臺灣長期照顧實作指引(TW LTC IG), published by 經濟部產業發展署. This guide is not an authorized publication; it is the continuous build for version 1.0.0 built by the FHIR (HL7® FHIR® Standard) CI Build. This version is based on the current content of https://github.com/Lorex/TWLongTermCare_IG_Build/ and changes regularly. See the Directory of published versions
Logical Models
邏輯模型 (Logical Models)
本頁面說明台灣長期照顧實作指引(TW LTC IG)中定義的邏輯模型,這些模型提供資料結構的概覽,幫助使用者了解如何準備欄位資料。
邏輯模型概述
邏輯模型是 FHIR 中用來描述資料結構的概念模型,它們不直接對應到 FHIR 資源,而是提供一個高層次的資料結構視圖,幫助使用者理解如何組織和準備資料。
可用的邏輯模型
1. 照顧管理評估量表邏輯模型 (LTC-CMS-Model)
照顧管理評估量表邏輯模型
用途: 描述照顧管理評估量表的完整資料結構,包括個案基本資料、照顧者資訊、各項評估量表內容等。
主要組成部分:
- 醫事機構基本資料: 包含機構代碼、名稱、地址、聯絡方式
- 個案基本資料: 包含身分證字號、姓名、出生日期、性別、地址、身心障礙狀況
- 照顧者基本資料: 包含主要照顧者與次要照顧者資訊
- 評估量表內容: 包含溝通能力、記憶力、ADL、IADL、特殊照護需求、社會參與、心理狀況、照顧者負荷、照顧者支持等評估
使用場景: 適用於長期照顧管理中心進行個案評估時,作為資料準備的參考指南。
2. 轉介單邏輯模型 (LTC-Referral-Model)
轉介單邏輯模型
用途: 描述長期照顧管理中心個案服務初篩表/轉介單的完整資料結構。
主要組成部分:
- 個案基本資料: 包含身分證字號、姓名、出生日期、性別、地址、緊急聯絡人
- 身心障礙手冊: 包含是否領有手冊、障礙類別、疾病代碼、等級
- 醫療狀況: 包含管路狀況、壓傷狀況
- 居住狀況: 包含居住類型、是否獨居、居住環境、無障礙設施
- 照顧者狀況: 包含是否有照顧者、照顧者類型、國籍、關係、工作狀況
- 疾病狀況: 包含主要疾病、ICD-10 代碼、診斷日期、目前狀況
- 問題及需求: 包含主要問題、照護需求、需求優先級
- 申請服務: 包含服務類型、描述、頻率、期間
- 功能評估: 包含 ADL、IADL、衰弱評估、照顧者評估
- 出入院情形: 包含住院狀態、入院/出院日期、醫院資訊
- 轉介資訊: 包含填表者/轉介者資訊、簽名
- 填表單位資訊: 包含單位名稱、地址、電話、聯絡人
使用場景: 適用於醫療機構或相關單位向長期照顧管理中心轉介個案時,作為轉介單資料準備的參考指南。
3. 長期照護醫師意見書邏輯模型 (LTC-AA12-Model)
長期照護醫師意見書邏輯模型
用途: 描述長期照護醫師意見書的完整資料結構,包括個案基本資料、醫師資訊、醫療機構資訊、診斷與治療建議等。
主要組成部分:
- 個案基本資料: 包含身分證字號、姓名、出生日期、性別、地址等
- 醫師資訊: 包含醫師姓名、科別、執業機構、聯絡方式
- 醫療機構資訊: 包含機構代碼、名稱、地址、聯絡方式
- 診斷資訊: 包含疾病名稱、ICD代碼、發病日期、病情狀態
- 治療建議: 包含近期治療、照顧注意事項、處置建議
- 醫事照護意見: 包含建議介入的醫事照護服務、特殊疾病照顧方法
- 感染症資訊: 包含是否罹患感染症、隔離需求等
- 身心狀態: 包含個案的身心狀態或特殊需要註記事項
使用場景: 適用於醫師對個案進行專業醫療評估後,製作長期照護醫師意見書時,作為資料準備的參考指南。
4. 個案位置監測邏輯模型 (LTC-Location-Model)
個案位置監測邏輯模型
用途: 描述失智症照護監測中個案位置監測的完整資料結構,包括位置基本資料、座標資訊、地址資訊、聯絡方式、記錄元資料等。
主要組成部分:
- 位置基本資料: 包含位置記錄唯一識別碼、地點名稱、位置描述、位置類型、物理位置類型、狀態等
- 座標資訊: 包含經度座標、緯度座標、海拔高度、座標精度等
- 地址資訊: 包含地址文字描述、地址行、城市、州/省、郵遞區號、國家等
- 聯絡資訊: 包含聯絡類型、聯絡值、聯絡用途等
- 層級關係: 包含上層位置、上層位置參考等
使用場景: 適用於失智症照護監測中的個案位置追蹤與監測,作為位置資料準備的參考指南。
5. 異常事件警報邏輯模型 (LTC-AdverseEvent-Model)
異常事件警報邏輯模型
用途: 描述失智症照護監測中異常事件警報的完整資料結構,包括異常事件基本資料、個案資訊、時間資訊、位置資訊、嚴重程度、結果資訊、參與者資訊等。
主要組成部分:
- 異常事件識別碼: 包含識別碼值、識別碼系統、識別碼用途等
- 異常事件基本資料: 包含實際性、事件類型描述等
- 個案資訊: 包含個案參考等
- 時間資訊: 包含異常事件發生時間、偵測時間、記錄時間等
- 結果狀況: 包含結果狀況參考等
- 位置資訊: 包含位置參考等
- 嚴重程度: 包含臨床嚴重程度、嚴重程度分級等
- 結果資訊: 包含異常事件結果等
- 記錄者資訊: 包含記錄者參考等
- 涉及者資訊: 包含涉及者參考等
使用場景: 適用於失智症照護監測中的異常事件警報管理,作為異常事件資料準備的參考指南。
6. 支付審查-服務記錄申報邏輯模型 (LTCFeeApplyModel)
長照支付審查-服務記錄申報邏輯模型
用途: 描述服務提供單位向衛生福利部支付審核系統(照管平台)執行「服務記錄申報(FeeApply)」時所傳送之完整資料結構,逐欄保留規格書之中文欄位名稱、英文欄位名稱、型態、長度與必填規則。
主要組成部分:
- 申報批次資料 (apply_info): 包含支審年月、交易序號、服務記錄筆數、服務紀錄金額、申請個案數
- 個案服務紀錄 (case_svc_records): 包含識別碼、個案身分證字號、服務日期與起訖時段、照顧組合代碼、服務類別、單價、數量、照顧服務員身分證字號
- AA00 個管紀錄組: 包含服務項目、服務對象、服務內容、服務重點、追蹤服務適應與介入情形、服務目標達成情形、整體計畫適切性
- C 碼專業服務組: 包含提供專業服務單位、專業服務復能目標及其達成情形、指導對象、服務內容、指導建議摘要
- 交通接送組 (BD03/DA01): 包含出發地、目的地及其經緯度、里程數、車號、駕駛員、BD03 服務使用類型
- 申報旗標組: 包含臨終日照顧、訪視/服務未遇、陪同施打 COVID-19 疫苗、是否申報 AA03/AA09、AA10 申報狀態
Mapping 目標: LTCClaimFeeApply
使用場景: 適用於服務提供單位或系統商準備支付審查申報電文時,作為欄位齊備性檢查與 FHIR 對應的參考指南。
7. 支付審查-分案審核明細邏輯模型 (LTCFeeAuditDetailModel)
長照支付審查-分案審核明細邏輯模型
用途: 描述「(查詢B)分案審核明細查詢」之傳送資料與回覆明細的完整資料結構。
主要組成部分:
- 查詢輸入資訊 (app_result_query_info): 包含支審年月、交易序號、查詢類別、縣市代碼、核銷案號
- 分案審核明細表頭: 包含核銷案號、服務記錄筆數、個案數、申請核銷金額、承辦人員與審核意見、總表版次與版次時間、核定個案數與核定服務記錄數、核定金額、政策鼓勵金額、暫付申請狀態與分案暫付金額、核增/核減金額與原因
- 各式總表與清冊下載路徑: 包含暫付總表、總表、清冊、清冊 EXCEL、A 碼清冊、A 碼清冊 EXCEL、申請記錄不通過清冊與其 EXCEL 版
- 審核通過服務記錄 (approve_records)、錯誤服務記錄 (err_records)、A 碼加成資料區 (a_svc_records)
Mapping 目標: LTCClaimResponseFeeAudit
使用場景: 適用於服務提供單位解讀支付審核系統回覆之分案審核結果時,作為欄位對照的參考指南。
8. 支付審查-分案審核狀態與交易處理結果邏輯模型 (LTCFeeAuditStatusModel)
長照支付審查-分案審核狀態與交易處理結果邏輯模型
用途: 描述「(查詢A)服務單位各分案審核狀態查詢」之回覆明細,以及服務紀錄刪除、申報確認通知、撤回服務記錄、取消交易單處理結果回報等異動類 API 之傳送資料。
主要組成部分:
- 查詢輸入資訊: 包含支審年月、交易序號、查詢類別
- 縣市案件資訊 (city_info): 包含縣市代碼、核銷案號、核銷狀況、總表版次、簽證編號
- API 執行結果資料 (webapi_process_info): 包含 API Function、來源系統別、交易序號、API 執行狀態、批次處理結果與筆數、分案異常資料、服務紀錄刪除成功/失敗資料
- 異動類作業傳送資料: 包含服務紀錄刪除 (ObjDel)、申報確認通知 (appCompletionNotice)、撤回服務記錄 (appCancel)、取消交易單處理結果回報 (CancelResultResponse)
Mapping 目標: LTCTaskFeeAudit
使用場景: 適用於追蹤申報交易單處理狀態與各分案核銷進度時,作為欄位對照的參考指南。
邏輯模型與 FHIR Profile 的關係
邏輯模型提供高層次的資料結構視圖,而 FHIR Profile 則定義具體的 FHIR 資源結構。兩者相輔相成:
- 邏輯模型: 幫助使用者理解需要準備哪些資料欄位
- FHIR Profile: 定義這些資料如何在 FHIR 資源中具體實現
使用建議
- 資料準備階段: 使用邏輯模型了解需要收集的資料欄位
- 實作階段: 參考對應的 FHIR Profile 了解如何將資料轉換為 FHIR 資源
- 驗證階段: 使用邏輯模型檢查是否遺漏重要資料欄位
範例
每個邏輯模型都包含完整的範例,展示如何填寫各個欄位。這些範例可以作為實際使用時的參考模板。
注意事項
- 各縣市轉介單格式可能有所不同,轉介單邏輯模型將於後續版本逐步納入各縣市格式
- 邏輯模型中的欄位標示為必填 (MS) 的項目,在實際使用時必須提供
- 建議在實際使用前,先參考對應的 FHIR Profile 了解具體的實作細節