トピック4.9 — データ品質とマスターデータ管理

医療・ケアにおいて、誤ったNHS番号、欠けたアレルギー、重複した患者記録は、データの整頓の問題ではなく、臨床上のハザード、支払いの誤り、研究上の欠陥です。したがって、データ品質とマスターデータ管理は、名前のある所有者を伴う、管理された規律として運営しなければならず、取得の時点で運任せにしてはなりません。

医療・ケアにおいてなぜ重要か#

あらゆる臨床上の判断は、誰かが以前に記録したデータに依拠しています。フラグが付けられたアレルギー、ファイルされた結果、照合された薬、確認された身元。そのデータが、正確で、完全で、適切な人に結びついているとき、ケアは安全に流れます。誤っていたり、欠けていたり、誤った人に結びついていたりすれば、システムは、言われたとおりのことを正確に行い、そして誰かを傷つけます。重複した記録は、臨床家が見ていないチャートに、重大なアレルギーを隠します。誤って入力されたNHS番号は、結果を誤った患者のファイルに送ります。古くなった住所は、がん検診の案内が決して届かないことを意味します。これらは仮定の話ではありません。取り違えと記録の混乱に関わる患者安全インシデントは、国の安全報告で繰り返し現れるテーマです。

したがって、データ品質は、分析上の問題である前に、臨床安全の問題です（トピック1.6 — 臨床安全とリスクマネジメント参照）。それは、公金と公正さの問題でもあります。NHSは、データが語る、起きたことに基づいて、提供者に支払い、サービスを計画し、説明責任を問います。活動が過少に記録されたり、誤ってコード化されたりすれば、誤った提供者に誤った額が支払われ、コミッショニングの判断は、歪んだ像に基づくことになります。ポピュレーションヘルスのアナリティクス、待機リストの検証、健康格差の取り組みは、すべて、基礎となる記録の品質を引き継ぎます（トピック4.5 — データ、アナリティクス、ポピュレーションヘルスマネジメント参照）。

データが再利用されるにつれ、賭け金は急激に高まります。忙しい受付で一度取得された記録が、のちにアルゴリズムを訓練し、ビジネスケースを正当化し、国のデータセットに入力され、支払いの紛争を解決することがあります。昔の格言、ゴミを入れればゴミが出る、は、ゴミを入れれば害が出る、になりました。質の悪いデータが、いまや自動的に、規模をもって、人工知能のモデルと自動化された判断へ伝わるからです（トピック8.4 — AIと新興技術のガバナンス参照）。そしてマスターデータ、つまり患者、職員、組織、医薬品が何者かについての、共有された、ゆっくりと変わる事実は、数十のシステムが、同じ人について話していることに合意できるようにする、結合組織です。マスターデータを誤れば、あらゆる下流のシステムがその混乱を引き継ぎます。

中核概念#

データ品質は、データが、運用、意思決定、計画における意図された用途にどれだけ適しているかの度合いです。それは、慣例として、一連の次元にわたって評価されます。正確性は、データが、それが表す現実のものを正しく記述しているか。完全性は、必要なデータが存在するか。適時性は、必要なときに利用でき、現在の状態を反映しているか。妥当性は、定義された形式、型、範囲に適合しているか。一貫性は、それ自身や他のソースと一致しているか。そして一意性は、現実の各実体が、一度だけ現れているか。記録は、妥当（正しい形式）でありながら、不正確（誤り）であることがありえるため、これらの次元は互いに補い合うものであり、互換ではありません。

マスターデータ管理（MDM）は、業務と技術が共同で、組織の共有マスターデータ、つまり多くのシステムが参照する中核の実体である患者、職員、組織、拠点、医薬品の、一様性、正確性、スチュワードシップ、説明責任を確保する規律です。MDMの志は、ゴールデンレコードです。多くのソースシステムから組み立てられた、各実体の、単一の、信頼される、照合されたバージョンが、権威ある参照として機能します。これは、信頼できる唯一の情報源、つまり、各データ要素を、ちょうど一つの権威ある場所でマスターし、他のすべてが、それぞれ乖離したコピーを持つのではなく、そこへ参照を戻す実践という考え方と、密接に関連しています。

参照データは、特定の重要な下位の種類です。参照データは、他のデータを分類またはカテゴリー化するために使われるデータ、つまりコードリスト、バリューセット、組織コード、測定単位で、通常、外部で定義され、ゆっくりと変わります。医療・ケアでは、これには、SNOMED CTのような臨床用語体系と、国の組織・拠点コードが含まれ、それらの標準は国が所有し、情報標準として義務づけられています（相互運用性と交換はトピック4.3 — 相互運用性とデータ標準で扱い、本トピックでは繰り返しません）。

NHS番号は、イングランド、ウェールズ、マン島における、主要な固有の患者識別子で、システムが入力ミスの桁を検出できる、チェックサムを持つ10桁の番号です。それは、患者のマスターデータの錨です。適切なNHS番号を適切な人に付けることは、レコードリンケージ、つまり、異なるソースにまたがって、同じ実体を指す記録を見つける問題であり、イングランドでは、国の人口統計索引であるPersonal Demographics Service（PDS）を通じて、ローカルにはマスター患者索引（MPI）を通じて解決されます。リンケージが失敗すると、重複（一人に多くの記録）か、オーバーレイ（二人が一つに統合される）が生じ、どちらも危険です。

品質を高く保つ運用の規律は、データガバナンス、つまりデータに関する意思決定権と説明責任の枠組みと、定義されたデータ領域の品質と適合性に責任を持つ名前のある役割であるデータスチュワードです。二つの技法が繰り返し現れます。データの実際の状態についての統計を集めるためにデータを調べるデータプロファイリングと、破損した、不正確な、あるいは重複した記録を検出し修正するデータクレンジングです。予防は治療に勝ります。取得の時点でのデータ検証、つまり、悪い入力がシステムに入る前に拒否または照会する、検証のルールと制約は、あとでそれをクレンジングするより、安価で安全です。

ベストプラクティス#

1. 各データセットにとって重要な具体的な次元でデータ品質を定義し、それらを測定する。 「データ品質を改善する」は目標ではありません。「救急のデータセットで、NHS番号の完全性を国の閾値より上に引き上げる」が目標です。重要なデータセットごとに、正確性、完全性、適時性、妥当性、一貫性、一意性のどれが最も重要かを合意し、測定可能な目標を設定し、定期的にそれに対して報告します。NHS Data Quality Maturity Index（DQMI）は、多くの国のデータセットについて、すぐ使える比較可能な尺度を提供します。それをベースラインとして使い、臨床家と財務が実際に依存するフィールドについて、独自のローカルな指標を追跡してください。

2. 下流のクリーンアップではなく、取得の時点で検証する。 最も安価に直せる誤りは、システムに入らなかったものであり、記録を訂正するのに最も適した人は、患者が目の前にいるあいだにそれを作成している人です。検証ルール、必須項目、管理された選択リスト、NHS番号のチェックサム検証を、職員が実際に使うフォームとインターフェースに組み込み、登録時にPersonal Demographics Serviceに照らして身元を確認します。取得の時点で捕捉されたすべての誤りは、すでに害を引き起こしたかもしれないあとの下流で、見つけられ、調査され、元に戻される必要が決してない誤りです。

3. NHS番号を、安全上重要な錨として扱い、あらゆる場所で検証する。 NHS番号は、組織をまたいで人の記録を安全に結びつける鍵であるため、システムで単独で最も価値のある識別子です。Personal Demographics Serviceに照らして追跡し、入力時にチェックサムを検証し、未照合のデータをそのまま流すのではなく、検証済みの番号を欠く記録にフラグを立てます。誤った番号に結びついた結果、紹介、処方は、臨床上のハザードであるため、NHS番号の品質を、他の統制と同じように監視しエスカレーションされる、患者安全の統制として扱います。

4. 各中核の実体に、ゴールデンレコードを伴うマスターデータ管理を確立する。 どのシステムが各実体（患者、職員、組織、医薬品）をマスターするか、そして、単一の照合されたゴールデンレコードが、ソースシステムからどう組み立てられ維持されるかを、意図して決めます。国の人口統計サービスに照らして照合されたマスター患者索引を運用し、重複の統合と、誤ったオーバーレイの分離のための、管理され監査可能なプロセスを運営します。どちらの操作も、生きた臨床記録に触れ、不注意に行えば、それ自体が害を引き起こしうるからです。同じ厳密さを、アクセス制御、支払い、報告を支える、職員と組織のマスターデータにも広げます（トピック4.2 — IDとアクセスの管理、および企業・財務のマスターデータを所有するトピック5.4 — エンタープライズ・リソース・プランニング（ERP）参照）。

5. データの所有者とデータスチュワードを指名し、本物の権限を与える。 データ品質は、明確な説明責任がなければ劣化するため、各重要なデータ領域に、それに責任を負う上級のデータ所有者と、監視し、調査し、訂正を推進する運用のデータスチュワードを割り当てます。スチュワードには、すでに一杯の仕事に足された一行ではなく、立場、ツール、時間が必要であり、体系的な問題（壊れたフォーム、紛らわしいワークフロー、項目を落とすインターフェース）を、原因を直せる人々にエスカレーションする経路が必要です。所有権は、データ品質を、皆の漠然とした関心事から、誰かの明示的な責任へと変えます。

6. クレンジングの前にプロファイリングし、ソースでクレンジングする。 改善や移行の前に、データの真の状態を理解するため、プロファイリングを行います。いくつの記録にNHS番号がないか、いくつの重複があるか、どのフィールドが体系的に誤ってコード化されているか。そうすれば、推測ではなく、重要なところに労力を向けられます。クレンジングするときは、それをマスターするシステムで記録を直し、下流のウェアハウスのコピーだけでなく、誤りを生んだプロセスにも対処します。さもなければ、同じ欠陥が、また現れるだけです。原因を無視する一度限りのクリーンアップは、踏み車です。目標は、床を拭くことだけでなく、蛇口を閉めることです。

7. ローカルなコードを発明するのではなく、国の情報標準と参照データを採用する。 組織間の一貫性は、全員が世界を同じやり方で分類して初めて可能になります。Data Alliance Partnership Board（DAPB）のプロセス（旧SCCI/ISB標準）を通じて義務づけられる、国が定義する標準と、SNOMED CTなどの用語体系を使うのです。参照データとコードリストを、明確な更新プロセスを伴うバージョン管理のもとで管理します。静かに変更されたバリューセットは、傾向分析を壊し、下流の論理を損ないうるからです。ローカルの拡張は、まれで統治された例外であり、国の標準に対応づけられるべきです（トピック4.3 — 相互運用性とデータ標準参照）。

8. データ品質を、その判断がそれに依存する人々に見えるようにする。 データ品質は、見られることで改善します。品質の指標を臨床、運用、財務のチームに公表し、質の悪いデータのコストが、データチームの中に埋もれるのではなく、仕事が行われる場所に着地するようにします。下流の利用者に、使っているデータの出所と既知の限界を示し、アナリスト、支払いのチーム、モデルの構築者が、自分の目的に適しているかを判断できるようにします（トピック10.1 — KPI参照）。品質についての透明性は、人々がそもそもデータを使うようになる信頼を築き、目に見える赤い指標の居心地の悪さが、しばしば、ようやく修正に資金を与えるのです。

チームで話し合うための問い#

1. 私たちの組織で、患者を最も傷つけうるデータの誤りは具体的にどれか。そして、それらが起きていることを、どうやって知るのか。 これは、データ品質を、抽象的な美徳から、名前のあるハザードを伴う安全の問いへと捉え直します。優先されるのは、その形だけです。具体的な失敗の経路をたどってください。アレルギーを隠す重複した記録、結果を誤って経路づける誤検証のNHS番号、2週間待ちの紹介が患者に決して届かないことを意味する古い連絡先。難しいのは検知です。ほとんどのデータの誤りは静かで、害が起きるか、監査がたまたま見つけるまで発見されないため、それらを見つける積極的な方法があるのか、運と苦情に頼っているのかを議論します。良く誠実な答えは、最も害の大きい二つか三つのデータのハザードを挙げ、それぞれを現在検知できるかを率直に述べ、ギャップを、いつか対処する整頓の問題としてではなく、記録し所有すべき臨床安全のリスクとして扱います（トピック1.6 — 臨床安全とリスクマネジメント参照）。

2. 私たちの中核の実体、つまり患者、職員、組織、医薬品の、信頼できる唯一の情報源はどこにあるか。そして、システムは実際にそれを尊重しているか。 多くの組織は、見てみて初めて、同じ患者が、患者管理システム、救急システム、病理システム、三つの部門のデータベースで異なって存在し、どれが権威あるのかについて合意がないことを発見します。実体ごとに、どのシステムがそれをマスターすることになっているか、ゴールデンレコードがどう組み立てられるか、重複とオーバーレイがどう見つけられ解決されるかを、二つの記録の統合を誰に許すかを含めて話し合います。その操作自体が害を及ぼしうるからです。ローカルの自律（自分で管理できる自分のコピーを望む部門）とシステム全体の安全（一つの照合された真実）の間の緊張を表に出し、マスターデータ管理が、一度限りの移行ではなく、継続的なスチュワードシップであることを率直に認めます。強い答えは、各実体のマスターとなるシステムを特定し、今日、合意された信頼できる情報源がないところを認め、また静かに腐るデータベースの掃除ではなく、名前のある所有者と照合のプロセスにコミットします。

3. データが支払い、国への報告、ビジネスケース、AIモデルに入力されるとき、それがその目的に適しているかを知るのは、誰の仕事か。 ある理由のために取得されたデータは、絶えず他の目的のために再利用され、臨床ノートには十分な品質でも、アルゴリズムや資金配分の式においては、危険なほど誤解を招きうるのです。再利用の時点で、適合性を判断することに誰が説明責任を負うかを議論します。アナリスト、財務リード、モデルの構築者は、頼っているデータの出所、完全性、既知の欠陥を知っているのか、整って見えるからきれいだと想定しているのか。具体的なケースを考えます。活動、したがって収入を、静かに過少に表すコーディングのギャップ、あるいは、AIモデルを、ある患者グループに不利に歪める、偏った欠損のある人口統計のフィールド（トピック8.4 — AIと新興技術のガバナンス、およびトピック1.8 — データ倫理、同意、国民の信頼参照）。良い答えは、用途への適合性が、再利用の各時点で明示的に評価され、データが目に見える出所と品質の注意書きを伴い、限界を一度も見たことのない数字を、誰も黙って信頼していないことを確立します。

4. 私たちは、取得の時点で誤りを防いでいるのか。それとも、データ品質の負担を、すでに逼迫した臨床家に静かに押しつけているのか。 ソースでの予防は、データ品質の最も安価で安全な形ですが、それは、職員が圧力の下で実際に使うフォームとワークフローの設計にかかっています。取得の画面が、本当に助けているのか、つまりチェックサムの検証、管理された選択リスト、PDSで検証された身元、適切な既定値。それとも、人々がそれをクリックして通り過ぎることを覚えるまで、忙しい登録デスクに必須項目と警告を積み上げているのかを話し合います。ここには本物の緊張があります。検証が少なすぎれば悪いデータが流れ、不器用な検証は、回避策、ダミーの値、アラート疲れを生み、より微妙な形でデータを損ないます。職員が「不明」と入力し、既定値を使い回し、苦痛なワークフローを避けるために私的な表計算を保持しているところを見てください。それぞれが、システムが仕事を支えるのではなく、仕事と争っているというシグナルだからです。誠実な答えは、取得の設計を、臨床、運用、データの共同の問題として扱い、それを使う人々とテストし、検証が、誤りを別の場所に移すのではなく、実際に下流の誤りを減らしているかを測定します。

5. 私たちがデータの所有者とスチュワードと呼ぶ人々は、何かを変える立場、時間、ツールを持っているか。それとも、スチュワードシップは、すでに一杯の仕事に取り付けられた肩書きにすぎないか。 データ品質は、明確な説明責任がなければ劣化しますが、スライドに所有者の名前を載せることは、資源を与えることと同じではなく、名前のある人が、権限も余力も持たないとき、スチュワードシップは静かに失敗します。スチュワードが、体系的な問題、つまり項目を落とす壊れたインターフェース、紛らわしいフォーム、重複を作り出すワークフローを見つけたとき、実際に何ができるかを議論します。それを直してもらえるのか、記録して願うことしかできないのか。余白で少しずつ行う多くの人々にスチュワードシップを薄く広げることと、時間が確保され、ツールが提供された、少数の本当に資源を与えられた役割に集中させることの間のトレードオフを表に出します。スチュワードが、原因となるシステムとプロセスを所有する人々への、本物のエスカレーションの経路を持っているか、上級のデータ所有者が、自分の領域の品質に説明責任を問われているかを考えます。良い答えは、スチュワードシップが現在、本物なのか形式的なのかについて誠実で、もう一つの資金のない責任ではなく、権限、時間、ツールにコミットします。

6. 国の標準と参照データを、時間をかけてどう管理するか。そして、コードリストや用語体系が、足元で変わったとき、何が起きるか。 参照データとSNOMED CTのような用語体系は、外部で定義され、ゆっくりと、しかし継続的に変わり、静かに更新されたバリューセットは、誰も気づかないうちに、傾向分析を壊したり、下流の論理を損なったりしえます。コードリストとマッピングが、明確な更新プロセスを伴うバージョン管理のもとにあるのか、誰かがその場で編集する、文書化されていないルックアップにあるのかを話し合います。国の標準が扱いにくく感じられるとき、ローカルなコードを発明したくなる引力を検討し、長期的なコストについて誠実になります。ローカルな分類は、あなたのデータを、誰かのものと比較も集計もできなくし、恒久的なマッピングの負担になります（トピック4.3 — 相互運用性とデータ標準参照）。参照値が変わったことを、どうやって検知するか、そしてそれに依存する分析、支払い、モデルへの影響をどう評価するかを考えます。強い答えは、参照データを、国の変更を採用する名前のあるプロセスを伴う、統治されバージョン管理された資産として扱い、ローカルの拡張をまれにして標準に対応づけ、変更がどの下流の利用に影響するかをたどれます。

実践例：医療・ケアの事例#

Northmoor統合ケアシステムは、二つの急性期トラスト、一つの精神保健トラスト、地域サービス、60のGP診療所にまたがる、共有ケア記録を運営しています。重大インシデントのあと、つまり、あるトラストで記録された患者の重いペニシリンアレルギーが、記録がリンクできていなかったために別のトラストでは見えず、患者がその薬を処方されたあと、取締役会は、データ品質を、バックオフィスの関心事ではなく、臨床安全の優先事項として扱います。迅速なレビューは、根本原因がマスターデータにあることを見つけます。同じ患者がシステム間で重複して存在し、NHS番号の検証は、玄関口で一貫していません。

ICSは、患者のマスターデータに対する名前のある上級のデータ所有者と、各提供者の運用のデータスチュワードを伴う、データガバナンスのフォーラムを設けます。最初の行動は、環境のプロファイリングです。Personal Demographics Serviceに照らしたNHS番号の検証が、一部の登録のワークフローでは確実に行われ、他では行われておらず、共有記録に、重複した未照合の記録が、かなりの数含まれていることを発見します。大規模なクリーンアップではなく、まず原因を直します。あらゆる取得の時点で、PDSによる検証とチェックサムの検証を徹底し、バックログを処理するあいだ、重複の数が増え続けないようにします。

彼らは、国の人口統計サービスに照らして照合された、マスター患者索引を立ち上げ、重複の統合と、誤ったオーバーレイの解消のための、管理され、監査され、臨床的に監督されたプロセスを設けます。どちらの操作も生きた記録に触れることを認識しているからです。国のデータセットの提出のための外部のベースラインとして、NHS Data Quality Maturity Indexを採用し、臨床家が最も依存するフィールド、つまりアレルギー、NHS番号の完全性、主要な人口統計について、ローカルな指標を加え、各提供者の臨床と運用のリーダーに公表して、数字が無視されないようにします。

18か月後、変化は、ダッシュボードだけでなく成果に見えます。取得時のNHS番号の検証はほぼ全面的になり、重複率は下がり、アレルギー情報は共有記録全体で確実に照合されます。ICSがのちに、ポピュレーションヘルスのリスク層別化モデルの範囲を定めたとき、アナリティクスのチームは、基礎となるデータの出所と完全性を述べ、欠損がモデルを偏らせうるところにフラグを立てられます。マスターデータと品質の指標が、いまや、その判断を支えるために存在するからです（トピック4.5 — データ、アナリティクス、ポピュレーションヘルスマネジメント参照）。地味な仕事、つまりガバナンスのフォーラム、スチュワード、取得時の検証、MPIが、見えず有害なリスクを、管理されたリスクに変えました。

セクター別の視点#

スタートアップ#

デジタルヘルスのスタートアップは、しばしば、データ品質を将来の問題として扱い、速く進むために雑なデータを受け入れて、機能に集中します。これは、医療データでは誤りです。患者の取り違えや未検証のNHS番号は、1,000人目ではなく、最初の実際の患者から安全上の問題だからです。検証、NHS番号のチェックサム検証、そしてアクセスできるならPersonal Demographics Serviceとの照合を、最初から取得のフローに組み込んでください。未照合の記録の大きなコーパスを抱えたあとで、身元の規律を後付けするのは、苦痛でリスクが高いからです。NHSの購入者に対するあなたの信頼性は、データが信頼でき、出所が明確で、連携するときに、彼らのマスターデータを汚さないことを示せるかにかかっています。

小規模事業者#

確立した小規模の提供者、つまり一般診療所、地域薬局、介護施設、単独拠点のクリニックは、身元とアレルギーを正しく扱うという、大きなトラストと同じ義務を、データチームもなく、専任のITもないことが多いまま負います。ここでのマスターデータ管理は、プラットフォームのプロジェクトではありません。すでに持っているツールの規律ある使用です。登録時に、Personal Demographics Serviceに照らしてNHS番号を検証し、人口統計を最新に保ち、臨床システムに重複した記録を蓄積させないこと。あなたのために用意された国のインフラ、つまりPDS、SNOMED CT、国の組織コードに頼り、ローカルな近道を発明しないでください。それは、小さな組織にはできない重労働を担ってくれるからです。より広い役割の一部であっても、データ品質の実務上の所有者として一人を名指しし、「うちは小さすぎて気にしなくていい」と雑なデータを許容するのではなく、システムサプライヤーの検証、照合、重複排除の機能を使います。誤った記録からの害は、組織の大きさによらず、同じ大きさだからです。

大企業#

大規模なNHSトラストやICSは、患者、職員、組織について、それぞれ独自のバージョンを持つ数十のシステムを運用しており、その中心的な課題は、規模での照合とスチュワードシップです。現実的な目標は、統治されたマスター患者索引と、インターフェースと検証を通じて徹底される、少数の権威あるゴールデンレコードであり、すべてに取って代わる単一のモノリシックなデータベースではありません。本物の権限を持つ、名前のあるデータ所有者とスチュワードに投資し、マスターデータをIDとアクセスの管理、そして支払いに結びつけ、統合とオーバーレイを、この規模では生きたケアに触れるため、臨床的に監督される操作として扱います。最大の成果は、取得時の予防と、一貫して適用される、規律ある国の標準の採用から生まれ、終わった瞬間に劣化する、英雄的な定期的なクリーンアップからではありません。

政府#

国の機関、つまりNHS Englandと、NHS Digitalを引き継いだ標準の機関は、あらゆる提供者が働くデータ品質の環境を形づくります。それは、ローカルな品質を可能にする共有のインフラを運用します。国の人口統計索引としてのPersonal Demographics Service、共通の鍵としてのNHS番号、国の用語体系と参照データ、そして組織間でパフォーマンスを比較可能にするData Quality Maturity Index。その梃子は、Data Alliance Partnership Boardのプロセスを通じて情報標準を義務づけ、改善の圧力を生む比較可能な品質の指標を公表し、全員が世界を同じやり方で分類するよう、参照データをスチュワードすることです。政府は公平性の責務も負います。偏った欠損を監視し、データ品質が、記録が最も不完全なグループを静かに不利にしないようにします（トピック9.1 — 地方政府・中央政府との協働参照）。

よくある失敗パターン#

• 永遠にクレンジングし、何も直さない。 取得のプロセスに決して対処しない、繰り返される下流のクリーンアップは踏み車であり、同じ重複と誤りが、サイクルごとに再び現れる。原因をソースで直す。
• 妥当だが誤り。 形式の検証を通る記録も、不正確でありうる。形式は正しいが誤ったNHS番号は、信頼できるように見えるため、空欄より危険である。形式だけでなく、実際の参照ソースに照らして検証する。
• 名前のある所有者がいない。 データ品質が皆の関心事であるとき、それは誰の仕事でもなく、問題は会議で眺められ、決して解決されない。説明責任のある所有者と、権限を与えられたスチュワードを割り当てる。
• 偶然のマスターデータ。 各システムが、患者や組織について、合意された信頼できる情報源なしに、それぞれ乖離したコピーを持つことを許せば、不一致と危険な重複が保証される。何が各実体をマスターするかを、意図して決める。
• 無謀な統合とオーバーレイ。 二つの記録の統合や、誤って統合されたものの分離は、生きた臨床データに触れ、管理や臨床の監督なしに行えば、重大な情報を隠したり、誤って帰属させたりしうる。監査され監督されたプロセスにする。
• 比較可能性を壊すローカルなコード。 国の標準を使う代わりに、ローカルな分類を発明すると、データは比較も集計もできなくなり、静かに変更されたとき、傾向分析を損なう。国の参照データを採用しバージョン管理する。
• 黙った再利用。 品質が不明なデータを、出所と限界を述べずに、支払い、国への報告、AIモデルに入力すると、隠れた誤りが規模をもって伝わる。再利用の各時点で、用途への適合性を明示的な判断にする。

成熟度モデル#

チェックリスト#

• 重要なデータセットに、合意された品質の次元、測定可能な目標、定期的な報告があり、可能な限りDQMIに対してベンチマークされている。
• NHS番号が、あらゆる取得の時点で、チェックサムで検証され、Personal Demographics Serviceに照らして検証されている。
• 各中核の実体（患者、職員、組織、医薬品）に、指定されたマスターのシステムとゴールデンレコードがある。
• マスター患者索引が、国の人口統計サービスと照合され、監査され臨床的に監督される、統合とオーバーレイのプロセスがある。
• あらゆる重要なデータ領域に、名前のあるデータ所有者と、ツールとエスカレーションの経路を持つ権限を与えられたデータスチュワードがいる。
• データが、移行や改善の前にプロファイリングされ、クレンジングが、下流のコピーだけでなく、ソースシステムと原因となるプロセスを直している。
• 国の情報標準と用語体系（DAPBのプロセス、SNOMED CTを通じて）が採用され、参照データがバージョン管理されている。
• データ品質の指標が、その判断がデータに依存する、臨床、運用、財務のチームに公表されている。
• 支払い、国への報告、研究、AIのためにデータが再利用されるとき、出所と既知の品質の限界がデータとともに移動する。
• 害の大きいデータ品質のハザードが、積極的な検知の手段とともに、臨床安全のリスクとして記録され所有されている。

主要な情報源#

• NHS England / NHS Digital — Data Quality Maturity Index (DQMI) — 国のデータセット全体のデータ品質の、月次の比較可能な尺度。
• NHS England — *Personal Demographics Service (PDS)*とNHS番号のガイダンス — 国の人口統計索引と主要な患者識別子。
• NHS England — Data Alliance Partnership Board (DAPB)のプロセス（旧SCCI/ISB標準）を通じて公表される情報標準。
• DAMA International — DMBOK (Data Management Body of Knowledge) — データガバナンス、品質、マスターデータ管理の、認められた枠組み。
• SNOMED International / NHS England — 医薬品のマスターと参照データのための、SNOMED CT臨床用語体系とdm+d（医薬品・医療機器辞書）。
• 英国政府 — Data Standards AuthorityとGovernment Data Quality Framework — データ品質の次元とスチュワードシップに関する、政府横断のガイダンス。
• National Data Guardian — Caldicott原則 — 機密の患者情報の適切な使用と品質について。

参考文献#

1. Data quality — Wikipedia — https://en.wikipedia.org/wiki/Data_quality
2. Master data management — Wikipedia — https://en.wikipedia.org/wiki/Master_data_management
3. Single source of truth — Wikipedia — https://en.wikipedia.org/wiki/Single_source_of_truth
4. Reference data — Wikipedia — https://en.wikipedia.org/wiki/Reference_data
5. SNOMED CT — Wikipedia — https://en.wikipedia.org/wiki/SNOMED_CT
6. NHS number — Wikipedia — https://en.wikipedia.org/wiki/NHS_number
7. Record linkage — Wikipedia — https://en.wikipedia.org/wiki/Record_linkage
8. Data governance — Wikipedia — https://en.wikipedia.org/wiki/Data_governance
9. Data steward — Wikipedia — https://en.wikipedia.org/wiki/Data_steward
10. Data profiling — Wikipedia — https://en.wikipedia.org/wiki/Data_profiling
11. Data cleansing — Wikipedia — https://en.wikipedia.org/wiki/Data_cleansing
12. Data validation — Wikipedia — https://en.wikipedia.org/wiki/Data_validation
13. NHS England — Data Quality Maturity Index (DQMI) — NHS England — https://digital.nhs.uk/data-and-information/data-tools-and-services/data-services/data-quality
14. NHS England — Personal Demographics Service (PDS) — NHS England — https://digital.nhs.uk/services/personal-demographics-service
15. NHS England — Information standards and the Data Alliance Partnership Board — NHS England — https://www.england.nhs.uk/digitaltechnology/digital-primary-care/information-standards/
16. DAMA International — Data Management Body of Knowledge (DMBOK) — DAMA International — https://www.dama.org/
17. HM Government — The Government Data Quality Framework — GOV.UK — https://www.gov.uk/government/publications/the-government-data-quality-framework
18. National Data Guardian — Caldicott Principles — GOV.UK — https://www.gov.uk/government/publications/the-caldicott-principles