Dieses Modul konzentriert sich auf die Messung der Datenqualität. Nach diesem Modul werden Sie in der Lage sein, Metadaten zu beschreiben, aufzulisten, was Metadaten beinhalten können, einige Beispiele für Metadaten zu nennen und sich an einige ihrer Verwendungszwecke im Zusammenhang mit der Messung der Datenqualität zu erinnern. Wir werden die Herkunft von Daten beschreiben und erklären, wie die Kenntnis der Herkunft eines Datensatzes Datenanalysten dabei helfen kann, festzustellen, ob ein Datensatz für eine bestimmte Verwendung geeignet ist. Wir werden auch 5 Komponenten der Datenqualität beschreiben, die Sie bei der Bewertung von Daten verwenden können. Sie werden auch lernen, zwischen Datenüberprüfung und -validierung zu unterscheiden und sich an 4 anwendbare Datenvalidierungsmethoden und 3 Konzepte erinnern, die für die Validierung von Daten nützlich sind. Zusätzlich zu den Videolektionen lesen und diskutieren Sie einen wissenschaftlichen Artikel über Methoden und Dimensionen der Bewertung der Datenqualität elektronischer Patientenakten: Wiederverwendung für die klinische Forschung. Wir schließen das Modul mit einem Rahmenwerk ab, das als S-B-A-R abgekürzt wird und häufig in Teamsituationen im Gesundheitswesen verwendet wird, um über Probleme zu kommunizieren, die gelöst werden müssen.

In diesem Modul konzentrieren wir uns auf die Überwachung, Verwaltung und Verbesserung der Datenqualität. Sie werden in der Lage sein zu erklären, wie man Daten tagtäglich überwacht, um sicherzustellen, dass sie konsistent bleiben. Sie werden erklären, wie wir mit Hilfe von Maßnahmen den Gesundheitszustand der Patienten und die Qualität der Pflege, die sie erhalten, im Laufe der Zeit überwachen können. Sie werden auch in der Lage sein, die Etablierung einer Qualitätskultur während des gesamten Lebenszyklus der Daten zu erörtern und die Datenqualität ausgehend von der Basislinie zu verbessern, indem Sie Fragen stellen, um eine Basislinie der Datenqualität zu bestimmen. Sie werden in der Lage sein, die Datenqualität durch erwartete und unerwartete Änderungen zu verwalten und Überwachungsstrategien entlang der Datenpipeline zu verfolgen. Nach diesem Modul werden Sie in der Lage sein, häufige Mängel in den Daten zu erkennen und zu beheben und Systeme zur Änderungskontrolle als Überwachungsinstrument einzusetzen. Sie werden sich auch an einige bewährte Verfahren erinnern, die Sie bei der Überwachung der Datenqualität im Gesundheitswesen anwenden können.

In diesem Modul konzentrieren wir uns auf die Sicherung der Qualität durch Data Governance. Wir werden Data Governance definieren und überlegen, warum sie im Gesundheitswesen wichtig ist. Sie werden erörtern, wer die Data-Governance-Ausschüsse bildet, wie diese Ausschüsse im Verhältnis zu den Datenanalysten funktionieren und beschreiben, wie die Beteiligten zusammenarbeiten, um die Datenqualität sicherzustellen. Sie werden in der Lage sein zu beschreiben, warum qualitativ hochwertige Daten ein wertvolles Gut für jedes Unternehmen sind. Sie werden auch Data-Governance-Systeme definieren. Sie werden sich an verschiedene Möglichkeiten erinnern, wie Daten wiederverwendet werden können, und erklären, wie Data Governance die Datenqualität aufrechterhält, wenn die Daten für einen anderen Zweck als den, für den sie ursprünglich gesammelt wurden, wiederverwendet werden. Zusätzlich zu den Videolektionen werden Sie den Artikel Big Data, Bigger Outcomes lesen und diskutieren und die Anwendung einiger dieser wichtigen Konzepte üben.