clinical_laboratory/documents/plans/issue-51-implementation-plan.md

Plan de Implementación - Issue #51: Catálogo de Parámetros de Laboratorio

Objetivo

Implementar un catálogo maestro de parámetros de laboratorio con configuración por análisis y rangos de referencia flexibles basados en edad, sexo y otras condiciones del paciente.

Arquitectura Propuesta

Modelos Principales

1. lims.analysis.parameter - Catálogo maestro de parámetros
2. product.template.parameter - Asociación parámetro-análisis
3. lims.parameter.range - Rangos de referencia flexibles
4. lims.result (modificado) - Usar parameter_id en lugar de parameter_name

Fases de Implementación

Fase 1: Creación de Modelos Base (Tasks 1-4)

Objetivo: Establecer la estructura de datos fundamental

Task 1: Crear modelo lims.analysis.parameter

• Crear archivo lims_management/models/analysis_parameter.py
• Definir campos: name, code, value_type, unit, selection_values, description, active
• Implementar constraints y validaciones
• Crear vistas (list, form) para gestión del catálogo
• Agregar menú de configuración
• Crear permisos de seguridad

Task 2: Crear modelo product.template.parameter

• Crear archivo lims_management/models/product_template_parameter.py
• Definir relación entre product.template y lims.analysis.parameter
• Implementar campos: sequence, required, instructions
• Agregar constraint de unicidad
• Crear vista embebida en product.template
• Actualizar herencia de product.template

Task 3: Crear modelo lims.parameter.range

• Crear archivo lims_management/models/parameter_range.py
• Implementar campos de condiciones: gender, age_min, age_max, pregnant
• Implementar campos de valores: normal_min/max, critical_min/max
• Crear método _compute_name()
• Agregar constraint de unicidad
• Crear vistas de configuración

Task 4: Agregar método _compute_age() en res.partner

• Extender modelo res.partner
• Implementar cálculo de edad basado en birth_date
• Agregar campo is_pregnant (Boolean)
• Crear tests unitarios para el cálculo

Fase 2: Migración y Adaptación (Tasks 5-7)

Objetivo: Adaptar el sistema existente al nuevo modelo

Task 5: Modificar modelo lims.result

• Cambiar parameter_name (Char) a parameter_id (Many2one)
• Mantener parameter_name como campo related (compatibilidad)
• Implementar _compute_applicable_range()
• Actualizar _compute_is_out_of_range() para usar rangos flexibles
• Crear script de migración de datos

Task 6: Actualizar generación automática de resultados

• Modificar _generate_test_results() en lims.test
• Generar líneas basadas en product.template.parameter
• Respetar orden (sequence) y obligatoriedad
• Asignar tipos de dato correctos

Task 7: Eliminar modelo obsoleto lims.analysis.range

• Remover archivo del modelo
• Eliminar referencias en product.template
• Actualizar vistas que lo referencian
• Limpiar datos de demo
• Actualizar init.py y manifest.py

Fase 3: Interfaz de Usuario (Tasks 8-10)

Objetivo: Crear interfaces intuitivas para configuración y uso

Task 8: Crear vistas de configuración de parámetros

• Vista de catálogo de parámetros (búsqueda, filtros)
• Formulario de parámetro con smart buttons
• Vista de configuración de parámetros por análisis
• Vista de rangos con filtros por parámetro

Task 9: Actualizar vistas de ingreso de resultados

• Adaptar formulario de lims.result
• Mostrar tipo de dato esperado
• Validación en tiempo real
• Indicadores visuales de valores fuera de rango
• Mostrar rango aplicable según paciente

Task 10: Crear wizards de configuración masiva

• Wizard para copiar configuración entre análisis
• Wizard para importar parámetros desde CSV
• Wizard para aplicar rangos a múltiples parámetros

Fase 4: Datos y Validación (Tasks 11-13)

Objetivo: Poblar el sistema con datos útiles y validar funcionamiento

Task 11: Crear datos de demostración

• Parámetros comunes de hematología
• Parámetros de química sanguínea
• Configuración para análisis existentes
• Rangos por edad/sexo realistas
• Casos de prueba especiales

Task 12: Desarrollar tests automatizados

• Tests unitarios para modelos
• Tests de integración para flujos
• Tests de validación de rangos
• Tests de migración de datos
• Tests de rendimiento

Task 13: Actualizar reportes

• Modificar report_test_result
• Incluir información del catálogo
• Mostrar rangos aplicables
• Resaltar valores anormales
• Agregar interpretación cuando esté disponible

Consideraciones Técnicas

Migración de Datos

• Script Python para migrar parameter_name existentes
• Crear parámetros automáticamente desde histórico
• Mantener compatibilidad durante transición
• Backup antes de migración

Performance

• Índices en campos de búsqueda frecuente
• Cache para rangos aplicables
• Lazy loading en vistas con muchos parámetros

Seguridad

• Solo administradores pueden crear/modificar catálogo
• Técnicos pueden ver pero no editar parámetros
• Logs de auditoría para cambios en rangos

Cronograma Estimado

• Fase 1: 2-3 días (Modelos base y estructura)
• Fase 2: 2 días (Migración y adaptación)
• Fase 3: 2 días (Interfaces de usuario)
• Fase 4: 1-2 días (Datos y validación)

Total estimado: 7-9 días de desarrollo

Riesgos y Mitigaciones

1. Riesgo: Pérdida de datos durante migración

   • Mitigación: Scripts de backup y rollback

2. Riesgo: Resistencia al cambio de usuarios

   • Mitigación: Mantener compatibilidad temporal, capacitación

3. Riesgo: Complejidad en rangos múltiples

   • Mitigación: UI intuitiva, valores por defecto sensatos

Criterios de Éxito

• Todos los tests automatizados pasan
• Migración sin pérdida de datos
• Validación automática funcional
• Reportes muestran información correcta
• Performance aceptable (< 2s carga de resultados)
• Documentación actualizada

Próximos Pasos

1. Revisar y aprobar este plan
2. Comenzar con Task 1: Crear modelo lims.analysis.parameter
3. Seguir el orden de las fases para mantener coherencia
4. Validar cada fase antes de continuar

---

Nota: Este plan está sujeto a ajustes según se descubran nuevos requerimientos o complejidades durante la implementación.