医疗保健中数据治理的7个基本实践

发布时间:2018.11.16来源:戴尔桑德斯浏览量:79次标签:数据治理

数据现在是任何组织中最有价值的资产之一,尤其是医疗保健,因为我们正在转向更具分析性的行业。数据现在是任何组织中最持久的资产,超过设施,设备和人员。

根据“牛津词典”,一般而言,治理建议控制,影响或规范个人,行为或事件过程的行为。拉丁语起源于gubernare,意思是指导或统治。

在过去几年中,随着数据的价值和寿命得到更好的实现,数据治理这一术语的出现描述了管理和影响组织中数据收集和利用的概念。通过收集更多数据来管理风险和理解结果,通过和建立负责任的医疗机构的动机,因为它有动力获得临床医生,患者和设施。如果我们接受医疗保健是一个知识传递行业的说法 - 即专业技能和知识的应用,以及专业工具 - 我们有义务利用我们环境中的数据资产来增强和优化这些知识和技能。

医疗保健数据治理:对细节进行排序

虽然信息和数据安全是公司长期的实践和知识体系,但数据治理并不成熟,特别是在医疗保健领域。由于这种较低的成熟度,有一种倾向于在极端情况下运作,无论是治理太多还是太少。随着时间的推移,随着数据和分析成熟度的提高,医疗保健行业将找到自然均衡。例如,在Healthcare Analytic Adoption Model中,需要一个强大的数据治理功能才能达到5级成熟度的条件。

新的知识体系可能成为混乱和过度复杂化的成熟基础,并且有许多供应商和顾问倾向于从这些形成阶段的混乱和复杂性中获得不公平的利益。以下是七种简单的数据治理实践,可以作为一个令人费解的建议迷宫的自我导游。

1.平衡,精益治理

数据治理委员会应该实践一种文化理念,即在最小程度上管理数据以实现最大的共同利益。很多时候,组织要么过度应用数据治理,要么热衷于新功能; 或由于缺乏经验而应用数据治理。最好的方法是从广阔的愿景和框架开始,但应用有限,并且只在需要时逐步扩展治理功能,而不是更多。

数据治理委员会应成为现有治理结构的小组委员会,具有必要的影响力,可以对工作流程产生不可避免的争议性变更,解决数据质量冲突,并制定复杂的数据采集策略,以支持组织的战略性临床和财务优化。数据治理委员会还应聘请一线员工作为数据管理员,他们了解源交易系统中的数据收集,例如EMR,成本会计,日程安排,注册和物料管理系统。数据管理员对数据治理委员会的使命非常宝贵。跨业务线横向运作的CIO,

如果有疑问,可以减少管理,而不是更多。保持精益。慢慢地,小心地成长为需要更多。

2.数据质量

监督和确保数据质量可能是数据治理中最重要的一项功能。当低质量数据对组织决策的准确性或及时性产生负面影响时,数据治理委员会必须能够快速响应这些问题并执行源数据系统(不是分析系统)和工作流程所需的更改。是提高数据质量所必需的。简单来说,数据质量等于数据的完整性x数据的有效性x数据的及时性。数据治理委员会必须将数据质量等式中的每个变量作为领导优先事项。

3.数据访问

增加对企业所有成员(包括外部成员)的数据访问

利益相关者,社区成员,尤其是患者是委员会的一项重要职能。虽然信息安全委员会倾向于保护数据并限制数据访问,但数据治理委员会应该在相反的方向上创造一种富有成效的紧张关系。在最有效的组织中,数据治理和信息安全委员会相结合,从而迫使成员在内部平衡紧张局势,并简化两个委员会之间冗长的决策和和解。

4.数据素养

如果数据的预期受益者不了解数据的解释和有意义的使用,因为它适用于他们在组织中的角色,则无意提高数据的质量或访问数据。数据素养可以通过以下方式提高:

  1. 教导用户如何在决策环境和组织中的角色中区分好数据和坏数据;
  2. 数据分析工具;
  3. 由数据驱动的过程改进技术;
  4. 统计技术可用于改善数据不完整或稀缺时的决策; 和
  5. 非常有意识地收集和传播元数据,尤其是与企业数据仓库(EDW)内容相关的元数据。

数据治理委员会应该支持数据驱动决策的原因以及围绕质量和成本的数据透明度。这些活动应包括使用口号,发言人,榜样和成功事业的其他属性。

5.数据内容

数据治理委员会应制定数据采集和数据供应的多年战略,寻求不断扩展可用于医疗保健服务和健康管理业务分析的数据生态系统。例如,基于活动的成本数据,遗传和家族数据,床边设备数据以及患者报告的观察和结果数据对于行业中的分析发展都至关重要。构建和获取收集此数据的系统是分析过程的第一步,可能需要长达五年的时间才能完成。所有上述数据源都需要通过Healthcare Analytic Adoption Model进行。

6.分析优先顺序

数据治理委员会应在制定C级套件的战略分析计划中发挥重要作用,然后在确保实施该计划的要求方面发挥积极作用。不可避免地,对分析服务的需求将超过可用于满足需求的资源。数据治理委员会无法解决所有优先事项,但它可以通过在集中式和分散式分析资源之间提倡60/40的资源分配来平衡自上而下的公司优先级与来自临床和业务部门的自下而上的请求 - 即60%组织的分析资源应该专注于自上而下,集中管理的优先级,而40%的资源应该分配,以支持部门,业务部门,临床服务线的战术要求,

7.主数据管理

随着组织在分析成熟度和利用率方面的进步,数据治理委员会将成为在主数据管理中定义,鼓励利用和解决冲突的管理者。该角色将涵盖当地数据标准(设施代码,部门代码等); 以及区域和行业标准(CPT,ICD,SNOMED,LOINC等)。除编码数据标准外,委员会还将参与算法的标准使用,将数据绑定到应在整个组织中一致使用的分析算法,例如计算停留时间,定义再入标准,定义患者群组,以及将患者归咎于提供者负责任的医疗安排。

结束

如果您正在努力理解并实施组织中的医疗数据治理功能,那么遵循这七个简单实践将帮助您避免管理不善或过度治理的所有主要缺陷。最重要的是,精简和平衡的数据治理功能将帮助您的医疗保健组织最大化您的数据价值,以最低的价格提供最好的护理并提供最高的健康状况。


(部分内容来源网络,如有侵权请联系删除)
立即免费申请产品试用 免费试用
相关文章推荐
相关主题
您点击 “提交”,表明您已理解并同意接受本网站隐私政策和用户协议