如何建立医疗数据质量联盟以优化决策

医疗保健组织越来越依赖于数据为战略决策提供信息——2019冠状病毒病已成倍扩大了这种关系。这种日益增长的依赖性使得确保跨组织的数据适合于目的(即，数据具有适当的质量属性以服务于其预期目的)比以往任何时候都更加重要。

与大流行驱动的紧迫性、各种数据以及缺乏资源相关的决策挑战突出表明，医疗数据质量是任何问题的先决条件，至关重要分析用例。更具体地说，COVID-19要求特定的值集、紧急的实验室代码更新、更快的数据和分析周转，所有这些都使资源、报告结构和通信比以往任何时候都更加紧张。此外，随着恢复活动的开始，提供前进道路所需的数据的广度和深度只暴露出更多的问题和数据质量问题。

数据知情的组织将有一个数据质量联盟，以发展和实施明确定义的数据质量管理战略。健壮的计划要考虑定义、评估和监控数据质量所需的人员、流程和技术。有了数据质量联盟和策略，就可以在组织范围内进行快速、有效和持续的响应，保持对手头任务的关注，所有资源都在良好定义的结构中工作。

建立医疗保健数据质量联盟:三种方法

组织领导人通常首先通过基层工作确定重要的计划。提高数据质量和建立数据质量联盟也不例外。然而，一旦计划的价值变得清晰或者达到了整个组织的临界质量，决策者倾向于转向自顶向下的管理方法来放大重要性和组织的复杂性。虽然基层和自上而下的策略都有优点，但两者的混合将最有效地减少挑战，并优化各自的数据质量管理效益。

表1(根据aDataversity教育资源)总结了构建数据质量倡议和联盟的三种方法:基层、自上而下和混合。

方法	运营模式	强调	好处	挑战
基层	分散-跨部门和团队的独立资源优先排序	自助服务和管理	更多自主权/拥有权及课题专家(中小企业)	更慢更多变
自顶向下	集中-单一部门控制优先事项和资源	政策、指导方针和成本	更快更有凝聚力	自主性和采用率较低
混合动力	具有分散资源管理的分布式协调决策(推荐)	需求、影响和成熟度	有凝聚力，买入力强，中小企业，速度快	协调和复杂性

基层支持个人输入

基层，也被称为自下而上或分散的，计划允许团队成员识别重要的问题，确定如何最好地解决它，并召集有意愿的各方来支持这项工作。更正式的实现可能包括部门或团队级别的优先级和部分资源时间，以专注于数据质量。

数据质量的基层操作模型可能允许团队在解决其主题领域内的问题时拥有更多自主权。然而，由于三大挑战，这种分散的方法可能会破坏在组织内大规模解决类似问题的能力:

• 竖井子组的需求和组织级目标之间的不协调。
• 缺乏技术能力(激情和善意无法维持努力)。
• 竖井式的资源分配可能只触及表面，而不是解决实际的根本原因。

自上而下的计划会影响领导力

自顶向下的计划，或者集中的操作模型，依赖于组织领导来确定高层次的目标和项目，然后将计划传达给将执行它的团队和个人。这种方法更以主题为中心的实现可能涉及单个集中的部门来控制数据质量优先级和资源。

虽然自顶向下的数据质量方法可以更好地实现规模，同时试图解决良好对齐的问题，但有两个主要的挑战值得关注:

• 对问题进行优先排序，因为它们是最常见的，而不一定是最具影响力的。
• 由于较少的自主性，导致较少的中小企业参与和采用。

数据质量的混合方法要求组织一致和个人采用

混合方法或分布式操作模型依赖于具有分散资源管理的协调决策来提高数据质量。这种方法促进了组织的一致性和中小企业的广泛采用，这有助于实现解决影响深远的数据质量问题所需的深度和规模。分布式团队通过在一组标准的过程和技术上投入时间和资源，而不是重新学习相同的经验，从而达到更好的规模。

然而，由于在关注特定问题时跨组织工作的复杂性增加，混合方法需要显著的协调。例如，利用混合方法和分布式操作模型的数据质量联盟将包括一个小型核心团队来管理流程和技术。这个核心团队将作为卓越数据质量中心，从组织领导人、经理、主题专家和分析专家那里提炼和操作指导——所有人都在确保数据质量方面拥有既得利益和共同利益。

该联盟将同意一种标准的方法来推进已证明有效的流程，并避免浪费资源进行重复工作。它需要来自最高领导级别的支持，以使目标和资源的组织一致。主题专家将帮助确定联盟的优先事项，因为他们将了解如何最好地理解数据生产者推动良好数据质量的动机。分析专家将不再是糟糕数据质量的默认解决方案，他们将更好地了解应该把精力集中在哪里。

混合医疗保健数据质量联盟满足当今快节奏、高风险的需求

如今，基于医疗保健数据的决策制定的快速节奏和重大后果要求数据和分析具有极高的质量。组织需要有数据质量管理策略和数据质量联盟，以支持新的用例(COVID-19及其他)和妨碍做出正确决策的问题。组织可以强调特定的部门级需求，利用跨组织的主题专业知识，从强有力的买入中获益，并通过建立一个分布式联盟来快速行动，该联盟利用了自底向上和自顶向下的混合方法。

更多的阅读

你想了解更多关于这个话题吗?以下是我们建议的一些文章:

1. 如何运行分析以获得更可操作、更及时的见解:医疗保健数据质量框架
2. 为什么卫生系统必须使用数据科学来改善结果
3. 成功的医疗保健数据策略的三个必备条件
4. Smartsourcing临床数据抽象提高了质量，降低了成本，优化了团队成员的参与度
5. 高质量的数据对关注患者参与度的医生至关重要

---

幻灯片

你想使用或分享这些概念吗?下载突出重点的演示文稿。

按此下载幻灯片

如何建立医疗数据质量联盟以优化决策从世界杯葡萄牙vs加纳即时走地