Routine health information system data quality in a hill and mountain district of Nepal: a cross-sectional desk review of four years of DHIS2 data from Sankhuwasabha, 2021-2025
Diese querschnittliche Desk-Review von vier Jahren DHIS2-Daten aus dem Distrikt Sankhuwasabha, Nepal, zeigt, dass die Vollständigkeit und Zeitnähe der Berichterstattung zwar generell hoch sind, die Daten jedoch durch systematische Erfassungsprozesse und die Einschränkungen validierungsregelabhängiger Konsistenzprüfungen verursachte, persistente Anomalien bei den Immunisierungen aufweisen, was die Notwendigkeit unterstreicht, Indikatorpaare vor der Bewertung der Datenqualität gegen aktive Validierungsregeln zu klassifizieren.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen
In dem hohen, zerklüfteten Gelände des Himalayas, wo Dörfer über steile Täler verstreut liegen und Reisen Stunden über schwierige Pfade in Anspruch nehmen können, verlassen sich Gesundheitshelfer auf ein digitales System, um die Pflege, die sie leisten, zu dokumentieren. Dieses System, das von Gesundheitsministerien auf der ganzen Welt genutzt wird, fungiert als zentrales Hauptbuch, in dem jede Geburt, jede Impfung und jeder Klinikbesuch festgehalten wird. Das Ziel ist einfach: ein klares Bild der Gemeinschaftsgesundheit zu schaffen, damit Führungspersönlichkeiten effektiv planen können. Aber damit diese Aufzeichnungen nützlich sind, müssen sie korrekt sein. Wenn die Zahlen falsch sind, werden die auf ihnen basierenden Pläne scheitern. Eine große Herausforderung bei dieser Arbeit besteht darin, zu wissen, ob die Daten nur eine Sammlung von Zahlen oder ein wahres Abbild der Realität sind. Gesundheitsbeamte prüfen oft zwei Dinge: ob Berichte überhaupt eingereicht werden und ob sie rechtzeitig eintreffen. Es ist jedoch eine tiefergehende Prüfung erforderlich, um zu sehen, ob die Zahlen im Vergleich zueinander Sinn ergeben. Wenn zum Beispiel ein Kind eine erste Impfdosis erhält, sollte es später logischerweise eine zweite und dritte Dosis erhalten; wenn die Aufzeichnungen mehr dritte Dosen als erste Dosen ausweisen, stimmt etwas mit der Art und Weise nicht, wie die Informationen aufgeschrieben werden.
Forscher im Distrikt Sankhuwasabha in Nepal, einer Region aus Hügeln und Bergen, beschlossen, diese Gesundheitsakten aus vier Jahren genau unter die Lupe zu nehmen, um zu sehen, ob das System wie beabsichtigt funktionierte. Sie untersuchten Daten aus 132 Gesundheitseinrichtungen, die alles von der Mütterfürsorge bis zur Immunisierung abdeckten. Ihre Untersuchung ergab, dass das System in einem Punkt gute Arbeit leistete: Fast jede Einrichtung reichte ihre Berichte ein. Die Aufzeichnungen waren nahezu vollständig. Die zeitliche Zuverlässigkeit war jedoch geringer. In mehreren abgelegenen Gebieten trafen Berichte häufig verspätet ein, was darauf hindeutete, dass die Schwierigkeiten des Geländes den Informationsfluss verlangsamten. Doch die überraschendste Entdeckung kam, als die Forscher die interne Logik der Zahlen betrachteten, insbesondere im Hinblick auf Kinderimpfungen. Sie fanden ein Muster, das dem gesunden Menschenverstand widersprach: Die Aufzeichnungen zeigten, dass mehr Kinder spätere Impfdosen erhielten als frühere. Im gesamten Distrikt war die Anzahl der Kinder, die den Erhalt einer dritten Impfdosis verzeichnet waren, höher als die Anzahl der Kinder, die den Erhalt einer ersten Dosis verzeichnet waren. Dies ist in der Realität unmöglich, da ein Kind keine dritte Spritze erhalten kann, ohne zuvor die erste erhalten zu haben.
Die Forscher erkannten, dass dieses seltsame Muster kein Fehler war, der dadurch entstand, dass Kinder zwischen Dörfern umzogen, was lediglich die Zahlen innerhalb des Distrikts verschieben würde, ohne die Gesamtzahl zu verändern. Stattdessen deutete der Fehler auf ein systematisches Problem bei der Datenerfassung hin. Die Studie deckte auch ein subtiles Problem in der Art und Weise auf, wie das Gesundheitssystem auf Fehler prüft. Die Software, die zur Datenerhebung verwendet wird, besitzt integrierte Regeln, die die Mitarbeiter warnen, wenn zwei zusammengehörige Zahlen nicht übereinstimmen. Die Forscher fanden heraus, dass diese Regeln für einige Datenpaare so streng waren, dass sie die Zahlen dazu zwangen, übereinzustimmen, wodurch echte Erfassungsfehler verborgen wurden. Für andere Paare erlaubte die Software den Mitarbeitern fortzufahren, selbst wenn die Zahlen falsch waren. Dies bedeutete, dass das bloße Sehen, dass zwei Zahlen übereinstimmten, nicht immer bewies, dass die Daten korrekt waren; manchmal bewies es nur, dass die Software sie zum Übereinstimmen gezwungen hatte. Die Studie kam zu dem Schluss, dass die Gesundheitshelfer in diesem Bergdistrikt zwar gewissenhaft genug waren, um ihre Berichte einzureichen, die Art und Weise, wie sie spezifische Details über Immunisierungen aufzeichneten, jedoch Aufmerksamkeit benötigte. Die Daten zeigten ein beständiges, distriktweites Muster, bei dem die Reihenfolge der Impfdosen in umgekehrter Reihenfolge aufgezeichnet wurde – ein Fehler, den Standardprüfungen auf Vollständigkeit und Rechtzeitigkeit völlig übersehen hätten.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.