一种评价医疗主数据质量的方法

admin

随着医疗信息化的基础建设趋近于饱和状态，医疗数据被各类医疗软件厂商作为产品的一大宣传卖点，很多公司也把医疗数据作为公司的一大资产，随之而来，有越来越多的公司开始切入到医疗大数据这个垂直的领域。

        话说医疗行业本来就是一个壁垒高的行业，势必也绕不开医疗数据的管理，如果数据管理不好会带来治理速度赶不上构建速度，作为一个医疗数据部门，如何评价医疗数据构建的质量呢？

个人觉得可以以下几个维度进行评估：

一、数据可信度：评估所构建的是否满足行业标准或数据数据管理规范要求参考

如：WS3电子病历数据组与数据元、ICD编码等，有标准，则优先依照行业，尽可能与行业标准保持一致；

二、数据完整性：数据的属性字段是否都填充；

如：数据元有9个属性字段，已维护的属性字段占多少个

三、数据可应用性：数据构建完成成，在应用时是否能够快速识别，区分等，所构建的数据是否方便被引用

举例：症状库有16850个，如何区分医疗行业常见的症状

如：构建疾病库，是否可以快速区分常见疾病、ICD编码疾病、按科室区分疾病等；

四、数据专业性，所构建的数据是否符合医疗行业的命名规则取名，与行业的叫法尽可能保持一致

举例：构建检查项目时，会在项目后增加检查、检测、测定等；

五、数据安全性：数据管理是否有权限管理、对于底层数据是否有审核机制；

如：所构建的数据操作是否安全，能否被轻易修改、删除等

六、数据规范性：在构建数据时是否遵循行业或公司规范

如：创建症状时，以字母ZZ大写开头+6位数字，ZZ000001

七、数据一致性：同一名称数据是否只能一条，不重名

如：帕金森既属于症状库，又属于疾病库，一旦一个名称在多个类别就会容易出现脏数据，数据治理难度加大，故在符合行业要求的前提下尽可能保证数据的唯一性；

八、数据易理解性：所构建的数据是否容易理解，如何让业务端准确的引用到对应的数据

举例：如：实体【帕金森病】与【帕金森综合征】谁能区分，维护或引用数据时是引用帕金森还是引用帕金森综合征

九、可维护性：同一数据在一个位置进行存储，具有共性的数据是否只需维护一份

如：高血压、高危高血压，原发性高血压，是否具有共同特点，是否存在相似的属性，在一个地方维护后可以同步到其他血压

十、可追溯性：数据从新建到删除，是否可以追溯到时间、操作人，操作前等操作日志

如：如果数据被修改或删除了，是否有版本记录，是否可以找到对应的操作者，修改或删除的原因

十一、数据可拓展性：如果数据被升级或废弃后，是否有对应的处理机制

如：ICD10到ICD11后，对应的数据如何更新，更新后对业务端被引用的数据如何处理；

十二、数据维护及时性：数据构建后，该数据相关的属性或关联数据是否在规定时间内维护

如：构建元数据后，是否构建元数据对应的值域（举例：创建【性别】后，是否创建【性别】的值域【男】、【女】）