引言：上篇文章，我们从数据资产管理出发，延伸到数据治理架构的搭建，对医院数据治理提出了一些思考和建议。提升数据质量，是数据治理工作中最重要的目标之一，也是医院关注的重要指标。

本期专栏，我们邀请到柯林布瑞大数据治理及产品研发团队，将对“如何科学地进行数据质量管理”进行观点分享与探讨。

Q：数字医疗背景下，都说“有质量”的数据才有价值，你们认为什么样的数据属于“有质量”的数据？

A： 我们过去谈过很多关于数据质量的问题，什么样的数据是“有质量”的？又该如何评估这种质量？

一般来说，对数据质量的评估建立在数据完整性、数据一致性、数据准确性、数据有效性等可量化的标准基础上，也就是说，通过这几个方面就可以评估数据是否达到预期设定的质量要求。但是，这也只是一些评判数据质量的维度和衡量指标。

另外，定义数据质量的优劣，肯定还是要重视结果。因为真正有质量的数据最终要表现在用户端，即数据最终的使用者。如果数据本身质量不佳，自然很难获取有效且正确的结果，也会影响上层应用内在价值的实现。所以，数据质量高低的评判要从整体上考量其对医院业务应用的满足程度。

Q：可否展开谈谈，如何从医院的业务应用层面来评判数据质量的好坏？

A： 数据面向医院不同业务应用提供支持，具体而言，可以分为临床数据中心、运营数据中心和科研数据中心。

首先，从临床角度上来讲。数据经过采集、加工及治理等各环节后，必须确保其完整、无遗漏，能真实准确地反映实际发生的业务。当然，像临床应用中的护理不良事件风险评估系统，它通过自动解析患者电子病历并采集危险因素完成评估量表。如果数据质量不好，则没法进行有效地进行评估。

其次，不论是院内运营管理系统，还是三级医院等级评审支撑系统、公立医院绩效考核系统等等，都涉及一些考核指标的数值。以院内运营管理系统为例，从全院层面到科室、医疗组、医生个人，数据需要真实的反映院内运营相关的指标，反映医院整体运行的情况，数据质量好坏直接影响到指标的准确性。

再者，对于医院科研人员而言，通过临床大数据搜索引擎来完成临床科研相关数据的查询，搜索出来的数据需要完整和全面，才可以满足其数据检索和提取的需求，帮助其进行相应的研究。

所以，如何去评判数据质量的高低，还是要从最终的应用角度出发。当前，主要体现在临床、运营及科研三个层面；未来，可能会有更多的应用满足更多的场景。无论这些应用对数据的要求是什么，毫无疑问，高质量的数据可以决定数据应用的上限，伴随着场景复杂度的增加，对数据质量要求只会越来越高。

Q：在各个行业中，PDCA作为质量管理的工具被广泛应用。你们认为医疗机构在日常的运营管理中是如何使用该方法的？

A： 前面提到量化数据质量的手段、标准，实际上也是PDCA方法论本质的重要组成部分。作为质量管理工具，它是整个数据治理体系的其中一个模块，也是一个实用性很强的持续改善的工具。

PDCA是指由计划(plan)、执行(do)、检查(check)、处理(act)这4个环节构成一个封闭的环。应用此工具，可以将每一项工作形成闭环，实现闭环管理，同时用大环套小环，旧环生成新环，层层递进，层层管理。

我们讲的医院的数据治理就是参考PDCA方法论对医院数据进行自动化核查和质量控制。通过质量评估标准、问题稽查核对等，帮助提升医院各个业务系统数据质量，并形成数据质量管理的闭环。依照PDCA方法论开展循环管理工作，质量会愈来愈高。

Q：医院采用PDCA是否能够有效提高数据质量？具体体现在哪些方面？

A：PDCA循环模型对数据质量是一个全面、长期的提升与管理，采用PDCA能够有效提升医院数据质量。具体体现在：

（1）医院在建设大数据平台后，以往业务系统中存在的诸如主从表对应不上、数据逻辑关系不对、数据不一致等各种数据质量问题，能否得到切实改善与提升？基于PDCA方法论的核查体系的干预，可以帮助验证医院大数据平台的数据整合与治理能力，同时它也不再局限于传统的单个数据表的核查，而是将业务相关的属性带进来，比如逻辑关联的检测，像医生开医嘱时间一定要小于护士执行医嘱的时间等等，可使数据质量获得进一步提升。

（2）传统的质量核查方式，更多的是通过专业的工程师进行人工干预，缺乏一个比较体系化、长效化的支撑机制，整个过程无法监控与复用。基于PDCA手段，不论是从数据底层技术角度还是业务角度的各个环节，数据核查范围能够实现全覆盖。

（3）PDCA体系更多是一个产品型、一种手段，要想真正把这个体系执行下去，还是要需要依靠现场的实施工程师，按照所规划的解决问题的思路去执行，从问题分析、解决方案、典型案例等内容中，建立完备的数据质量管理知识库体系，帮助医院最终形成数据质量核查闭环。

（4）在国家政策方面，“数据核查原则”在《三级综合医院评审标准（2020年版）》中被提出，对医疗机构上报数据要求核查并设置惩罚机制。基于PDCA体系的数据核查系统能够切实解决医院数据上报不及时、不准确等痛点，帮助医院进行评审改进和数据质量提升。

Q：从你们的角度来看，医院要做好哪些环节才能从根本上提升数据质量，为临床、科研等领域提供有价值的数据？

A： 我们需要达成共识的是，数据质量工作不是某一个单一团队的工作，而是基于良好的数据责任意识下，医院内部数据相关部门和人员，以及大数据厂商等共同参与的工作。对于医院而言，可以从管理措施和技术手段两方面入手，做到两手抓、两条腿走路。

第一，就医院本身来说，医疗数据大体量、高复杂，管理难度较大，且管理层对数据质量重视不足，导致数据质量长期处于无人监管的状况。所以，医院内部需要从制度层面进行优化，要重视建立信息数据质量管理制度，设置专门部门或关键岗位人员，建立有效的数据质量保障机制和问题处理机制，使医院由被动接受数据质量问题转变为主动管理数据质量，避免数据质量问题重复出现。

这是因为，其一，医院在信息化过程中，各科室人员如果有主动意识和动力将发现的数据质量问题及时反馈并交由相关人员分析处理，问题会得到相应的处理补救。其二，很多情况下数据质量问题是由业务系统产生，医院需要有相应的人员角色根据数据质量报告去推动业务生产库的厂商解决问题，打通从发现、执行、检查到处理问题的整条链路，这样才能形成管理闭环。

第二，在技术层面，尽管医院提升数据质量没有完全符合大家预期的捷径，但是医院运用智能化手段、工具进行数据质控，及时纠正现有数据问题，也能达到事半功倍的效果。

目前，柯林布瑞数据质量核查机制已经在四川大学华西医院、上海交通大学医学院附属瑞金医院、广西医科大学附属肿瘤医院落地实施，帮助医院持续改进数据质量，深入挖掘数据链中更多潜在价值。

结语：总体而言，数据质量决定了数据对业务的内在价值，高质量的数据无疑是驱动医院高质量发展的保证。医院可以应用PDCA战略方法，来对数据质量进行一个系统的优化与提升，严把数据质量关，督促业务系统不断改进与完善，更好地发挥数据价值，这也是实现数字化转型升级的重要前提。