133 lines
6.5 KiB
Markdown
133 lines
6.5 KiB
Markdown
# run_all_v1.1.py — IWRS: kompletní pipeline Pacienti + Léky
|
|
|
|
**Verze:** 1.1 | **Datum:** 2026-06-10
|
|
|
|
- **v1.1:** všechny moduly pipeline přesunuty na úroveň `IWRS/` — adresáře
|
|
`Patients/` a `Drugs/` už pipeline nepotřebuje. Worker přejmenován:
|
|
`Patients/import_to_mongo.py` → `import_patients_mongo.py`; parsery notifikací
|
|
vyčleněny do `notification_parsers.py` (bez závislosti na MySQL).
|
|
- **v1.0:** první verze sjednocené pipeline (nahradila `Drugs/run_all.py`
|
|
a `Patients/download_all.py`+`import_all.py`).
|
|
|
|
Jeden vstupní skript na úrovni `IWRS/`, který stáhne z janssen.4gclinical.com
|
|
a naimportuje do MongoDB (db `studie`) data pacientů i léků pro obě studie
|
|
(77242113UCO3001, 42847922MDD3003).
|
|
|
|
## Tok souborů
|
|
|
|
```
|
|
IWRS/Incoming/ ← sem padá vše stažené (pacienti i léky, datumované názvy)
|
|
IWRS/Incoming/Processed/ ← sem se přesouvá po úspěšném importu
|
|
```
|
|
|
|
- Při chybě importu soubor **zůstává v Incoming/** a zpracuje se při příštím běhu.
|
|
- Import jde vždy **nejstarší soubor napřed** (mtime) — chronologická správnost snapshotů.
|
|
- Kolize jména v Processed/ → přepíše se (Mongo už data má, soubor je jen archiv).
|
|
- Adresář `IWRS/Incoming/` je v `.gitignore`.
|
|
- Původní adresáře `Drugs/xls_*` zůstávají zmrazené na místě jako archiv — nový kód je nepoužívá.
|
|
|
|
## Názvy souborů v Incoming/
|
|
|
|
| Typ | Vzor |
|
|
|---|---|
|
|
| Subject Summary | `YYYY-MM-DD {study} Subject Summary Report.xlsx` |
|
|
| Subject Detail | `YYYY-MM-DD {study} {subject} Subject Detail.xlsx` |
|
|
| Notifikace | `{datum}_{study}_{subject}_{label}.pdf` + `.json` |
|
|
| Onsite Inventory | `YYYY-MM-DD {study} Onsite Inventory {site}.xlsx` |
|
|
| IP Destruction | `YYYY-MM-DD {study} IP Destruction {basket}.xlsx` |
|
|
| Shipments Report | `YYYY-MM-DD {study} Shipments Report.xlsx` |
|
|
| Shipment Details | `YYYY-MM-DD {study} Shipment Details {shipment_id}.xlsx` |
|
|
|
|
Při kolizi (druhý běh ve stejný den) se před příponu přidá ` HHMM`.
|
|
Metadata (site, basket, study) se při importu čtou primárně z **obsahu** souboru;
|
|
z názvu se bere jen `shipment_id` u Shipment Details.
|
|
|
|
## Průběh
|
|
|
|
### Fáze 1 — stahování (2 přihlášení, per studie jedna browser session)
|
|
|
|
1. Login + výběr studie (`common/iwrs_portal.py`)
|
|
2. **Pacienti** (`download_patients.py`):
|
|
- Subject Summary Report
|
|
- per subjekt: Subject Detail XLSX + notifikace PDF+JSON (stahují se jen
|
|
notifikace, jejichž `pk` ještě není v Mongo `iwrs_notifications`)
|
|
3. **Léky** (`download_drugs.py`):
|
|
- Onsite Inventory — všechna centra, vždy znovu
|
|
- IP Destruction — přeskočí košíky už importované v `iwrs_destruction`
|
|
(destrukce je immutable)
|
|
- Shipments Report — vždy znovu
|
|
- Shipment Details — jen CZ zásilky; přeskočí zásilky, jejichž položky
|
|
jsou v `iwrs_shipment_items` se statusem RECEIVED (finální stav).
|
|
CANCELLED zásilky se stahují při každém běhu (záměrně zachováno).
|
|
|
|
### Fáze 2 — import (po stažení obou studií)
|
|
|
|
1. `ensure_indexes()` (jednou)
|
|
2. **Pacienti** (`import_patients.py`): summary → detaily → notifikace;
|
|
per soubor, po úspěchu přesun do Processed/
|
|
3. **Léky** (`import_drugs.py`): jeden `import_id` per studie a běh;
|
|
parsuje všechny čekající soubory (nejstarší napřed, poslední vyhrává per `_id`),
|
|
pak hromadný zápis:
|
|
- `iwrs_shipments`, `iwrs_shipment_items`, `iwrs_inventory` — upsert + snapshot
|
|
- `iwrs_destruction` — upsert bez snapshotu
|
|
Po úspěšném zápisu se zparsované soubory přesunou do Processed/;
|
|
soubor s chybou parsování zůstává v Incoming/.
|
|
Prázdný inventory report (centrum bez zásob — jen meta řádky `Site:` atd.,
|
|
bez tabulky léků) se bere jako 0 položek a normálně se archivuje.
|
|
|
|
## Použití
|
|
|
|
```
|
|
python run_all_v1.1.py # vše (download + import, obě studie)
|
|
python run_all_v1.1.py --download-only # jen stažení do Incoming/
|
|
python run_all_v1.1.py --import-only # jen import čekajících souborů
|
|
python run_all_v1.1.py --only-patients # jen pacientská část
|
|
python run_all_v1.1.py --only-drugs # jen léková část
|
|
python run_all_v1.1.py --study 42847922MDD3003 # jen jedna studie
|
|
```
|
|
|
|
Prohlížeč běží s `headless=False` (viditelné okno) jako dosud.
|
|
Moduly `import_patients.py` a `import_drugs.py` lze spustit i samostatně.
|
|
|
|
## Mapa modulů (vše na úrovni IWRS/)
|
|
|
|
```
|
|
IWRS/
|
|
run_all_v1.1.py ← vstupní skript (CLI, orchestrace)
|
|
download_patients.py ← summary + delegace na download_subject_details.run()
|
|
download_subject_details.py ← detaily subjektů + notifikace (worker)
|
|
import_patients.py ← orchestrace importu pacientů
|
|
import_patients_mongo.py ← worker: summary + visits → Mongo (ex Patients/import_to_mongo.py)
|
|
import_notifications_to_mongo.py ← worker: notifikace PDF+JSON → Mongo
|
|
notification_parsers.py ← parsery textů notifikací (bez MySQL)
|
|
download_drugs.py ← 4 typy reportů → Incoming/, skip-logika přes Mongo
|
|
import_drugs.py ← parsery + import léků z Incoming/
|
|
common/
|
|
iwrs_portal.py ← BASE_URL, credentials, login(page, study)
|
|
paths.py ← INCOMING/PROCESSED, unique_path, move_done, sorted_by_mtime
|
|
mongo_writer.py ← konvertory, upserty, snapshoty, import log
|
|
Trash/ ← run_all_v1.0.py + .md
|
|
```
|
|
|
|
## Úklid IWRS (provedeno 2026-06-10)
|
|
|
|
Na úrovni `IWRS/` zůstává jen aktivní kód a data:
|
|
`run_all_v1.1.py`, `create_report_v1.0.py` (+ oba `.md`), 8 modulů pipeline,
|
|
`common/`, `Incoming/` (+ `Processed/`) a `Reports/`.
|
|
|
|
Vše ostatní je v `IWRS/Trash/`: celé adresáře `Patients/` a `Drugs/`
|
|
(vč. zmrazených archivů `xls_*`, starých výstupů `output/` a `CreatedReports/`
|
|
a jejich vlastních `Trash/`), `Testing/`, `backfill_mysql_to_mongo.py`
|
|
(jednorázový legacy nástroj; importoval `db_config` z Patients, v Trash zůstává
|
|
funkční vedle sebe), `reports.json` a `run_all_v1.0.*`.
|
|
|
|
Reportovací skripty byly sjednoceny do `IWRS/create_report_v1.0.py` — původní
|
|
`Drugs/create_report.py` a `Patients/create_subject_report.py` jsou v Trash.
|
|
|
|
## Jednorázová migrace (provedeno 2026-06-10)
|
|
|
|
- `Patients/Incoming/Zpracováno/` (1343 souborů) → `IWRS/Incoming/Processed/`
|
|
- `.gitignore`: `IWRS/Patients/Incoming/` → `IWRS/Incoming/`
|
|
- Staré vstupní skripty → `Patients/Trash/`, `Drugs/Trash/`
|
|
- v1.1: moduly pipeline → úroveň `IWRS/` (git mv, historie zachována)
|