医疗数据治理在大数据分析中的作用

数据一直是医疗保健行业的生命线。从血压读数和手术记录到保险索赔，免疫历史，患者人口统计和支付收据，医疗保健生态系统中每个成员的每项行动都依赖于无穷无尽的信息流。

在电子健康记录出现之前，绝大多数这些数据都被困在文件夹和银行家的盒子里。这种静态数据资源经常被难以辨认的笔迹，丢失的文件和错误的错放记录所掩盖，对数据科学家寻求创新方法来利用历史来预测患者护理的未来几乎没有用处。

随着行业不情愿地采用EHR，利益相关者开始探索大数据分析的新前沿。由于推动质量高于数量的支付改革前景，提供商开始寻求自动化工具，以帮助他们了解临床风险，更有效地与患者沟通，并执行人口健康管理任务，帮助他们在新的财务方面取得成功景观。

但是当谈到大数据时，旧习惯会变得很难。将纸质记录变成噩梦的随意数据治理实践经常被转换为电子环境而放大，而不是改善。 

令人费解和不直观的EHR界面使得数据输入对于不堪重负的临床医生来说是一项非常令人沮丧的任务。健康信息管理者努力在结构化模板的好处和他们无法捕捉病人的完整故事之间划清界限。技术专家经常采用slapdash方法进行EHR优化，然后解决问题，无论何时可以解决，而不必考虑长期影响。

许多医疗保健组织仍然在大数据采用周期的这个繁忙阶段中苦苦挣扎，他们常常觉得他们根本没有时间，资金或资源来协同努力使数据治理成为优先事项。

一个2015年的调查由美国卫生信息管理协会（AHIMA）发现，近三分之一的参与者都在推动数据治理作为企业的当务之急毫无进展，另有24％的增加，治理根本就不是他们的领导是当务之急。

但忽略数据治理在大数据环境中的作用可能是明智的，愚蠢的。如果没有健全，准确，及时，干净和完整的数据，医疗保健组织将无法超越记录保存的基础，并开发分析能力，这将成为新兴的价值型医疗世界中至关重要的生存技能。

什么是数据治理？它与信息治理是一样的吗？

“数据治理”和“信息治理”是两个常用术语，通常可以互换使用，但在重要方面有所不同。

数据治理是在整个生命周期中管理数据资产的实践，以确保它们符合组织质量和完整性标准。数据治理旨在确保用户可以信任他们的数据，这在做出患者护理决策时尤为重要。

作为综合数据治理计划的一部分，用户需要对创建高质量数据以及以安全，合乎道德，授权的方式使用该数据负责。 

在医疗保健行业，健康信息管理专业人员通常负责开发和监督数据治理原则，以提高数据资产的一致性，可靠性和可用性，同时优化EHR接口，为最终用户消除不必要或重复的步骤，并根除有问题的解决方法。

这些活动的目标是提高员工效率，培养问责环境，并创建标准化，可互操作的大数据库，可用于组织改进和更高质量的临床决策。

根据AHIMA，信息治理略有不同，但它与数据治理密切相关。

AHIMA将信息治理定义为“在整个生命周期内管理信息，支持组织的战略，运营，监管，法律，风险和环境要求的组织范围框架。” 

信息是组合多个数据以创建洞察力的结果。单个数据点，例如没有任何额外背景的一个血压读数，本身就没有什么意义。但过去两年患者生命中的一系列读数可以显示患者的血压正以令人担忧的速度呈上升趋势。  

临床医生可能希望利用这些知识来开药，建议患者改变他的生活方式，或采取其他措施来解决这种情况。这就是数据如何成为决策的可操作信息。

数据治理和信息治理的互补性对于希望参与大数据分析的组织尤其重要，因为每个数据集必须清晰，准确，标准化且全面，然后才能与其他数据源结合生成可行的见解。

数据治理和信息治理如何影响医疗机构？

数据和信息几乎支撑着医疗保健组织内的所有活动，但是一些运营和临床护理领域比其他领域更依赖于强大的数据完整性和治理。

患者安全是每个提供者的首要任务，而糟糕的数据治理可能会迅速产生关键问题。从患者踏足办公室或咨询房间的那一刻起，他或她的数据必须准确识别，并且必须在每次互动中跟随患者。

然而，即使是将患者与正确记录匹配的基础也不像没有质量数据治理方法那样容易。  超过一半的健康信息管理者经常遇到患者匹配问题，其中大部分都必须手动解决。 

来自不同个体的重复记录和不恰当合并的记录是患者安全的主要威胁之一。 

“当系统被重复记录淹没时，可能会出现严重的病人护理问题并浪费资源，”AHIMA  说。“患者安全是许多组织关注的主要问题，但有必要提高对重复和重叠医疗记录所产生的安全，法律，财务和合规问题的认识。”

即使正确的记录与正确的患者配对，如果该记录不完整，不正确或过时，安全和护理质量也可能受损。关于过敏，当前药物，过去的程序和健康状况的数据缺失或不正确可能会严重影响治疗过程，并可能造成伤害的机会。

EHR数据完整性缺陷常常出现在行业患者安全危险列表中，并且可能会增加已经与电子接口搏斗的临床医生的挫败感，这些接口会加剧他们的数据输入问题，并可能导致他们进入次优实践。

文档克隆仍然是健康信息管理人员的一个棘手问题，他们担心在整个患者记录中复制过时或不正确的数据。2013年的一项调查发现，超过四分之三的临床医生经常在其EHR内的各个领域复制和粘贴信息，这不仅降低了软件的实用性，而且可能使组织面临欺诈指控。

就在本月，总部位于肯塔基州的家庭医疗保健提供者MD2U 被指控上调和不正当的文件克隆后，被要求向联邦政府支付数百万美元。

“在当前患者遭遇之前几周，几个月甚至几年的访问中迁移笔记的能力造成了MD2U的非医师提供者（NPP）在患者遭遇期间执行大量工作的错觉，实际上他们不是，“司法部解释说。

“如果文件不足以向最高级别的代码收费，MD2U将指示核电厂返回并更改病历 - 在遭遇发生后 - 错误地表明在访问期间执行了更多工作以支持最高级别计费“。

这显然是数据治理出错的一个极端情况，但它可以作为其他提供商的警示故事，这些提供商可能因为不注意数据完整性和治理而面临负面结果。

数据治理对于大数据分析，人口健康管理，绩效改进基准测试以及有意义使用等监管计划的报告也至关重要。 

AHIMA执行副总裁兼首席运营官Deborah Green表示，强有力的治理计划不仅可以使临床护理更容易，更可靠，而且可以让企业在日益复杂的环境中为未来的分析项目做好准备。

“有时我们觉得我们淹没在数据中，但挑战不只是数量。这是数据的完整性和质量，“ 她在该组织的2015年大会上表示。

“我们需要信息治理来实现信任。那会给我们带来什么？每个组织都能够信任他们的数据以做出关键决策，并有足够的信心利用这些信息来推动自己。“

“有时我们觉得我们淹没在数据中，但挑战不只是数量。这是数据的完整性和质量。“

国家质量论坛总裁兼首席执行官Christine Cassel博士补充说，改进数据治理，加上临床质量措施对报告和基准测试的重要性日益增加，将是推动整体系统改进的关键。

“每个人都需要并且应该得到关于医疗保健的一致和准确的信息，”她对HealthITAnalytics.com说。“这很容易说，但在一个数据来源倍增突飞的世界里，人们越来越重视将支付与绩效挂钩，在实际实施系统改进方面存在很多复杂性。”

“其中一些挑战与以各种方式理解大数据有关，”她继续道。“我们总是要问自己如何将数据转化为有意义的信息，尤其是对消费者和提供商而言。您可以通过创建准确且一致的度量来实现这一点，以便您可以在社区，一组提供商或全国范围内比较苹果与苹果，因为我们试图实现更好的人口健康，更好的医疗保健的三重目标，更实惠的医疗保健。“

医疗保健组织如何开始制定有意义的数据治理策略？

制定数据治理计划的第一步是认识到最高级别的需求。致力于将治理作为企业阶梯每个阶梯的首要任务的医疗保健组织更有可能看到成功，并在此过程中充分支持其健康信息管理人员。

获得组织领导者的参与可以促进跨部门信息治理团队的发展，该团队应包括HIM专家，EHR优化者和技术人员，医生和护士冠军，财务领导和大数据分析师。

提供商应明确定义其信息治理目标，并创建可衡量的基准来衡量已执行的进度。治理团队的每个成员都应该有一套易于理解的任务和职责，并且应该有机会提供意见，听取同事的反馈意见，并跨部门工作以实现他们的目标。

“每个人都需要并且应该得到关于医疗保健的一致和准确的信息。”

AHIMA建议组织进行信息治理差距分析，以确定数据创建，存储，分析和报告过程中的痛点。提供者应特别注意可能直接影响患者安全，隐私和合规性问题的关注领域，以避免严重不良事件。

来自宾夕法尼亚大学Kaiser Permanente和几家公共卫生机构的研究人员2013年的一份报告还建议医疗保健组织制定一套适合特定提供者的使命，愿景和价值观的指导数据治理原则。

在制定具体政策和程序时，提供者应密切关注“问责制，权力，角色，参与规则（人们如何合作），跨职能冲突管理，决策和权利，管理，变革管理，解决问题，制定和执行规则，管理成本和复杂性以及创造价值。“

应在整个组织内明确传达这些原则，数据治理领导团队的成员应花时间向员工详细解释项目，回答任何问题，并确保广泛支持改进活动。

在概述了强大的愿景并奠定了数据治理的基础之后，组织可能希望开始临床文档改进（CDI）计划，以培训最终用户从一开始就创建良好数据的重要性。

虽然临床文档的改进在ICD-10实施的准备阶段受到了极大的关注，但其价值远远超出了捕获适当编码声明所需的数据。

改进的文档不仅有助于平滑医疗保健业务的财务方面，而且还可确保提供商获取准确报告其自身绩效和临床质量所需的所有数据。随着报销越来越依赖于报告的患者结果，这变得越来越重要。

医疗保健组织还应该在创建数据治理策略时包括持续监控和持续改进的机会。最终用户应定期接受有关最佳数据完整性和数据输入实践的培训和提醒，组织应经常进行内部审核和评估，以确保他们保持高水平的数据质量。

这些活动将确保医疗保健提供者准备利用其不断增长的大数据资源来产生可操作的见解，并且他们正在关注患者的安全和护理质量，因为他们优化了资产，以实现基于价值的医疗保健的未来。