健康数据治理与数据质量

健康数据治理是确定谁可以访问健康数据、出于何种目的以及在何种控制下访问健康数据的一系列政策、角色和责任；数据质量是数据适合其预期用途的程度。它们共同决定了基于常规收集的健康数据构建的分析是否值得信赖。

Definition

健康数据治理是健康数据管理和使用的问责制、政策和控制框架，而数据质量评估是对数据是否足够完整、正确和合理以用于特定分析目的的系统性评估。

Scope

本主题涵盖了管理健康数据的管理结构以及评估其质量（包括完整性、正确性和合理性）的维度和方法。它阐述了为什么临床数据的二次使用需要明确的治理和质量评估。它是对方法和原则的参考性处理，而非针对任何司法管辖区的法律、法规或合规性建议。

Key concepts

• 数据管理与问责制
• 数据质量维度（完整性、正确性、合理性）
• 适用性
• 临床数据的二次使用
• 统一的数据质量术语
• FAIR原则（可查找、可访问、可互操作、可重用）
• 数据来源和数据血缘
• 访问控制和数据使用协议

Mechanisms

由于临床和管理数据是为护理和计费而非研究目的收集的，因此其再利用需要治理和质量控制。治理分配管理职责：明确的角色决定访问权限、允许的用途和保障措施，并记录数据使用协议。质量评估随后根据与任务相关的维度评估数据。对电子健康记录数据质量的审查将其组织成重复出现的维度，例如完整性、正确性、一致性、合理性和时效性，后来的协调工作提出了共享术语，以便机构能够一致地描述质量。FAIR等管理原则强调数据应是可查找、可访问、可互操作和可重用的，这通过解决数据如何组织和共享来补充质量评估。

Clinical relevance

治理和质量决定了从常规收集数据中得出的证据是否可靠；正如预测建模的系统评价所指出的，不良数据质量可能会偏倚影响护理决策的风险预测模型和质量指标。理解这些方法有助于用户衡量数据衍生发现的可靠性。本主题描述了管理和评估的原则，不构成监管、隐私或合规性指导。

History

随着临床数据二次使用的增长，该领域认识到不受控制、未经评估的数据可能会产生误导。在2010年代，系统评价对电子健康记录数据质量的维度进行了分类，协调工作提出了共享术语和框架以评估适用性，FAIR原则阐明了对研究数据更广泛的管理期望。这些发展确立了治理和质量作为可信健康分析的先决条件。

Debates

数据质量是内在属性还是相对用途而言？

一个反复出现的争议是数据质量是绝对判断还是仅针对特定分析目的判断；主流观点将质量定义为适用性，这意味着对一种分析足够的数据可能对另一种分析不足，这使得通用质量标准复杂化。

Key figures

• Nicole Weiskopf
• Chunhua Weng
• Michael Kahn
• Mark Wilkinson

Seminal works

• weiskopf-weng-2013
• kahn-2016
• wilkinson-2016

Frequently asked questions

健康数据质量的常见维度有哪些？

对电子健康记录数据质量的审查通常描述完整性、正确性或准确性、一致性、合理性和时效性等维度。相关维度取决于数据的预期分析用途。

数据治理与数据质量有何不同？

治理关乎权限和问责制：谁控制数据以及如何允许和保障其使用。数据质量关乎数据是否适合使用。良好的治理为质量的维护和评估创造了条件。