
-
生物通官微
陪你抓住生命科技
跳动的脉搏
印度健康管理系统中优先母婴健康指标的数据质量评估
《BMC Health Services Research》:Quality of routine health facility data: an assessment of India’s health management information system for maternal and child health indicators
【字体: 大 中 小 】 时间:2026年10月02日 来源:BMC Health Services Research 3.3
编辑推荐:
摘要引言尽管健康管理系统(HMIS)数据在优化卫生服务提供方面发挥着至关重要的作用,但由于数据质量差,这些数据往往被忽视。数据质量低下可能会影响目标人群的健康,因为项目和政策实施者依赖此类数据来指导未来计划和分配稀缺资源。提高HMIS数据收集程序并制定创新策略来利用所收集的数
尽管健康管理系统(HMIS)数据在优化卫生服务提供方面发挥着至关重要的作用,但由于数据质量差,这些数据往往被忽视。数据质量低下可能会影响目标人群的健康,因为项目和政策实施者依赖此类数据来指导未来计划和分配稀缺资源。提高HMIS数据收集程序并制定创新策略来利用所收集的数据至关重要。在此背景下,本研究评估了印度可获取年份中优先母婴健康(MCH)指标的HMIS数据质量。
我们使用了2012-13年度至2019-20年度HMIS门户上可用的次区年度绩效报告数据。共考虑了HMIS中的15项优先MCH数据要素。采用世界卫生组织的数据质量评估框架对数据的可获得性、完整性以及内部和外部一致性进行了评估。使用全国家庭健康调查(NFHS)-5的估算数据来评估外部一致性。
数据可获得性随时间推移有所增加。然而,数据完整性却随时间下降(从96.2%降至90.7%)。重点关注的邦显示出相对较好的完整性水平。离群值的出现率较低(低于5%)。时间一致性在后期年份有所改善。在所考虑的四组数据对中,有两组相关指标之间的一致性较低。在数据内部一致性方面,邦之间未观察到显著差异。HMIS与调查估算数据之间的一致性普遍较低,且因指标和分母来源不同而有所差异。对于四次产前检查指标以及使用人口普查分母时,吻合程度始终较弱。总体而言,内部一致性相关的数据质量维度表现优于外部一致性。
研究结果表明,印度国家卫生使命在建立用于管理该国母婴健康的健康管理系统方面,随着时间的推移已实现了高水平的标准化。然而,数据质量评估也揭示了常规卫生设施数据报告中存在的一些系统性数据质量问题,这些问题对数据使用产生影响,需要进行纠正性干预。
不适用。
尽管健康管理系统(HMIS)数据在优化卫生服务提供方面发挥着至关重要的作用,但由于数据质量差,这些数据往往被忽视。数据质量低下可能会影响目标人群的健康,因为项目和政策实施者依赖此类数据来指导未来计划和分配稀缺资源。提高HMIS数据收集程序并制定创新策略来利用所收集的数据至关重要。在此背景下,本研究评估了印度可获取年份中优先母婴健康(MCH)指标的HMIS数据质量。
我们使用了2012-13年度至2019-20年度HMIS门户上可用的次区年度绩效报告数据。共考虑了HMIS中的15项优先MCH数据要素。采用世界卫生组织的数据质量评估框架对数据的可获得性、完整性以及内部和外部一致性进行了评估。使用全国家庭健康调查(NFHS)-5的估算数据来评估外部一致性。
数据可获得性随时间推移有所增加。然而,数据完整性却随时间下降(从96.2%降至90.7%)。重点关注的邦显示出相对较好的完整性水平。离群值的出现率较低(低于5%)。时间一致性在后期年份有所改善。在所考虑的四组数据对中,有两组相关指标之间的一致性较低。在数据内部一致性方面,邦之间未观察到显著差异。HMIS与调查估算数据之间的一致性普遍较低,且因指标和分母来源不同而有所差异。对于四次产前检查指标以及使用人口普查分母时,吻合程度始终较弱。总体而言,内部一致性相关的数据质量维度表现优于外部一致性。
研究结果表明,印度国家卫生使命在建立用于管理该国母婴健康的健康管理系统方面,随着时间的推移已实现了高水平的标准化。然而,数据质量评估也揭示了常规卫生设施数据报告中存在的一些系统性数据质量问题,这些问题对数据使用产生影响,需要进行纠正性干预。
不适用。