Karakteristik-Karakteristik Kualitas Data Kesehatan

Karakteristik-karakteristik kualitas data yang diterbitkan oleh The American Health Information Management Association (AHIMA) dapat menjadi dasar dalam menetapkan standar kualitas data, karena karakteristik-karakteristik ini merepresentasikan dimensi-dimensi umum data kesehatan yang harus selalu ada.

Karakteristik kualitas data

  • Application – Tempat dimana data berasal untuk disimpan.
  • Collection –  Proses-proses dimana elemen-elemen data diakumulasikan.
  • Warehousing – Proses-proses dan sistem-sistem yang digunakan untuk mengarsip data dan jurnal data.
  • Analysis – Proses translasi data menjadi informasi yang digunakan untuk suatu aplikasi.

Berikut ini adalah ringkasan karakteristik-karakteristik kualitas data dari AHIMA:

  1. Data accuracy. Data harus benar, nilai valid adalah nilai yang akurat. Kesalahan penulisan (typografi) nama adalah contoh ketidakakuratan data.
  2. Data accessibility. Data yang tidak tersedia saat pengambil keputusan membutuhkannya adalah tak berguna.
  3. Data comprehensiveness. Semua data yang dibutuhkan untuk keperluan tertentu harus ada dan tersedia bagi pengguna. Data tak akan berguna bila tak lengkap.
  4. Data consistency. Data berkualitas harus konsisten. Penggunaan singkatan yang memiliki 2 arti berbeda merupakan contoh yang tepat akan kurangnya konsistensi dapat menimbulkan masalah. Contoh, perawat yang mungkin menggunakan singkatan CPR untuk cardiopulmonary Resuscitation pada satu waktu dan menggunakan CPR untuk computer-based patient record di lain waktu, akan membingungkan.
  5. Data currency. Banyak tipe data kesehatan menjadi kadaluwarsa setelah periode waktu tertentu. Hasil pengakuan diagnosis pasien sering tidak sama dengan pencatatan diagnosis saat pemulangan.  Saat eksekutif rumah sakit  membutuhkan laporan diagnosis selama kurun waktu tertentu, catatan diagnosis mana yang harus diberikan?
  6. Data definition. Definisi elemen data yang jelas harus disediakan sehingga baik pengguna data saat ini dan nanti akan mengetahui apa arti data tersebut. 1 cara untuk menyediakan definisi data yang jelas adalah menggunakan data dictionaries.
  7. Data granularity. Data granularity biasa disebut sebagai data atomicity. Tiap elemen data adalah “atomic” karena mereka tidak dapat dipecah lagi menjadi elemen yang lebih kecil.  Contoh, nama pasien seharusnya disimpan dalam 3 elemen data, nama akhir, nama awal, nama tengah. Granularity direlasikan dengan tujuan dari data disimpan. Walaupun tanggal lahir pasien memungkinkan untuk dipecah menjadi tanggal, bulan, dan tahun lahir, tapi hal ini tak diperlukan. Tanggal lahir adalah tingkat terendah dari granularity saat digunakan sebagai pengidentifikasi pasien. Nilai data harus didefinisikan pada tingkat yang tepat sesuai dengan kegunaannya.
  8. Data precision. Presisi sering berelasi dengan data numerik. Presisi menunjukkan seberapa dekat ke ukuran sebenarnya, berat atau standar pengukuran tertentu. Beberapa data kesehatan harus sangat presisi. Contoh, dosis obat tak boleh dibulatkan ke gram terdekat saat obat didosiskan dalam milligram.
  9. Data relevancy. Data harus relevan dengan tujuan mereka disimpan. Kita bisa menyimpan dengan sangat akurat, data tentang warna kesukaan dan jenis rambut dapat diisikan dengan tepat waktu, tapi apakah data ini sesuai dengan kebutuhan untuk perawatan pasien?
  10. Data timeliness. Ketepatan waktu adalah dimensi penting dalam kualitas berbagai jenis data kesehatan. Contoh, nilai lab untuk pemeriksaan kritis harus tersedia untuk penyedia layanan kesehatan dengan tepat waktu. Hasil akurat yang terlambat disediakan dari tenggat waktu yang seharusnya atau bahkan tersedia setelah kepulangan pasien akan mengecilkan atau meniadakan nilai gunanya bagi perawatan pasien.

[ROM]

2 Responses to Karakteristik-Karakteristik Kualitas Data Kesehatan

Leave a Reply

Your email address will not be published. Required fields are marked *

Powered by WordPress | Designed by: diet | Thanks to lasik, online colleges and seo
Skip to toolbar