A qualidade dos dados refere-se a informações precisas e confiáveis coletadas por meio de um sistemade gerenciamento de dados de monitoramento e avaliação

1. TEMA: QUALIDADE DE DADOS
Autor – Celso G. Van-Dúnem Paquete
MD, Analytics

2. Objectivos
• Capacitar os técnicos com conhecimento sobre introdução à
qualidade de dados e gerenciamento de dados;
• Implantar a consciência colectiva sobre a qualidade de
dados;
• Levar a reflexão dos técnicos sobre a qualidade dos dados
que tem trabalhado até ao momento.
OBS – Material estriado do curos Data Quality Introduction to Data Quality & Data Management do Global Health eLearning Center https://www.globalhealthlearning.org/pt/course/data-quality/section/introduction-data-quality-data-management

3. Sumário
• Introdução
• Qualidade de dados
• Estrutura para fluxo de dados
• Dimensões de qualidade de dados

4. Introdução
• A qualidade dos dados refere-se a informações precisas e confiáveis
colectadas por meio de um sistema de gerenciamento de dados de
monitoramento e avaliação.
• Dados de qualidade são importantes para monitorar e avaliar o
progresso em direcção a esses objectivos.
• Quando os dados são de alta qualidade, eles reflectem com precisão
as actividades mundo real.

5. O que são dados
Fatos e estatísticas colectados em conjunto para referência ou análise.
Letra, símbolo ou caracter armazenado em um banco ou base de
dados que por si só não tem valor (Data Science)
O dado não possui significado relevante e não conduz a nenhuma
compreensão
Os dados são um fato bruto e desorganizado que precisa ser
processado para torná-lo significativo.
A informação é obtida uma vez que os dados tenham sido
examinados e processados.
Os dados são brutos e desorganizados, as informações são
organizadas.

6. Tudo é dado (Grounded Theory (GT))
• O slogan "tudo é dado" está associado à metodologia da (Grounded
Theory) teoria fundamentada. Uma noção da pesquisa de teoria
fundamentada é que tudo deve ser tratado como dados potenciais
em um estudo de pesquisa.
• “A teoria fundamentada funciona com qualquer dado—”tudo é
dado”—não apenas um dado específico”
• Glaser & Holton, 2004: ¶3.3

7. O que pode acontecer na ausência de dados de
qualidade?
A falta de dados de
qualidade pode prejudicar
uma organização
A organização tem que
usar recursos adicionais
para corrigir os dados
A organização experimenta
a redução da confiança e
suporte
A organização perde
oportunidades de
identificar áreas de força
ou lacunas nas actividades
A organização enfrenta as
consequências
indesejáveis de decisões
inadequadas baseadas em
dados de baixa qualidade

8. Estrutura para fluxo de dados
• Fluxo de dados de um sistema de gerenciamento de dados dos
pontos de serviço até o nível mais alto de agregação.
Nível de Monitoria e
avaliação (Nacional)
Níveis intermédios de
agregação (Regional)
Nível de Pontos de
serviço (Local)

9. Pontos de serviço
• O fluxo de dados através do sistema de Monitoria e
Avaliação (M&A) começa com o registro.
• Esses dados são colectados em documentos de fonte
primária.
• Exemplos de documentos de fonte primária incluem:
• Livros e mapas de pacientes;
• Fichas de registro de pacientes;
• Registros de treinamento;
• Registos de distribuição de meios médicos e dispositivos.

10. Nível intermediário
• Onde os dados dos documentos de origem são agregados e enviados
para um nível superior.

11. Unidade de Monitoria e Avaliação (M&E Unit)
• Os dados são então agregados antes de serem enviados para o
próximo nível.
• Este processo culmina na agregação ao mais alto nível de uma
organização.

12. Dimensões de qualidade de dados
MUNDO REAL
No mundo real as actividades
projectadas são implementadas
no campo, estas actividades são
designadas a produzir resultados
que podem ser quantificados.
SISTEMA DE INFORMAÇÃO
Sistemas de informação representam
estas actividades colectando os
resultados que foram produzidos e
registando-os em sistemas de
armazenamento de dados.
QUALIDADE DE DADOS
Qualidade de dados é: o quão
bem o sistema de informação
representa o mundo real.
1. Exactitude (Rigor)
2. Confiabilidade
3. Completude
4. Precisão
5. Pontualidade
6. Integridade
7. Confidencialidade

13. Dimensões de qualidade de dados
Dimensões de
qualidade de
dados
1. Exactitude (Rigor) Dados validos, erros mínimos
2. Confiabilidade
Dados medidos e colectados de forma
consistente ao longo do tempo
3. Completude
O sistema de informação agrega todos os
dados que deve medir
4. Pontualidade Datas exactas de envio da informação
5. Precisão
Os dados têm detalhes suficientes para
medir as variáveis
6. Integridade
Sistema de informação é protegido de
manipulação por motivos pessoais
7. Confidencialidade
Os dados são protegidos de acordo com
as normas

14. 1. Exctitude ou rigor
• Dados exactos têm erros e vieses mínimos (Distorção ou tortuosidade
mínimos)
• A exactitude também é conhecida como validade
• Por exemplo, a exactitude pode ser comprometida por meio de erros
de transcrição que podem ocorrer se os dados forem inseridos
incorrectamente no sistema.
• Estes são geralmente erros acidentais e podem ocorrer se alguém
registrar informações incorrectamente ou inserir as informações em
uma base de dados de computador incorrectamente.

15. Exactitude
• A exctitude também pode ser afectada por dados que não são
completos, oportunos e precisos.
• Pode ser directamente afectada pela manipulação por outros
motivos.
• Trabalhadores inadequadamente treinados ou estratégias variadas de
colecta de dados podem afectar a exactidão dos dados.
• Também é importante obter as causas da morte correctas.
• Por exemplo, homens que morrem de causas maternas ou bebés que
morrem de doenças próprias de adultos não são causas precisas de
morte.

16. Erro de transcrição
• Erros de transcrição ocorrem quando os dados são inseridos de forma
imprecisa no sistema de informação.
• Geralmente, são erros acidentais, como registrar informações
incorrectamente ou inserir informações incorrectamente em um
banco de dados de computador.

17. Exactitude
• Para aumentar a exactitude, as organizações podem
limitar o erro de transcrição:
1. Inserindo dados electrónicos duas vezes e verificando
quaisquer inconsistências
2. Realização de verificações aleatórias de dados que
foram inseridos para verificar a precisão

18. Dimensões de qualidade de dados
Dimensões de
qualidade de
dados
1. Exactitude (Rigor) Dados validos, erros mínimos
2. Confiabilidade
Dados medidos e colectados de forma
consistente ao longo do tempo
3. Completude
O sistema de informação agrega todos os
dados que deve medir
4. Pontualidade Datas exactas de envio da informação
5. Precisão
Os dados têm detalhes suficientes para
medir as variáveis
6. Integridade
Sistema de informação é protegido de
manipulação por motivos pessoais
7. Confidencialidade
Os dados são protegidos de acordo com
as normas

19. 2. Confiabilidade
• Os dados são confiáveis quando são medidos e colectados de
forma consistente ao longo do tempo.
• A confiabilidade dos dados depende de um sistema de
informação com protocolos e procedimentos consistentes.
• Dados confiáveis requerem instruções padronizadas e
escritas para a colecta de dados.

20. Confiabilidade
• Os procedimentos de colecta de dados de uma instituição não devem
mudar de acordo com quem os usa, qual local os usa, quando são
usados ou com que frequência são usados.
• Além disso, os procedimentos para corrigir erros de dados ou lidar
com dados ausentes ou incompletos devem ser consistentes em
diferentes locais e períodos de tempo.
• Para ajudar a equipe a usar procedimentos consistentes de colecta de
dados e impactar a confiabilidade, as organizações podem:
• Desenvolver instruções padronizadas e escritas
• Realizar sessões de treinamento centralizado para a equipe envolvida na
colecta de dados

21. Diferença entre válido e confiável
• Bons dados são válidos e confiáveis
• Os dados não são válidos nem confiáveis se não
medirem o que se destinam a medir e se os dados
não forem colectados de forma consistente ao longo
do tempo.
• Os dados podem ser confiáveis, mas não válidos, se
forem colectados de forma consistente ao longo do
tempo, mas não medirem o que pretendem medir.
• Dados de alta qualidade devem medir o que se
destinam a medir. E devem ser colectados da mesma
maneira ao longo do tempo.

22. Dimensões de qualidade de dados
Dimensões de
qualidade de
dados
1. Exactitude (Rigor) Dados validos, erros mínimos
2. Confiabilidade
Dados medidos e colectados de forma
consistente ao longo do tempo
3. Completude
O sistema de informação agrega todos os
dados que deve medir
4. Pontualidade Datas exactas de envio da informação
5. Precisão
Os dados têm detalhes suficientes para
medir as variáveis
6. Integridade
Sistema de informação é protegido de
manipulação por motivos pessoais
7. Confidencialidade
Os dados são protegidos de acordo com
as normas

23. 3. Completude
• Completude significa que um sistema de informação integra
todas as pessoas (pacientes), serviços, locais ou outras unidades
elegíveis que deve medir.
• Os dados resultantes devem representar a lista completa de
pessoas, serviços, locais e outras unidades e não apenas uma
fracção da lista.
• A completude é afectada por:
• Até que ponto os documentos de origem incluem todas as informações
relevantes e necessárias para relatar
• A medida em que todos relataram informações para níveis de agregação mais
altos
• Pontualidade dos relatórios para níveis de agregação mais altos

24. Dimensões de qualidade de dados
Dimensões de
qualidade de
dados
1. Exactitude (Rigor) Dados validos, erros mínimos
2. Confiabilidade
Dados medidos e colectados de forma
consistente ao longo do tempo
3. Completude
O sistema de informação agrega todos os
dados que deve medir
4. Pontualidade Datas exactas de envio da informação
5. Precisão
Os dados têm detalhes suficientes para
medir as variáveis
6. Integridade
Sistema de informação é protegido de
manipulação por motivos pessoais
7. Confidencialidade
Os dados são protegidos de acordo com
as normas

25. 4. Pontualidade
• Actualizações de informações infrequentes, prazos e mudanças nos
cronogramas de actividades podem impedir a entrega de dados em
tempo hábil.
• Dados com dez anos podem não ser mais precisos ou relevantes para
orientar os programas ou projectos de saúde actuais.
• Os dados são oportunos quando são reportados ao próximo nível
atempo de cumprir os prazos de reporte.
• "No prazo" implica que os dados relatados puderam ser usados no
relatório resumido preparado pêlo próximo nível de relatório mais
alto.

26. Pontualidade
• A pontualidade é afectada por:
• 1. A taxa de actualização do sistema de informações do programa
• 2. A taxa de mudança das actividades reais do programa
• 3. Quando a informação é realmente usada ou necessária
• Os dados devem estar disponíveis com frequência suficiente para que
os dirigentes e directores regionais, nacionais ou internacionais
possam usar as informações para tomar decisões de gestão.
• Para garantir a pontualidade, os fornecedores de dados devem ter
por escrito:
• As datas exactas que eles devem relatar para o próximo nível
• Método de relatório (por exemplo, e-mail, papel)

27. Dimensões de qualidade de dados
Dimensões de
qualidade de
dados
1. Exactitude (Rigor) Dados validos, erros mínimos
2. Confiabilidade
Dados medidos e colectados de forma
consistente ao longo do tempo
3. Completude
O sistema de informação agrega todos os
dados que deve medir
4. Pontualidade Datas exactas de envio da informação
5. Precisão
Os dados têm detalhes suficientes para
medir as variáveis
6. Integridade
Sistema de informação é protegido de
manipulação por motivos pessoais
7. Confidencialidade
Os dados são protegidos de acordo com
as normas

28. 5. Precisão
• Precisão significa que os dados têm detalhes suficientes para medir os
indicadores (ou variáveis) de acordo com a definição do indicador (ou
das variáveis).
• Quando os dados são mais detalhados, eles são mais precisos, o que
impacta positivamente a qualidade dos dados ao poder representar
adequadamente os dados.
• Isso requer que os formulários de colecta de dados sejam projectados
para colectar dados precisos e que o nível apropriado de detalhes seja
relatado aos níveis mais altos.
• Para garantir a precisão dos dados, as organizações devem
desenvolver medidas como formulários de colecta de dados e
indicadores que permitam a colecta do nível de detalhe mais
apropriado a ser capturado.

29. Dimensões de qualidade de dados
Dimensões de
qualidade de
dados
1. Exactitude (Rigor) Dados validos, erros mínimos
2. Confiabilidade
Dados medidos e colectados de forma
consistente ao longo do tempo
3. Completude
O sistema de informação agrega todos os
dados que deve medir
4. Pontualidade Datas exactas de envio da informação
5. Precisão
Os dados têm detalhes suficientes para
medir as variáveis
6. Integridade
Sistema de informação é protegido de
manipulação por motivos pessoais
7. Confidencialidade
Os dados são protegidos de acordo com
as normas

30. 6. Integridade
• Os dados são íntegros quando o sistema de informação é protegido
de viés ou manipulação deliberada por motivos políticos ou pessoais.
• Uma revisão independente dos dados pode ajudar a determinar se a
integridade dos dados foi comprometida.
• Saber que os dados estarão sujeitos a uma revisão independente
pode impedir manipulações deliberadas dos dados.
• Uma estratégia para manter e avaliar a integridade dos dados é fazer
uma revisão independente dos dados para determinar se a
integridade dos dados foi comprometida.

31. Integridade
• Para garantir a integridade dos dados, as organizações
devem ter sistemas para:
1. Certifique-se de que todos os documentos de origem
estejam totalmente preenchidos com todas as
informações relevantes antes de serem relatados
2. Todos os fornecedores de dados dentro do programa
relatam informações sobre todos os seus
serviços/actividades (pessoas atendidas, serviços
prestados, locais, etc.) e não apenas uma fracção deles

32. Dimensões de qualidade de dados
Dimensões de
qualidade de
dados
1. Exactitude (Rigor) Dados validos, erros mínimos
2. Confiabilidade
Dados medidos e colectados de forma
consistente ao longo do tempo
3. Completude
O sistema de informação agrega todos os
dados que deve medir
4. Pontualidade Datas exactas de envio da informação
5. Precisão
Os dados têm detalhes suficientes para
medir as variáveis
6. Integridade
Sistema de informação é protegido de
manipulação por motivos pessoais
7. Confidencialidade
Os dados são protegidos de acordo com
as normas

33. 7. Confidencialidade
• Confidencialidade significa que os pacientes têm a garantia de que
seus dados serão mantidos de acordo com as normas nacionais e/ou
internacionais.
• Isso significa que as informações pessoais não são divulgadas deforma
inadequada e que os dados em cópia impressa e electrónica são
tratados com os níveis de segurança adequados.
• Outro aspecto importante é treinar os funcionários para respeitar a
confidencialidade e não compartilhar informações confidenciais.
• Essas medidas protegem a privacidade dos dados.

34. Confidencialidade
• Para manter a confidencialidade os gerentes de programa
devem:
1. Mantenha registros em papel em armários
trancados
2. Proteja arquivos electrónicos e bancos de dados
com senhas
3. Permitir o acesso aos dados pessoais apenas para
os membros da equipe que precisam deles

35. Áreas Funcionais de Sistemas de Gerenciamento de
Dados
Áreas
Funcionais
1. Estruturas, funções e
capacidades de M&A
Os principais membros da equipe de gerenciamento de dados são
identificados com uma função e responsabilidades claramente
atribuídas?
A maioria do pessoal chave de M&A e gestão de dados recebeu a
formação necessária?
2. Definições de Indicadores e
Directrizes para Relatórios
A instituição documentou claramente (por escrito) o que é relatado
para quem, e como e quando é necessário relatar?
Existem definições das variáveis que atendem aos padrões relevantes
que são sistematicamente seguidos por todos os locais que fornecem
dados?
3. Colecta de dados,
formulários de relatório e
ferramentas
Os documentos de origem são mantidos e disponibilizados de acordo
com uma política escrita?
Os dados são mantidos de acordo com as directrizes de
confidencialidade internacionais ou nacionais?

36. Áreas Funcionais de Sistemas de Gerenciamento de
Dados
Áreas
Funcionais
4. Processos de gerenciamento
de dados
Existe documentação clara das etapas de colecta, agregação e
manipulação?
Os desafios de qualidade de dados são identificados e existem
mecanismos para enfrentá-los?
Existem procedimentos claramente definidos e seguidos para
identificar e reconciliar discrepâncias nos relatórios?
5. Links com o Sistema
Nacional de Relatórios
O sistema de colecta de dados e relatórios do programa está vinculado ao
sistema nacional de relatórios?
O que pode ser feito para evitar a contagem dupla?

37. Áreas Funcionais de Sistemas de Gerenciamento de Dados

38. Estruturas, Funções e Capacidades de M&A e Técnicos
de dados:
• Tarefas de gerenciamento de dados, Tarefas específicas relacionadas
ao gerenciamento de dados como um recurso valioso.
• Alguns exemplos de tarefas incluem, mas não estão limitados a:
1. Colectar Dados,
2. Inserir Dados,
3. Exportar Dados Armazenados,
4. Organizar Dados,
5. Classificar Dados,
6. Manipular Dados,
7. Analisar Dados,
8. Utilizar Dados,
9. Etc.

39. Processos de Gerenciamento de Dados
• As organizações devem examinar seus processos de gerenciamento
de dados e perguntar: Existe documentação clara das etapas de
colecta, agregação e manipulação dos dados?
• As etapas a seguir do processo de gerenciamento de dados devem ser
documentadas com orientações claras, incluindo a descrição das
funções e responsabilidades dos indivíduos responsáveis pelas
tarefas:
1. Colecta ou extracção de dados
2. Entrada ou inserção de dados
3. Limpeza de dados
4. Verificação de qualidade de dados
5. Síntese de dados
6. Análise de dados

40. Processos de Gerenciamento de Dados
• A documentação dessas etapas pode ajudar as
instituições a identificar quaisquer problemas ou
causas de atraso no processo de gerenciamento de
dados.
1. Colecta ou extracção de dados
2. Entrada ou inserção de dados
3. Limpeza de dados
4. Verificação de qualidade de dados
5. Síntese de dados
6. Análise de dados
• Isso melhora a precisão, confiabilidade e
pontualidade dos dados.
ETL significa " Extrair, Transformar e Carregar "

41. Bibliografia
Centro de e-learning de saúde global -
https://www.globalhealthlearning.org/pt/course/data-quality/section/introduction-
data-quality-data-management

42. Sites para fazer cursos gratuitos com certificados
O Global Health eLearning Center (Centro de eLearning de Saúde
Global oferece cursos destinados a aumentar os seus conhecimentos
sobre diversas áreas técnicas de saúde global.
https://www.globalhealthlearning.org/pt/courses
Em 2005, o Gabinete de Saúde Global da USAID desenvolveu o
Global Health eLearning (GHeL) Center para fornecer acesso a
informações técnicas actualizadas sobre saúde global às suas
equipas de saúde em missão no mundo inteiro.
Agência dos Estados Unidos para o Desenvolvimento Internacional (USAID)

43. Sites para fazer cursos gratuitos com certificados