一个错误趋势有时被观察到在规划研究医疗开始一个研究项目之前,确保数据质量管理流程,使一个完美的“本末马”。
它诱使一个提出的问题——“什么是研究没有数据?“没有数据的研究仅仅是一个假设。一个概念或理论,还没有测试或由任何证据支持。数据提供了基础研究提供经验证据,可以用来测试的假设和理论。通过分析数据,研究人员能够识别模式,人际关系,和趋势,可以帮助解释或预测行为,结果或现象。因此,研究数据是一个关键组成部分。
项目计划是一个任何健康研究项目的重要方面,有几个关键的事情,研究人员开始前应该考虑一个项目。然而,奉献往往得到更多的定义研究问题,选择一个适当的研究设计,识别潜在的资金来源,开发预算,确保获得所有必要的伦理审批,制定数据收集计划,包括数据源和采样策略。中途研究小组可能意识到,他们没有重视数据管理或者不包括在他们的项目策略在很大程度上。
相关:数据驱动的未来医疗保健
如果不应用数据质量管理进行卫生研究之前,它可以导致不准确、不一致或不完整的数据。质量差的数据会导致错误结论,无效的结果,和有缺陷的建议。因此,它是必要的,以确保数据质量管理程序开始前任何研究项目。
研究人员如何,项目公司和项目经理确保包括数据质量管理他们的项目策略在很大程度上?通过应用数据质量管理进行卫生研究之前,研究人员可以识别潜在的数据质量问题,改正,加强数据隐私并确保数据准确、可靠、一致的、完整的。
医疗保健公司必须意识到,有一个有效的需要定义数据质量标准,结合自己的研究目标而规划和研究项目与项目经理出具报告。适当的文档的过程数据集成、共享、安全、隐私和素养必须实现。这将有助于确保数据准确、安全、完整的、一致的。
其他步骤包括定期进行数据质量评估。公司应该定期数据质量评估与数据质量识别和解决任何问题。这可能涉及到使用统计技术来识别异常值和异常和比较外部来源的数据来验证精度。
涉及利益相关者在数据质量管理等数据收集器,分析师和最终用户,在数据质量管理活动,以确保每个人都明白在确保数据质量的重要性及其作用。
公司也应该提供培训员工在数据质量管理,包括数据质量的重要性,如何确保数据质量和数据质量差的后果。
在管理层面,项目经理需要开发数据质量目标和数据管理计划,建立质量标准,包括数据剖析不时的蓝图,实现数据质量控制和将军合规的团队。
如果实现这些操作,企业可以避免的陷阱“本末马”,确保数据质量管理是一个基本的健康研究项目的一部分。这可能导致更精确的研究结果,更明智的决策,并最终改善患者的结果。
