中国乳腺癌标准数据库“大揭秘”——今天来聊聊“数据质量怎么抓？”

数据质量是数据治理的重要标尺，也是数据利用的基石。经过医院多年的医疗信息化建设，我国已拥有庞大的医疗数据基础，并广泛应用于临床决策支持、医学研究、药物研究、智能辅诊等领域。

与此同时，医疗数据应用问题逐渐浮现：医疗数据质量不高、结构化程度不足、数据分散，导致数据可用性低，制约医疗健康大数据智能分析应用。

中国乳腺癌标准数据库将多源异构数据采集、整合、治理，形成科研可用数据资产。在数据治理的过程中，尤其重视数据质量问题。以标准化数据质量评价体系的构建、数据质量闭环调优、数据质量可视化呈现等，不断提高数据可用性，为临床科研应用保驾护航。

(一) 医疗数据治理常见的数据质量问题

• 数据完整性不足：数据分散在不同系统中，数据孤岛问题突出；临床医生病历书写标准不统一、不完整。

• 数据结构化程度不足：文档、影像等非结构化数据多，数据异源异构。

• 术语标准化不足：同个医学术语不同码、不同名。

• 数据逻辑错误：男性患者有子宫疾病诊断，女性患者有前列腺疾病诊断等。

• 数据录入差错：同一事实在不同记录中不一致；纸张记录与电子记录不一致。

• 数据质量体系不完善：数据质量校验体系不完善，人工核查易遗漏。

（二）中国乳腺癌标准数据库的数据质量管理解决方案

2.1 数据质量评价体系标准化

以数据量、变量数、有效性、时效性、完整性、随访完整度六大维度构建数据质量评价体系，对数据库的科研样本量和疾病特征变量，数据真实性、时效性以及随访数据完整性等等方面做出具体要求。

2.2 数据质量闭环调优

以专病数据模型为基础的智能AI质控与人工数据稽查双管齐下，实现数据质量控制的闭环管理。

针对要重点质控的字段，采用定量、定性综合校验方法，提供多维质量监控、问题质疑功能，协助发现完整性、有效性、准确性等数据质量问题。质控员可在系统中质疑数据准确性，录入员/随访员提供证明或修改变量值来回复质疑、做出调整，从而稳步提升数据质量。

2.3 数据质量可视化

中国乳腺癌标准数据库与业务系统集成，实现数据质量展现和分析，为用户提供质量标准自主设定，质量数据多维查看、关键指标统计分析，相关操作记录和报表输出等功能。通过可视化呈现数据质量，满足科研人员深入探索多维度、多指标数据的需求。

（1）“数据检索”

在“数据检索”模块，以图形报表展示检索结果的数据质量，图形报表联动显示。用户可通过图表的相互关系，深入钻取分析，层层穿透找到问题。支持用户数据质量标准自主设定，高于或低于该标准标注显示，强化用户对数据质量提升的显性感受。

（2）“数据管理”

在数据库“数据管理”模块，以数据概览模式展示全局数据质量，支持自由切换变量维度和患者维度。用户可从“性别”、“年龄”、“早期患者”、“晚期患者”、“患者逐年趋势”、“变量完整度”、“患者完整度”、“患者准确度”等多维度查看数据质量。

出现患者数据缺失或字段数据缺失时，录入员可查看缺失数列表，点击定位至具体缺失字段进行补录，实时跟踪数据填报完整性与缺失变量情况。

（3）“数据网管”

在数据库“数据网管”模块，对每次数据采集、数据共享和业务节点（修改、读取、调用、导出等）均保留记录，每日0点自动生成或手动添加报表，支持一键导出，保证专病库数据所有来源和使用操作清晰可溯源。

（4）随访数据无缝集成，补足终点事件数据

中国乳腺癌标准数据库搭载高性能科研随访平台，与多模态专病数据库无缝集成，数据实时更新、准确流转。通过强大的CRF自定义工具、规范的随访管理设置，可在更好地保护受试者隐私和权益的同时，有效提高随访过程管理水平，在源头上保证随访过程的数据质量。

人工智能发展带来医疗变革，高质量数据是推动医疗科研水平高速发展的关键。中国乳腺癌标准数据库通过标准化、可视化的数据质量闭环管理，严抓“数据质量关”，力求以高质量的乳腺癌多模态数据，助推临床科研产出，并为乳腺癌医疗工作人员提供面向人工智能的下一代研究环境。