让问卷调查变得简单--使用 IRIS、FHIR SQL 生成器和矢量搜索

在当今的医疗数据领域，FHIR 已成为结构化临床数据交换的标准。然而，虽然 FHIR 擅长互操作性，但其 JSON 格式却给分析带来了挑战--包括FHIR QuestionnaireResponse。

构建的三个步骤

1.设计和收集问卷

首先使用 美国国家医学图书馆（NLM）表格生成器。该工具有助于设计符合 FHIR 标准的结构化临床表格。在本项目中，收集了 100 份合成患者回复，并将其保存为 FHIR QuestionnaireResponse JSON 文件，准备导入 FHIR 服务器。

2.通过 SQL 转换和查询问卷数据

将 FHIR QuestionnaireResponse 资源加载到服务器后，使用InterSystems IRIS FHIR SQL 生成器自动创建关系 SQL 表。这将使嵌套的 JSON 结构扁平化，从而能够使用标准 SQL 轻松分析问卷数据--所有配置只需点击几下即可完成。

• 有关 FHIR SQL 生成器的完整配置，请参阅README。

• 从 QuestionnaireResponse 数据生成的 SQL 表可用于查询和分析

3.为语义理解添加矢量搜索

最后，集成IRIS 向量搜索，在结构化问卷数据的基础上添加语义智能。它允许用户根据含义和上下文而不是准确的单词来搜索问卷回复并与之交互，从而将数据转化为更直观、更智能的工具。

举例说明：

• 搜索"糖尿病用药"，可检索到提及二甲双胍、格列奈胰岛素或阿卡波糖等药物的回答--即使没有准确的短语。 。
• 当用户询问"哪些患者有心脏病家族史并服用降胆固醇药物？"时，系统会语义链接相关数据，将心脏病与普萘洛尔、螺内酯或阿托伐他汀等药物联系起来，并生成一份高危患者的简明摘要。

要了解完整的工作流程和代码实现情况，请访问Open Exchange。

主要收获

通过三个关键步骤--使用 NLM Form Builder 设计问卷、将问卷转化为 SQL 表以及使用向量搜索增强问卷--该工作流将 FHIR QuestionnaireResponse 数据转化为临床理解和决策支持的强大工具。

参考文献

美国国家医学图书馆（NLM）表格生成器 2.

InterSystems IRIS For Health FHIR SQL Builder 3.

InterSystems IRIS 向量搜索 4.

https://openexchange.intersystems.com/package/iris-fhirsqlbuilder

https://www.youtube.com/watch?v=ewxyh2XNLv0