Vários problemas de qualidade de dados impediram que os dados da administração dos cuidados de saúde fossem totalmente utilizados ao lidar com problemas que vão desde o rastreamento de contatos da COVID-19 até o controle dos custos de saúde.
Objetivos
(i) Descrever as abordagens e práticas adotadas atualmente para entender e melhorar a qualidade dos dados da administração dos cuidados de saúde. (ii) Examinar os desafios e oportunidades para alcançar a melhoria contínua da qualidade desses dados.
Materiais e Métodos
Usamos uma abordagem qualitativa para obter dados contextuais valiosos por meio de entrevistas semiestruturadas realizadas em uma agência estadual de saúde relacionados aos dados de reembolso e reclamações do Medicaid. Entrevistamos todos os administradores de dados com conhecimento sobre os problemas de qualidade de dados na agência. Os dados qualitativos foram analisados usando o método Framework.
Resultados
Dezesseis temas emergiram de nossa análise, reunidos em quatro categorias: (i) Características do defeito: os defeitos de dados mostraram variabilidade, permaneceram frequentemente obscuros e levaram a resultados negativos. Detectá-los e resolvê-los era muitas vezes difícil, e o trabalho necessário muitas vezes excedia os limites organizacionais. (ii) Questões atuais de processos e pessoas: a agência adotou principalmente abordagens manuais ad-hoc para resolver problemas de qualidade de dados que levavam à frustração no trabalho. (iii) Desafios: a comunicação e a falta de conhecimento sobre sistemas de software legados e os dados neles mantidos constituíram desafios, seguidos por diferentes padrões usados por várias organizações e fornecedores e dificuldades de verificação de dados. (iv) Oportunidades: treinamento, suporte a ferramentas e padronização de definições de dados surgiram como oportunidades imediatas para melhorar a qualidade dos dados.
Conclusões
Nossos resultados podem ser úteis para agências semelhantes em sua jornada para se tornarem organizações de saúde que aprendem, aproveitando os ativos de dados de forma eficaz e eficiente.
Various data quality issues have prevented healthcare administration data from being fully utilized when dealing with problems ranging from COVID-19 contact tracing to controlling healthcare costs.
Objectives
(i) Describe the currently adopted approaches and practices for understanding and improving the quality of healthcare administration data. (ii) Explore the challenges and opportunities to achieve continuous quality improvement for such data.
Materials and Methods
We used a qualitative approach to obtain rich contextual data through semi-structured interviews conducted at a state health agency regarding Medicaid claims and reimbursement data. We interviewed all data stewards knowledgeable about the data quality issues experienced at the agency. The qualitative data were analyzed using the Framework method.
Results
Sixteen themes emerged from our analysis, collected under 4 categories: (i) Defect characteristics: Data defects showed variability, frequently remained obscure, and led to negative outcomes. Detecting and resolving them was often difficult, and the work required often exceeded the organizational boundaries. (ii) Current process and people issues: The agency adopted primarily ad-hoc, manual approaches to resolving data quality problems leading to work frustration. (iii) Challenges: Communication and lack of knowledge about legacy software systems and the data maintained in them constituted challenges, followed by different standards used by various organizations and vendors, and data verification difficulties. (iv) Opportunities: Training, tool support, and standardization of data definitions emerged as immediate opportunities to improve data quality.
Conclusions
Our results can be useful to similar agencies on their journey toward becoming learning health organizations leveraging data assets effectively and efficiently.
