研究人员识别医疗数据缺陷，创建更容易的缺陷检测软件

马里兰大学巴尔的摩分校(UMBC)的研究人员开发了一种方法，通过系统的方法来调查医疗数据的质量，该方法的基础是为数据缺陷创建一个分类，并对数据进行彻底的文献回顾和检查。利用这种分类，研究人员开发了一种软件，可以有效地自动检测数据缺陷。

这项研究发表在美国医学信息协会(JAMIA)杂志上，由Gune ?Koru, FAMIA，信息系统教授，和Yili Zhang, Koru实验室的前研究生，现在是西北大学的博士后研究员。这篇论文强调，在一些现有的医疗保健数据中，缺陷的发生率可能相当高。必须解决这一问题，以便更好地利用数据，提高医疗质量，降低成本，并实现更好的医疗结果。该团队使用真实的医疗数据集与一个匿名医疗组织合作。

尽管今天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，但是很少有人对所分析数据的质量进行研究。最终，这会产生一个影响深远的问题，因为来自数据的重要发现可能没有假设的那么有意义，除非可以投入大量的精力和金钱来使用特别的方法处理数据质量问题。例如，Koru团队分析的大部分数据包含重复错误、格式不匹配和语法错误。

当涉及到提供基本服务的医疗机构时，识别医疗数据中的这些缺陷是非常重要的。Koru解释了医疗机构如何使用收集的数据。医疗机构必须“基于这些数据改进他们的服务，并收集更多的数据”。如果我们能保持这种循环，我们就能更快地学习和改进，这是学习卫生系统概念背后的主要思想，在COVID-19时代，这样做就更加重要了，”他说。

在过去的十年里，美国的医疗服务提供者从记录病人的书面记录到包含所有病人信息的计算机数据库取得了巨大的飞跃。这一跳跃意义重大，因为它为分析提供了机会，但研究人员仍在试图了解如何有效地利用数据作为资产。

Koru将他的团队关于数据质量的研究定位在两个领域之间，一个是利用数据的领域，另一个是生成数据的领域。如果数据本身——连接两个领域的桥梁——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医疗机构提供更好的结果。

在未来，Koru将继续与合作机构的卫生保健专业人员合作，以建立一条前进的道路。他将进一步合作，提高数据质量，并维持一项行动，该行动的成功很大程度上取决于它能从卫生服务机构收集到的数据。当通过本研究开发的软件工具在组织设置中被采用以确保工具的可用性和实用性时，他的团队将与医疗管理专业人员一起工作。

“分类法将帮助数据管理员识别、理解和管理未来工作中可能出现的数据质量问题，”张说。

如今，医疗机构比以往任何时候都更依赖强有力的数据来支持患者和整个医疗领域。Koru和Zhang发现，数据研究人员和医疗机构之间的协作可以为数据质量改进问题提供有效的解决方案。