数据质量原则{ #data-quality-principles }¶
DHIS2 的数据质量方法遵循世界卫生组织数据质量保证 (DQA) 指南。为了在实施 DHIS2 数据质量功能时获得最佳效果，建议您在参考本工具包的基础上，对这些指南进行审查。在数据质量保证（DQA）指南中，确定了审查数据的几种频率：
常规审查
应定期（如每周/每月等，视数据收集频率而定）对数据质量进行审查，并将其纳入 HMIS 或其他计划报告系统的检查系统中，作为反馈周期的一部分，近乎实时地识别错误，以便在错误发生时加以纠正。这种数据例行检查可以更加全面，可以是跨领域的，也可以是针对具体计划的，可以由不同的数据使用者（如 HMIS 管理者、计划管理者等）进行。
离散评估
需要对用于衡量卫生部门绩效以及政策和规划目的的卫生设施数据的质量进行评估。这些评估应在规划周期之前进行，例如在年度卫生部门审查之前（周期因国家而异，但很可能与年度周期相当）。
定期评论
这些计划应侧重于单一疾病或计划领域，并应在时间上满足特定计划的规划需求（如在计划审查之前）。
DHIS2 能够支持这些不同频率的数据质量审查。本工具包将重点关注数据质量例行审核所涉及的措施，因为一般观察结果表明，这在实际操作中可能具有挑战性。这些常规做法可根据需要用于离散和定期审查。
测量数据质量¶
在典型的数据质量审查中，通常会对 4 项数据质量措施进行评估：
- 完整性和及时性
- 内部一致性
- 外部一致性
- 分母数据的一致性
完整性和及时性{ #completeness-and-timeliness }¶
衡量完整性的方法是审查整个报告表/数据集的报告率，或在需要提高准确性时审查报告表中特定数据元素的完整性。
数据集完整性--报告率
在 DHIS2 中，报告完整率 = 收到的报告/预期报告 x 100%
-
收到的报告：数据录入员使用数据录入应用项目中的 "完成 "按钮标记为完成的特定时期和组织单位的数据集数量
-
预期报告：根据数据集应报告的报告期，指派给数据集的组织单位数量。对于分配给 100 个机构的月度数据集，我们预计一个月内会有 100 份报告。
数据集的及时性
报告的及时性： 按时收到报告/预期报告 x 100%
- 按时收到的报告：在为特定数据集规定的最后期限内__________被标为完成的特定时期和组织单位的数据集数量。
"按时 "取决于一个国家或组织内的配置情况，通常以当地规定的项目为基础。例如，在月度报告表格中，"按时 "可以定义为上一报告月结束后 15 天。在这种情况下，在 6 月 15 日之前提交 5 月份的数据将被视为及时。
数据元素完整性
数据元素报告率的目的是评估单一变量的报告一致性。这仅适用于总体数据元素。
数据元素完整性 = 接收值数/预期值数 x 100%
本工具包的这一部分将更详细地介绍 DHIS2 中的完整性和及时性措施。
内部一致性{ #internal-consistency }¶
内部一致性旨在比较内部数据源，以确定是否存在基于统计规则或逻辑比较的重大差异。在 DHIS2 中，我们可以通过以下几种措施来支持对内部一致性的审查：
- 相关变量之间的一致性
- 长期一致性
- 离群值分析
- 通过使用验证规则
- 最小-最大分析
外部一致性{ #external-consistency }¶
外部一致性是指将您的数据与其他来源的数据进行比较。例如，您可以将常规卫生信息系统中的数据与调查收集的数据进行比较。如果将这些外部数据导入 DHIS2，可通过数据可视化器、世界卫生组织数据质量应用项目和使用验证规则，使用几种比较措施来审查外部一致性。
分母数据的一致性{ #consistency-of-denominator-data }¶
这项措施对用于计算覆盖范围的分母进行审查。这可能涉及内部和外部一致性两个方面。例如，比较相关的人口普查人口估计值，如孕妇估计值、活产婴儿估计值和<1 岁儿童估计值，就是内部比较；而将这些人口普查指标与联合国人口估计值进行比较，则是外部一致性的一个例子。