Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
# Comprensione dei report sulla deriva
Quando il rilevamento delle deviazioni è abilitato, il bulk job scrive un rapporto aggregato denominato in base `jobLevelDriftResult.json` alla tua posizione di output. Il rapporto indica la quantità di dati di origine effettivamente acquisita dal profilo e i dati mancanti, in modo da sapere dove migliorare le mappature.
La struttura del rapporto dipende dal formato di origine: i C-CDA report sono organizzati in base a sezioni e voci del documento (identificate da OID), mentre i report CSV sono organizzati in tabelle, colonne e righe. Entrambi condividono lo stesso concetto di tasso di copertura (una frazione da 0,0 a 1,0, dove più alto significa che è stata acquisita una parte maggiore del codice sorgente).
+ [C-CDA rapporto sulla deriva](#data-transformation-drift-report-ccda)
+ [Rapporto sulla deriva in formato CSV](#data-transformation-drift-report-csv)
+ [Miglioramento della copertura (entrambi i formati)](#data-transformation-drift-report-improving)
## C-CDA rapporto sulla deriva
```
{
"jobId": "a1b2c3d4e5f6a7b8c9d0e1f2a3b4c5d6",
"profileId": "0f1e2d3c4b5a69788796a5b4c3d2e1f0",
"profileVersion": 3,
"timestamp": "2026-07-14T18:30:00Z",
"filesProcessed": 500,
"totalFilesFailed": 2,
"avgSectionCoverageRate": 0.92,
"avgEntryCoverageRate": 0.85,
"avgOverallCoverageRate": 0.88,
"avgResourceAccuracy": 0.97,
"totalUnknownSections": 14,
"totalUnknownEntries": 63,
"documentOids": {
"2.16.840.1.113883.10.20.22.1.2": 480
},
"unknownSectionOidCount": 2,
"unknownSections": {
"2.16.840.1.113883.10.20.22.2.14": 12
},
"unknownEntryOidCount": 5,
"unknownEntries": {
"2.16.840.1.113883.10.20.22.4.13": 40
},
"missingResources": {
"2.16.840.1.113883.10.20.22.2.6.1": {
"AllergyIntolerance": 8
}
},
"perFileDrift": {
"patient-001.xml": 0.95,
"patient-002.xml": 0.61
}
}
```
### Come leggere i dati
Inizia con i tassi di copertura. Si tratta delle medie di tutti i file elaborati, espresse come frazione da 0,0 a 1,0 (moltiplicate per 100 per ottenere una percentuale). Più alto è meglio: una frequenza più alta significa che una maggiore quantità di dati di origine viene inserita nell'output FHIR.
| Campo | Significato |
| --- | --- |
| avgOverallCoverageRate | Il numero principale. La frazione media del contenuto di origine (sezioni e voci) mappata dal profilo a FHIR. 0,88 significa che è stato acquisito circa l'88% dei dati di origine. |
| avgSectionCoverageRate | Frazione media delle C-CDA sezioni (ad esempio, Problemi, Farmaci, Allergie) che sono state mappate. |
| avgEntryCoverageRate | Frazione media delle singole voci all'interno delle sezioni (ad esempio, un singolo problema o farmaco) che sono state mappate. |
| avgResourceAccuracy | Delle risorse FHIR previste, la frazione media effettivamente prodotta. |
Allora scopri cosa ti è sfuggito. Questi campi ti indirizzano alle mappature specifiche da aggiungere:
| Campo | Significato | Cosa fare |
| --- | --- | --- |
| unknownSections | Una mappa degli OID della sezione sorgente che il profilo non ha riconosciuto e quante volte ciascuno è apparso. | Aggiungi mappature per gli OID delle sezioni con un numero elevato di numeri. |
| unknownEntries | Una mappa degli OID di immissione della sorgente che il profilo non ha riconosciuto e della relativa frequenza. | Aggiungi mappature per gli OID delle voci con un numero elevato di voci. |
| missingResources | Una mappa dell'OID di origine → i tipi di risorse FHIR previsti ma non prodotti, con conteggi. | Correggi le mappature che avrebbero dovuto generare quelle risorse. |
| totalUnknownSections / totalUnknownEntries | Conteggio totale delle sezioni e delle voci non mappate in tutto il lavoro. | Usa come segnale rapido «quanto resta». |
| documentOids | Una mappa degli OID del C-CDA tipo di documento visualizzati nel lavoro e il numero di ciascuno di essi. | Conferma i tipi di documenti contenuti nei dati. |
Assegna priorità in base alla frequenza. Il conteggio arriva `unknownSections` e `unknownEntries` `missingResources` indica quali lacune influiscono sulla maggior parte dei record. Un OID che appare 40 volte è una vincita maggiore da mappare rispetto a uno che appare due volte.
Approfondisci i file specifici. `perFileDrift`associa ogni file sorgente al suo tasso di copertura complessivo. Ordina in base ai valori più bassi per trovare i file che il profilo ha gestito peggio: ad esempio, vale la pena `patient-002.xml` esaminarli a 0,61. Per un'analisi completa per file (quali OID specifici sono stati omessi da ciascun file), consulta i singoli report sotto la cartella. `driftDetectionPerFileResults/`
### Migliorare la copertura
1. Identifica le voci con la frequenza più alta in`unknownSections`, e`unknownEntries`. `missingResources`
1. Usa l'agente Data Transformation AI (`UpdateProfileWithAgent`) per aggiungere mappature per tali OID e risorse: puoi incollare un OID e chiedere all'agente di mapparlo.
1. Pubblica una nuova versione del profilo ed esegui nuovamente il processo.
1. Confronta il nuovo `avgOverallCoverageRate` per confermare che il divario è stato colmato.
## Rapporto sulla deriva in formato CSV
Per i lavori CSV, il rapporto è organizzato in tabelle (ogni file CSV è una tabella), colonne e righe: non sezioni e OID.
```
{
"jobId": "a1b2c3d4e5f6a7b8c9d0e1f2a3b4c5d6",
"profileId": "0f1e2d3c4b5a69788796a5b4c3d2e1f0",
"profileVersion": 3,
"summary": {
"totalTablesInProfile": 4,
"totalTablesInInput": 5,
"tablesProcessed": 4,
"tablesUnmapped": 1,
"totalColumnsInInput": 42,
"columnsMapped": 35,
"columnsUnmapped": 7,
"totalRowsScanned": 120000,
"rowsConvertedSuccessfully": 119850,
"rowsFailedCustomerError": 140,
"rowsFailedServerError": 10,
"totalResourcesGenerated": 245000,
"tablesCoverageRate": 0.80,
"columnsCoverageRate": 0.83,
"overallCoverageRate": 0.83
},
"unmappedTables": [
{
"tableName": "billing",
"fileName": "billing.csv",
"reason": "No matching table declared in the mapping profile",
"columns": ["invoice_id", "amount", "payer"]
}
],
"unmappedColumns": [
{
"tableName": "patients",
"columns": ["preferred_language", "ethnicity_detail"],
"reason": "Present in CSV but not referenced by any field mapping"
}
]
}
```
### Come leggere i dati
Inizia con il riepilogo. I tassi di copertura sono frazioni da 0,0 a 1,0 (meglio è più alto):
| Campo | Significato |
| --- | --- |
| overallCoverageRate | Il numero del titolo: la frazione di tutte le colonne di tutte le tabelle di input effettivamente utilizzate dal profilo. 0,83 significa che circa l'83% delle colonne di origine sono mappate. |
| tablesCoverageRate | Frazione dei file CSV di input (tabelle) mappati dal profilo (/). tablesProcessed totalTablesInInput |
| columnsCoverageRate | Frazione di colonne nelle tabelle mappate a cui fa riferimento una mappatura dei campi. |
Quindi controlla i conteggi per comprendere i risultati delle conversioni:
| Campo | Significato |
| --- | --- |
| totalTablesInInputcontro tablesProcessed | Quanti dei tuoi file CSV sono stati effettivamente utilizzati rispetto a quelli trovati. |
| totalColumnsInInput / columnsMapped / columnsUnmapped | Quante colonne di origine esistono, sono state utilizzate e sono state ignorate. |
| totalRowsScanned / rowsConvertedSuccessfully | Quante righe sono state lette e quante sono state convertite con successo. |
| rowsFailedCustomerError / rowsFailedServerError | Righe non riuscite a causa di problemi di qualità dei dati o errori interni. |
| totalResourcesGenerated | Risorse FHIR totali prodotte. |
Quindi scopri cosa è mancato:
| Campo | Significato | Cosa fare |
| --- | --- | --- |
| unmappedTables | File CSV nell'input che il profilo non dichiara (con il motivo e le colonne in quel file). | Aggiungi una mappatura della tabella se quel file deve essere convertito. |
| unmappedColumns | Per tabella, le colonne presenti nel file CSV ma non utilizzate da nessuna mappatura dei campi. | Aggiungi le mappature dei campi per le colonne che desideri nell'output FHIR. |
## Miglioramento della copertura (entrambi i formati)
1. Identifica le lacune con il maggiore impatto: per C-CDA, le voci con la frequenza più alta in`unknownSections`/`unknownEntries`/`missingResources`; per CSV, le voci in e e gli avvisi. `unmappedTables` `unmappedColumns`
1. Usa l'agente Data Transformation AI (`UpdateProfileWithAgent`) per aggiungere le mappature mancanti: puoi incollare un OID () o un nome di colonna (CSVC-CDA) non mappato e chiedere all'agente di mapparlo.
1. Pubblica una nuova versione del profilo ed esegui nuovamente il lavoro.
1. Confronta il nuovo `overallCoverageRate` per confermare che il divario è stato colmato.
**Nota**
Il rilevamento della deriva segnala ciò che un profilo non è stato mappato; non indica un errore di conversione. I dati di origine possono essere intenzionalmente lasciati non mappati se non sono pertinenti al caso d'uso. Usa il rapporto per decidere cosa vale la pena mappare.