医疗组织越来越依赖数据通知战略答案进行配置;较高的关系,COVID-19成倍放大。这种不断增长的依赖使得确保跨组织的数据(即适合目的。,数据适当的质量属性为其目的)比以往任何时候都更为重要。
决策的挑战与pandemic-driven紧迫感,各种各样的数据,缺乏资源凸显了医疗数据质量的至关重要的前提条件分析用例。更具体地说,COVID-19要求特定值集,紧急实验室代码更新,更快的周转的数据和分析,所有与资源、报告结构和通讯比以往更加紧张。此外,当恢复活动开始,数据的广度和深度需要通知前进道路只有暴露出更多的问题和数据质量问题。
Data-informed组织将有一个数据质量联合开发和实现一个定义良好的数据质量管理策略。一个健壮的计划考虑了人员、流程和技术需要定义、评估和监控数据质量。有数据质量联盟和战略允许快速,有效和持续的响应在一个组织的规模,保持专注于手头的任务和所有资源工作在一个良好定义的结构。
组织的领导人往往首先识别重要的计划通过基层工作。提高数据质量和构建数据质量联盟也不例外。然而,一旦该计划的价值变得清晰或整个组织达到临界质量,决策者倾向于转向自上而下的行政方法扩大组织的重要性和复杂性。虽然草根和自上而下的策略有价值,一个混合的两个将最有效地减少的挑战和优化数据质量管理的好处。
表1(改编自Dataversity教育资源)总结三种方法建立数据质量计划和联盟:草根,自上而下,混合。
方法 | 运营模式 | 强调 | 好处 | 挑战 |
基层 | Decentralized-Independent优先和资源跨部门团队 | 自助服务和管理 | 更多的自治权/所有权和主题专家(SME) | 慢和更多的变化 |
自顶向下 | Centralized-Single部门控制重点和资源 | 政策、指导方针和成本 | 更快、更有凝聚力 | 更少的自主权和采用 |
混合动力 | Distributed-Coordinated决策与分散的资源管理(推荐) | 需要、影响和成熟 | 内聚的、强有力的支持,中小企业,快速 | 协调和复杂性 |
表1:三种模式来构建数据质量计划和联盟。
基层,也称为自底向上或分散的计划允许团队成员确定的重大问题,确定如何最好地解决它,和政党集会愿意支持工作。更正式的实现可能包括部门或者团队层次的优先级和部分资源时间雕刻专注于数据质量。
基层操作模型数据质量可能会允许一个团队更多的自主权来解决一个问题在他们的主题领域。然而,这种分散的方法可能会破坏整个组织解决类似问题在规模将面临三大挑战:
自上而下的计划,或集中操作模型,依赖于高层的目标和项目组织领导来决定,那么沟通的团队和个人的计划执行。更主题matter-centered实施这种方法可能包括一个中央部门控制数据质量优先和资源。
而自顶向下的方法对于数据质量可能更好地实现规模,同时试图解决良好结合的问题,看有两个主要挑战:
混合的方法,或分布式操作模型,依赖于协调与分散的资源管理决策数据质量。这种方法可以促进组织的一致性和强大的中小企业采用,这有助于实现必要的深度和规模来解决有效的数据质量问题。分布式团队取得更好的规模通过时间和资源投资于一组标准的流程和技术,而不是重新学习相同的课程。
然而,由于混合方法需要大量的协调整个组织工作复杂性的增加而专注于特定的问题。例如,一个数据质量联盟,利用混合方法和分布式操作模型将包括一个小核心团队管理流程和技术。这个核心团队将作为中心的数据质量卓越,提炼和运作指导从组织领导、经理、主题专家,分析professionals-all赋予和共同利益在确保数据质量。
联合政府达成一致标准方法推进证明过程,避免支出资源重新发明轮子。它需要支持从最高水平的领导组织的联合目标和资源。主题专家将帮助通知联盟的重点,因为他们将了解如何最好地理解激励推动良好的数据质量,数据生产者。分析专业人士将不再是默认的解决数据质量不佳,将更好地理解他们的努力集中在什么地方。
快速和显著的结果今天医疗data-informed决策要求非常高质量的数据和分析。组织需要一个数据质量管理策略和数据质量联盟准备支持新的用例(COVID-19内外)和阻碍能力的问题做出正确的决策。组织可以强调特定科级需求,利用跨组织的专业技能,受益于强大的支持,迅速行动,通过构建一个分布式联盟,利用混合自顶向下和自底向上的方法。
你想了解更多关于这个主题?这里有一些文章我们建议:
幻灯片
你想使用或分享这些概念?下载表示强调的关键要点。
我们在为你提供相关的自豪,有用的内容。我们可以使用cookie来跟踪你读什么?我们非常重视您的隐私。请参阅我们的隐私政策对细节和任何问题。