研究人员识别医疗保健数据缺陷，创建软件以便更容易缺陷检测

马里兰大学的研究人员，巴尔的摩县（UMBC）制定了一种方法来使用系统方法调查医疗数据的质量，这是基于创建数据的分类缺陷彻底的文献审查和数据检查。使用该分类学，研究人员开发了软件，可有效且有效地自动检测数据缺陷。

这项研究发表在美国医学信息学协会杂志，由Güne?Koru是FAMIA的信息系统教授，还有张伊利，Koru实验室的前研究生，现在是西北大学的博士后。该论文强调，某些现有医疗保健数据中的缺陷可能相当普遍。必须解决这一问题，以便更好地利用数据提高保健质量、降低成本并实现更好的保健结果。该团队与一个使用真实医疗数据集的匿名医疗保健组织合作。

尽管现在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，但对所分析数据的质量进行的研究却很少。最终，这将产生一个影响深远的问题，因为数据中的重要发现可能没有假设的那么有意义，除非能够投入大量的精力和金钱来使用特定的方法来处理数据质量问题。例如，Koru的团队分析的很多数据包含重复、不匹配的格式和不正确的语法等错误。

在医疗保健设施方面识别医疗保健数据中的这些缺陷非常重要。Koru解释了医疗保健设施如何使用所收集的数据。医疗组织必须“基于该数据的服务，收集更多数据。如果我们能够保持这个周期，我们实际上可以更快地学习和提高，这是学习卫生系统概念背后的主要想法，并做在Covid-19时代，这一切都是更重要的，“他说。

在过去十年中，医疗保健机构在美国取得了巨大的飞跃，从保存病人的书面记录到包含所有病人的信息在计算机数据库。这一飞跃意义重大，因为它为分析提供了机会，但研究人员仍在努力学习如何有效利用数据作为资产。

Koru将他的团队对数据质量的研究定位为正在努力利用数据的字段和正在努力生成它的字段之间的字段。如果数据本身 - 连接两个字段的桥 - 包含许多不一致性和问题，那么相关信息不能用于为患者和设施提供更好的结果。

未来，Koru将继续与合作伙伴设施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，提高数据质量，维持一个基于它可以从卫生服务收集的数据上取得大部分成功的操作。他的团队将在组织环境中采用本研究的软件工具时，他的团队将与医疗管理专业人员合作，以确保工具的可用性和有用性。

“这种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，”张说。

现在比以往任何时候都更，卫生保健设施依靠强大的数据来支持患者和整体医疗领域。Koru和张某发现数据研究人员之间的合作卫生保健组织可以为改善数据质量的问题生成有效的解决方案。

---

---