دانلود رایگان ترجمه مقاله روش ها و ابعاد ارزیابی کیفیت داده های پرونده الکترونیکی سلامت – NCBI 2012

مقالات انگلیسی و ترجمه های فارسی رایگان با فرمت PDF آماده دانلود رایگان میباشند

همچنین ترجمه مقاله با فرمت ورد نیز قابل خریداری و دانلود میباشد

مقاله انگلیسی رایگان (PDF)

ترجمه فارسی رایگان (PDF)

خرید ترجمه با فرمت ورد

فهرست مقاله:

چکیده
روش ها
نتایج
تمامیت
صحت
انطباق:
توجیه پذیری( معقول بودن)
رواج( به موقع بودن)
بحث
اصطلاحات و ابعاد کیفیت داده ها
روش ارزیابی کیفیت داده ها
مسیر های آینده
محدودیت ها
نتیجه گیری

بخشی از ترجمه فارسی مقاله:

از آنجا که پذیرش و استفاده از پرونده های الکترونیکی سلامت موجب دسترسی آسان تر و ترکیب ساده تر داده های بالینی شده اند، توجه روز افزونی به انجام تحقیقات با داده های جمع اوری شده در طی روند مراقبت های بالینی صورت گرفته است.(1-2). موسسه ملی سلامت، بر افزایش استفاده مجدد از پرونده های الکترونیک برای سلامت تاکید کرده است و انجمن تحقیقات بالینی به طور فعالانه روش هایی را برای استفاده ثانویه از داده های بالینی جست و جو کرده است(3). پرونده های الکترونیک سلامت عملکرد فراتری از رجیستری های موجود و انبار های داده ها از نظر حجم داشته و استفاده مجدد از این داده ها موجب کاهش هزینه ها و ناکارامدی های مرتبط با تحقیقات بالینی می شود. همانند سایر اشکال تحقیقات گذشته نگرانه، مطالعاتی که از داده های پرونده های الکترونیک استفاده می کنند، نیازی به گزینش بیمار یا جمع اوری داده ها ندارند که هر دوی این فرایند ها، پر هزینه و زمان بر هستند. داده های مربوط به پرونده های سلامت الکترونیک نیز زمینه را رای دسترسی به مراقبت های پزشکی، وضعیت و برایند های یک جمعیت متنوع هموار ساخته اند، جمعیتی که معرف بیماران واقعی هستند. استفاده ثانویه از داده های جمع اوری شده در پرونده های الکترونیک سلامت، گامی مهم در کاهش هزینه های تحقیقاتی، افزایش تحقیقات مبتنی بر بیمار و تسریع سرعت کشفیات پزشکی جدید است.
علی رغم این مزیت ها، استفاده مجدد از داده های پرونده الکترونیک از سلامت با تعدادی از عوامل از جمله نگرانی های مربوط به کیفیت داده ها و مناسبت آن ها برای تحقیق، محدود شده است. به طور کلی پذیرفته شده است که، در نتیجه تفاوت ها در اولویت های بین شرایط تحقیقاتی و بالینی، داده های بالینی با دقت یکسان و مشابه با داده های پژوهشی(4) ثبت نمی شوند. به علاوه، بارمن(5) بیان کرده است که ظهور فناوری اطلاعات سلامت نظیر پرونده های سلامت الکترونیک منجر به بهبود کیفیت داده ها به جای ثبت مجدد مقادیر زیادی از داده های بد شده است. به دلیل این نگرانی ها در خصوص کیفیت داده ها، وان در لی(6) در مورد استفاده مجدد از داده های بالینی برای تحقیقات هشدار داده اند و اولین قانون انفورماتیک را پیشنهاد کرده است. داده ها بایستی تنها بر اساس هدفی که جمع اوری شده اند مورد استفاده قرار گیرند. اگرچه این نگرانی ها در خصوص کیفیت داده ها از زمان معرفی و ظهور پرونده های سلامت الکترونیک وجود داشته اند، با این حال هیچ گونه اجماعی در خصوص کیفیت داده های بالینی الکترونیک و یا مفهوم کیفیت داده ها در زمینه پرونده های سلامت الکترونیک وجود نداشته است. یکی از پذیرفته شده ترین مفاهیم کیفیت توسط جوران(7) ارایه شده است که بیان داشته است که کیفیت به صورت ” مناسب بودن برای استفاده” تعریف میشود. در زمینه کیفیت داده ها، این بدین معنی است که داده ها در زمان نیاز دارای کیفیت کافی باشند.
مطالعات گذشته در خصوص کیفیت داده های پرونده سلامت الکترونیک، نتایج بسیار متفاوتی را گزارش کرده اند. هوگان و وگنر(8) در مرور منابع خود در سال 1997، به این نتیجه رسیده اند که صحت داده ها بین 44 و 100 درصد و کامل بودن آن ها بین 1.1 و 100 درصد بسته به مفاهیم بالینی مطالعه شده متغیر است. به طور مشابه، تیرو و همکاران(9) در محاسبه حساسیت انواع مختلف داده های پرونده های سلامت الکترونیک در منابع، به این نتیجه رسیده اند که این مقادیر بین 0.26 و 1.00 متغیر بوده است. چان و همکاران(10) در سال 2010 به بررسی کیفیت مفاهیم بالینی در موسسات مختلف پرداخته و تغییرات زیادی را مشاهده کرده اند. برای مثال، کامل بودن اطلاعات فشار خون بین 0.1 و 51 درصد متغیر است. به دلیل تفاوت ها در سیستم های اندازه گیری، ثبت و اطلاعات و دیدکاه های بالینی، کیفیت داده های پرونده های سلامت الکترونیک بسیار متغیر است. از این روی، ارایه فرضیاتی در مورد یک دیتابیس مبتنی بر EHR بر اساس فرضیات دیگر غیر منطقی است.ما نیازمند روش های سیستماتیک برای ارزیابی کیفیت مجموعه داده های پرونده های سلامت الکترونیک برای یک کار تحقیقاتی معین می باشیم.
مقاله مروری ما از مقالات دیگر از نظر هدف تفاوت دارد. مقالات مروری قبلی به بررسی یافته های مربوط به کیفیت پرداخته اند، در حالی که این مقاله به بررسی روش هایی میپردازد که برای ارزیابی کیفیت داده ها استفاده شده اند. در حقیقت، مقالات قبلی صریحا محدود به مطالعاتی بوده اند که این مطالعات به استفاده از یک معیار مرجع متکی بوده است، در حالی که ما در عوض به بررسی طیف وسیعی از روش های ارزیابی کیفیت داده ها می پردازیم. این مرور منابع یک مدل مفهومی تجربی را از ابعاد کیفیت داده های پرونده سلامت الکترونیک توسط محققان بالینی و یک خلاصه و نقدی از روش های مورد استفاده برای ارزیابی کیفیت داده های پرونده سلامت الکترونیک به خصوص در زمینه استفاده مجدد از داده های بالینی برای تحقیقات، ارایه می کند. هدف ما توسعه یک دانش سیستمی از رویکرد هایی است که برای تعیین مناسبت داده های پرونده الکترونیکی سیستم برای اهداف تحقیقاتی خاص استفاده می شود.

بخشی از مقاله انگلیسی:

As the adoption of electronic health records (EHRs) has made it easier to access and aggregate clinical data, there has been growing interest in conducting research with data collected during the course of clinical care.1 2 The Natonal Institutes of Health has called for increasing the reuse of electronic records for research, and the clinical research community has been actively seeking methods to enable secondary use of clinical data.3 EHRs surpass many existing registries and data repositories in volume, and the reuse of these data may diminish the costs and inefficiencies associated with clinical research. Like other forms of retrospective research, studies that make use of EHR data do not require patient recruitment or data collection, both of which are expensive and time-consuming processes. The data from EHRs also offer a window into the medical care, status, and outcomes of a diverse population that is representative of actual patients. The secondary use of data collected in EHRs is a promising step towards decreasing research costs, increasing patient-centered research, and speeding the rate of new medical discoveries. Despite these benefits, reuse of EHR data has been limited by a number of factors, including concerns about the quality of the data and their suitability for research. It is generally accepted that, as a result of differences in priorities between clinical and research settings, clinical data are not recorded with the same care as research data.4 Moreover, Burnum5 stated that the introduction of health information technology like EHRs has led not to improvements in the quality of the data being recorded, but rather to the recording of a greater quantity of bad data. Due to such concerns about data quality, van der Lei6 warned specifically against the reuse of clinical data for research and proposed what he called the first law of informatics: ‘[d]ata shall be used only for the purpose for which they were collected’. Although such concerns about data quality have existed since EHRs were first introduced, there remains no consensus as to the quality of electronic clinical data or even agreement as to what ‘data quality’ actually means in the context of EHRs. One of the most broadly adopted conceptualizations of quality comes from Juran,7 who said that quality is defined through ‘fitness for use’. In the context of data quality, this means that data are of sufficient quality when they serve the needs of a given user pursuing specific goals. Past study of EHR data quality has revealed highly variable results. Hogan and Wagner,8 in their 1997 literature review, found that the correctness of data ranged between 44% and 100%, and completeness between 1.1% and 100%, depending on the clinical concepts being studied. Similarly, Thiru et al, 9 in calculating the sensitivity of different types of EHR data in the literature, found values ranging between 0.26 and 1.00. In a 2010 review, Chan et al10 looked at the quality of the same clinical concepts across multiple institutions, and still found a great deal of variability. The completeness of blood pressure recordings, for example, fell anywhere between 0.1% and 51%. Due to differences in measurement, recording, information systems, and clinical focus, the quality of EHR data is highly variable. Therefore, it is generally inadvisable to make assumptions about one EHR-derived dataset based on another. We need systematic methods that will allow us to assess the quality of an EHR-derived dataset for a given research task. Our review primarily differs from those highlighted above in its focus. The previous reviews looked at data quality findings, while ours instead focuses on the methods that have been used to assess data quality. In fact, the earlier reviews were explicitly limited to studies that relied on the use of a reference standard, while we instead explore a range of data quality assessment methods. The contributions of this literature review are an empirically based conceptual model of the dimensions of EHR data quality studied by clinical researchers and a summary and critique of the methods that have been used to assess EHR data quality, specifically within the context of reusing clinical data for research. Our goal is to develop a systematic understanding of the approaches that may be used to determine the suitability of EHR data for a specific research goal.