rattache aux actes.

f <- system.file("extdata", "actes_00001.xml", package = "hprimxml")
ta <- read_evenements_serveur_actes(f)
ta$evenements[, c("evt_id", "ipp", "nom_usuel", "nda", "intervention_id",
                  "intervention_date_debut", "intervention_uf")]
#> # A tibble: 1 × 7
#>   evt_id      ipp       nom_usuel nda       intervention_id intervention_date_debut intervention_uf
#>   <chr>       <chr>     <chr>     <chr>     <chr>           <date>                  <chr>          
#> 1 actes_00001 123456789 SANDWICK  987654321 000000000001    2024-01-01              4321
merge(ta$actes_ccam[, c("evt_id", "acte_id", "code", "date_execution", "medecin")],
      ta$evenements[, c("evt_id", "ipp", "nda")], by = "evt_id")
#>        evt_id acte_id    code date_execution  medecin       ipp       nda
#> 1 actes_00001  121212 EBLA003     2024-01-01 01234567 123456789 987654321
#> 2 actes_00001  121213 YYYY033     2024-01-01 01234567 123456789 987654321
#> 3 actes_00001  121214 EPLF002     2024-01-01 01234567 123456789 987654321
#> 4 actes_00001  121215 NFKA006     2024-01-01 01234567 123456789 987654321

Actes NGAP

Les actes NGAP sont relus dans une table actes_ngap, à côté de la table actes_ccam (CCAM) ; les codes NABM y sont une colonne liste.

ngap <- tibble::tibble(evt_id = "EXT0001", acte_id = c("NG01", "NG03"), lettre_cle = c("CS", "B"),
                       coefficient = c("1", "26"), date_execution = as.Date("2024-03-08"),
                       medecin = "10003456789", nabm = list(NULL, c(1104L, 593L)))
ctx <- tibble::tibble(evt_id = "EXT0001", ipp = "190101337", sexe = "F",
                      date_naissance = as.Date("1958-03-12"))
write_evenements_serveur_actes(ctx, actes_ngap = ngap, entete = list(emetteur = "DIM", destinataire = "DPI"),
                               out_dir = "ngap")
tn <- read_evenements_serveur_actes("ngap")$actes_ngap
tn[, c("acte_id", "lettre_cle", "coefficient", "nabm")]
#> # A tibble: 2 × 4
#>   acte_id lettre_cle coefficient nabm     
#>   <chr>   <chr>      <chr>       <list>   
#> 1 NG01    CS         1           <NULL>   
#> 2 NG03    B          26          <int [2]>
tn$nabm
#> [[1]]
#> NULL
#> 
#> [[2]]
#> [1] 1104  593

États patient : read_evenements_etat_patient()

Diagnostics

f <- system.file("extdata", "etat_patient_00001.xml", package = "hprimxml")
td <- read_evenements_etat_patient(f)
td$diagnostics
#> # A tibble: 2 × 5
#>   evt_id             type  code  date_action         action  
#>   <chr>              <chr> <chr> <dttm>              <chr>   
#> 1 etat_patient_00001 dp    Z511  2024-01-01 08:10:00 creation
#> 2 etat_patient_00001 dr    C10   2024-01-01 08:10:00 creation

IGS2

Le repère du message (ici le recueil : identifiant, date et UF d’observation) a ses colonnes dédiées. L’IGS2 n’en a pas : on le relit avec extra, par les mêmes chemins que ceux de l’écriture.

chemins <- c("igs2/@age", "igs2/@frequenceCardiaque", "igs2/@paO2_FIO2", "igs2/@scoreGlasgow",
             "igs2/valeurGlobale")
ti <- read_evenements_etat_patient("sortie/igs2", extra = list(evenements = chemins))
ti$evenements[, c("evt_id", "recueil_id", "recueil_date", "recueil_uf", chemins)]
#> # A tibble: 2 × 9
#>   evt_id    recueil_id recueil_date recueil_uf `igs2/@age`      `igs2/@frequenceCardiaque`
#>   <chr>     <chr>      <date>       <chr>      <chr>            <chr>                     
#> 1 IGS240001 REC240001  2024-03-06   4501       60A69            120A159                   
#> 2 IGS240002 REC240002  2024-03-06   4501       superieurEgalA80 70A119                    
#>   `igs2/@paO2_FIO2` `igs2/@scoreGlasgow` `igs2/valeurGlobale`
#>   <chr>             <chr>                               <int>
#> 1 100A199           11A13                                  54
#> 2 rien              14A18                                  56

Anonymiser des fichiers reçus

Pour tester sur de vrais fichiers sans manipuler de données identifiantes, hprim_anonymiser() les réécrit sous une forme conforme au XSD, avec une transformation aléatoire propre à chaque fichier : faux noms et prénoms plausibles (le prénom selon le sexe), identifiants masqués au même format, dates décalées d’un même nombre de jours, codes et attributs intacts.

f <- system.file("extdata", "pmsi_00001.xml", package = "hprimxml")
a <- hprim_anonymiser(f, out_dir = "anonymes", graine = "vignette")  # graine : résultat reproductible
basename(a)
#> [1] "daal_76098.xml"
avant <- read_evenements_pmsi(f)$evenements
apres <- read_evenements_pmsi(a)$evenements
rbind(avant[, c("ipp", "nom_usuel", "prenom", "date_naissance", "nda", "sexe")],
      apres[, c("ipp", "nom_usuel", "prenom", "date_naissance", "nda", "sexe")])
#> # A tibble: 2 × 6
#>   ipp       nom_usuel prenom date_naissance nda       sexe 
#>   <chr>     <chr>     <chr>  <date>         <chr>     <chr>
#> 1 123456789 SANDWICK  JOHN   1970-01-01     987654321 M    
#> 2 108757576 MENARD    PASCAL 1969-05-12     792362337 M

Ce n’est pas une anonymisation au sens du RGPD : les fichiers restent des données de santé, où codes rares, durées ou unités peuvent permettre des recoupements. Usage : tests locaux.

Fichiers d’autres producteurs

Les fichiers reçus ne sont pas toujours conformes au XSD. La lecture n’impose aucune validation : une valeur non conforme à son type est conservée en texte. Le fichier PMSI d’exemple contient ainsi une <seance></seance> vide, relue comme une valeur manquante :

f <- system.file("extdata", "pmsi_00001.xml", package = "hprimxml")
tp <- read_evenements_pmsi(f)
tp$rum[, c("evt_id", "rum_id", "rum_emetteur", "rum_recepteur", "nb_seances")]
#> # A tibble: 2 × 5
#>   evt_id     rum_id rum_emetteur rum_recepteur nb_seances
#>   <chr>       <int> <chr>        <chr>         <lgl>     
#> 1 pmsi_00001      1 pmsi_00001   98765         NA        
#> 2 pmsi_00001      2 pmsi_00001   98766         NA

Ces fichiers contiennent un identifiant de message (00001_pmsi) différent de leur nom de fichier (pmsi_00001.xml). Pour les réécrire à l’identique, on désactive la règle identifiant = nom de fichier :

p <- write_evenements_pmsi(tp$evenements, tp$rum, tp$diagnostics, tp$actes_ccam,
                           out_dir = "reecrit", validate_xsd = FALSE,
                           identifiant_egal_nom_fichier = FALSE)
basename(p)
#> [1] "pmsi_00001.xml"