印度尼西亚常规健康数据质量的组织、行为及技术层面决定因素：一项序贯混合方法研究

《BMC Health Services Research》：Organisational, behavioural and technical determinants of routine health data quality in Indonesia: a sequential mixed-methods study

　　

摘要

背景

在印度尼西亚，数字化转型使得社区健康工作者能够以数字化方式收集常规健康数据。然而，人们仍对这些数据在提升医疗服务可及性和健康结果方面的质量和实用性存在担忧。EMIS就是体现数据整合潜力的应用案例，且与印度尼西亚的全国数字健康转型战略相契合。本研究通过数字版老年人管理信息系统（EMIS），评估了社区健康工作者所收集数据的质量，并分析了影响数据质量的各种因素。

方法

本研究采用了解释性顺序混合方法设计，将数据质量的定量评估与对其决定因素的定性分析相结合。在定量分析阶段，研究了2022年至2024年间印度尼西亚东爪哇省马朗市57个村庄中老年人相关EMIS数据的完整性和准确性。通过检查缺失值以及不合理或异常的数据条目来评估数据质量，分析工作在STATA-18软件中进行。定量分析的结果为定性分析提供了依据，后者则通过与16名项目协调员和17名社区健康工作者进行的6次焦点小组讨论，以及与马朗市卫生官员进行的2次深入访谈来收集原始数据。此外，还运用NVivo软件进行主题分析，以找出影响数据质量的组织、行为和技术层面的因素。

结果

EMIS中的数据覆盖率从2022年的13%上升到了2024年的39%。但缺失值问题依然严重，保险号码的缺失率在31%至40%之间，胆固醇检测数据的缺失率在33%至42%之间，而且部分数据条目存在错误。与年龄相关的异常数据比例在研究期间从2%上升到了5%，其中总血液胆固醇水平的异常比例最高，2022年为49%，2023年和2024年为42%。定性分析结果显示，人们对高质量数据的需求较低，反馈延迟，数据验证机制不清晰，数据收集者因繁重的数据录入工作而积极性不足，此外他们的技能和数据素养也有欠缺，同时还存在诸多技术难题，包括系统设计问题以及数据整合和互操作性受限等问题。

结论

要提高常规健康数据的质量，就需要在组织、行为和技术层面采取协同干预措施。应优先加强协调机制，实施标准化的数据验证流程，为社区健康工作者提供基于能力的培训，同时重新设计数字系统，加入自动验证功能。