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
Esta revisão descritiva transversal de quatro anos de dados do DHIS2 do distrito de Sankhuwasabha, Nepal, revela que, embora a completude e a pontualidade do relato sejam geralmente altas, os dados abrigam anomalias de imunização persistentes, impulsionadas por processos de registro sistemáticos e pelas limitações das verificações de consistência dependentes de regras de validação, ressaltando a necessidade de classificar pares de indicadores contra regras de validação ativas antes de avaliar a qualidade dos dados.
Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta é uma explicação gerada por IA de um preprint que não foi revisado por pares. Não é aconselhamento médico. Não tome decisões de saúde com base neste conteúdo. Ler aviso legal completo
No terreno alto e acidentado do Himalaia, onde as aldeias estão espalhadas por vales íngremes e as viagens podem levar horas por caminhos difíceis, os profissionais de saúde dependem de um sistema digital para acompanhar o cuidado que prestam. Este sistema, utilizado por ministérios da saúde em todo o mundo, atua como um livro de registro central onde cada nascimento, cada vacinação e cada visita a uma clínica é registrado. O objetivo é simples: criar um quadro claro da saúde comunitária para que os líderes possam planejar de forma eficaz. Mas, para que esses registros sejam úteis, eles devem ser precisos. Se os números estiverem errados, os planos construídos sobre eles falharão. Um grande desafio neste trabalho é saber se os dados são apenas uma coleção de números ou um reflexo fiel da realidade. Os oficiais de saúde frequentemente verificam duas coisas: se os relatórios são enviados e se chegam a tempo. No entanto, uma verificação mais profunda é necessária para ver se os números fazem sentido quando comparados entre si. Por exemplo, se uma criança recebe uma primeira dose de uma vacina, ela deve logicamente receber uma segunda e uma terceira dose mais tarde; se os registros mostrarem mais terceiras doses do que primeiras doses, algo está errado com a forma como as informações estão sendo escritas.
Pesquisadores no distrito de Sankhuwasabha, no Nepal, uma região de colinas e montanhas, decidiram examinar de perto quatro anos desses registros de saúde para ver se o sistema estava funcionando conforme o pretendido. Eles examinaram dados de 132 instalações de saúde, abrangendo desde o cuidado materno até a imunização. Sua investigação revelou que o sistema estava fazendo um bom trabalho em uma coisa: quase todas as instalações estavam enviando seus relatórios. Os registros eram quase completos. No entanto, o tempo de entrega era menos confiável. Em várias áreas remotas, os relatórios chegavam frequentemente atrasados, sugerindo que a dificuldade do terreno estava retardando o fluxo de informações. Mas a descoberta mais surpreendente surgiu quando os pesquisadores analisaram a lógica interna dos números, especificamente em relação à vacinação infantil. Eles encontraram um padrão que desafia o senso comum: os registros mostravam que mais crianças estavam recebendo doses posteriores de vacinas do que doses anteriores. Em todo o distrito, o número de crianças registradas como tendo recebido a terceira dose de uma vacina era maior do que o número de crianças registradas tendo recebido a primeira dose. Isso é impossível na realidade, pois uma criança não pode receber uma terceira injeção sem antes ter recebido a primeira.
Os pesquisadores perceberam que esse padrão estranho não era um erro causado por crianças mudando de aldeia, o que simplesmente remanejaria os números sem alterar a contagem total para todo o distrito. Em vez disso, o erro apontava para um problema sistemático na forma como os dados estavam sendo inseridos. O estudo também descobriu um problema sutil na forma como o sistema de saúde verifica os erros. O software usado para coletar os dados possui regras integradas que alertam os trabalhadores se dois números relacionados não coincidem. Os pesquisadores descobriram que, para alguns pares de dados, essas regras eram tão rígidas que forçavam os números a concordar, escondendo quaisquer erros reais de registro. Para outros pares, o software permitia que os trabalhadores prosseguissem mesmo se os números estivessem errados. Isso significava que o simples fato de ver dois números coincidirem nem sempre provava que os dados eram precisos; às vezes, apenas provava que o software os havia forçado a coincidir. O estudo concluiu que, embora os profissionais de saúde neste distrito montanhoso fossem diligentes o suficiente para enviar seus relatórios, a maneira como estavam registrando detalhes específicos sobre as imunizações precisava de atenção. Os dados mostraram um padrão persistente, em todo o distrito, onde a sequência das doses de vacina era registrada em ordem inversa, uma falha que as verificações padrão de completude e pontualidade teriam perdido inteiramente.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.