Calque de vue
Restez organisé à l'aide des collections
Enregistrez et classez les contenus selon vos préférences.
La nature fortement imbriquée des ressources FHIR et du schéma Parque-on-FHIR nécessite des requêtes SQL complexes qui peuvent les rendre difficiles à utiliser pour les cas d'utilisation d'analyse.
Pour y remédier, une approche courante consiste à aplatir les données dans un ensemble de vues (virtuelles ou matérialisées) qui peuvent ensuite être interrogées à l'aide d'instructions SQL plus simples.
Avec les canaux de données FHIR, il existe plusieurs approches pour générer des vues tabulaires plates à utiliser dans les applications d'analyse afin de répondre aux exigences de déploiement:
Requêtes SQL pour générer des vues virtuelles (en dehors du pipeline)
Ressources FHIR ViewDefinition pour générer des vues matérialisées (dans le pipeline) pouvant être générées dans n'importe quel format tabulaire (avec prise en charge actuelle des tables Parquet et DB)
Pour ces deux approches, un ensemble de "vues prédéfinies" pour les ressources FHIR courantes est fourni. Vous pouvez les modifier ou les prolonger.
Accéder à la documentation pour les développeurs
Sauf indication contraire, le contenu de cette page est régi par une licence Creative Commons Attribution 4.0, et les échantillons de code sont régis par une licence Apache 2.0. Pour en savoir plus, consultez les Règles du site Google Developers. Java est une marque déposée d'Oracle et/ou de ses sociétés affiliées.
Dernière mise à jour le 2025/07/25 (UTC).
[null,null,["Dernière mise à jour le 2025/07/25 (UTC)."],[[["\u003cp\u003eFHIR data's nested structure necessitates complex SQL queries, making analytics challenging.\u003c/p\u003e\n"],["\u003cp\u003eFlattening FHIR data into views simplifies querying for analytics.\u003c/p\u003e\n"],["\u003cp\u003eFHIR Data Pipes offers two approaches for generating flat tabular views: SQL queries for virtual views and FHIR ViewDefinition resources for materialized views.\u003c/p\u003e\n"],["\u003cp\u003ePredefined views for common FHIR resources are available and customizable.\u003c/p\u003e\n"],["\u003cp\u003eExplore detailed information and implementation guidance in the developer documentation.\u003c/p\u003e\n"]]],["FHIR data's complexity necessitates flattening for analytics. This is achieved by creating tabular views, either virtual or materialized. Virtual views are created using SQL queries, while materialized views are generated via FHIR ViewDefinition resources, outputting in formats like Parquet or DB tables. FHIR Data Pipes supports both methods, providing predefined views for common FHIR resources that can be customized, to facilitate analytics applications. Further details are available in the developer documentation.\n"],null,["# View Layer\n\nThe heavily nested nature of FHIR resources and the Parque-on-FHIR schema\nrequires complex SQL queries that can make them difficult to work with for\nanalytics use cases.\n\nA common approach to address this is to flatten the data into a set of views\n(virtual or materialized) which can then be queried using simpler SQL\nstatements.\n\nUsing FHIR Data Pipes, there are multiple approaches for generating flat tabular\nviews for use in analytics applications to match the deployment requirements:\n\n1. SQL queries to generate virtual views (outside the pipeline)\n\n2. [FHIR ViewDefinition](https://build.fhir.org/ig/FHIR/sql-on-fhir-v2/StructureDefinition-ViewDefinition.html) resources to generate materialized views (within the pipeline)\n which can be outputted in any tabular format (with current support for Parquet\n and DB tables)\n\nFor both of these approaches, a set of \"predefined views\" for common FHIR\nresources are provided. These can be modified or extended.\n\nGo to [developer documentation](https://google.github.io/fhir-data-pipes/)"]]
