Qualidade de dados
• Estrutura para fluxo de dados
• Dimensões de qualidade de dados
• Áreas Funcionais de Sistemas de Gerenciamento de Dados Centro de e-learning de saúde global 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.
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;
3. Sumário
• Introdução
• Qualidade de dados
• Estrutura para fluxo de dados
• Dimensões de qualidade de dados
• Áreas Funcionais de Sistemas de Gerenciamento 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 aos objectivos.
• Quando os dados são de alta qualidade, eles reflectem com
precisão as actividades do programa no mundo real.
5. O que são dados
1. Fatos e estatísticas colectados em conjunto para referência ou
análise.
2. Letra, símbolo ou caracter armazenado em um banco ou base de
dados que por si só não tem valor (Data Science)
3. O dado não possui significado relevante e não conduz a nenhuma
compreensão
4. Os dados são um fato bruto e desorganizado que precisa ser
processado para torná-lo significativo. Os dados são brutos e
desorganizados, as informações são organizadas.
5. A informação é obtida uma vez que os dados tenham sido
examinados e processados.
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 de várias
maneiras
A organização tem que
usar recursos adicionais
para corrigir os dados
A organização experimenta
a redução da confiança e
suporte das partes
interessadas
A organização perde
oportunidades de
identificar áreas de força
ou lacunas nas actividades
dos programas
A organização enfrenta as
consequências
indesejáveis de decisões
inadequadas baseadas em
dados 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:
• Registros de pacientes (livros, mapas, fichas);
• Fichas de registro de pacientes;
• Registros de treinamento;
• Registos de distribuição de mercadorias.
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. Precisão
2. Confiabilidade
3. Completude
4. Precisão
5. Pontualidade
6. Integridade
7. Confidencialidade
13. Dimensões de qualidade de dados
Dimensões de
qualidade de
dados
1. Precisão 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. 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.
15. Precisão
• Para aumentar a precisão, 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
16. 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.
17. 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
18. 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?
19. 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?
21. Estruturas, Funções e Capacidades de M&A
• As organizações devem garantir que as atribuições da equipe do ME
cubram todas as tarefas de gerenciamento de dados necessárias e
perguntem: Os principais membros da equipe de gerenciamento de dados
são identificados com uma função e responsabilidades claramente
atribuídas?
• Os membros da equipe de gerenciamento de dados têm uma compreensão
clara de sua função e responsabilidades atribuídas?
• Essas responsabilidades devem ser declaradas por escrito para que sejam
claramente comunicadas e compreendidas pelo supervisor e pela equipe.
• Quando ocorre a rotatividade de pessoal, uma descrição documentada de
funções e responsabilidades pode ajudar na transição, fornecendo aos
novos funcionários um esboço claro de suas responsabilidades.
22. Estruturas, Funções e Capacidades de M&A
• 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.
23. Colecta de dados, formulários de relatório e
ferramentas.
• Há várias questões que as organizações devem
abordar para garantir que estejam colectando dados
adequadamente.
1. Existem formulários padrão de colecta de dados e
relatórios que são sistematicamente usados em todo o
sistema?
2. Os dados são registrados com precisão/detalhes
suficientes para medir variáveis relevantes?
24. 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
25. 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 "
26. Links com o Sistema Nacional de Relatórios
• Para evitar ter sistemas de colecta de dados paralelos, os programas
devem perguntar:
• O sistema de colecta de dados e relatórios do programa está vinculado
ao sistema nacional de relatórios?
• A falta de conexão com o sistema nacional de relatórios pode resultar em
sistemas paralelos. Os sistemas paralelos podem criar trabalho
desnecessário porque podem exigir que os membros da equipe relatem
as mesmas informações mais de uma vez.
• Os sistemas paralelos também podem levar à dupla contagem dos
serviços prestados.
• Por exemplo, os sistemas separados de colecta de dados podem contar
um indivíduo que recebeu tratamento de HIV uma vez em cada sistema.
27. Contagem dupla
• Dados confiáveis - Os dados gerados pelo sistema de informação de
um programa são baseados em protocolos e procedimentos que não
mudam de acordo com quem os utiliza e quando ou com que
frequência são utilizados.
• Os dados são confiáveis porque são medidos e colectados de forma
consistente.
• Precisão - Também conhecido como validade. Dados precisos são
considerados correctos: os dados medem o que se destinam a medir.
Dados precisos minimizam o erro (por exemplo, viés de gravação ou
entrevistador, erro de transcrição, erro de amostragem) a ponto de
ser insignificante.
28. Como pode ocorrer a contagem dupla?
Como
pode
ocorrer
a
contagem
dupla?
Tipo I: Contagem Dupla de
Indivíduos no Parceiro
Um parceiro em um local fornece o mesmo serviço (treinamento,
tratamento, cuidados, etc.) várias vezes ao mesmo indivíduo dentro de
um período de relatório e conta o indivíduo como tendo recebido o
serviço várias vezes dentro do mesmo período de relatório
Tipo II: Contagem Dupla de
Indivíduos Entre Parceiros
Dois ou mais parceiros fornecem o mesmo serviço (prevenção,
tratamento, cuidados, etc.)
Tipo III: Contagem Dupla de
locais fornecedores de dados
Dois ou mais parceiros fornecem os suprimentos e/ou serviços para a
mesma organização dentro de um período de relatório e contam esse
local como um de seus pontos de serviço
29. Ferramentas para lidar com a contagem dupla
Ferramentas
para
lidar
com
a
contagem
dupla
Mapeamento para endereçar a
contagem dupla
A contagem dupla pode surgir quando um paciente
recebe o mesmo serviço de diferentes instituições
Ferramenta de Fortalecimento de
Sistemas de Monitoramento e
Avaliação
Avaliar seus planos de M&A;
Fazer um balanço das capacidades das Unidades
Avalie os sistemas de colecta de dados e relatórios
Ferramenta de Avaliação de Qualidade
de Dados (DQA)
Auditoria da concepção e implementação dos sistemas de
recolha e comunicação de dados
Protocolos de 'rastreamento e verificação' que permitem
uma recontagem dos resultados
Modelos para permitir que a equipe de auditoria produza
e apresente descobertas e recomendações
30. Ferramentas para lidar com a contagem dupla
Ferramentas
para
lidar
com
a
contagem
dupla Ferramenta de Avaliação de
Qualidade deDados de Rotina
versão simplificada do DQA para auditoria. Fornece a metodologia
para avaliar a capacidade dos programas/projectos de colectar e
relatar dados de qualidade
Ferramenta de garantia de
qualidade de dados para
indicadores em nível de
programa
consiste em diagnósticos, orientações, planilhas e caixas de texto que
enfatizam a prevenção e o gerenciamento de desafios de qualidade
de dados e processos de documentação para que os sistemas de
relatórios sejam auditáveis
Ferramentas de amostra para
cobertura geográfica do
programa de rastreamento
Cobertura geográfica do programa
Indicadores por parceiros de implementação
O Procedimento de Auditoria de
Qualidade de Dados de
Imunização (DQA)
foi concebido como um meio de verificar o desempenho relatado,
bem como aprimorar os sistemas de monitoramento e notificação de
vacinação.
31. Bibliografia
Centro de e-learning de saúde global -
https://www.globalhealthlearning.org/pt/course/data-quality/section/introduction-
data-quality-data-management
32. 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)