在实证健康研究中的数据集质量:IDEFIM框架
Jürgen Stausberg1, Sonja Harkener1, Christian Draeger2
1IMIBE, Faculty of Medicine, University Duisburg-Essen, Essen, Germany.
本研究介绍了IDEFIM框架,以提高实证健康研究数据质量. IDEFIM提供了一种结构化的数据质量管理方法,提高了研究可靠性和有效性.
科学领域:
- 医疗信息学 医疗信息学
- 数据科学数据科学数据科学
- 信息质量 信息质量
背景情况:
- 实证健康研究的质量在很大程度上依赖于数据集完整性.
- 数据质量管理有许多框架,包括公共,监管和科学方法.
- 对德国数据质量管理指南的修订需要进行全面审查.
研究的目的:
- 制定一个经验健康研究数据质量管理的修订框架.
- 整合数据质量的多个维度,超越传统的衡量标准.
主要方法:
- 进行了全面的文献审查.
- 根据审查的结果,开发了一个新的框架,IDEFIM.
- IDEFIM框架分为五个层:类别,维度,质量指标,质量指标实例和质量检查.
主要成果:
- IDEFIM框架将来自99个来源的655个提案整合到21个维度中.
- 其中18个尺寸符合ISO/IEC 25012标准.
- 该框架超出了数据质量范围,包括元数据质量,上下文质量和开放性质量.
结论:
- IDEFIM框架为数据质量管理提供了一个结构化和全面的方法.
- 它提高了实证健康研究数据集的质量.
- 未来的工作重点是完善质量指标和更新指标集.
更多相关视频
06:05The Participant-Reported Implementation Update and Score PRIUS: A Novel Method for Capturing Implementation-Related Data Over Time
Published on: February 19, 2021
06:55Inverse Probability of Treatment Weighting Propensity Score using the Military Health System Data Repository and National Death Index
Published on: January 8, 2020
相关概念视频
Study Designs in Epidemiology
Observational studies are those where the researcher does not intervene but rather observes natural variations. They include cross-sectional, cohort, and...
Bias in Epidemiological Studies
Statistical Methods for Analyzing Epidemiological Data
Data Validation
Nursing assessment guides are generally based on holistic models rather than medical...
Data Collection I
Types of Biopharmaceutical Studies: Controlled and Non-Controlled Approaches
Non-controlled studies, commonly employed for initial exploration, lack a control group, rendering them susceptible to biases and external influences. In contrast,...
