马里兰巴尔的摩县大学(UMBC)的研究人员已经开发出一种使用系统方法研究医疗保健数据质量的方法，该方法基于通过文献复习和数据检查建立数据缺陷的分类法。研究人员使用该分类法开发了可以自动有效地检测数据缺陷的软件。

这项研究发表在《美国医学信息学协会杂志》(JAMIA)上，由信息系统教授FAMIA的GünesKoru和Koru实验室的前研究生Yili Zhang领导，他现在是西北大学的博士后。大学。该论文强调，某些现有医疗保健数据中的缺陷患病率可能很高。必须解决此问题，以更好地利用数据来改善护理质量，降低成本并实现更好的医疗效果。该团队与一个匿名医疗机构合作，使用了真实的医疗数据集。

尽管当今许多研究人员都参与了医疗数据的分析并对其重要性进行了投资，但对所分析数据质量的研究却很少。最终，这会产生深远的问题，因为从数据中获得的重要发现可能没有想象的有意义，除非可以投入大量的精力和金钱来使用即席方法处理数据质量问题。例如，Koru团队分析的许多数据都包含重复错误，格式不匹配以及语法错误。

当涉及提供基本服务的医疗机构时，识别医疗数据中的这些缺陷非常重要。Koru解释了医疗机构如何使用收集到的数据。医疗保健组织必须“基于该数据改善其服务，并收集更多数据。如果我们能够保持这一周期持续进行，我们实际上可以更快地学习和改进，这是学习卫生系统并执行以下工作的主要思想在COVID-19时代就显得尤为重要，”他说。

在过去的十年中，美国的医疗保健提供者从将患者记录保存在纸质记录到将所有患者信息包含在计算机数据库中方面取得了巨大飞跃。这种跳跃意义重大，因为它提供了分析的机会，但是研究人员仍在尝试学习如何有效地利用数据作为资产。

Koru将他的团队对数据质量的研究定位在致力于利用数据的领域与致力于生成数据的领域之间。如果数据本身(连接这两个领域的桥梁)包含许多不一致和问题，那么相关信息就不能用于为患者和设施提供更好的结果。

将来，Koru将继续与合作伙伴机构的医疗保健专业人员合作，以建立前进的道路。他将进一步合作，以提高数据质量并维持一项运营，该运营的大部分成功基于可从医疗服务收集的数据。当通过这项研究开发的软件工具被用于组织环境中以确保工具的可用性和实用性时，他的团队将与医疗保健管理专业人员合作。

张说：“分类法将帮助数据管理员在未来的工作中识别，理解和管理潜在的数据质量问题。”