CDGA|6大核心环节，详解医疗机构如何做好数据治理

Posted 2022-12-21 hb15302782362

医疗机构进行数据治理的过程，就是对其数据资产进行管理和控制，支撑并保障数据被安全高效地交换与应用的过程。

我们接下来主要从6个核心环节来详解医疗机构如何做好数据治理。

环节一：设立数据治理组织结构

设计健全的数据治理组织结构，是全面开展数据治理工作的基础。
医疗机构需要成立专门的数据治理或数据管理部门，完成流程和规范制订、数据质量保证和质量控制、流程审批等工作，并对数据使用方和IT设施建设方进行管理。
目前，诸多医院已经专门成立了大数据部门承担这项工作，也有医院将这项工作放在信息科或病案管理室。

环节二：制定数据相关流程规范

制定清晰的数据相关流程规范，有助于帮助实现以下目标：
数据有明确和准确的定义；
数据有明确的责任方；
数据有清晰的存储方式与合理的时间期限；
数据加工方法明晰；数据访问方式与控制明确；
数据内容符合标准要求与质量要求。

环节三：搭建数据标准体系

要保证医疗机构各业务部门、系统间的数据的规范性、流通性和共享性，就要搭建统一的数据标准体系。数据治理相关标准分为基础性和应用性标准，包括数据定义与分类（元数据）、主数据、参考数据（数据字典）、数据模型、管理与技术类、质量评估类等内容。
数据治理工作组成员以及业务组人员可参考已有标准，并与现有医疗系统、业务流程相结合，开展医疗健康大数据标准体系的建立、实施、修改等工作。

环节四：元数据管理

针对医院信息系统中存在的数据模式描述文档不全、系统之间数据关联不清晰、系统值域标准不统一等问题，进行元数据管理，是获取业务系统中数据的含义，辅助数据理解，增加分析的敏捷的重要手段。

环节五：主数据管理

在构建主数据管理库时，首先需要从多个异构的业务子系统中以ETL的方式抽取关键数据，然后，利用元数据库对其中的编码、描述进行标准化。
接着，由于多个业务系统的数据可能不一致，还需要通过匹配算法完成对数据的错误消除和信息融合。
对于匹配不到的孤立信息，要加以监控跟踪，进行人工处理。
同时，以增量学习的方式不断改进匹配算法。
最后，将归整好的主数据信息存入主数据库。

环节六：数据质量管理

医疗数据质量问题主要来源于3个方面。
①原始信息采集有误差。
在医疗系统内数据采集主要通过手工方式录入，在医生或护士输入信息的过程中，可能会有意或无意地将数据错误引入系统。
②数据融合过程发生问题。
在对不同来源的数据进行融合时，数据格式和语义可能会有误差或不一致，导致融合结果有错。
③与数据的应用场景不匹配。
例如，如果要进行病例统计，现有临床电子病历数据就能满足统计场景的需求。但如果要做大肠癌疗效分析，现有临床电子病历数据就难以满足分析场景的要求，还需补充病理数据。

小结

经过30多年医疗信息化建设，医疗机构的数据量及其复杂性连年攀升，医疗行业的关注焦点已经从信息系统建设延伸到了数据资源管理和利用。

而要实现数据资源的有效利用，数据治理是关键环节。只有做好数据治理，让数据应用有效支撑医院发展，才能进一步提高医院管理水平，实现数据对医疗业务发展的价值赋能。

数据治理工作实施，人才是根本

医疗机构数据治理工作正常有效的进行，最基本需要的先要有专业人才，业内均以DAMA数据管理认证为技能水平测评标准，也是目前全球唯一数据管理方面权威性认证，帮助数据从业者提升数据管理能力。DAMA数据管理认证中文版考试分为CDGA数据治理工程师认证和CDGP数据治理专家认证两个等级。