医疗保健分析峰会回来了!9月13日至15日,在盐湖城收看我们的现场报道。现在注册
COVID-19响应而恢复需要数据匹配,以推动及时、可操作的见解达到前所未有的水平。因此,卫生系统越来越认识到数据质量是临床、财务和运营分析的先决条件。为了量化数据质量,医疗保健数据团队可以使用可度量的数据属性来演示数据是否适合特定目的。良好和透明的数据质量为所提供的见解注入了信心,从而加速了合理的决策制定。相反,糟糕的数据质量会降低信心,最终推迟或导致错误的决定。
组织倾向于理解数据质量的价值,但是生成高质量数据和分析的系统的基础是复杂的。为了应对COVID-19对高质量数据的迫切需求和持续的数据质量挑战,卫生系统需要一个可行动的结构,以导航全面和积极的数据质量战略的关键阶段。医疗保健数据质量框架提供了一种系统的方法来度量、监视和确定数据是否“适合于目的”(即,它可以服务于预期的目的)。
定义数据质量级别有助于组织了解其数据质量的当前状态以及数据是否在改进。数据用户可以遵循数据质量的四个级别(图1)来确定质量检查点,包括数据质量是否取决于数据的上下文或使用它的目的,以及定义数据质量是否需要专门的主题知识。
遵循医疗保健数据质量框架(图2)的卫生系统将从头开始建立数据质量文化,并积累必要的信息,以推动有意义的改进,对危机作出反应,并为未来的紧急情况做好准备。
医疗保健数据质量框架指导整个数据生命周期的质量保证:
在数据质量的上下文中,将数据视为产品意味着数据来自评估和自始至终处理其质量的过程或系统——类似于汽车从原材料到装配线到经销商再到专家杂志评论的过程。为了在汽车制造、销售和评估过程中取得成功,汽车制造商需要优质的原材料(如车身和发动机部件)来将他们的汽车从概念车推向消费者。
为了创建适合特定用途的医疗保健数据产品,分析专业人员需要在数据管道的一开始就优先考虑质量,并在数据穿过系统时指导质量。在医疗保健领域,重要的是要确认数据是其来源的准确表示(例如,EMR、付款人/索赔、成本计算、人力资源等)。
为了确保他们将数据视为一种产品,数据工程师可以问自己以下问题:
如果数据首先在结构上不健全,卫生系统就难以达到更高的数据质量水平。上面描述的级别彼此构建,虽然内容和效用评估将暴露结构问题,但是在利用特定的结构评估时,理解根本原因会更有效。例如,确定一个相遇标识符在不同的相遇中是否是唯一的,而不是NULL,可以促进引用完整性。当数据用户利用该标识符作为外键将流程和遇到的数据链接在一起时,用户可以专注于评估跨这两个主题领域的内容质量,比如流程表记录的日期是否在遇到期间。
理解数据用例对于定义和确保数据内容的质量是极其重要的,因为它需要专门的主题知识,并且可能依赖于上下文(对于多主题领域)。可能与数据用户不同的是,组织必须确定一个数据主题专家(SME)来定义内容级别的数据质量,因为该专家将理解内容(例如,给定度量单位,温度是有意义的)。SME根据上下文(例如,鉴于患者的年龄,心率是合适的)定制定义,以评估数据质量是否足以满足预期的用例。
通常,组织通过在单个项目或部门竖井中处理数据质量,采取基层方法。但是,创建数据质量联盟将组织领导人、管理人员、主题专家和分析专业人员聚集在一起——所有人都有确保数据质量的既得利益和共同利益,因为这有助于更好的决策。团队同意一种标准方法,以推进已证明的过程,并避免花费资源重新发明轮子。联盟必须得到最高一级领导的支持,以便在工作目标和资源方面实现组织一致。
在卫生系统继续应对2019冠状病毒病并为应对紧急情况的未来做好准备之际,适合用途的质量数据已成为一项战略要务。确保医疗保健组织领导人、管理人员和提供者拥有适合关键决策制定(例如,COVID-19应对)的数据的唯一方法是在数据生命周期开始时建立质量,并在所有流程中保持质量。结构化的质量过程(如医疗保健数据质量框架)利用技术和主题方面的专门知识来定义、评估和监视整个管道的数据质量。因此,卫生系统不仅仅是根据数据做出决定,它们还根据数据做出高质量的决定。
你想了解更多关于这个主题的信息吗?以下是我们推荐的一些文章:
您愿意使用或分享这些概念吗?下载突出重点的演示文稿。
我们以为您提供相关、有用的内容而自豪。我们可以用cookies来追踪你所阅读的内容吗?我们非常重视您的隐私。详情请参阅我们的隐私政策了解详情和任何问题。