Data Quality and Associated Technological, Organisational, and Behavioural Factors in the Routine Health Information System of Osun State, Nigeria: A Cross-Sectional Study
Deze dwarsdoorsnede-studie van 22 zorginstellingen in de staat Osun, Nigeria, onthult dat hoewel de kwaliteit van gegevens uit routinematige gezondheidsinformatiesystemen primair wordt beperkt door nauwkeurigheid in plaats van volledigheid of tijdigheid, organisatorische factoren de kwaliteit slechts indirect beïnvloeden door het vormgeven van het gedrag van het personeel en de technologische adoptie, in plaats van door directe effecten.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
In elk functionerend gezondheidszelsysteem hangen beslissingen over waar artsen naartoe worden gestuurd, hoeveel medicijnen er worden gekocht en welke ziekten worden bestreden, volledig af van de informatie die van klinieken naar de overheid stroomt. Deze informatie is niet slechts een lijst met cijfers; het is het fundament van de volksgezondheid. Voor deze beslissingen om solide te zijn, moet de data betrouwbaar zijn. Als een kliniek rapporteert dat ze honderd patiënten voor malaria hebben behandeld, maar de registers zijn onjuist, kan de overheid te weinig medicijnen sturen, waardoor mensen ziek blijven, of juist te veel, wat schaarse middelen verspilt. In veel delen van de wereld, inclusief Nigeria, worstelen de systemen die worden gebruikt om deze dagelijkse informatie te verzamelen vaak. De uitdaging is niet alleen het hebben van een systeem op de plank, maar het waarborgen dat de data daarin accuraat, volledig en tijdig aankomt. Onderzoekers vermoedden al lang dat de kwaliteit van deze data afhangt van drie zaken: de instrumenten die mensen gebruiken, de regels en ondersteuning die zij ontvangen van hun leidinggevenden, en de persoonlijke gewoonten en houdingen van de medewerkers zelf.
Een team van onderzoekers zette zich scharen om deze ideeën in Osun State, Nigeria, te testen door direct te kijken naar hoe zorgmedewerkers in verschillende soorten klinieken hun dagelijkse rapportage afhandelen. Ze bezochten tweeëntwintig faciliteiten, variërend van kleine primaire gezondheidscentra tot grote universitair ziekenhuizen, en spraken bijna driehonderd medewerkers die verantwoordelijk zijn voor het verzamelen en rapporteren van gezondheidsdata. In plaats van de medewerkers alleen te vragen wat zij vonden, controleerden de onderzoekers ook de feitelijke papieren registers en digitale rapporten om te zien of de cijfers overeenkwamen met de werkelijkheid. Ze wilden weten welke factoren er echt toe deden: was het de computers en de internetverbinding, de managementstijl van het ziekenhuis, of de bereidwilligheid en vaardigheid van de individuele werkers?
De studie onthulde een verrassende kloof tussen wat mensen zeiden en wat er feitelijk aan de hand was. Wanneer zorgmedewerkers gevraagd werden hun eigen data te beoordelen, waren ze vrij optimistisch. Ze rapporteerden dat hun registers meestal volledig waren en op tijd arriveerden. Echter, toen de onderzoekers naar de werkelijke bestanden keken, kwam er een ander beeld naar voren. Hoewel de rapporten inderdaad grotendeels volledig waren en grotendeels op tijd binnenkwamen, was de nauwkeurigheid van de cijfers een groot probleem. Bij de objectieve controle bleek dat slechts ongeveer één op de vijf faciliteiten maandelijkse rapporten had die volledig accuraat waren. Veel registers bevatten ontbrekende gegevens of cijfers die niet overeenkwamen met de oorspronkelijke patiëntendossiers, met name voor veelvoorkomende aandoeningen zoals malaria en prenatale zorg. Dit suggereert dat het systeem wel goed is in het invullen van formulieren, maar niet altijd goed in het correct weergeven van de feiten.
De onderzoekers onderzochten vervolgens waarom dit gebeurde door te kijken naar de drie hoofdzaken die ze van plan waren te bestuderen. Ze ontdekten dat de kwaliteit van de data het meest direct verbonden was met het gedrag van het personeel en de technologie die zij gebruikten. Medewerkers die het gevoel hadden dat hun werk betekenisvol was, die punctueel waren en die een positieve houding hadden ten opzichte van hun taken, produceerden betere data. Eveneens hielp het hebben van betrouwbare computers en internettoegang, maar dit was slechts een directe factor in de kleinere, primaire klinieken. In de grotere, complexere ziekenhuizen leidde het hebben van betere technologie niet automatisch tot een betere datakwaliteit. De studie vond ook dat de managementstijl van de faciliteit, zoals de manier waarop supervisoren hun teams ondersteunden, de data niet direct verbeterde.
Deze laatste bevinding was het meest complexe deel van de puzzel. Op het eerste gezicht leek het also well dat managementondersteuning helemaal niet uitmaakte. Maar toen de onderzoekers dieper keken, ontdekten ze dat managementondersteuning eigenlijk heel belangrijk was, maar niet op de manier die zij verwachtten. De invloed van goed management bereikte de data niet direct. In plaats daarvan verbeterde goed management de datakwaliteit door het gedrag van het personeel te veranderen en door ervoor te zorgen dat zij over de benodigde technologie beschikten. Met andere woorden, een ondersteunende baas helpt door het personeel gemotiveerder te maken en door ervoor te zorgen dat de computers werken, en het zijn die veranderingen in gedrag en hulpmiddelen die de data daadwerkelijk herstellen. Zonder die tussenstappen zou het louter veranderen van regels of de organisatiestructuur de cijfers niet verbeteren.
De studie benadrukte ook dat de behoeften van verschillende klinieken niet hetzelfde zijn. De kleine primaire klinieken, die vaak de minste technologie hebben, produceerden feitelijk de beste algemene datakwaliteit. Dit kwam omdat het personeel daar sterke gewoonten had en nauwlettend werd begeleid. De grote tertiaire ziekenhuizen, ondanks het hebben van de beste computers en de meeste middelen, produceerden een lagere kwaliteit data. Dit suggereert dat het simpelweg geven van duurdere apparatuur aan grote ziekenhuizen het probleem niet zal oplossen. De grote ziekenhuizen hebben complexere werkstromen en een hoger patiëntvolume, wat de data-invoer moeilijk kan maken, zelfs met goede instrumenten. De oplossing voor hen is niet alleen meer hardware, maar het vereenvoudigen van de manier waarop zij werken.
Voor de gezondheidsfunctionarissen in Osun State is het pad vooruit nu duidelijker. Het onderzoek geeft aan dat de grootste zwakte niet ligt in de tijdigheid van rapportages of de volledigheid ervan, maar in de nauwkeurigheid. Om dit te herstellen, zouden gezondheidsleiders moeten focussen op specifieke activiteiten die de cijfers controleren tegenover de oorspronkelijke registers, in plaats van alleen te tellen hoeveel formulieren er zijn ingeleverd. Ze moeten ook investeren in technologie, maar specifiek voor de kleinere klinieken waar dit het meest directe effect zal hebben. Het belangrijkste is dat ze erkennen dat organisatorische veranderingen, zoals nieuwe regels voor toezicht, alleen zullen werken als die veranderingen het personeel daadwerkelijk gemotiveerder maken en beter in staat stellen om hun instrumenten te gebruiken. Het datakwaliteitsprobleem is niet alleen een technisch defect; het is een menselijk probleem, dat wordt opgelost door te begrijpen hoe mensen, instrumenten en leiderschap interageren in het dagelijkse ritme van een kliniek.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.