Data Quality and Associated Technological, Organisational, and Behavioural Factors in the Routine Health Information System of Osun State, Nigeria: A Cross-Sectional Study
Diese Querschnittsstudie von 22 Gesundheitseinrichtungen im Bundesstaat Osun, Nigeria, zeigt, dass die Datenqualität des routinemäßigen Gesundheitsinformationssystems primär durch die Genauigkeit und weniger durch die Vollständigkeit oder Zeitnähe eingeschränkt wird, wobei organisatorische Faktoren die Qualität nur indirekt beeinflussen, indem sie das Verhalten des Personals und die technologische Akzeptanz prägen, anstatt durch direkte Effekte.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
In jedem funktionierenden Gesundheitssystem hängen Entscheidungen darüber, wohin Ärzte geschickt werden, wie viel Medizin gekauft wird und welche Krankheiten bekämpft werden, vollständig von den Informationen ab, die von den Kliniken zur Regierung fließen. Diese Informationen sind nicht nur eine Liste von Zahlen; sie sind das Fundament der öffentlichen Gesundheit. Damit diese Entscheidungen fundiert sind, müssen die Daten zuverlässig sein. Wenn eine Klinik meldet, dass sie hundert Patienten wegen Malaria behandelt hat, die Aufzeichnungen aber falsch sind, könnte die Regierung zu wenige Medikamente schicken, was Menschen krank zurücklässt, oder zu viele, was knappe Ressourcen verschwendet. In vielen Teilen der Welt, einschließlich Nigeria, kämpfen die Systeme, die zur Erfassung dieser täglichen Informationen verwendet werden, oft. Die Herausforderung besteht nicht nur darin, ein System einzurichten, sondern sicherzustellen, dass die Daten darin genau, vollständig und rechtzeitig eintreffen. Forscher haben lange vermutet, dass die Qualität dieser Daten von drei Dingen abhängt: den Werkzeugen, die die Menschen benutzen, den Regeln und der Unterstützung, die sie von ihren Vorgesetzten erhalten, und den persönlichen Gewohnheiten und Einstellungen des Personals selbst.
Ein Forschungsteam setzte sich zum Ziel, diese Ideen in Osun State, Nigeria, zu testen, indem es sich direkt ansah, wie das Gesundheitspersonal in verschiedenen Arten von Kliniken mit ihrer täglichen Berichterstattung umgeht. Sie besuchten zweiundzwanzig Einrichtungen, die von kleinen primären Gesundheitszentren bis hin zu großen Lehrkrankenhäusern reichten, und sprachen mit fast dreihundert Mitarbeitern, die für die Sammlung und Meldung von Gesundheitsdaten verantwortlich sind. Anstatt das Personal nur nach seiner Meinung zu fragen, überprüften die Forscher auch die tatsächlichen Papierakten und digitalen Berichte, um zu sehen, ob die Zahlen mit der Realität übereinstimmten. Sie wollten wissen, welche Faktoren wirklich entscheidend waren: War es die Computertechnik und die Internetverbindung, der Managementstil des Krankenhauses oder die Bereitschaft und das Geschick der einzelnen Mitarbeiter?
Die Studie offenbarte eine überraschende Lücke zwischen dem, was die Menschen sagten, und dem, was tatsächlich geschah. Als die Gesundheitsmitarbeiter gebeten wurden, ihre eigenen Daten zu bewerten, zeigten sie sich recht optimistisch. Sie berichteten, dass ihre Aufzeichnungen in der Regel vollständig seien und rechtzeitig einträfen. Als die Forscher jedoch die tatsächlichen Akten betrachteten, zeichnete sich ein anderes Bild ab. Obwohl die Berichte in der Tat meist vollständig und weitgehend pünktlich waren, war die Genauigkeit der Zahlen ein großes Problem. Bei der objektiven Überprüfung wiesen nur etwa ein Fünftel der Einrichtungen monatliche Berichte auf, die vollständig korrekt waren. Viele Datensätze enthielten fehlende Informationen oder Zahlen, die nicht mit den ursprünglichen Patientenprotokollen übereinstimmten, insbesondere bei häufigen Erkrankungen wie Malaria und der Schwangerschaftsvorsorge. Dies deutet darauf an, dass das System zwar gut darin ist, Formulare auszufüllen, aber nicht immer gut darin ist, die Fakten richtig zu erfassen.
Die Forscher untersuchten dann, warum dies geschah, indem sie die drei Hauptbereiche betrachteten, die sie geplant hatten zu untersuchen. Sie fanden heraus, dass die Qualität der Daten am direktesten mit dem Verhalten des Personals und der Technologie verknüpft war, die sie verwendeten. Personal, das das Gefühl hatte, dass seine Arbeit sinnvoll sei, das pünktlich war und das eine positive Einstellung zu seinen Aufgaben hatte, produzierte bessere Daten. Ebenso half es, über eine zuverlässige Computertechnik und Internetzugang zu verfügen, aber dies war nur ein direkter Faktor in den kleineren, primären Kliniken. In den größeren, komplexeren Krankenhäusern führte eine bessere Technologie nicht automatisch zu einer besseren Datenqualität. Die Studie fand auch heraus, dass der Managementstil der Einrichtung, wie etwa die Art und Weise, wie Vorgesetzte ihre Teams unterstützten, die Daten nicht direkt verbesserte.
Dieser letzte Befund war der komplexeste Teil des Puzzles. Auf den ersten Blick schien es, als ob die Unterstützung durch das Management überhaupt keine Rolle spielte. Doch als die Forscher tiefer blickten, entdeckten sie, dass die Unterstützung durch das Management tatsächlich sehr wichtig war, nur nicht auf die Weise, wie sie es erwartet hatten. Der Einfluss eines guten Managements erreichte die Daten nicht direkt. Stattdessen verbesserte ein gutes Management die Datenqualität, indem es das Verhalten des Personals änderte und sicherstellte, dass sie über die nötige Technologie verfügten. Mit anderen Worten: Ein unterstützender Chef hilft dabei, das Personal motivierter zu machen und sicherzustellen, dass die Computer funktionieren, und es sind diese Veränderungen im Verhalten und in den Werkzeugen, die die Daten tatsächlich korrigieren. Ohne diese Zwischenschritte würde das bloße Ändern der Regeln oder der Organisationsstruktur die Zahlen nicht verbessern.
Die Studie hob auch hervor, dass die Bedürfnisse der verschiedenen Kliniken nicht dieselben sind. Die kleinen primären Kliniken, die oft über die geringste Technologie verfügen, produzierten tatsächlich die beste allgemeine Datenqualität. Dies lag daran, dass das Personal dort über starke Gewohnheiten verfügte und eng betreut wurde. Die großen tertiären Krankenhäuser, die trotz der besten Computer und der meisten Ressourcen existieren, produzierten eine geringere Datenqualität. Dies deutet darauf hin, dass es nicht ausreicht, großen Krankenhäusern einfach teurere Ausrüstung zur Verfügung zu stellen. Die großen Krankenhäuser haben komplexere Arbeitsabläufe und ein höheres Patientenaufkommen, was die Dateneingabe selbst mit guten Werkzeugen schwierig machen kann. Die Lösung für sie ist nicht nur mehr Hardware, sondern die Vereinfachung ihrer Arbeitsweise.
Für die Gesundheitsbehörden in Osun State ist der Weg nach vorn nun klarer. Die Forschung zeigt, dass die größte Schwachstelle nicht in der Rechtzeitigkeit der Berichte oder deren Vollständigkeit liegt, sondern in deren Genauigkeit. Um dies zu beheben, sollten die Gesundheitsleiter sich auf spezifische Aktivitäten konzentrieren, die die Zahlen gegen die Originalakten prüfen, anstatt nur zu zählen, wie viele Formulare eingereicht wurden. Sie sollten auch in Technologie investieren, aber gezielt für die kleineren Kliniken, wo sie die unmittelbarste Wirkung zeigen wird. Am wichtigsten ist jedoch, dass sie erkennen, dass organisatorische Änderungen, wie etwa neue Aufsichtsregeln, nur dann funktionieren, wenn diese Änderungen das Personal tatsächlich motivieren und besser in die Lage versetzen, ihre Werkzeuge zu nutzen. Das Problem der Datenqualität ist nicht nur ein technischer Fehler; es ist ein menschlicher Fehler, der dadurch gelöst wird, dass man versteht, wie Menschen, Werkzeuge und Führung im täglichen Rhythmus einer Klinik interagieren.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.