数据质量和数据使用{ #data-quality-and-data-use }¶
本技术实施指南旨在通过月度库存报告表或使用 DHIS2-RTS（实时库存管理系统），促进分析和改进通过 DHIS2 收集的物流库存数据的数据质量和数据使用。它主要面向 DHIS2 的实施者和管理者，以及任何参与分析医疗机构物流服务绩效和实施纠正措施以持续改善服务的物流和供应链管理人员。
LMIS 数据质量{ #lmis-data-quality }¶
大多数收集和分析的物流数据，如库存或库存分配，都是指保健产品的数量。为了确保本组织各单位和各报告期数据的一致性和可比性，记录这些数据的计量单位也必须在本组织各单位和各报告期统一使用。 数字化报告库存数据所使用的计量单位应符合同样适用于纸质报告系统的国家政策和 程序。 如果 DHIS2 与上游的国家 eLMIS 系统集成，DHIS2 中使用的计量单位必须与该上游国家 eLMIS 系统的计量单位（之一）一致。 不过，如果可以选择不同的计量单位，建议默认使用 "每个"（最小的可用单位，如一片药片、一支安瓿、一块敷料或一根插管），因为不同制造商的包装数量可能不同，而且某个制造商可能会随着时间的推移改变同一产品的包装数量。
介绍¶
物流和供应链管理通常与（商业）产品的生产、储存和配送相关联，而相关数据则重要得多，但通常像树根一样无形。货物和托运货物的实际流动（存储和配送）是物流和供应链管理中最容易完成的任务，而真正的挑战（尽管不那么明显）是管理相关数据的复杂流动：及时获取准确和最新的物流数据，并在整个供应网络中实时共享这些数据，以便做出决策，确保所需数量的医疗保健产品在需要的时间出现在提供医疗保健服务所需的地方。
所有参与者和利益相关者之间的信任对于任何有效和高效的供应网络来说都是至关重要和不可或缺的，只有利益相关者对数据的信任度越高，数据才会越好。不信任供应经理的医疗机构工作人员可能会 "夸大 "订单数量，希望通过这种行为增加对他们的供应（"配给博弈"）。另一方面，如果供应经理不信任医疗机构一级的数据，他们可能会采用自己的 "估算 "来计算补货订单，而这种 "估算 "总是不如系统地使用准确、及时的最终用户数据。除了不断改进服务外，还可以通过在供应网络之间自由、公开地共享数据（最好是实时共享）来增强对数据的信任。
联合国儿童基金会（数据质量框架，2021 年）将大量不同的数据质量维度分为以下四类：
获取数据 - 数据无障碍
输出质量尺寸 - 相关性
- 正确性
- 完整性
- 准确性
- 可靠性（再现性）
- 一致性
- 及时性和准时性
- 频率
- 可解释性
- 可比性
工艺质量标准 - 数据收集员的负担
- 数据来源的适当性
- 数据收集过程
- 数据来源的透明度和记录
机构质量 - 透明度和可信度
传统的、基于纸张的 LMIS 数据管理系统需要权衡各种利弊，如数据字段的数量或数据的准确性和及时性，而数字数据收集和管理系统的使用可同时提高准确性、及时性、可获取性和一致性等。
数据无障碍{ #data-accessibility }¶
一般来说，只有在需要数据的系统和人员能够及时、方便和完整地获取数据以做出决策时，数据才会发挥作用。虽然（即使是纸质的）数据在医疗机构层面通常很容易获得，但整个供应网络的数据及时共享和交换是不可或缺的，也是至关重要的。
医疗机构的仓库保管员需要了解库存情况以及订单状态，而上游的供应经理则需要及时获取最新、准确的库存数据，以便有效、及时地补充库存。其他利益相关方，如各级卫生系统的卫生管理人员和其他行为方，如（商业）供应商或（国际）捐助方，也需要获取物流数据，以便进行报告和审计。
在网络连接的限制下，使用 eLMIS 系统可以即时、完整地获取供应网络各级的所有 LMIS 数据，而无需任何国家或国际利益相关者的参与。这些数据可以通过显示 LMIS 基本数据时间序列的表格以及定制报告来获取。手工分发纸质记录不可能达到同样的效果和效率。
由于 DHIS2 在中央数据库中存储和管理所有数据，因此所有数据都很容易访问。
DHIS2 通过其原生的、记录完备的应用程序接口（API-endpoints），允许任何专业信息系统轻松集成，以同步（"读取 "和 "写入"）数据。
数据库的定期（每日）备份确保了所有数据的可访问性，即使信息系统网络的某些部分暂时出现故障。
数据输出质量{ #data-output-quality }¶
数据输出质量是指收集和共享的数据质量。 [Breno：我建议也增加一行，介绍 MSR 和 RTS，因为每一节都泛指 MSR，然后提供额外的注释，提及 RTS 的具体内容]。
相关性{ #relevance }¶
LMIS 数据的相关性是指收集和共享数据的目的和决策的能力。LMIS 的主要目的是确保有效和高效地补充库存，同时避免（可预防的）库存过期。
供应网络和卫生系统中的不同利益相关者可能在不同时间出于不同目的需要不同的数据。一般来说，在没有明确目的的情况下收集了太多的数据。
原则上，有效和高效地管理供应网络只需要少量的数据点。例如，在医疗机构层面，只有存货交易数量（分发/发放、废弃和丢失的存货）是相关的，而所有其他（次要）数据都可以得出。在上游层面，还需要管理订单数据、发货数据以及库存详情（批号和有效期）。
在医疗机构使用 DHIS2 鼓励限制收集的数据点，因为它只是对国家 eLMIS 中没有（或无法）提供的数据的补充，在项目设计阶段鼓励使用最佳做法，并向项目成员提供建议。
正确性{ #correctness }¶
数据正确性是指收集的数据项与正在收集的数据字段相对应。例如，在纸质或数字表格的正确数据字段（栏）中输入分布的数量。
使用 DHIS2 可以最大限度地减少需要收集的数据字段数量，从而提高数据的正确性。例如，在使用 DHIS2-RTS（实时系统）时，只记录交易数量，因此不可能错误地输入错误的数据字段（栏）。条形码扫描仪的使用消除了在错误行中错误记录任何医疗产品数据的风险。此外，还可以配置验证规则，防止在输入数据时出错，例如，防止输入负的 "库存 "值。
完整性{ #completeness }¶
数据完整性是指在每个报告期内记录的数据点（或数据字段、报告表格、医疗机构数量）的数量。如果收集到的所有数据都是相关和必要的，那么，根据定义，在百分之百的报告期内，所有数据点的百分之百都是决策所必需的。
例如，为了有效和高效地补充库存，每月收集每个项目（医疗保健产品）的库存和配送数量是绝对必要的。
DHIS2 通过在透视表中直观地显示数据缺口以及各种验证工具（见下文）来提高数据的完整性。
在使用 DHIS2-RTS（实时系统）时，数据完整性问题实际上并不存在，因为在每个报告期间都不会追溯记录或报告 LMIS 数据。相反，所有交易都是在实际交易（存货的分发或丢弃）发生时记录的，因此，所有数据必然是完整的（除非存货交易记录被完全省略）。数据完整性工具可用于数据集和单个数据元素，前者可提供报告完整性的一般指 示，后者允许针对可能更重要的特定数据点（如上述数据点）进行分析。
精度{ #accuracy }¶
准确性是指收集到的数据点的价值与被测量和报告的物理实体是否一致。例如，报告的手头存货量是否与商店的实际存货量一致。数据准确性既要求正确清点库存，也要求输入正确的数量。
人工或数字数据管理系统都无法确保所有数据的准确性，而且原则上信息系统也无法发现错误的清点或未更正的交易。不过，DHIS2 提供了各种工具来识别数据的不一致性（见下文）。通常，检查和平衡会指出某些肯定不正确的数据值，并指出某个数据值的正确范围， 但无法确定确切的正确数据值。
可靠性（再现性）{ #reliability-reproducibility }¶
可靠性或再现性是指重复收集数据时数据值的稳定性。例如，年终实物存货清点通常由两个（或更多）小组进行，他们都清点相同的存货（同时冻结任何交易），并应生成完全相同的存货报告。
然而，由于重新清点数据非常耗时，因此很少这样做，而且 DHIS2 也不会立即提高所收集数据的可靠性。
一致性{ #consistency }¶
数据的一致性或连贯性是指对账的能力以及 "数字是否相加"。例如，交易前后的库存量必须与交易数量一致，或报告期结束时的库存量必须与报告期开始时的库存量和报告期内所有交易数量的总和一致。
DHIS2 通过各种检查和平衡（见下文）来促进数据的一致性。DHIS2-RTS （实时库存管理系统）在记录任何交易数量后立即更新库存量，使仓库管理员能 够迅速发现（明显的）差异，进而核实交易数量等。
及时性和准时性{ #timeliness-and-punctuality }¶
及时性（"新鲜度"、"最新性"）是指观测值的变化与报告之间的延迟时间。由于定期报告系统（通常为月度报告系统）不要求立即报告 LMIS 数据的任何变化（实时系统除外），因此在实践中只能确定和衡量准时性。就实时系统而言，及时性只适用于数据共享，通过确定在移动设备上记录交易与（中央）DHIS2 服务器同步之间的时间差来衡量。
数据（收集）的准时性是指在规定的到期日之前完成数据收集。例如，对于月度库存报告，理想的库存数据最迟应在当月的最后一天记录和传输。不过，及时性与报告频率有关。例如，即使库存数据在每月最后一天得到可靠报告，在两个报告期之间也没有任何更新。一般来说，LMIS 数据越 "老"（越过时），上次报告的数据值与当前数据值之间的差 异可能就越大，因此其实用性也就越低。
因此，对于任何 LMIS 系统来说，最佳（尽可能好的）系统是实时数据收集和共享。
任何信息系统都无法确保人类按时记录数据，但 DHIS2 可以测量任何延迟，在报告中提供反馈，从而鼓励工作人员按时报告。
对于 LMIS 数据来说，及时性的重要性取决于库存量。只要当前的库存水平没有促使任何库存补充，共享库存数据就不会促使采取任何行 动（补充），因此并不具有直接的重要性。另一方面，尽快报告低库存水平和缺货情况至关重要。DHIS2 既可以每月定期报告，也可以在相关医疗产品出现缺货时立即记录和共享缺货数据。
由于 DHIS2-RTS（实时库存管理系统）不要求任何（追溯性）数据记录和报告，因此每笔交易都会实时记录和报告（或在网络可用时），因此及时性是必然的。在实践中，网络连接可能时断时续，但每日更新数据也足以快速应对短缺和缺货问题。即使在医疗机构层面，实时数据记录和共享也是可行的，因此没有理由妥协和满足于不实时的数据。
频率{ #frequency }¶
频率是指报告期的长短，通常 LMIS 数据的报告期为一个月。就 LMIS 数据而言，频率越高越好，实时系统是最佳选择。
医疗机构一级的 LMIS 数据收集和报告频率必须与供应医药商店的业务流程相协调，以确保尽快将（近期）库存报告中的数据用于计算库存补充订单。
汇总 "定期报告提供了所有常用的报告频率和周期，如每日、每周、每月、每季度或每年，而实时交易报告则是首选。
可解释性{ #interpretability }¶
可解释性是指解释数据的难易程度和可用性，是对 "数据是否有意义 "这一问题的回答。
基本的 LMIS 数据定义明确，没有太多选择余地。除了物流和供应链管理中的特殊术语外，所有 LMIS 数据点，如库存或交易数量，都是直观易懂的。
可比性{ #comparability }¶
LMIS 数据需要具有时间上的可比性，也需要在不同的医疗机构和供应网络中具有可比性。例如，为了具有可比性，整个供应网络的所有仓库保管员需要始终以使用单位（片剂、注射器等）而不是以（不同）包装数量来计算所有医疗保健产品。另一个例子是，在供应网络的各个层面，库存交易数量需要在相同的时间段（通常以月计）内得到一致的记录。供应网络中的所有参与者都需要使用相同的（衍生）数据，例如绩效管理指标。
DHIS2 为全国所有医疗机构提供了标准化的预设报告表格，并预设了用户无法更改（除非有管理员权限）的报告期，从而提高了可比性。
同样，在 DHIS2 中，用于衡量物流服务质量的绩效指标在各医疗机构之间实现了标准化，从而确保了可比性。
数据处理质量{ #data-process-quality }¶
数据输出质量受到数据处理质量的影响，数据处理质量指的是数据来源的适当性，获取、收集和处理数据的手段，以及数据的核实和记录。
数据收集员的负担{ #burden-for-data-collectors }¶
一般来说，准确、及时地收集和共享数据所需的精力、时间和其他资源必须与使用这些数据的益处相平衡，并最终与（额外）数据对改善库存可用性和尽量减少医疗机构层面缺货的直接或间接影响相平衡。
最大限度地减轻医疗保健机构工作人员获取、记录、汇总和共享数据的负担，对于管理医疗保健机构的 LMIS 数据尤为重要，因为医疗保健系统受到收集多余的 LMIS 数据以及未用于明确目的的一级和二级数据的困扰。
例如，医疗机构的工作人员被要求记录 "期初余额 "和 "期末余额"，这完全是多余的。另一个典型的例子是要求计算 "缺货天数 "等指标，尽管有更好和更容易获得的指标来计算和监测库存可用性，但通过人工分析纸质记录来计算这些指标非常麻烦。
使用 DHIS2 本身并不能防止或减少执行组织希望收集的不必要和多余的数据点，因为 DHIS2 本身是灵活的，可以很容易地改变报告表格的配置。然而，减少医疗机构工作人员工作量的重要性是设计 LMIS 工具的关键原则，在所提供的文件和技术建议中也非常突出。
医疗卫生机构层面的 DHIS2 系统与国家电子后勤管理信息系统（eLMIS）的整合可以消除多余数据的收集。例如，通常收集的 "库存收据 "在国家电子后勤管理信息系统中得到了全面和专业的管理，因此无需在 DHIS2 中进行第二次收集。不过，如果需要，国家电子后勤管理信息系统可以提供完整、详细和准确的库存收据。
数据来源的适当性{ #appropriateness-of-data-sources }¶
所有定期报告系统都依赖手工记录，如批量卡、库存卡和其他记录，将其作为主要数 据来源，即使（月度）报告（次要数据来源）直接记录在数字设备上。因此，就（月度）定期报告而言，DHIS2 的使用完全依赖于手工库存记录的准确性和 可靠性，并不记录或提供有关这些数据源的信息。就 LMIS 数据而言，数据来源的适当性并不重要，因为没有替代数据来源。
然而，对于在 DHIS2 中记录、储存和共享的数据，日志文件提供了完整的细节和数据收集地点的可视性（如果配置了地理定位功能）、登录移动设备的人的身份、正在记录的每个数据点的确切日期和时间戳以及这些数据的任何变化。
通过 DHIS2-RTS（实时库存管理系统），可以在没有任何纸质记录的情况下管理医疗库存。它所依赖的唯一物理（"外部"）数据源是医疗库存中每件医疗产品上的条形码。至于 DHIS2 中记录和管理的任何其他数据，DHIS2-RTS 记录了每笔交易的地理位置、用户身份以及数据和时间戳（小时、分钟、秒和分秒）。
数据收集过程{ #data-collection-process }¶
传统的月末清点（数量）、记录数据和手工整理数字的过程很容易出错，如记录错 误项目的数据值、将数据从一个记录复制到另一个记录时出错以及用头脑或计算器整理数 据。这种手工操作不仅限于医疗机构，在其他几个层面，如地区、省和中央层面也会重复。
使用移动设备从医疗机构一级收集、存储和共享数据，可以消除上游各级的任何错误，因为这样就不需要手动复制数据，也可以自动汇总数据或自动执行任何其他计算。
在使用 DHIS2-RTS 的最佳情况下，不需要（甚至不可能）重复任何数据，因此可以安全地避免因重复数据而出现的任何错误。只要主要数据（库存交易数量）的收集是正确的，就可以避免所有进一步的错误。此外，整个数据收集、存储和共享过程都以数字形式记录在日志文件中，包括数据、用户凭证、地理位置以及数据和时间戳，只需从中央 DHIS2 服务器下载数据，即可随时进行分析和审计。
数据来源的透明度和记录{ #transparency-and-documentation-of-data-sources }¶
提供明确的、可公开获取的有关操作、研究设计和数据收集方法的信息的一般含义，在收集卫生系统数据时已记录在案，但并不同样适用于 LMIS 数据，因为数据收集是一个直接的过程，不允许有不同的选择。
不过，上文提供的有关数据收集、储存、处理和共享的文件信息有助于满足这一要求。
机构质量{ #institutional-quality }¶
LMIS 数据的好坏取决于卫生系统利益相关方对其的信任程度。遗憾的是，对数据质量和准确性的怀疑非常普遍，在最糟糕的情况下，会导致对医疗机构报告的 LMIS 数据视而不见，并对 LMIS 的基本数据（如月度（总）库存问题）产生怀疑。
DHIS2 大大提高了数据的质量，因为记录是透明的，所有利益相关者都可以方便地获取并即时共享，而且很容易进行分析和审计。
DHIS2 对数据质量的贡献摘要{ #summary-of-the-dhis2-contribution-to-data-quality }¶
下表总结了 DHIS2 如何通过设计和各种自动算法，为 LMIS 用例提供高质量的数据标准。
| 数据质量维度 | DHIS2 捐款 |
|---|---|
| 访问 | 从单个 DHIS2 实例进行全球访问 |
| 相关性 | 根据最佳做法收集数据（表格 |
| 正确性 | 尽量减少数据字段数量、用于识别医疗产品的条形码扫描仪、验证规则 |
| 完整性 | 数据缺口的直观可视化、数据完整性报告、使用 DHIS2-RTS 时的完整性设计 |
| 准确性 | 数据一致性检查、验证规则 |
| 可靠性（再现性） | -- |
| 一致性 | 数据一致性检查，使用 DHIS2-RTS 时即时更新手头库存 |
| 及时性和准时性 | 使用 DHIS-RTS 时的报告准时性分析、及时性设计 |
| 频率 | 灵活使用任何报告频率，使用 DHIS2-RTS 进行实时报告（最佳做法 |
| 可解释性 | 按设计只使用 LMIS 的基本数据 |
| 可比性 | 标准化数据报告表 |
| 数据收集员的负担 | 在设计上尽量减少 LMIS 数据收集，避免数据冗余 |
| 数据来源的适当性 | 通过日志文件全面了解数据收集情况 |
| 数据收集过程 | 数字化数据收集、自动数据共享（同步）、消除数据重复和复制造成的错误 |
| 透明度和文件 | 通过日志文件提高数据收集的透明度 |
| 透明度和可信度 | 所有数据和日志文件的透明度和可审计性 |
LMIS 数据质量分析{ #lmis-data-quality-analysis }¶
DHIS2 本机具有一系列工具和应用程序，用于防止输入错误数据、实时验证已输入的数据和（追溯）分析输入的数据，以识别（潜在的）错误数据值和未及时记录的数据。
LMIS 数据验证{ #lmis-data-validation }¶
DHIS2 的本地数据验证功能可在数据输入过程中验证数据值，从而最大限度地减少数据处理错误。数据验证是指确保输入的数据值在预定义的范围内。
DHIS2 的 "值类型 "设置可用于所有 "数据元素"，可将数据值的输入限制在特定的数组中，如自然数（"正整数"）或正整数（包括零）。该设置还能防止 "意外 "输入数据，例如误将文本输入数字数据字段。
在数据输入过程中，DHIS2 会用红色背景高亮显示数据字段，并在屏幕上显示额外的错误信息，以提示任何超出定义数据范围的数据值。例如，DHIS2 会阻止用户在库存字段中输入非整数或任何负值，并阻止用户保存任何报告，直到错误得到纠正。
用户可打开一个屏幕弹出窗口，以柱状图和折线图显示整个历史输入数据值，以便快速识别不一致的值和异常值。
DHIS2-RTS （实时系统）更进一步，如果输入的数据值为负值，不仅会实时显示警报，甚至会阻止用户保存输入的数据并继续输入其他数据。此外，还可以为每个数据字段配置特定的最小和最大数据值，如果用户输入的值超出了配置范围，系统就会显示实时警报。
DHIS2-RTS 系统可防止手头库存出现负值，防止在任何数据字段输入任何非整数值，并防止输入任何交易数量的负值或零值。
专门的 DHIS2 "验证规则 "应用程序允许根据不同数据字段的数据值配置复杂的验证规则，例如输入任何会导致负库存值的数据值。当用户执行验证时，DHIS2 将在专门的侧边栏显示警报列表。
DHIS2 的 "数据质量 "应用程序允许定义 z 值，识别超出设定范围的任何数据值，因此这些数据值可能是异常值。
数据值完整性{ #data-value-completeness }¶
在导出数据之前（通过导入/导出应用程序或数据展示台应用程序），必须检查以下三个设置：
存储零值
维护 > 数据元素 > "存储零数据值"。 对于物流数据采集，必须始终选择此设置。否则，零值将显示为空白字段，无法区分用户输入的是零还是空白字段。如果不选择 "存储零数据值"，则零值既不会出现在数据输入表中，也不会出现在分析中。除了无法进行数据完整性分析外，也无法分析任何零值，如缺货。
显示零值 系统设置 > 分析 > "在分析表中包含零数据值"。 如果设置了 "存储零数据值"，数据输入表单中就会记录零值。但是，只有在 "系统设置 "应用程序的 "分析 "中设置了 "在分析表中包括零数据值"，这些零值才会显示在分析中。
必须填写所有数据字段 维护 > 数据集 > "所有数据元素字段均为必填字段
如果数据集标记为 "所有数据元素字段必填"，则用户必须填写（输入值）数据输入表 格中的所有数据字段。如果选择了这一设置，并且在数据收集之初就选择了这一设置，那么如果相应的完 整性报告显示 100%完成，系统将确保记录了所有数据。在这种情况下，数据完整性分析只能局限于两种情况： - 尚未选择该设置的时间段 - 完整性报告未达到 100%的时间段
数据值完整性分析的目的是确定数据收集的实际一致性。数据值完整性可以从以下几个方面来确定： - 所有数据字段 - 按医疗机构（组织单位） - 按报告期（月/年） - 按项目（保健产品） - 按 LMIS 数据字段（库存、库存分配等）分列 - 按时间序列（OU/项目/LMIS 数据字段） 在确定数据完整性时，只需计算已报告数值的数据字段的数量，而无需核实这些数值的正确性，然后以百分比和柱状图的形式显示这些计数。
跨越所有数据字段{ #across-all-data-fields }¶
可确定所有数据维度报告的数据字段，从而提供数据完整性的总体概览。
按医疗机构（组织单位）分列{ #by-healthcare-facility-organisation-unit }¶
可确定哪些医疗机构（地区、省）等（未）报告数据或报告不一致、不完整。
按报告期（月/年）分列{ #by-reporting-period-monthyear }¶
可确定报告何时开始，以及报告在一段时间内的一致性如何。
按项目（保健产品）分列{ #by-item-healthcare-product }¶
确定各项目报告数据的一致性和完整性。
按时间序列（OU/项目/LMIS）{ #by-time-series-ouitemlmis }¶
可确定 LMIS 数据字段（库存、库存分配等），这些字段的数据报告不一致、不完整。
数据验证{ #data-verification }¶
原则上，实际正确的数据值永远无法确定，也无法事后得知。即使保留了纸质（或数字）记录，也无法追溯验证其准确性。不过，有一些测量方法可以确定或有一定概率确定数据值不正确。
负值 除库存修正外，库存数据值（库存以及任何交易）根据定义不能为负值。例如，根据定义，库存量的负值一定是错误的，即使实际值是已知的（而且永远不会知道）。
变量 时间序列中的数据值有可能在几个时期内完全相同，但这种可能性很小。例如，配送数量和库存很可能逐月变化。如果数据值完全相同（或可变性很低），则有可能只是 "复制/粘贴 "数据，而没有实际测量（计数等）。
相关性 高度相关的数据值也会让人怀疑其准确性。例如，如果在几个时间段内，存货接收和存货分配完全相同，这只能解释为持续短缺（接收的任何东西都会立即分配）或未进行测量（计数等）而 "复制/粘贴 "数据。
离群值分析 DHIS2 数据质量应用程序具有分析时间序列和检测离群值的本机功能，可通过定义一个绝对值或 Z 值的阈值来实现。然后，"异常值检测 "表将按数据元素显示详细报告，说明各数据元素的值、平均值、标准偏差以及最小值和最大值。散点图是 DHIS2 的另一项本地功能，可在图表中显示和检测异常值。 由于确定单个数据值是否应被视为异常值取决于各种因素，如医疗保健产品的使用频率及其可变性，因此不可能定义定义异常值的一般阈值，必须逐项进行分析。不过，还是可以通过分析与平均值偏差最大的数据值来进行系统分析，因为这些数据值最有可能是 "真正的 "异常值，而不是伪数据。例如，任何 "正态 "分布的数量，在长期缺货而无法进行分布后，都可能（错误地）显示为离群值。
数据报告的完整性和及时性{ #data-report-completeness-and-timeliness }¶
DHIS2 本机允许设置 "期末后符合及时提交数据条件的天数"，从而确定报告是否按时提交。每月数据记录结束时，用户在数据录入屏幕上选择 "完成 "按钮，确认完成。
这种二进制本地 DHIS2 报告功能允许用户确认整个数据集的完整性。收集到的数据取决于数据集中是否配置了 "所有数据元素必填字段"。如果未选择 "数据元素的所有必填字段"，用户即使不输入任何值，也可将数据集报告为 "完 整"。如果收集了 "数据元素的所有必填字段"，用户将无法选择 "完成"，除非所有数据 字段都已填写。但是，如果用户在选择数据集 "完成 "之前被迫填写所有数据字段，用户可能会随意记录 数值，从而影响数据质量。 这种数据和时间戳可以生成一系列默认报告，用于报告每个数据字段数据记录的完整性以及报告数据值的及时性（准时）。 DHIS2 可为任何类型的数据集提供以下报告： - 实际报告 - 按时提交实际报告 - 预期报告 - 报告率 - 按时报告率
有关详情，请参阅[数据质量原则]（#data-quality-principles）的实施指导章节。
LMIS 数据使用{ #lmis-data-use }¶
尽管物流和供应链管理通常与处理（储存和运输）实物货物和存货相关联，并被认为是这样的管理，但实际上，物流和物流供应链管理中的主要和困难问题是获取和处理及时、准确的数据。供应链管理中最困难的任务是确保在需要的地点和时间提供库存，而这完全取决于数据。只要有存货，物资处理（储存和运输）就是迄今为止最简单的任务。
因此，数据，尤其是最后一英里（第一数据英里）的数据，是绝对必要、关键和不可或缺的。只有由第一英里需求数据驱动的供应网络才能有效和高效，并确保提供高质量医疗服务所需的所有物品都能在服务提供点按需供应。
很多时候，任何物流数据都被归类为 "指标"，甚至是 "关键绩效指标"（KPI），而实际上，物流数据具有不同的、截然不同的用途。
数据用于库存控制{ #data-use-for-inventory-control }¶
库存控制是一个科学领域，研究医疗机构补充医疗库存和其他医疗库存的政策和系统，俗称 "量化"。库存控制是所有供应链的核心，取决于医疗机构和上游各级准确及时的数据。因此，准确、及时的数据以及合理、专业的库存控制政策决定着供应链的成败。虽然物流数据的使用通常侧重于 "报告"，但库存控制是迄今为止最重要的目的。
如果没有来自医疗机构的库存数据，供应经理就不得不使用替代数据，如医疗机构的发货量，这不可避免地会造成需求扭曲，降低供应网络各个层面的库存可用性。 幸运的是，库存补充计算只需要很少的数据，但这些数据必须及时且绝对正确： - 库存（每月末实物库存清点的结果）：计算库存补充数量时不可或缺的信息 - 汇总每月库存分布（"消耗量"）对于需求分析和预测未来需求不可或缺 如果有准确可靠的医疗机构库存收据数据，则可根据月初和月末的库存计算库存。
遗憾的是，公共卫生系统倾向于收集过多的物流数据，而这些数据并没有用于决策，减少短缺和缺货的关键在于收集尽可能少的数据，但要尽可能准确、及时和高效。
数据用于物流绩效管理{ #data-use-for-logistics-performance-management }¶
在一个理想的世界里，供应网络运行完美，既不会出现断货，也不会出现库存过多的情 况，也就不需要对物流服务质量进行监控和衡量。实际上，衡量和监控物流绩效是至关重要和不可或缺的。这不是为了生成 "报告 "和仪表板（这些报告和仪表板可能会被使用，也可能不会被使用），而是为了告知纠正措施，改变并最终优化所有库存控制参数，以增加和最大限度地提高库存可用性，同时最大限度地减少医疗机构的库存浪费。
尽管有大量的统计数据、指标和关键绩效指标，但一个全面完整的绩效管理系统只需要在医疗机构一级收集少数几个数据字段： - 管理的库存物品数量（以及随时间推移发生的变化） - 每月分配数量（每月总量或交易数量） - 库存数量（月末或最好是实时库存数量） - 库存丢弃量 - 库存修正量 - 完成月度库存数据报告的日期和时间 - 股票交易的日期和时间（在使用实时系统的情况下）
除上述内容外，还需在国家 eLMIS 系统中记录和存储各级所有医药商店的以下数据字段： - 所有医疗保健产品的批号（序列号）和有效期 - 库存控制参数（以及随时间发生的任何变化） - 客户订单详细信息（客户名称、日期、项目、数量等） - 客户订单履行日期和交付周期（所有组件） - 托运详情（物品、数量、收件人、装运和抵达日期等） - 保健产品的成本（批次层面）
将数据用于分析和报告{ #data-use-for-analytics-and-reporting }¶
最后，各种分析（绩效管理除外）和日常报告也需要数据。不过，需要强调的是，如果报告的唯一目的是满足报告要求，而不是提供信息或启动任何（纠正）行动，那只是在浪费宝贵的资源。
其他数据，如设施、地区、区域和国家层面的月度需求汇总，是各管理人员进行（长期）规划所必需的。
通常情况下，（月度）库存数据按医疗保健产品和报告期（月）在透视表中报告，或以折线图进行时间序列分析，如确定趋势。
物流指标{ #logistics-metrics }¶
分析物流数据和计算指标的总体目标是提高医疗保健物资的库存量，以满足求医者和医疗保健专业人员的需求，最大限度地减少短缺和缺货，而编制报告则是次要的。
纯粹的统计数据，如库存量或每月需求总量，无法推断物流服务的质量，因此不能作为任何指标。尽管如此，这些统计数据对于库存管理是不可或缺的，对于库存控制也是绝对不可或缺的。另一方面，绩效指标明确界定了绩效差和绩效好的范围，因此可以指导管理决策。统计数据和绩效指标的作用截然不同，应在概念上加以区分，但二者都是不可或缺的。
绩效管理首先要确定哪些因素会影响物流绩效，并（同时）允许采取纠正措施（"可操作"）。然后在 DHIS2 系统中确定、衡量和显示衡量这些因素的最佳指标。任何不能导致采取任何纠正措施的指标或其他计算，其价值都是非常有限的。
基准{ #benchmarks }¶
下表概述了目标软件标准（TSS，加维）、免疫供应链数据（DISC，经加维联盟合作伙伴批准）、2030 年免疫议程（IA2030，IA2030 协调小组）和全球基金的物流指标权威标准的比较。
| ** 公制** | TSS | 非歧视 | IA2030S | TGF | PEPFAR | 美国国际开发署 |
|---|---|---|---|---|---|---|
| 上架供应（OSA）/全库存供应 | x | x | -- | x | x | x |
| 按计划储存（SATP） | x | x | -- | x | x | x |
| 全员准时到岗（OTIF） | x | x | -- | x | -- | x |
| 预测准确率 (FA) / 预测需求比率 | x | x | -- | -- | -- | -- |
| 订单周期时间 (CT) | x | -- | -- | -- | -- | -- |
| 设施报告的及时性 | -- | -- | -- | x | x | x |
| 产品损失 | x | -- | -- | -- | -- | x |
| 库存记录的准确性 | -- | -- | -- | -- | -- | x |
| 质量测试率 | x | -- | -- | -- | -- | -- |
| 坚持产品质量 | x | -- | -- | -- | -- | -- |
| 交货时的剩余保质期 | -- | -- | -- | -- | -- | x |
| 库存周转率 | x | -- | -- | -- | -- | -- |
| SC 总成本占分配产品价值的比例 | x | -- | -- | -- | -- | -- |
| LMIS 订单报告率 | x | -- | -- | -- | -- | -- |
| 封闭小瓶浪费 | x | x | x | -- | -- | -- |
| 冷链设备的功能状态 | x | x | x | -- | -- | -- |
| 温度报警率 | x | x | -- | -- | -- | -- |
| 在提供服务层面报告库存可用性（疫苗和用品）的地区百分比 | -- | -- | x | -- | -- | -- |
| 拥有电子疫苗和供应品库存管理系统以监测疫苗库存直至提供服务的地区百分比 | -- | -- | x | -- | -- | -- |
| 在国家一级开展白喉、破伤风和百日咳疫苗缺货活动 | -- | -- | x | -- | -- | -- |
| 国家一级的缺货日 | -- | -- | x | -- | -- | -- |
| 国家以下一级的白喉、破伤风和百日咳疫苗缺货事件 | -- | -- | x | -- | -- | -- |
| 开展有效疫苗管理评估 (EVMA) | -- | -- | x | -- | -- | -- |
| 配备功能性 PQS 设备的场所百分比 | -- | -- | x | -- | -- | -- |
| EVM 评分（而不仅仅是是否进行了评分） | -- | -- | x | -- | -- | -- |
所需物流数据{ #required-logistics-data }¶
如果物流数据只在医疗机构收集，那么上游层面已经记录的一些数据（如库存收据）就必须重复，而在集成系统中，医疗机构层面收集的数据点可以最小化。最理想的情况是将医疗机构层面的实时交易系统与国家 eLMIS 系统集成，医疗机构只需记录库存交易，而所有其他数据点均可通过计算获得或已在国家 eLMIS 系统中提供。下表概述了根据整合程度需要收集的数据点。
| ** 公制** | 手头库存 | 股票收据 | 股票分配 | 股票损失 | 股票更正 |
|---|---|---|---|---|---|
| 未集成的月度报告 | x | x | x | x | -- |
| 集成内的月度报告 | x | -- | x | x | -- |
| 集成实时系统 | -- | -- | x | x | x |
下表显示了计算上述指标所需的数据点，这些数据点可在 DHIS2 中获得，但不包括 IA2030 指标，因为后者不包括任何设施级指标。所有其他指标只能在国家 eLMIS 中计算。有关冷链设备的指标可记录在 DHIS2 中，但不包括在 DHIS2 LMIS 模块中，需要使用额外的单独 DHIS2 跟踪程序。
| ** 公制** | 手头库存 | 股票收据 | 股票分配 | 股票损失 | 股票更正 |
|---|---|---|---|---|---|
| 上架供应（OSA）/全库存供应 | x | -- | -- | -- | -- |
| 全员准时到岗（OTIF） | x | -- | -- | -- | -- |
| 订单周期时间 (CT) | -- | -- | -- | -- | -- |
| 预测准确率 (FA) / 预测需求比率 | -- | -- | -- | -- | -- |
| 产品损失 | -- | -- | -- | x | -- |
| 质量测试率 | -- | -- | -- | -- | -- |
| 坚持产品质量 | -- | -- | -- | -- | -- |
| 按计划储存（SATP） | x | -- | x | -- | -- |
| 库存周转率 | x | -- | x | -- | -- |
| SC 总成本占分配产品价值的比例 | -- | -- | -- | -- | -- |
| LMIS 订单报告率 | -- | -- | -- | -- | -- |
| 封闭小瓶浪费 | -- | -- | x | x | -- |
| 冷链设备的功能状态 | -- | -- | -- | -- | -- |
| 温度报警率 | -- | -- | -- | -- | -- |
| 设施报告的及时性 | x | x | x | x | x |
数据和计算来源{ #source-of-data-and-calculations }¶
由于 DHIS2 提供了一些基于医疗机构层面数据的简单分析，而国家 eLMIS 提供了关于物流和供应链管理各个方面的综合分析，因此需要避免数据、计算、分析和可视化的重复。
DHIS2 只计算国家电子后勤管理信息系统无法直接收集的基本库存数据，并根据 DHIS2 收集的数据提供一些基本分析。
DHIS2 与国家电子后勤管理信息系统（eLMIS）同步了医疗机构层面的基本数据（库存、库存问题、库存更正和库存损失），但国家电子后勤管理信息系统（eLMIS）并没有与 DHIS2 同步数据，而 DHIS2 会复制这些数据。不过，国家 eLMIS 数据（如订单状态信息）可以作为预配置的 pdf 报告与 DHIS2 共享，这些报告可通过 DHIS2 通知系统共享。
默认情况下，物流和供应链管理所有方面的主要计算、分析和可视化由国家 eLMIS 提供，并作为专门的国家 eLMIS 系统。由于所有基本的 DHIS2 数据也可在国家 eLMIS 系统中获得，供应管理人员使用国家 eLMIS 系统的分析和可视化功能作为管理其各方面工作的唯一资源。需要国家电子后勤管理信息系统提供详细后勤报告的任何其他管理人员（供应管理人员除外），都可以（读取）进入国家电子后勤管理信息系统，查阅国家电子后勤管理信息系统的报告。
除非国家政策和规程另有规定，且不可避免，否则不会将国家 eLMIS 数据 "推送 "到 DHIS2 并将其存储在 DHIS2 中以进行可视化，因为这需要管理和维护多余的数据集。
DHIS2 物流指标概览{ #overview-of-dhis2-logistics-metrics }¶
鉴于 DHIS2 具有广泛的分析功能，用户很容易在没有明确目标和整体概念的情况下配置各 种分析和可视化功能，往往会重复测量特定指标。
由于 DHIS2 的分析功能力求具体，并对医疗机构工作人员的日常工作具有实用性，因此 DHIS2 的数据收集和分析具有以下目标： - 尽可能少地收集数据（但也要收集必要的数据） - 仅分析 DHIS2（而非其他上游系统）中医疗机构层面收集的数据 - 只提供对医疗机构员工有意义且 "可操作 "的分析结果 - 避免以不同方式表示相同的物流指标
DHIS2 推荐并提供了以下物流数据统计和物流度量的清单，但有意加以限制：
** 物流数据统计**
- 库存接收
- 库存分配
- 库存再分配
- 库存弃置
- 库存
- 库存更正
** 物流绩效指标**
需求（配送数量）绩效指标 - 变差系数/绝对值
- 变差系数/分布库存量绩效指标
- 缺货/缺货物品清单
- 各项目库存可用性
- 各项目缺货百分比
- 缺货数量（计数）
- 各项目缺货持续时间/有缺货的月份
- 各项目缺货持续时间/缺货天数
- 各项目库存覆盖时间/库存月数
- 库存覆盖时间/库存月/分配
- 库存覆盖时间/类别
- 库存覆盖时间/类别/分布
**库存准确性绩效指标
- 库存差异/项目/绝对值
- 库存差异/数量
- 库存差异/百分比
报告性能指标 - 报告完整性
- 报告率
- 报告及时率
这些指标可以通过不同的方式进行评估：
- 测量绝对（日/月）值
- 测量随时间发生的变化（改善和恶化）
- 测量平均值
- 将测量结果与明确定义的目标（阈值）进行比较
DHIS2 物流数据统计{ #dhis2-logistics-data-statistics }¶
本节将为每项物流数据统计提供以下信息： - 定义 - 报告期 - 计算 - 局限性 - 简短口译 - 聚合选项：项目/时间/地域 - 可视化选项（只有那些有意义的选项） 物流绩效管理框架 "一节对详细解释和建议采取的行动作了说明。 除了极少数完全数字化的库存管理系统外，所有库存交易（如库存收发）都使用手工记录，如批次卡、库存卡和各种分类账。在每个报告期结束时，都要对这些记录进行审查，用计算器计算出所需的数据值，然后进行报告。
一般原则{ #general-principles }¶
- 所有物流数据都需要以相同的周期收集（例如，如果库存按月记录和报告，那么配送也需要按月记录和报告）
- 实时数据收集，如利用 DHIS2-RTS（实时库存管理系统），系统可自动生成日报、月报和年报
- 每日报告期并不可取，因为每日报告会给（卫生）工作人员带来非常大的工作量
- 每周报告期不可取，因为它们与每月和每年的报告期永远不相称
- 在物流方面，应记录和报告由医疗机构（定期）管理的所有医疗用品（而不仅仅是 "示踪 "产品）的物流数据
- 只有定期、系统地收集所有物品和所有交易的物流数据，收集到的物流数据才有意义
库存收据{ #stock-receipt }¶
在理想情况下，如果实施了国家 eLMIS 系统，准确记录了运往各卫生设施的货物，并与库存收据相对应，那么就没有必要收集库存收据数据。对于每批货物，国家 eLMIS 系统应分别跟踪发货日期和卫生机构确认实际收货的日期。 因此，（再次）记录医疗机构的库存收据意味着要收集多余的数据，这给医疗机构的工作人员造成了不必要的负担。相反，应通过仪表板向医疗机构工作人员提供库存收据数据，该仪表板可自动显示来自国家电子后勤管理信息系统的数据。
定义："库存接收 "是指作为补货单从上游物流服务部门收到的每件物品的数量。通常每月接收一次补给，并额外接收延期订单和紧急订单。但根据国家政策，供应频率可能有所不同。
报告周期：建议每月汇总一次，但实时系统除外，建议由系统自动进行日汇总和月汇总。如果医疗机构的供应频率低于每月一次，则测量周期可以调整，例如调整为三个月。
计算：每个项目的总库存接收量是通过将相应报告期内每批货物的接收量相加计算得出的。
限制*：要计算正确的总数，需要将各报告月内收到的每件物品的所有托运（装箱单）数量相加。
简短解释：一般来说，在考虑了准备时间（交货延迟）后，库存收货需要与同一货 物的相应订货量相对应，而订货量又与前几个月的分配情况相对应。理想情况下，如果交货可靠，每个月的收货量应与承诺交货期之前相应时期的订货量一致。
纠正措施：如果收货数量与承诺提前期对应期间的订货数量不一致（不紧密），则医疗机构的物流服务供应商需要提高交货的可靠性。或者，如果无法遵守承诺的交付周期，则可以增加库存补充计算中的交付周期参数，以便与实际交付周期相匹配。
汇总选项：汇总不同项目的库存接收数量并无意义，但可分别汇总每个项目在多个时间段、多个医疗机构的库存接收数量，以及两者的总和。
可视化选项：数据透视表、柱状图、条形图、折线图或单值图。
股票分配{ #stock-distribution }¶
物流术语 "配送 "通常被称为 "消耗 "或 "问题"，但其含义相同。 定义：从医疗机构（中心）药房分发到医疗机构各病房和服务部门的每种物品的总量。门诊部、社区保健员、住院病房、实验室、手术室等根据其工作程序，可能每天、每周、 每月和/或根据要求供应药品。由于各种原因，应避免将货物退回（中心）药房，但如有必要，应记录为 "负 "分配。
报告期：建议每月汇总一次，但实时系统除外，建议由系统自动进行每日和每月汇总。
计算：每种物品的库存分配总量是通过将相应报告期内分配给所有服务部门和病房的 数量相加计算得出的。
简短解释：库存分布（与客户需求相对应）位于任何供应链（需求链）的源头，与任何 其他物流数据无关。相反，各服务部门和病房订购和使用的数量取决于病人的数量、病情、治疗时间等，需要由医疗专业人员进行评估。唯一的后勤考虑因素是，应与医务人员讨论几个月都没有需求的物品，以确认是否有必要继续储存，因为这些物品很可能在使用前就过期了。
限制 如果存货被退回（中心）药房，原则上存货分配数量应在分配期间进行更正。如果 "负 "分配被记录在后期，实际（每月）分配数量将被扭曲，尽管所有相关期间的总计 数仍然正确。
纠正措施：对于长期没有需求的物品，应与医务人员讨论，以确认是否有必要继 续储存，因为这些物品很可能在使用之前就已过期。
汇总选项：汇总不同物品的库存分配数量没有意义，但可分别汇总每个物品在几个时间段、几家医疗机构的库存分配数量，以及两者的总和。几个报告期的平均需求量可用于消除波动或比较（类似）医疗机构之间的分配数量。
可视化选项：数据透视表、柱状图、条形图、折线图或单值图。
股票再分配{ #stock-redistribution }¶
在医疗机构之间重新分配原则上是避免短缺和缺货的好办法，也可以避免病人得不到（充分的）治疗。但是，库存再分配应该是一个例外。如果经常进行库存再分配，则应对导致这种 "损害控制 "措施的原因进行评估。理想情况下，库存再分配应在国家 eLMIS 系统中进行管理，即从相应的医疗卫生机构发出虚拟退货，并向另一个医疗卫生机构发出虚拟发货，同时在两个医疗卫生机构之间直接实际发货。否则，两家医疗机构的分配数量将被扭曲，恶性循环将使短缺和缺货现象长期存在（出现短缺或缺货的医疗机构由于需求量过低而不断收到过少的存货，而重新分配存货的医疗机构由于其需求量中包含了另一家医疗机构的部分需求量而不断收到过多的存货）。
定义：从（中心）药房向另一家医疗机构分发（再）的每种物品的总量。当库存被重新分配的医疗机构归还贷款时，这些数量需要记为 "负数 "重新分配，以平衡库存。如果将其记录为任何其他收据，这些收据将与从供应医疗仓库运出的存货不符。
报告期：建议每月汇总一次，除非是实时系统，建议由系统自动进行日汇总和月汇总。
计算：每个项目的库存再分配总量是通过将相应报告期内再分配给所有其他医疗设 施的数量相加计算得出的。
简短解释：任何库存再分配都应视为异常情况。
纠正措施：任何库存再分配都应促使对整个供应和分配系统进行评估，并采取措施防止今后出现库存失衡。
汇总选项：汇总不同项目的库存再分配数量没有意义，但可分别汇总每个项目在几个时间段、几家医疗机构的库存再分配数量，以及两者的总和。
可视化选项：数据透视表、柱状图、条形图、折线图或单值图。
库存废弃物{ #stock-discard }¶
浪费"、"过期 "或 "损失 "等术语经常被用作同义词。然而，就物流流程和工作流程而言，任何过期、损坏或因其他原因无法使用的医疗保健产品仍需从库存中移除，并放置在上锁的隔离区，直至安全处置。此外，过期和损坏的存货需要加以识别和记录，因为过期存货可能不会被注意到。
需要注意的是，因盗窃（缩水）造成的 "损失 "永远无法得知，只能在注意到库存差异时间接发现。然而，存货差异也可能是由于误点、误算或误放存货造成的，因此只能怀疑被盗数量，而无法知道被盗数量。
定义：从库存中移除、隔离并（最终）处置的每件物品的总数量。
报告期：建议每月汇总一次，除非是实时系统，建议由系统自动进行日汇总和月汇总。
计算：每个物品的废弃库存总量是通过将相应报告期内的废弃数量相加计算得出的。
简短解释：库存丢弃原则上应避免，但至少应作为例外情况。
纠正措施：如果存货受损，需要相应地改善储存条件。例如，如果库存疫苗因冷冻而受损，则需要改进冷链管理。如果存货过期，则需要减少存货量或延长供应医疗仓库交货时的剩余保质期。
汇总选项：汇总不同项目的废弃数量没有意义，但可分别汇总每个项目在几个时间段、几家医疗机构的废弃数量，以及两者的总和。
可视化选项：数据透视表、柱状图、条形图、折线图或单值图。
库存{ #stock-on-hand }¶
定义：库存的定义是（中心）药房实际存在的每种物品的数量。必须在每个报告期（通常是月底）结束时进行实物库存清点。库存盘点与 "期末存货 "相对应，"期末存货 "是指报告期结束时的存货。为避免混淆，不应将 "期初存货 "加减存货交易等计算得出的存货余额称为 "手头存货"。如果同一物品的存货存放在不同地点，这些数量应分别计算，然后相加计算总数。
报告期：建议每月汇总一次，除非是实时系统，建议由系统自动进行每日和每月汇总。
计算：库存量的计算方法很简单，只需清点/报告时（中心）药房的库存总量。
简短解释：库存量是交易的结果，因此只能通过库存交易间接影响，理想的库存量取 决于许多参数。然而，物品绝不应缺货，缺货应始终视为紧急情况。
纠正措施：任何缺货都应视为紧急情况，应立即采取行动。未结（未完成）订单数量（尚未交付）应加快处理（尽快交付），或立即追加紧急订单。此外，应仔细审查缺货的原因，并采取补救措施，防止缺货再次发生。
汇总选项：汇总不同物品的库存量意义不大，但可分别汇总每个物品在几个时间段、几家医疗机构的库存量，以及两者的总和。几个报告期的平均库存量可用于消除波动或比较不同（类似）医疗机构之间的库存量。
图表选项：数据透视表、柱状图、条形图、折线图或单值图。
股票修正{ #stock-correction }¶
库存修正 "一词与 "库存丢弃"（损失、浪费、过期等）截然不同。
定义：库存更正数量是仓库保管员有意记录的，用于说明实际库存（库存）与根据月初库存和当月所有记录的库存交易计算得出的应有库存之间的差异。只有在核实了所有可能导致记录错误的原因后，才会记录库存更正。库存更正只记录无法说明和解释的数量。这些原因包括错误或误点（一直未被发现）、存货被错放或被盗。这些差异的实际原因至今仍不清楚。不过，确定这些差异总比只在更正后才注意到但却不知道它们的存在要好。
报告期：建议每月汇总一次，但实时系统除外，建议由系统自动进行日汇总和月汇总。
计算：(无计算）
简短解释：股票修正值如果不为零，则表示错误或失窃，是股票管理不善的表现。库存修正值为正数，表示库存比应有的库存多，例如，入库的实物库存比记录的多，或分发的实物库存比记录的少，或两者兼而有之。负库存修正意味着实际分发的库存多于记录的库存，或实际收到的库存少于记录的库存，库存被误放或被盗。
纠正措施：需要记录任何库存差异时，都应询问可能的原因，特别是如果库存差异发生在多个物品上和/或重复发生在同一物品上。
汇总选项：汇总不同物品的库存差异数量没有意义，但可分别汇总每个物品在几个时间段、几家医疗机构的差异数量，以及两者的总和。请注意，如果库存差异在几个报告期 "相互抵消"，结果为零，这总比没有好。但是，两个错误 "相互抵消 "仍意味着犯了两个错误，应采取后续行动。
可视化选项：数据透视表、柱状图、条形图、折线图或单值图。
DHIS2 物流绩效指标{ #dhis2-logistics-performance-indicators }¶
物流数据统计 "只是数字"，没有任何预期范围，而物流绩效指标则有应达到的最佳范围，任何偏离最佳范围的情况（过高或过低）都需要立即采取纠正措施。
需求（配送数量）绩效指标{ #demand-distribution-quantity-performance-indicators }¶
变异系数 (CoV) / 绝对值{ #coefficient-of-variation-cov-absolute-values }¶
定义：变异系数（CoV）是衡量客户需求（分销数量）变异性的指标。
报告期：计算通常以月度时间序列为基础。
计算：月度时间序列的标准差除以同一时间序列的平均值。
简短解释：变异系数越小，需求的可变性（波动程度）就越小，变异系数越大，需求的可变性和不稳定性就越大。如果客户需求（分销数量）完全处于同一水平（每月相同），则变异系数为零。任何时间序列中的最高变异系数都是由单个值的非零值和时间序列中所有其他值的零值造成的。最大变异系数取决于时间序列的长度。对于 6 个月的时间序列，最大可能变异系数为 2.45，而对于 12 个月的时间序列，最大可能变异系数为 3.46。根据定义，变异系数大于 1.0 的时间序列被认为是不稳定的，无法准确预测需求。变异系数小于 0.5 的时间序列可视为低变异性（最佳）时间序列，变异系数在 0.5 至 1 之间的时间序列可视为中变异性时间序列。
纠正措施：如果需求变异性较低，则无需采取纠正措施，但应保持低需求变异性。如果需求变化大或不稳定，则应分析原因。需求变化的 "内在 "原因，如病人数量和医疗条件的变化，是无法影响的。然而，"外在 "原因，如医院服务和病房的订单不规范、不系统，中心药房分发后库存过期，以及标准治疗方案的应用不一致等，都是可以解决的。
汇总选项：汇总（平均）不同项目的差异系数没有意义。应使用直方图（频率分布图）来直观显示多个项目的差异系数。
可视化选项：数据透视表。
变异系数 (CoV) / 分布{ #coefficient-of-variation-cov-distribution }¶
定义：同一医疗机构同一时期所有项目变异系数的直方图（频率分布图）。
报告期：前几个月各自时间序列的月度报告。例如，7 月份的直方图将基于 1 月至 6 月这 6 个月的时间序列。
计算：在计算任何特定月份每个项目的变异系数后，计算变异系数落入某个区间（从 0 开始，以 0.1 为增量）的项目数。
简短解释：理想情况下，直方图显示变异系数等于零时的单条柱形图，但实际上，分 布至少应是正斜的，这意味着其模式应在低变异范围内。在最坏的情况下，所有的分布系数都是负偏斜的，而且都在需求不稳定的范围内 （变异系数大于 1）。
纠正措施：与变异系数/绝对值相同。
汇总选项：通过将各自的变异系数值加到各自的范围内，可将单个项目的值汇总到多个或所有项目、医疗机构（各级）和时间段中。
可视化选项：数据透视表或柱状图。
库存量绩效指标{ #stock-quantity-performance-indicators }¶
缺货/缺货物品清单{ #stockout-list-of-items-with-stockouts }¶
定义：每月实物库存盘点时库存为零的物品清单。
报告期：月度库存报告为每月，实时系统为每月和每日。 计算：无，只列出缺货物品。
简短解释：理想情况下，任何物品都不应该缺货，缺货的物品越少越好。对于缺货的物品，可以评估是否有替代品，以及缺货时对病人造成的后果。请注意，在每月报告时（通常是在月底完成实物库存清点后）确定物品是否缺货只是一个 "快照"，无法确定该物品在当月缺货多少天。
纠正措施：短期：加快未结订单的处理速度，和/或追加订单以便立即发货，和/或从附近的医疗机构重新分配。长期：分析缺货原因并采取纠正措施（见物流绩效管理框架）。
汇总选项：可按项目、时间段和医疗机构汇总清单。
可视化选项：数据透视表和堆叠柱状图。
{ #stock-availability-across-items }¶
定义：医疗机构中库存不为零的物品百分比。
报告期：建议每月汇总一次，除非是实时系统，建议由系统自动进行每日和每月汇总。
计算：非零库存物品数量除以库存物品总数的百分比。
简释：理想情况下，库存可用率在任何时候都应为 100%，这意味着所有物品都有库存，没有缺货。在商业环境中，库存可用率达到 98% 将被视为一个很好的基准，超过 95% 也是可以接受的。但是，必须立即紧急处理基本医疗产品的任何缺货情况。请注意，在每月报告时（通常是在月底完成实物存货清点后）确定某一物品是否缺货只是一个 "快照"，不可能确定该物品在当月缺货多少天。
纠正行动：任何缺货（见上文）引起的纠正行动都会增加库存可用性。
汇总选项：可对各医疗机构的库存可用性进行汇总和平均，但只能将所有医疗机构的库存物品总数相加，然后除以所有医疗机构的库存物品总数（以百分比表示）。简单地将每家医疗机构的库存量平均化会导致完全错误的结果，因为医疗机构的库存物品数量很可能不同。
可视化选项：数据透视表、条形图和单值图（最近一个月）。
{ #stockout-percentage-across-items }¶
定义：医疗机构无库存（缺货）物品的百分比。
报告期：建议每月汇总一次，但实时系统除外，建议由系统自动进行每日和每月汇总。
计算：零库存（缺货）物品数量除以库存物品总数的百分比。
简短解释：理想情况下，缺货百分比在任何时候都应为 0%，这意味着手头没有缺货的物品，也就没有缺货。在商业环境中，缺货率不超过 2%是一个很好的基准，不超过 5%也是可以接受的。但是，必须立即紧急处理基本医疗产品的任何缺货情况。请注意，在每月报告时（通常是在月底完成实物存货清点后）确定某物品是否缺货只是一个 "快照"，无法确定该物品在当月缺货多少天。
纠正行动：缺货百分比因任何缺货（见上文）引起的纠正行动而降低。
汇总选项：库存百分比可以汇总并平均到各医疗机构，但只能通过将所有医疗机构的缺货总数相加，然后除以所有医疗机构的库存总数（以百分比表示）。简单地将每家医疗机构的缺货百分比平均化会导致完全错误的结果，因为医疗机构的库存物品数量很可能不同。
可视化选项：数据透视表、条形图和单值图（最近一个月）。
缺货数量（计数）{ #number-of-stockouts-count }¶
定义：医疗机构手头无库存物品的计数。
报告期：建议每月汇总一次，但实时系统除外，建议由系统自动进行每日和每月汇总。
计算：确定每个物品的库存是否为零，然后统计所有库存为零的物品。
简短解释：理想情况下，所有物品都应有库存，缺货数量应为零。请注意，在每月报告时（通常是在完成实物库存清点后的月底）确定物品是否缺货只是一个 "快照"，无法确定该物品在当月缺货多少天。
纠正行动：缺货数量因缺货时采取的纠正行动而减少（见上文）。
汇总选项：缺货数量可以汇总（加总）到各医疗机构。计算平均缺货数量没有意义，因为缺货数量总是需要与库存物品总数联系起来看。 可视化选项：数据透视表和柱状图。
按项目分列的缺货时间/缺货月份{ #stockout-duration-by-item-months-with-stockouts }¶
定义：在十二个月内，月末库存为零（缺货）的月份数。
报告期：每月。
计算：在十二个月内的每个月，确定该月是否报告了缺货，然后计算报告缺货的月数。
简短解释：理想情况下，不应该出现缺货，因此十二个月内的缺货次数也应该为零。在最坏的情况下，物品在所有 12 个报告期都缺货。请注意，在每月报告时（通常是在完成实物库存清点后的月底）确定物品是否缺货只是一个 "快照"，无法确定该物品在当月缺货了多少天。
纠正行动：缺货持续时间因缺货引起的纠正行动而缩短（见上文）。
汇总选项：可以汇总（加总）各医疗机构的物品缺货持续时间。
可视化选项：数据透视表和柱状图。
各项目缺货持续时间/缺货天数{ #stockout-duration-by-item-days-with-stockouts }¶
定义：在一个月内，当天结束时库存为零（缺货）的天数。
报告期：每日。
计算：在 12 个月内的每一天，确定当天结束时是否有缺货记录，然后计算报告缺货的天数。
简短解释：理想情况下，不应该出现缺货，因此一个月内每天缺货的次数也应为零。在最坏的情况下，物品在相应月份的所有日子里都缺货。请注意，缺货天数上限取决于相应月份的天数。请注意，在每天记录时（对于自动计划器来说，通常是在夜间）确定物品是否缺货只是一个 "快照"，不可能确定物品在当天有多少小时缺货。
纠正行动：缺货持续时间因任何缺货引起的纠正行动而缩短（见上文）。
汇总选项：可以汇总（加总）各医疗机构的物品缺货持续时间。
可视化选项：数据透视表和柱状图。
各项目库存覆盖时间/库存月数{ #stock-coverage-time-by-item-months-of-stock }¶
定义：库存覆盖时间（以月为单位），有时也称为 "库存月数"，是指在没有收到库存且平均需求量与计算平均需求量期间相同的情况下，当前库存可维持的月数。
报告期：每月。
计算：最简单的计算方法是用手头最近的可用库存除以上个月的库存分布。或者，也可以用最近三个月（或六个月）的库存量除以最近的库存量。如果分配的变化很大，建议用更长的时间来计算平均分配。
简短解释：库存覆盖时间为零相当于缺货。理想的库存覆盖时间取决于库存控制政策和使用的参数。在最常用的定期审查从订货到库存水平的系统中（每月一次订购库存分布 x（安全库存 + 审查期 + 前置时间）- 库存之间的差额），实际库存水平不应低于安全库存水平，最高库存水平不应超过安全库存水平加上周转库存（审查期内的需求）。前提是分销数量和周转时间保持稳定。例如，如果安全库存设定为 2 个月的平均库存分配量，审查期为一个月（月度订单），那么库存量不应低于 2 个月的平均库存分配量，也不应超过 3 个月。库存水平在收到（每月）库存补充之前最低，在收到并收好库存补充之后最高。
纠正措施：如果库存覆盖时间低于安全库存水平，则应采取任何缺货（见上文）引起的纠正措施。如果库存覆盖时间过长，库存不会过期（很快），而且库存正在定期分发，那么库存水平最终会下降。如果物品不再使用和/或预计将在使用前过期，（部分）库存应重新分配给其他医疗机构或返回上游医疗库房继续使用。
汇总选项：库存覆盖时间不能汇总，也不能跨时段、跨物品或跨地域汇总，因为一个物品或一个医疗机构的超量库存无法弥补另一个物品或另一个医疗机构的短缺或缺货。
可视化选项：透视表。
库存覆盖时间/库存月数/配送{ #stock-coverage-time-months-of-stock-distribution }¶
库存覆盖时间/库存月/分配的范围是平均分配的，没有限定任何范围为理想或不理想。用户必须根据所使用的库存控制策略做出判断。
定义：库存覆盖时间范围的柱状图（频率分布图），以一个月为间隔，并标明库存覆盖时间在相应范围内的物品数量。
报告期：每月。
计算：首先，计算每个项目的库存覆盖时间。然后将物品分配到数值所在的范围（分区），最后计算每个分区中的物品数量。
简短解释：理想情况下，所有库存覆盖时间都应位于安全库存和安全库存 + 周转库存水平之间的区间内，并呈现正态分布，低于和高于该区间的仓内项目极少。直方图向右偏斜（峰值向左移动）表明短缺居多，而直方图向左偏斜（峰值向右移动）表明库存过多。
纠正措施：对于每个项目，适用与库存覆盖时间相同的纠正措施（见上文）。
汇总选项：库存覆盖时间分布可在不同项目、报告期和医疗机构之间进行汇总（求和）。
可视化选项：数据透视表和柱状图。
库存覆盖时间/类别{ #stock-coverage-time-category }¶
库存覆盖时间/类别与库存覆盖时间/库存月/分配相对应，不同之处在于将范围限定为理想或不理想。
定义：变异系数范围直方图（频率分布图）取决于库存控制策略，如下所示：
- 缺货：库存覆盖时间为零（缺货）
- 库存不足：库存覆盖时间大于 0 且小于所需的安全库存水平
- 适当（充足）库存：库存覆盖率大于或等于安全库存，但低于审查期间所需的安全库存和配送数量之和
- 过量库存：库存覆盖率大于审查期间所需的安全库存量和分配数量之和，但小于一年的覆盖时间（这一水平是任意的，也可以设定为六个月，只要它超过审查期间所需的安全库存量和分配数量之和即可）。
- 库存过多：库存覆盖时间超过十二个月（这一水平也是任意的，可以选择另一个阈值）。
报告期：每月。
计算：首先，计算每个项目的变异系数。然后将项目归入数值所处的相应范围（缺货、库存不足、库存适当、库存过多或库存过剩），最后计算每个范围内的项目数量。
简短解释：库存覆盖时间范围的名称表示评估和解释： - 缺货：库存为零 - 库存不足：库存水平过低，在收到下一次库存补充之前发生缺货的风险很高 - 适当（充足）库存：库存水平在理想范围内 - 过量库存：库存水平过高，存在（部分）库存在使用前过期的风险 - 库存过多：库存水平过高，（大部分）库存在使用前过期的风险非常高。
** 纠正行动**：
- 缺货：需要立即采取果断行动，加快未完成（未结清）订单的进度，或追加订单以便立即发货。 - 库存不足：评估库存是否能持续到下一次预期交货，如果不能，则采取与缺货相同的纠正行动 - 适当（充足）库存：原则上不需要采取任何行动，但如果在下一次库存补充到达之前，库存分配数量（大幅）增加，则仍有可能出现短缺甚至断货，因此需要对库存分配数量进行监控。 - 库存过多：将库存覆盖时间与批次的剩余保质期和最近的到期数据进行比较。如果库存正在定期分发，而且预计没有库存会过期，则应取消任何未完成（未结）的订单，停止订购并等待库存水平下降。如果物品不再使用（或需求量低）和/或库存在使用前就有过期的危险，则应将多余的库存重新分配给其他医疗机构或退回上游，以便立即进行进一步的重新分配。 - 过量库存：与 "超量库存 "相同。
汇总选项：库存覆盖时间/类别不能汇总，也不能跨时间段、项目或地域级别汇总，因为一个项目或一个医疗机构的超量库存不能弥补另一个项目或另一个医疗机构的短缺或缺货。
可视化选项：数据透视表和柱状图。
库存覆盖时间/类别/分布{ #stock-coverage-time-category-distribution }¶
定义：库存覆盖时间的直方图（频率分布图），库存覆盖时间在缺货、库存不足、适当（充足）库存、库存过多和库存过量范围内的物品数量。请注意，每个范围的界限都必须根据现行的库存控制政策进行调整。
报告期：每月。
计算：首先，计算每个物品的库存覆盖时间。然后将物品分配到数值所在的范围（仓），最后计算每个范围内的物品数量。
简短解释：理想情况下，所有库存覆盖时间都应在 "适当（充足）"的范围内，极少出现短缺、缺货、库存过多和库存过剩的情况。
纠正措施：对于每个项目，应采取与库存覆盖时间相同的纠正措施（见上文）。
汇总选项：库存覆盖时间分布/类别可在不同项目、报告期和医疗机构之间进行汇总（求和）。
可视化选项：数据透视表和柱状图。
库存准确性绩效指标{ #stock-accuracy-performance-indicators }¶
各项目库存差异/绝对值{ #stock-discrepancy-by-item-absolute-values }¶
定义：期初存货和交易数量与月末实际库存之间的差额。
报告期：每月
计算：库存差异 = + 上月库存（上月末 = 本月初）
+库存接收
- 库存分配
- 库存再分配
- 丢弃库存
- 库存更正
- 库存
简短解释：理想情况下，任何医疗机构的任何物品都不应有任何差异，所有物品的数值都应为零。负库存差异表示库存（货架上的可用库存）少于计算结果。造成这种情况的原因可能是：上月底的库存清点有误、实际收到的库存少于装箱单上显示的数量、实际分发的库存（意外）多于库存记录中显示的数量、实际重新分发的库存（意外）多于库存记录中显示的数量、丢弃的库存多于库存记录中显示的数量、库存更正的数值过高或月末库存清点有误。
库存差异为正数，表示库存（货架上的可用库存）多于计算结果。造成这种情况的原因可能是：上月底的库存清点有误、实际收到的库存多于装箱单上的数 量、实际分发的库存（意外）少于库存记录中的数量、实际重新分发的库存（意外）少于库存记录中的数 量、丢弃的库存少于库存记录中的数量、库存修正的数值过低或月末库存清点有误。
纠正措施：应检查当月的记录和交易是否存在错误，如有可能，进行核对。如果核对不成功，应记录差异的库存更正。上个月或以前的任何库存差异都不可能调节。
汇总选项：库存差异不能汇总，不能跨项目、跨时间段或跨医疗机构汇总，因为两个错误不能相互补偿。
可视化选项：透视表。
库存差异/清点{ #stock-discrepancy-count }¶
定义：在特定报告期和组织单位中发现正或负库存差异的项目数量。
报告期：每月
计算：首先计算每个项目的库存差异，然后计算同一报告期和同一医疗机构的项目数。
简短解释：理想情况下，任何医疗机构的任何项目都不应有差异，所有项目的数值都应为零。库存差异数量越大，库存管理质量越差。
纠正措施：审查业务流程和工作流程，避免今后再出现错误。
汇总选项：库存差异计数可跨项目、报告期和医疗机构汇总。
可视化选项：数据透视表和柱状图。
库存差异/百分比{ #stock-discrepancy-percentage }¶
定义：在任何特定报告期内，特定医疗机构出现库存差异的物品百分比。
报告期：每月。
计算：确定存在库存差异的物品数量除以该医疗机构的物品总数。
简短解释：理想情况下，任何医疗机构的任何物品都不应该存在差异，所有物品的数值都应为零，即库存差异百分比为零。在最坏的情况下，如果发现所有物品都存在库存差异，则库存差异百分比为 100%。
纠正措施：审查业务流程和工作流程，避免今后再出现错误。
汇总选项：库存差异百分比无法进行有意义的求和。可以对同一医疗机构和不同医疗机构的不同时间段进行平均。但是，用户必须注意医疗机构的库存数量可能不同。
可视化选项：数据透视表或柱状图。
报告质量绩效指标{ #reporting-quality-performance-indicators }¶
DHIS2 为任何 DHIS2 数据集提供本机分析和报告，这对 LMIS 库存数据报告也很有用： - 预期报告 - 实际报告 - 报告的完整性 - 报告的及时性 详情可查阅一般数据质量实施指南
国家 eLMIS 指标{ #national-elmis-metrics }¶
由于 DHIS2 的设计仅用于医疗卫生机构层面（服务点、服务提供点），并且仅管理国家电子后勤管理信息系统中没有的基本后勤管理信息系统库存数据，因此大多数物流统计数据和物流绩效指标必须在这些国家电子后勤管理信息系统中生成和管理，特别是与订单执行有关的数据和指标。国家电子后勤管理信息系统应成为物流数据和物流绩效指标的主要参考和储存库，其中一些数据和指标可与医疗卫生机构层面的用户共享。可用的物流数据（统计资料）包括
- 主产品目录（项目说明和规格、价格等）
- 采购报告（采购订单、收到的货物、未结采购订单、投标书）
- 库存控制参数和计算 - 仓库和库存报告 - 客户订单（请购单）和订单执行报告 - 托运和装运报告 - 运输报告 - 自定义报告
物流绩效指标的可用性取决于各自的应用，但一般包括（除其他外） - 全员准时到岗（OTIF）
- 订单周期时间 (CT)
- 预测精度 (FA)
- 产品质量指标
物流绩效管理框架{ #logistics-performance-management-framework }¶
理想的情况是，由上游（国家）物流服务部门管理绩效，并在终端用户电子物流管理信息系统中向终端用户实时提供绩效指标。因此，理想的情况是，上游物流服务部门不断改进物流服务，而终端用户无需进一步参与。
不过，有些活动和流程是由保健专业人员控制的，主要不在物流服务部门的控制范 围内，需要由最终用户来衡量和监测，他们也需要启动和完成一些纠正措施。此外，所有由上游后勤服务部门管理、但与最终用户相关的绩效指标，都必须与最终用户共享，并随时供最终用户使用。 绩效指标的衡量和表示方法各不相同： - 数据透视表 - 数据展示台 - 地图 - 预配置仪表板 - 定制仪表板
可根据国家政策、标准和要求，按照应用的库存管理系统来配置报告： "基本 "模式：（主要）月度报告 "高级 "模式：实时分析和报告（至少每日更新） 在大多数情况下，用户和管理人员一开始设计的是仪表盘和可视化效果，而 DHIS2 物流绩效管理概念的唯一目标是通过提高库存可用性和最大限度地减少缺货来提高为服务交付点提供的物流服务质量。因此，整个概念是 "目的驱动 "的，是 "反向 "构思的（与传统方法相比）： - 卫生系统的总体目标是预防、治疗疾病和减轻痛苦（降低发病率和死亡率）， 这（除其他外）需要提供高质量的医疗保健产品 - 总体物流目标是减少短缺和缺货现象 - 哪些指标适合用于衡量和监测短缺和缺货情况 - 哪些纠正措施（用于减少短缺和缺货）是可能和有效的，谁有可能采取纠正 措施，如何采取，何时采取 - 哪种衡量标准适合用来确定最合适的纠正措施 - 计算时需要哪些数据 - 收集数据（可靠、准确、及时，最好是实时收集） - 什么样的数据和指标表示最适合分析和可视化 - 只有在完成上述所有工作之后，才能开发可视化和仪表板
一般原则{ #general-principles }¶
至于整个概念，绩效管理的最终目标是为最终用户、病人和保健专业人员改善保健服 务，而不是（仅仅）遵守国家和捐助者的报告要求。
一个基本原则是，所有参与者、最终用户（卫生专业人员）以及后勤人员都会对后勤服务产生影响，因此必须密切合作，不断改进这些服务。然而，不是 "集体 "负责，而是必须为所有参与者分配和承担不同的责任和义务，以避免无休止地指责而不采取任何有效的纠正措施。
其他原则包括 - 最终目标是改善服务（而不仅仅是 "报告"）。 - 所有绩效指标必须 "可操作"，并与具体的纠正措施相关联 - 所有必要的数据都必须实际可用，并且必须定期收集 - 所有数据直接输入医疗机构的 DHIS2 系统（最终用户级别） - 所有指标都直接在 DHIS2 或上游 eLMIS 中测量 - 明确区分物流数据和绩效指标 - 医疗机构只衡量医疗机构层面的指标（不包括上游层面的指标） - 任何特定测量的单一指标（无冗余） - 衡量物流和供应链管理所有相关方面的全面、完整的指标集 - 系统应尽可能简单和精确 - 所有物流和卫生参与者都对物流服务绩效产生影响 - 所有计划和卫生设施的标准指标集 - 对所有库存物品（而不仅仅是 "跟踪 "物品）的指标进行衡量 - 只有在需要时（偶尔）才有 "具体计划 "指标 - 衡量任何 "表现 "指标的指标只有一个 - 5 个 "表现 "指标（不要更多） - 明确界定每项绩效指标的目标 - "表现 "指标 = 确定 "症状" - "根本原因 "指标 = "诊断 "和发现问题 - 纠正行动 = "治疗" - 明确界定衡量和纠正行动的责任和问责 - 对任何偏差采取明确的纠正措施
"表现 "指标（"症状"）{ #manifestation-indicators-symptoms }¶
"表现 "指标主要用于检测 "症状 "和确定物流绩效问题的存在、程度和范围。 一般而言，可通过 DHIS2 收集的库存数据计算的指标仅限于这类 "表现 "指标。 - 目的：监测 - 需要回答的问题：服务质量如何？ - 明确界定指标的目标范围 - 问题：是否存在问题，如果有，问题的程度和范围是什么？ - 如果问题得到确认：分析根本原因 只有两个 "表现 "指标足以涵盖最终用户层面的物流服务： - 以库存覆盖时间衡量库存短缺和缺货情况 - 使用不当/库存损失 - 保健计划具体指标 库存可用性通常是一个医疗机构或多个医疗机构库存物品清单的总和，并以库存可用性或 "上架可用性"（OSA）来衡量。
事实上，目前使用的众多衡量标准只是上述关键绩效指标的变体或组合，因此是多余的。只要不同的衡量标准不会导致发现更多的根本原因或采取不同的纠正措施，那么它就是多余的。
根本原因指标（"诊断"）{ #root-cause-indicators-diagnosis }¶
但是，衡量本身（几乎）是无用的，如果没有能力或意愿来改进物流服务，那么衡量本身就没有意义。因此，如果发现了 "症状"，"根源 "指标就能 "诊断 "出根本问题，从而采取适当的纠正措施。 一般来说，只有上游的国家电子物流管理信息系统才能生成和分析 "根源 "指标。 - 目的：确定问题原因 - 表现指标有几个根本原因，但 - 每个根本原因一个指标 - 只衡量可以改变的东西 - 确定采取行动的阈值 - 由一个行动者衡量的每个指标 - 具体行为者采取纠正行动 - 解决问题！ 库存短缺和缺货的根本原因指标 - 添加新项目 - 缓冲库存过低 - 未使用定额备用金系统 - 非正常订购 不当使用和损失的根本原因指标 - 处方不当 - 库存过多（无论何种原因） - 不遵守 "先到先得 "原则 - 储存条件差造成的损坏 虽然表现指标（如短缺或缺货）可能有不止一个根本原因，但一个指标就足以确定任何一个根本原因的存在，并避免了指标的冗余。
只对可以解决和纠正的根本原因进行测量，因为找出无法改变的根本原因（几乎）是无用的。
对于 "表现形式 "和 "根本原因 "这两个指标，都需要明确界定纠正措施的阈值，可能还 需要界定不同的阈值，以确定不同的纠正措施或实施纠正措施的不同紧急程度。
每项指标都应明确分配给具体的行为者，由其负责衡量、监测以及启动和实施纠正行 动。
虽然有大量不同的指标被用于衡量短缺和缺货情况，但事实上，根本原因只有少数几个。
![Alt text]（image-261.png）
下表详细列出了造成短缺和缺货的所有可能的根本原因、责任人、衡量方法以及所需的纠正措施。
![Alt text]（image-262.png）
同样，在最终用户层面，损失的根本原因也很少：
![Alt text]（image-263.png）
下表详细列出了所有可能造成损失和浪费的根本原因、责任人、衡量方法以及所需的纠正措施。
![Alt text]（image-264.png）
计划具体指标{ #programme-specific-indicators }¶
虽然上述框架涵盖了衡量和监测后勤服务质量所需的所有指标，但一些卫生计划和国家卫生系统可能需要衡量更多指标，以符合捐助方的报告要求或国家要求。例如 - EPI: 开放式/封闭式药瓶损耗 - 艾滋病：多月配药（患者接受三个月的抗逆转录病毒药物供应） - 结核病：使用 GeneXpert 检测
纠正行动（"治疗"）{ #corrective-action-therapy }¶
确定、启动和实施纠正措施是赋予绩效管理任何意义的关键步骤。具体过程如下： - 测量和监测 "表现 "指标（缺货和损失） - 将测量结果与目标进行比较 - 如果在目标范围内：持续改进 - 如果超出目标范围：分析根本原因指标 - 找出根本原因 - 确定能够实施纠正措施的工作人员 - 实施纠正措施 - 衡量正确行动的影响 - 重复步骤 1 实时库存管理系统的实施与完善的国家 eLMIS 系统相结合，可以开发一个 "专家系 统"，持续测量和监测一整套绩效指标，并在仪表板上显示根本原因分析和所需的纠正行 动，而无需任何进一步的（人为）分析。
附有流程图的摘要{ #summary-with-flow-chart }¶
![Alt text]（image-265.png）
分析和（纠正）行动 - 股票分配
| 分析（观察）* | 潜在原因 | （纠正）行动 |
|---|---|---|
| 需求数据不完整（数据点缺失） | 工作人员不遵守规定或数据收集出现技术故障 | 培训员工，修复信息系统故障 |
| 每个项目的每月客户需求总量 | (仅在与其他值比较时有效） | 将数值与之前的时间段和现有基准进行比较 |
| 无（低）需求 | 物品缺货（短缺 | 立即采取措施补给物品 |
| 需求稳定 | 人口和疫苗接种情况稳定 | 无 |
| 需求增加 | 临时性波动、对早期短缺的补偿、疫苗接种需求增加、人口增加 | 如果需求增长稳定且预计会持续，则审查并调整库存控制参数 |
| 需求减少 | 人口减少、疫苗短缺、寻求疫苗者减少 | 分析需求减少的潜在原因，只有在确认需求减少是永久性的情况下，才审查和调整库存控制参数 |
| 需求时断时续[此处包括不稳定？］ | 疫苗短缺，（间歇性的）疫苗接种服务问题 | |
| 分析间歇性需求的潜在原因，并在出现短缺和缺货时审查和调整库存控制参数 | ||
| 需求不稳定 | 数据错误，下游（病房、社区保健员等）下达的指令不系统 | 稳定需求 |
| 不同物品的相关需求模式 | 更可能是供应问题 | 改善上游医药商店的供应 |
分析和（纠正）行动--库存 分析库存水平（无法说明客户需求）及其波动的价值远不如分析库存覆盖时间重要。
引用¶
奥斯陆大学 HISP 中心："数据质量和使用，DHIS2 文件"。https://docs.dhis2.org/en/use/user-guides/dhis-core-version-master/collecting-data/data-quality.html
DICE 联盟：数字医疗卓越中心："数字医疗解决方案互操作性规划与预算分步工具包"。数字健康卓越中心，未注明日期。Accessed 26.10.2023. https://a78da35e-056b-4420-8e4f-41e3283327e3.usrfiles.com/ugd/55ae33_5af35824932c48d89287928244b60a8d.pdf
全球基金："调整关键绩效指标框架"。全球基金，第 44 次董事会会议，GF/B44/15B，2020 年 11 月 11-12 日，虚拟。https://www.theglobalfund.org/media/8d89221958393a7/bm44_15b-adjustmentskpiframework_report_en.pdf
全球基金："信息通报会：供应链和医疗服务抽查"。全球基金，监测与监督工作流，2021 年 9 月 23 日。Accessed 26.10.2023. https://www.theglobalfund.org/media/11402/ fundingmodel_supply-chain-health-services-spot-checks-information-session_presentation_en.pdf
全球基金：全球基金："2023-2028 年战略关键绩效指标 (KPI) 手册"。PowerPoint 演示。全球基金，2023 年 5 月。https://www.theglobalfund.org/media/12681/strategy_globalfund2023-2028-kpi_handbook_en.pdf
联合国儿童基金会："数据质量框架》。联合国儿童基金会（UNICEF），数据、分析、规划和监测司。纽约：New York: December 2021.file:///home/user/Downloads/Data-Quality-Framework-1.pdf
最后编辑于 26.06.2024