数据质量保证：模块3：数据质量现场评估：数据验证和系统评估

模块3 数据质量现场评估：数据验证和系统评估 数据质量保证 数据质量保证模块3 数据质量现场评估：数据验证和系统评估 数据质量保证。模块3.数据质量现场评估：数据验证和系统评估 本出版物是对2017年发布的题为“数据质量审查”的文件的更新。模块3：数据验证和系统评估”。 国际标准书号978-92-4-004911-6（电子版）国际标准书号 978-92-4-004912-3（印刷版） ©2022年世界卫生组织 保留部分权利。本作品可在知识共享署名-非商业性使用-相同方式共享3.0IGO许可（CCBY-NC-SA3.0IGO;https://creativecommons.org/licenses/by-nc-sa/3.0/igo）下获得。 根据本许可的条款，您可以出于非商业目的复制、重新分发和改编作品，前提是作品被适当引用，如下所示。在对这项工作的任何使用中，不应暗示世卫组织认可任何特定组织、产品或服务。不允许使用世卫组织标识。如果您改编作品，则必须获得许可 您在相同或同等的知识共享许可下的作品。如果您创建此作品的翻译，则应添加以下免责声明以及建议的引用：“此翻译不是由世界卫生组织（WHO）创建的 。世卫组织不对本译文的内容或准确性负责。英文原版应为具有约束力的作准版本”。 与许可引起的争议有关的任何调解均应按照世界知识产权组织（http://www.wipo.int/amc/en/mediation/rules/）的调解规则进行。 建议引用.数据质量保证。模块3.数据质量现场评估：数据验证和系统评估。日内瓦：世界卫生组织;2022.许可证：CCBY-NC-SA3.0IGO。 Cataloguing-in-Publication(CIP)数据。CIP数据可在http://apps.who.int/iris获得。 销售、权利和许可。关于购买世卫组织出版物，见http://apps.who.int/bookorders。要提交商业用途请求以及有关权利和许可的查询，请参阅http://www.who.int/about/licensing。 第三方材料。如果您希望重复使用本作品中归属于第三方的材料，例如表格、图形或图像，您有责任确定该重复使用是否需要许可并获得版权所有者的许可。因侵犯作品中任何第三方拥有的组件而导致的索赔风险完全由用户承担。 一般免责声明。本出版物中使用的名称和材料的介绍并不意味着世卫组织对任何国家、领土、城市或地区或其当局的法律地位，或对其边界或边界的划定表示任何意见。地图上的虚线和虚线表示可能尚未完全达成一致的大致边界线。 提及特定公司或某些制造商的产品并不意味着世卫组织认可或推荐它们优先于未提及的类似性质的其他产品。除错误和遗漏外，专有产品的名称以首字母大写字母区分。 世卫组织已采取一切合理的预防措施来核实本出版物所载的信息。但是，分发已发布的材料时不提供任何明示或暗示的保证。解释和使用材料的责任在于读者。在任何情况下，世卫组织均不对因使用核武器而造成的损害负责。 设计和布局由L'IVComSarl) 内容 实现3 评估5 检查清单7 及时性11 数据11 来源)12 数据12 第3章。设施和地区的离散现场评估-数据验证和 及时性13 数据14 筹备和实施离散场地评估部分 dqr15 评估15 样本大小15 和地区16 电子)17 (计数器)17 当局18 surveyv18的监督和质量控制 筹备和实施离散场地评估部分的dqr35 设施59 及时性72 数据72 来源)73 评估75 及时性76 数据77 来源)77 评估78 数据质量现场评估：数据验证和系统评估。网络附件。实施指南 https://apps.who.int/iris/bitstream/handle/10665/363869/9789240058644-eng.pdf 确认 该工具包是世界卫生组织（卫生组织）、全球抗击艾滋病、结核病和疟疾基金（全球基金）、全球疫苗免疫联盟、疫苗免疫联盟和美国国际开发署（美援署）/MEASURE评价合作的结果。 该工具包提出了一种统一的数据质量方法。它整合并借鉴了以前和现在旨在评估设施一级数据质量的工具和方法 ，同时考虑到许多国家的最佳做法和经验教训。 KavithaViswanathan监督了工具包的技术开发，KathrynO'Neill提供了总体指导，TiesBoerma，DavidBoone，HongAnhChu，RobertPond，OlavPoppe，ClairePreaud，AshleySheffel，AmaniSiyam，MarinaTakane和WendyVenter提供了技术投入。 工具包中的所有模块均基于世卫组织各部门和外部合作伙伴的技术贡献。世卫组织各部门包括扩大免疫规划、全球艾滋病毒规划、全球疟疾规划、全球结核病规划、生殖、孕产妇、新生儿、儿童、青少年健康以及其他机构，包括全球基金、全球疫苗免疫联盟、约翰·斯诺/措施评估、奥斯陆大学和合作卫生信息系统规划。 特别感谢世卫组织全球艾滋病毒规划、全球疟疾规划、全球结核病规划以及生殖、孕产妇、新生儿、儿童、青少年卫生（RMNCAH）的劳拉·安德森、玛丽亚·特蕾莎·巴博维奇、弗洛伦斯·陈、朱洪英、伊丽莎白·卡特万、马雷克·拉利、丹尼尔·洛比尔、查拉兰波斯·西斯马尼迪斯、阿曼尼·西亚姆、温迪·文特尔和瑞安·威廉姆斯。 技术专家和审稿人RobertPond，KavithaViswanathan，DavidBoone，AshleySheffel以及Gavi的CarineGachen ，全球基金的JoyceWitherspoon和MichelleMonroe以及奥斯陆大学卫生信息系统计划（HISP）全球和区域团队提供了进一步的意见。 特别感谢测试和实施该方法不同组成部分并提供宝贵反馈的国家合作伙伴，即：贝宁、布基纳法索、柬埔寨、刚果民主共和国、肯尼亚、毛里塔尼亚、塞拉利昂、南苏丹、多哥、乌干达、赞比亚和坦桑尼亚联合共和国的桑给巴尔 。 数据质量保证。模块3：数据质量现场评估：数据验证和系统评估 该工具包是在彭博慈善基金会健康数据倡议的赠款支持下制作的;全球疫苗免疫联盟;全球抗击艾滋病、结核病和疟疾基金;以及挪威发展合作署（Norad）。 数据质量保证 模块3 数据质量现场评估：数据验证和系统评估 DQ应用(与用户指南) MSExcel分析 工具 设施/地区数据验证和系统评估（附用户指南） 数据质量保证 模块3 数据质量现场评估：数据验证和系统评估 IMPLEMEN答IONGUIDE 数据验证和系统评估培训材料 确认 工具包的内容 DQR工具包包括指南、工具和其他资源，供各国实施和制度化一个系统，以确保其卫生设施数据的质量。以下架构显示了可用的不同资源，并在文档中进行了进一步描述。这些资源也可通过以下链接下载：1 总体框架和实现 桌子上的回顾数据 质量 数据质量评估 模块2 离散的数据桌子审查质量 数据质量保证 模块2 离散的数据桌子审查质量 IMPLEMEN答IONGUIDE 数据质量保证 模块1框架和指标 IMPLEMEN答IONGUIDE 那些桌子在MSExcel(用户审查工具 指南) 数据质量案头审查培训材料 网站的评估数据质量 用于离散站点评估的数据收集工具（MS-Word和CSPro）以及CSPro应用程序的用户手册 MSExcel中的监督清单（附用户指南） 1要下载，请参阅：https://www.who.int/healthinfo/tools_data_analysis/en/（2020年11月5日访问）。 缩写 非洲国民大会产前保健 ANC1第一次产前保健访问 艺术抗逆转录病毒疗法波士顿咨询公司卡介苗疫苗 CSPro人口普查和调查处理系统 化2各国主要用作卫生信息系统的基于网络的开放源码软件，用于卫生方案的数据管理和监测 DQR数据质量评估 dtp三级白喉-破伤风-百日咳 三联三级白喉-破伤风-百日咳three-dose疫苗 DV数据验证 疫苗和免疫全球联盟疫苗和免疫全球联盟,疫苗联盟 HHFA协调卫生设施评估 艾滋病毒人类免疫缺陷病毒 HMIS卫生管理信息系统 IPT3第三剂量间歇性预防治疗 期间间歇性预防治疗怀孕 ”Measles-containing疫苗 耐多药结核病耐药结核病 漏磁场主设备列表 卫生部卫生部 MR1/MR2麻疹风疹疫苗(剂治疗)OI机会性感染门诊部当门诊部 口服脊髓灰质炎疫苗口服脊髓灰质炎疫苗 PCV肺炎球菌结合疫苗 五五价的疫苗 预防母婴传播预防母婴传播 PNC产后护理 数据质量保证。模块3：数据质量现场评估：数据验证和系统评估 RDT快速诊断测试 rrrifampicin-resistant SA系统评估 莎拉服务可用性和准备评估 SOP标准操作程序 结核病结核病 全球基金全球抗击艾滋病、结核病和疟疾基金TT破伤风类毒素疫苗美国国际开发署美国国际开发署VF验证因子 谁世界卫生组织 第1章。概述 高质量的数据对于监测实现可持续发展目标、世卫组织“三个十亿”目标以及国家或国家以下各级卫生重点的进展情况至关重要。加强国家预防、防范和应对COVID-19等突发卫生事件的能力也至关重要。及时、可靠、可操作的数据对于提供干预措施以改善人群健康至关重要。 最近发表的关于使用SCORE技术包的国家卫生数据和系统能力的全球报告强调，提高数据质量对政策和规划至关重要。数据可用性不会自动转化为政策、规划和患者医疗保健所需的高质量数据的可用性。数据质量是卫生机构的一个关键问题，约40%的国家没有明确证据表明其公布的卫生机构数据遵循了数据质量保证流程1. 合理的决策基于可靠的数据;因此，必须确保数据质量好。卫生设施数据是评估 卫生部门的绩效。低质量的数据以不同的方式影响不同层次的卫生系统。对于设施一级的卫生保健提供者来说，如果关于病人的信息不完整或不一致，病人的护理可能会受到影响。对于计划管理者来说，低质量的数据可能导致不正确的决定，从而可能损害计划的整体运行，并最终损害人口的健康。在规划一级，低质量的数据可能破坏在实现卫生部门目标方面取得进展的证据，并可能提供误导性结果，从而阻碍年度规划进程。此外，在确定对卫生部门的投资时，低质量的数据可能导致资源目标不明确。 背景 数据质量审查（DQR）旨在评估卫生设施信息系统生成的数据质量。DQR的目标是： ￿使数据质量评估系统制度化，包括对数据的例行监测、离散数据质量审查（每年进行一次）和定期深入 评估的重点卫生规划; ￿确定数据管理系统的弱点和加强系统的干预措施;和 第1章。概述 ￿监测数据质量随时间推移的表现以及产生高质量数据的能力。 1https://www.who.int/publications/i/item/9789240018709 数据质量保证。模块3：数据质量现场评估：数据验证和系统评估 DQR工具包的范围 DQR工具包的范围是提供框架和结构，以支持常规，年度或定期保证，评估和改进设施报告的数据。审查的周期取决于审查的重点，即是否对数据进行常规过程更正，是否研究在编写年度卫生分析报告时必须解决的常见交叉数据质量问题，或者是否在计划审查之前更深入地研究特定的健康或疾病计划。更具体地说，这种多管齐下的方法包括以下内容： ￿对数据质量或数据质量保证进行例行和定期审查。这些应该是 定期（例如每月）对数据质量进行审查，纳入健康管理信息系统（HMIS）或其他计划报告系统的检查系统，作为反馈周期的一部分，近乎实时地识别错误，以便在错误发生时予以纠正。这种对数据的常规检查可以更加全面，可以是跨领域或 特定于程序，可以由不同的数据用户（例如HMIS经理，计划经理等）进行。 ￿离散横断面评估。这些是看健康质量所必需的 设施数据既用于衡量卫生部门的绩效，也用于政策和规划目的。虽然建议这些评估在实施过程中具有独立性 ，但卫生部密切协调和管理这些评估非常重