创新基础：智能数据治理是一项团队运动

对于任何希望创新其战略以提高运营效率，提高质量，优化人口健康管理或推动精准医疗的卫生系统而言，数据治理是必不可少的必备措施之一。

今天所有的总体护理服务趋势 - 以及未来的许多新兴技术 - 将需要智能数据治理，否则就会失败。

那怎么办呢？医院如何建立信息治理文化，确保各类员工了解自己的适当角色，并有效部署数据和技术基础设施以推动各种创新？

回答这些问题首先要了解成功的关键角色和规则，数据治理与信息安全之间的关系，以及如何建立跨部门合作伙伴关系，以解决双方问题。

善治需要五个关键角色

良好的分析是实现临床，财务和运营收益所必需的。良好的治理对良好的分析至关重要。

“随着我们转向以价值为基础的医疗服务，数据的使用变得至关重要，”总部位于迈阿密的Chenmed集团首席医疗信息官兼首席数字官David Kho表示，该集团是美国最大的高级医疗风险承担提供商之一。

此外，随着人工智能在医疗保健领域的不断发展，有效的结果取决于拥有AI算法的质量数据。

“80％的机器学习都在收集和清理数据，”MedeAnalytics首席技术官Tyler Downs说。“我们告诉客户，这就是它开始的地方。但我们也必须向他们介绍数据治理。”

数据治理是一项团队工作，其中五个不同的角色是使其全部工作的关键。其中最重要的是数据管家。

AHIMA将新兴数据管家描述为负责特定系统或数据集的主题专家，该系统或数据集经过培训，可以领导数据质量和补救工作，这一角色通常不同于技术主数据管理工作。

Clearwater Compliance的首席安全和信托官兼HIMSS隐私和网络安全委员会成员Richard Staynings表示，数据管理员“最终要对数据的安全性负责”。

此外，他们的任务是“有足够的流程和程序来确保数据的完整性，包括谁可以访问它，”Staynings说，他将在即将于10月在波士顿举行的HIMSS医疗保健安全论坛上发言。15-16。

其他重要的工作要做

但正如ChenMed的David Kho所解释的那样，数据管理员只是在善治中发挥作用的五个关键利益相关者之一。

除数据管理员外，还有：

• 数据所有者或赞助商（对特定数据集负责的高管或部门负责人或高管 - 这与管理员保持持续的数据质量形成对比）
• 数据保管人（在某些方面类似于管家，但通常侧重于执行有关数据访问，保管或交换的业务规则）;
• 数据生产者（临床和业务方面的各种卫生系统工作人员，其活动产生数据），以及
• 数据用户（企业中负责分析并从各种数据集中获取有用的数据用户，理想情况下能够以最佳方式访问和使用它们）。

Kho表示，每个角色的人都知道自己的责任至关重要，但这些责任的限制也是如此。

您可以在2018年6月HIMSS大数据和分析医疗论坛，阅读科考的介绍更多的“数据治理101，” 在这里。他还将在10月22日至23日在波士顿举行的下一个大数据论坛上发表演讲。

“澄清角色让人们可以说'你有权威，但我们期待你在数据治理这个概念中扮演一个非常具体的角色和功能'，”他说。“我们不习惯用这些术语思考。”

同样重要的是，如果不是更重要的话，那么，一旦定义了这些角色，每个人在涉及数据治理的支柱时都必须能说同一种语言，例如数据质量和数据沿袭，他说。

“当我们谈论数据质量时，我们必须有共同的意义，”Kho说。“当我们谈论单一事实来源时，我们必须有共同的意义。”

由于有效的分析程序通常依赖于临床和管理数据的混合，因此必须对每种方法如何适应更大的情况有共同的理解。例如，当卫生系统从事长期，纵向的人口健康管理时，它依赖于各种不同的数据。

“你正在使用行政数据来确认两种关键类型的质量措施 - 过程和结果措施，”Kho解释道。

“这个人是否接受了筛查测试或乳房X光检查？这名患者是否接受了血红蛋白A1c测试，因为他们是已知的糖尿病患者？确保正在实施护理标准并让医疗服务提供者对这些健康维护类型的任务负责，”他说过。

有效数据治理应遵循的四条规则

他说，Kho强调了改善数据治理的四个简单目标的价值 - 从精益方法中学到的主要经验教训。

在完成上述第一步之后 - 一旦每个人都了解词汇的基础知识并明确其角色 - 有四个指导原则：

1. 只针对所需的工作
2. 设定截止日期
3. 让合适的人参与其中
4. 经常与利益相关者核实。

保持狭隘的关注并集中小批量是一种明智的方式。

为了说明这一点，Kho指出工厂输送带有效工作的原因并不是因为它们很快 - 这是因为它们很窄。

卫生系统正在“积累如此多的数据”，他说。即使是那些认识到它的重要性并意识到需要更多地发生这种情况的人，也往往会出现瘫痪，这通常是由上述问题造成的。

让大型医疗机构重新思考他们组织员工角色与数据治理相关的方式说起来容易做起来难。有效的变革管理流程至关重要。Kho建议采取三管齐下的“激励，轻推和训练”方法，以帮助医院工作人员上船，并建议不断检查 - 每天15分钟的站立，每两周一次的演示 - “以确保您走在正确的轨道上。 “

必须将安全性纳入治理流程

HIMSS Media最近的一项调查发现，10位健康IT决策者中有8位表示安全问题“经常或偶尔会破坏或阻碍其组织的技术创新”。

受访者最关注的问题包括患者隐私，缺乏强大的安全架构以及严格的安全预算。

但安全是不容谈判的。因此，更好的健康系统可以使安全的数据治理实践成为他们每天开展业务的根本部分，他们将会变得更好。

“他们需要齐头并进，”Clearwater Compliance的Richard Staynings描述了安全性和分析。“随着您越来越依赖数据，您需要提升数据完整性控制和数据可用性控制。”

再一次，重要的是人。MedeAnalytics的Tyler Downs表示，首先要与您的安全团队或您的信息安全团队制定一些基本规则：您要触摸的源系统是什么？在这些系统中，PHI与否是什么？

当然，围绕隐私和安全的强大流程和程序的重要性应该是显而易见的。

“从安全角度来看，我关注数据的完整性，”Staynings说。“我们依赖有效的数据来治疗患者，如果这些数据不准确，或者受到损害或不可用，那么显然我从患者安全的角度来看是一个问题。”

电子数据已成为患者治疗不可或缺的一部分。“如果这些大数据不准确，那么患者护理的质量就会大幅下降，”他说 - 特别是现在，“人工智能在医疗保健方面正在逐渐受到影响，人类的决策越来越多地从游戏中消失。”

还有一项治理要做：数据去消毒控制

Staynings指出的另一个重大问题是数据是从各种来源（例如EHR）中提取出来的现实，供分析师，研究人员和数据科学家使用，他们并不总是尽可能地理解保密性的需要。

与他们合作的医院需要“实施去消毒控制，从数据集中删除HIPAA标识符，或者确保研究人员遵守HIPAA隐私和安全规则，不会危及该数据的机密性，”Staynings说。 。

要避免的另一个错误：不要在没有首先确定如何访问信息以及使数据可用的安全隐患的情况下构建数据科学团队。

“这只是一个问题，即确保你已经掌握了控制数据的位置，”他说。“如果它进入研究环境，那么确保，如果没有消毒，那么该数据将被保护到与医院环境中的EHR数据相同的水平。

大数据只会变大

除了五个基本人员角色之外，四个规则以及安全和去消毒控制，使治理工作取决于健康的合作伙伴关系以及分析方面的数据分析和信息安全专业人员之间的协作。

一旦人类的一半方程式被消除，Staynings说这项技术 - 并且他希望越来越多的“强大的安全控制内置于即将推出的技术中” - 将会更加容易。

这意味着，随着大数据变得越来越大，医院应该拥有知识，准备和治理，以确保其安全可靠 - 无论其持续增长多大。

“如果你有这个过程，程序，技术，工具到位，那么数据量就不重要了。