如何使用和解释世卫组织的数据质量工具{ #how-to-use-and-interpret-whos-data-quality-tool }¶

[主持人注意：本节最好使用 DHIS2 的 DQ TrainingLand 实例的实时在线投影来呈现 (https://who.-demos.dhis2.org/dq )。该文档可以完整呈现，然后是 3 个练习。 3 个练习的说明应打印为一份文件，并为每位参与者提供一份副本。有关工具分子配置的指南在题为“如何配置 WHO 数据质量工具.docx”的单独文件中提供。与分母评估和与调查估计比较相关的演示在题为“质量分母.ppt”的单独文件中进行了处理。 ]

内容{ #contents }¶

内容

• 启动工具
• 使用完整性仪表板
• 使用“一致性时间”仪表板
• 使用该工具对特定于程序的数据质量进行审查
• 使用“一致性数据”仪表板
• 使用“异常值”仪表板
• 使用“分析一致性”功能
• 使用“分析-异常值和缺失数据”功能
• 练习 1：使用仪表板和分析功能通过 DHIS2 识别可疑值
• 练习 2：讨论如何处理非常可疑的值
• 使用“年度报告”功能
• 练习 3：使用该工具准备年度数据质量报告
• 附件1：如何配置分母、分母关系和外部数据比较
• 注释
• [“EPI 数据集报告了< 1 年给予的 DPT-HepB-Hib 3 剂”，而 HMIS 数据集报告了“给予的 Penta 3 剂”。](#dpt-hepb-hib-3-doses-given--1 -用 epi 数据集报告年份，而用 hmis 数据集报告给定 penta-3 剂量）

启动工具{ #launch-the-tool }¶

1. 登录 DHIS2 实例 https://who.-demos.dhis2.org/dq 用户名：demo 密码：District1#

2. 在 DHIS2 主页右上角的搜索应用程序行中输入“WHO”。点击**世界卫生组织数据质量工具**。

   

3. 快速查看 DQ Tool 的主菜单：启动 DQ Tool 后，您将在页面顶部看到 5 个选项卡。这些用于在几种不同的功能之间进行选择。请注意，“Dashboard”一词已突出显示，并且默认选择“Dashboard”功能。

   

4. 快速查看“信息中心”菜单：“信息中心”有其自己的4个标签集。默认情况下，“完整性”选项卡处于选中状态。

使用完整性仪表板¶

1. 查看完整性仪表板：向下滚动并查看数据质量仪表板的“完整性”页面。该页面显示了5个“核心数据集”中每一个的完整性。

**注意：**当您检查DHIS2实例的完整性时，如果发现一个或多个数据集的完整性为0％，请考虑是否有由于导入数据的可能性。 DHIS2不能用于监视导入数据的完整性，除非您还导入完整性元数据。 对于DHIS2的训练实例，免疫数据集非常不完整。最好检查更完整的ANC数据的质量。

A。查看页面左侧的图表： 左侧的图表显示了每个数据集过去 12 个月中每个月的完整性和及时性。

b.查看页面右侧的图表： 右侧的图表显示每个数据集在分析期间最后一个月按地区的完整性 。注：在 DHIS2 的这个实例中，全国分为 4 个地区，每个地区又分为多个区。最近一个月的完整性实际上是对及时性的衡量。 显示前一个月的完整性通常更能说明问题。 点击屏幕右上方的菜单图标 .

C。更改正在分析的“组织单位”： 默认情况下，DQ 工具会分析全国范围内的所有数据，并按地区分类。 DQ 工具还可以在地区一级使用，其中数据按各个卫生机构分类。在菜单的“组织单位”部分中，单击“其他”并选择 A 区的“D 区”。完整性页面左侧的图表现在显示 D 区报告完整性的 12 个月趋势。默认情况下，完整性页面右侧的图表显示按以下一级（设施）分类的结果。 问题：哪些个别机构尚未报告上个月的 ANC 数据？ 3个月前？ 6个月前？ 尝试更改组织单位和月份后，通过**按地区分类**和期间 = 今年 4 月将其重置为全国¹。

使用“一致性时间”仪表板¶

1. 查看一致性时间仪表板：单击“一致性时间”选项卡。向下滚动并查看页面。在每个图表上移动光标可查看弹出窗口的详细信息。

一种。 **查看页面左侧的图：**左侧的图显示每个核心分子的分子值在1到12个月之前的趋势（上图中的深蓝色），之前13到24个月的时间（上表中的浅蓝色）和之前25到36个月的时间（上表中的橙色）。请注意，ANC 1的价值在2018年5月急剧上升，在2019年1月再次上升。当国家一级的急剧上升时，这无疑是可疑的。

b. 查看页面右侧的图表： 右侧的每个图表都是“散点图”的示例。当工具设置为按地区分类时，每个点代表单个地区的值。在此图表中，垂直轴上的点的位置代表所选月份的分子值（请记住，我们重新设置菜单以显示期间 = 2020 年 4 月的结果）。横轴上的点的位置是同区上11个月的平均值。出现在下灰线上方或上灰线上方的点是可疑的（例如，在下面的示例中，ANC 1^{st 的数量2020 年 4 月，F 区的访问量为 1,425 次，而 2019 年 5 月至 2020 年 3 月的平均每月访问量为 4,596 次。}

因此，“完成时间仪表板”可能有助于识别一些可疑值。但是，该工具的其他组件在识别可疑值方面做得更好。因此，该工具的页面使用频率不如其他页面[^ 2]。

使用该工具对程序进行数据质量的特定审查¶

1. 查看“核心”数据元素/指标列表： 在工具菜单上，数据现在设置为“核心”。因此，该工具呈现了“核心”分组中包含的数据元素/指标的发现结果³。向下滚动“完成时间”页面以查看列表。请注意，仅显示了两个免疫指标 ⁴。

2. **将数据更改为“免疫” ** –在菜单上（如果未打开菜单，请单击图标）将“数据”从“核心”更改为“免疫”。注意功能数据/指标列表发生了什么。现在，“完成时间”页面上有10种免疫指标。通过这种方式，该工具可用于特定于计划的数据质量检查，以检查所有特定于程序的指标。在继续下一步之前，请使用菜单将数据更改回“ Core”。

使用“一致性数据”仪表板¶

1. 查看一致性数据仪表板：单击“一致性数据”选项卡。此页面显示相关分子之间是否存在合理的关系。这些是使用更多管理分子关系配置的“分子关系”。向下滚动并查看页面。在每个图表上移动光标可查看弹出窗口的详细信息。

   A。 查看任何散点图： ANC 1 与 ANC 4 的比较图是一个散点图，每个点代表一个地区过去 12 个月的总值。值落在灰色阈值线之外的区域用菱形表示。例如，对于 F 区（以放大的菱形表示），在过去 12 个月中，ANC 4 只有 2,641 人，而 ANC 1 为 51,976 人。这种差异是可疑的，应该进行调查。

   

   b. 查看任何评估辍学率的图表： 比较 DPT1 和 DPT3 的图表评估任何“负辍学率”。该图显示，在截至 2020 年 4 月（含）的 12 个月内，有 5 个地区的 DPT 1 至 DPT 3 辍学率为负值。换句话说，这 5 个地区报告的 DPT 3 值高于 DPT 1。某个地区全年 DPT 辍学率为负值通常表明数据质量较差。这应该被调查。

   

使用“异常值”仪表板¶

1. **使用“异常值”仪表板来识别可疑的区级值：**单击“异常值”的选项卡。如有必要，请使用菜单将“分类”设置为“区域”。要释放页面上的空间，请单击菜单图标以使菜单消失。该页面显示具有大量行的“结果”表。每一行都有一个或多个以红色突出显示的值。用红色突出显示的值与同一行中的其他值有何不同？工具会发现以红色突出显示的值可疑，因为它们明显高于或低于行中的其他值。这些行按“权重”的顺序排序。可以将“权重”视为可疑值与该行中其他值的平均值之差。 有太多的行，表格无法容纳在单个页面上。您可以通过单击页面底部的控件来查看后续页面。

   

   A。 调查权重超过地区年度总数 5% 的异常值。有这么多异常值，您如何确定哪些是最重要的？一种方法是关注顶部权重最大的行。根据经验，所有权重超过学区预期年度总数 5% 的值都应仔细调查，因为它们可能会严重扭曲学区统计数据。作为示例，请考虑 1^st 和 2^{nd上表中的} 行显示了 ANC 1 值中的极端异常值。F 区的预期年度怀孕人数为 20,000，而 E 区的预期怀孕人数为 110,000 。在这两种情况下，都必须对极端异常值进行调查，因为异常值权重大大超过该地区预期年怀孕率的 5%。

   b. 使用极端 Z 分数调查异常值。还有另一种方法可以使用“Z 分数”⁵ 来识别最可疑的异常值。要使用此方法，请单击“选项”按钮以打开“选项”窗口。要查看每行的 Z 分数，请单击“包括 Z 分数”框。查看结果表中的标准 Z 分数值。请注意，值的范围从小于 2 到大于 3。接下来，单击以下按钮： 1) 异常值； 2）标准分数； 3) 极端。如果结果表根本没有行或只有 1 或 2 行，请单击“Modified Z-Score”⁶ 以识别更多异常值。

   

   C。 检查每一行– 问题：查看标准 Z 分数。请注意结果表如何减少到只有几行。请注意，每行的 Z 分数都大于 3.0。您认为_这些_可疑值可能是由于错误造成的吗？您将如何调查以确定突出显示的值是否是由于错误造成的？单击第一行末尾的菜单图标，然后从下拉菜单中选择“可视化”。

   

   d. “向下钻取”以调查可疑值的来源 – 单击“关闭”按钮关闭图表，再次单击菜单图标并从下拉菜单中选择“向下钻取”。如有必要，再次使用“选项”功能将表过滤为异常值、标准分数和极端值。您认为_这些_可疑值可能是由于错误造成的吗？非常大的极端异常值（例如第一行中的异常值）很可能是由于错误造成的。远小于月平均值的极端异常值（例如第二行中看到的异常值）如果在地区或更高级别看到，则可能是由于数据缺失造成的。在设施层面看到的小但极端的异常值也可能是由于错误造成的。

   

   如果该级别之下还有其他级别的组织层次结构，您可以进一步向下钻取。但是，如果这是层次结构中的最低级别，那么您会收到如下消息：

   

   e. 考虑向负责人发送消息⁷。再次单击菜单图标，然后从下拉菜单中选择“联系人”。应出现一个窗口，显示用于通知极端异常值的联系人。点击“写消息”。使用下拉菜单填写收件人下方的信息，编写消息并单击“发送消息”。然后将通过 DHIS2 内部消息服务发送消息。

   

   

   正如我们所看到的，DQ Tool 的仪表板易于使用。然而，仪表板的一个限制是它只能用于查看仪表板已配置的数据元素/指标（参见“如何配置世界卫生组织数据质量工具”）。接下来我们将了解如何使用 DQ 工具的分析功能来检查_任何_数据的质量DHIS2 有数据的元素或指标。

使用“分析一致性”功能¶

1. 查看分析–“一致性”功能：除了仪表板之外，该工具还提供了一种方便的方法来自定义对数据质量的查看。

2. 单击页面顶部的“分析”选项卡，然后选择“一致性”。

将出现一个窗口，允许您配置随时间变化的一致性或相关分子之间的一致性的自定义评估。默认情况下，选择“指标之间”（相关分子之间）一致性，并选择将组织单位与“总体结果”进行比较。通过此设置，无法选择 A = B、A > B 和 Dropout⁸。将“一致性分析类型”设置为“指标之间”，但单击“预期结果”并选择“丢弃”（见图）。

• 单击数据以选择分子。如图所示配置窗口。 （请注意，为两个分子都选择了“指标”。这是因为，对于 DHIS2 的此实例，DPT 1 的数据被分解为两个单独的数据元素：来自固定站点的 DPT1 和来自外展的 DPT1。要同时审查这两个数据在这些数据元素中，已配置了一个指标，该指标是两个数据元素的总和。同样，已为来自固定站点的 DPT3 和来自外展的 DPT3 的总和配置了一个指标。

• 单击期间，以自定义期间，如图所示–设置为去年。

• 单击“组织单位”并将分解设置为“区”。

单击页面右下角的蓝色Analyze按钮，结果将出现，请注意以下几点：

1. 页面左侧的图表与我们在一致性数据仪表板上看到的类似。 2017 年有 6 个区的 DPT 1 至 DPT 3 辍学率为负。有关详细信息，您可以将光标移动到红色条上。

2. 页面右侧的表格中一行代表整个国家/地区，后面一行代表每个地区。各地区根据辍学率进行排序。负辍学率的6个地区位居榜首。这些行在另外两页上继续，但查看这些其他页面不太重要，因为辍学率都是正数。

   

3. 如果单击任何行，则该行的颜色将变为浅黄色，并且一个行表和另一个图表将显示在页面底部。该图表按月显示结果。在此示例中，去年12个月中有7个月DPT 3大于DPT1。因此，负辍学率不仅是单个异常值的结果-至少在2019年，G区存在一个反复出现的问题。

   

4. 您可以单击此单行末尾的菜单图标以“向下钻取”，然后将结果分类到下面的级别。该图表显示，负辍学率不仅是单个医疗机构报告的数据的结果– G区18家医疗机构中有11家报告的DPT 3高于DPT 1在2018年。结论：G区似乎拥有DPT 3的系统过度报告存在问题。该问题影响了多个医疗机构的报告，并且持续了多个月。这可能是由于G区医疗机构倾向于将第一剂DPT误分类为第三剂DPT。

1. 使用“分析-一致性”功能来确定所有值得调查的设施值

2. 设置分析类型如图：一致性分析类型=“随时间变化”；将组织单位与=“预期结果”进行比较；预期趋势=“恒定”；标准 = 0%。

• 单击数据并选择单个数据元素或指标。例如，在数据元素组“HMIS”中选择“给出的 Penta 3 剂量 (HMIS)”

• 单击期间以自定义期间，如图所示。通过这些设置，会将2020年2月的值与之前12个月的值进行比较。

• 单击 Orgunit，选择特定区域并将分类设置为 Facility。

通过这些设置，将把E区所有卫生设施的2020年2月Penta 3值与这些设施在过去12个月内报告的平均值进行比较。

• 单击“分析并等待图表出现。

我们如何解读这张图表？

• 每个点代表所选地区（E区）的一家医疗机构报告的数据；
• 该图表将 2020 年 2 月报告的值与同一医疗机构在过去 12 个月内报告的平均值进行了比较；
• 这条线代表平等。几乎没有一个点正好落在这条线上。每个点到线的距离由权重给出。绝大多数点都离线条很近，因此它们的权重很小，我们可以忽略它们。
• 每个月，该地区在HMIS表格上报告总共6536次Penta 3 ^和剂量。我们可以使用此数字来确定调查异常值的阈值。例如，我们可以决定必须调查任何偏离该线超出地区总数5％= 325的异常值。
• 只有顶部的两个点的权重大于325。您能在图表中发现这两个点吗？ ：
  • 设施567以前平均报告为146 /月，报告961。因此，该可疑值的权重为803；
  • 222 号设施此前平均每月报告 349 条数据，但现在却根本没有报告任何数据。因此，该缺失值的权重为 349；
• 必须调查这两个值

作为调查的第一步，我们可以单击每一行。选定的行变为黄色，并且图表出现在DHIS2屏幕的底部。

该图表向我们显示了567号设施的2020年2月值与先前报告的值有何不同。这可能是由于错误数据造成的。我们如何使用DHIS2进行进一步调查？您还可以做些什么来调查这个价值？ ` 单击设施222行后，会发现以下内容。

请注意，不仅缺少2020年2月的价值，而且还有2019年5月的可疑价值，这说明该分析不仅可以识别我们选择进行审核的月份（2020年2月）的极端离群值，而且还可以有时会找出前几个月的异常值（如果异常值太大，以至于使12个月的平均值大大增加）。

总而言之，通过这种类型的分析，地区可以查看所有医疗机构的最新值，并确定需要深入调查的一小部分值。分析需要一次执行一个数据元素。

使用“分析异常值和丢失数据”功能¶

1. **查看异常值和丢失数据功能：**单击页面顶部的分析选项卡，然后选择“异常值和丢失数据”。 Analysis-Outliers函数的工作方式与Outliers仪表板完全相同。与仪表板相比，它具有更大的灵活性。您可以对其进行配置，以评估任何数据元素或指标[^ 9] –而不仅仅是为DQ工具的仪表板配置的数据元素/指标。实际上，您可以对其进行配置，以同时评估所需的任何_combination_数据元素和指标。您甚至可以选择同时评估数据集，数据元素组和/或指标组中的所有数据元素或指标。

   

您还可以使用它来评估任何时期的数据。

...以及任何医疗机构分组。¹⁰

练习1：使用仪表板和分析功能通过DHIS2识别可疑值¶

1. 查看“一致性时间”控制面板 –单击“一致性时间”控制面板的选项卡。查看第一个数据元素/指示符（ANC 1）的左右图。

   a.将数据设置为[核心]，期间为今年四月，并按地区分解。

   b.查看左侧的图表。

   数据元素/指标在每年和每月之间具有一致的值。如果不是，您如何解释任何明显的不一致之处？

   C。快速转到完整性仪表板，以查看过去12个月中ANC数据集完整性的趋势（页面左侧的图）。

   由于报告完整性的变化而导致数据元素/指标值不一致的程度有多大？

   d。返回一致性-

   设置时间仪表板并查看ANC 1右侧的图表。此图表是一个散点图，每个点代表一个地区。点在垂直轴上的位置显示了今年4月一个地区的ANC 1值。点在水平轴上的位置显示了该区域在4月之前（即2019年5月至2020年3月）的ANC 1平均值。将光标移到两条灰色线上方或下方的点上，以查看可疑值。

   问题：列出上个月的值与前11个月的平均值最不一致的地区。您对这些地区的数据为何随时间推移不一致有任何理论吗？可能是由于上个月的报告不完整吗？可能是由于上个月服务交付发生了真正的变化吗？请注意，时间不一致有多种原因。因此，时间不一致并不一定表示数据质量存在问题。

2. **查看“一致性数据” ** –单击“一致性数据”仪表板的选项卡。该仪表板上的每个图表都评估一对相关数据元素/指标之间的关系。

   一种。 查看比较ANC 1和ANC 4的第一张图表：

   该图表也是一个散点图，每个点代表一个区域的ANC 1和ANC 4的值，直到今年4月，包括今年4月。值超出灰色阈值线的区域以菱形表示。将光标移到这些点上可以查看相关数据元素/指示符的可疑值。

   问题：您明白为什么该工具将这些相关值标记为可疑吗？列出具有可疑值的地区。您是否有任何理论可以解释为什么这些特定地区的价值观值得怀疑？为什么不完整的报告不能解释可疑值？

   b。 查看评估DPT辍学率的图表：

   问题：哪些地区的DPT 1至DPT 3辍学率为负？哪个地区的辍学率最负？您为什么认为这个特定地区的DPT辍学率最负？负辍学率可能是由于单个医疗机构在一个月内的单个较大错误价值造成的吗？还是辍学率是由于来自多个医疗机构和多个月的多个价值？使用“一致性数据”仪表板，我们无法真正回答此问题。

   C。 使用分析一致性来评估 DPT 退出率：单击“分析”选项卡，然后从下拉菜单中选择“一致性”。在分析类型下，单击以下各项：“指标之间”、“预期结果”和“退出”。

   

   打开“数据”窗口，然后如右图所示对其进行配置。注意：对于DHIS2，DPT 1 < 1年（或Penta 1 < 1年）和DPT 3 < 1年（或Penta 3 < 1年）可能是数据元素，而不是指标。

   

   打开“期间”窗口并将其设置为“年份 = 2019”。

   打开“组织单位”窗口并将其设置为“国家”（或同等级别）并细分为“地区”。单击分析按钮。

   我。查看图表和表格（注意：在完成下一步之前，表格的顶行不会变成黄色）。将光标移到图表中的垂直红色条上可查看详细信息。将带有垂直红色条的学区名称与表中辍学率用红色阴影表示的学区名称进行比较。

   问题：哪个地区的负辍学率最高？在图表中查找，在表格中查找。对于该学区，2019 年期间，DPT 1 的价值是多少，DPT 3 的价值是多少（见表）？

   

   二.单击表中退学率负值最大的地区所在的行。新的表格和图表应出现在页面底部。

   问题：负辍学率是由于单月的值还是由于多个月的值引起的？

   

   三.单击小表格右端的菜单图标，然后选择“向下钻取”（由于工具中的错误，单词可能不会全部显示在屏幕上）。应出现一个新的图表和表格，显示每个组织子单位（例如，每个医疗机构，如果它们在组织层次结构中紧邻地区下方）2019 年的退出率。

   问题：对于您选择的学区，负辍学率是由单个设施的值引起的还是由多个设施的值引起的？您选择的地区是否存在连续多月和多个分区过度报告 DPT 3 的系统性问题？你如何解释这一点？

   

3. 使用“异常值”仪表板来识别重要的异常值-- 单击“异常值”仪表板的选项卡。查看菜单窗口以确认分解已设置为区域。单击菜单图标可隐藏菜单窗口并释放屏幕空间。单击“选项”按钮，然后选中“包括 Z 分数”框，然后单击“异常值”、“标准分数”和“极端值”。如果“结果”表没有行或只有 1 行，请单击“修改的 Z 分数”。

   

   单击表格第一行末尾的菜单图标，然后选择“可视化”。查看图表。 问题：您认为这个极端异常是由于数据错误引起的吗？查看完图形后，单击“关闭”。

   再次单击表第一行末尾的菜单图标，然后选择“向下钻取”。所选区域中每个设施的新“结果”表应以1行显示，该区域在12个月内具有异常值。考虑此新表的第一行中的异常值。重复可视化离群值的过程。如果需要，请尝试进一步细化。 问题：您认为这个极端异常是由于数据错误引起的吗？

4. 使用分析异常值来识别其他数据元素的极端异常值 —

   单击“分析”选项卡，然后选择“离群值和丢失数据”。选择一个数据元素或您选择的指标。然后将“期间”设置为2019，并将“组织单位”设置为全国（按地区分列）。单击“分析”，然后继续使用“工具”以与异常值仪表板相同的步骤来识别极端异常值。

   

练习2：讨论如何处理非常可疑的值¶

1. 列出您将要采取的措施，如果您发现一个非常可疑且很大的值，可能会对全国范围的统计数据产生重大影响。[^ 11]

2. **谁有权编辑**您的 DHIS2 数据？

3. **您打算如何使用该工具**来确定每个月，每个季度或每年以及每年在地区级别和国家级别的极端离群值。

使用“年度报告”功能¶

1. 生成年度报告：

   转至 DQ 工具顶部的菜单，然后单击年度报告。使用下拉菜单选择数据 – 组下的“[Core]”。在“期间”下，选择上一个日历年，然后指定您至少拥有一个完整性大于 50% 的数据集的年数。理想情况下，该时间为 2 或 3 年¹²。在组织单位下设置分解相当于分区。不建议您将分解设置为与区域（例如省份）等效的值，因为年度报告将无法识别许多重要的数据质量问题。单击“生成”查看报告。

   

2. 快速查看年度报告摘要：

   该报告首先是摘要部分，然后是包含更多信息的更详细报告。 快速滚动浏览摘要并记下专门用于领域 1（完整性）、领域 2（内部一致性）的子部分）、域 3（外部比较）和域 4（总体数据的一致性）。

3. 查看有关1a的详细报告：设施报告的完整性：

   详细报告开始于年度报告的大约⅓ ^和。

   

   注意，表 1a 显示了每个核心数据集的“总体得分”。这是 2018 年全国范围内数据集报告的完整性。标有“百分比”的列显示完整性低于阈值的地区的百分比。该表列出了数据质量存在明显问题的特定地区。

   问题：ANC 报告率的阈值是多少？有多少地区的完整性低于此阈值？所占的百分比是多少？

4. 在解释框中输入以下内容：

   请注意应在其中输入后续操作的解释和注释的框。

   ** 年终报告尚未完成，除非在解释要点和后续行动之前填写了报告的主要部分。**

5. **查看一段时间内报告完整性的图表：**向下滚动到显示“一段时间内报告完整性”的图表。为了进行可靠的分析，数据集至少应完成75％。如果数据集的完整性变化超过5％，则应在分析逐年趋势之前调整数据。

   问题：1）哪些数据集可以对2019年的数据进行稳健分析？ 2) 为了评估 2018 年至 2019 年的趋势，ANC 数据是否应该根据完整性的变化进行调整？

   

6. 查看表 2a：极端异常值：

   该表显示了极端异常值的阈值 - 与所审查期间的月均值相差超过 3 SD（标准差）的月度值。该表引用了“总分（%）”。这是一年中预期报告的百分比（预期报告设施数量的 12 倍），其中指标值属于极端异常值。 “数量”是地区数量，“百分比”是 2019 年期间报告该指标极端异常值的地区百分比。

   

7. 评论2d：指标值随时间的一致性：

   向下滚动到第 2d 部分。本节将 5 项核心指标 2019 年报告的总值与往年的年均总值进行比较。对于 https://who.dhis2.net/dq ，我们仅拥有 2018 年和 2019 年至少完成 50% 的数据。因此，我们将 2019 年的值与 2018 年的值进行比较。当一项指标的值每年都保持一致时，这是令人放心的。如果价值每年不规律地上下波动，则可能是计划绩效发生实际变化的迹象（例如，由于缺货）。然而，每年的不一致可能是数据质量问题的征兆。

   查看散点图，该散点图显示ANC 1次访问随时间的一致性：

   每个点代表一个地区的数据。纵轴上的点的位置是该区 2019 年报告的 1^st ANC 就诊次数。从左下角的小图表中可以看出，全国范围内 ANC 1^st 就诊的报告数量有所增加（主要是由于报告完整性的提高）。因此，我们预计 2019 年的值不会等于 2018 年的值。 “总体得分”为125%，表明2019年全国ANC 1总值为上一年的125%。 2018年数值与2019年数值的差异还体现在代表国家关系的黑线的斜率上（例如，当黑线横轴越过60,000时，纵轴大约在67,000处）。灰线显示与全国比率相差 ± 15%。落在灰线之外的点具有不同的形状，因为它们具有可疑值。例如，C 区报告 2018 年 ANC 1^st 访问量为 19,988 次，但 2019 年增加至 32,522 次。这一增幅明显高于全国增幅。应调查该可疑值。请注意，C 区包含在列出具有“不同分数”的地区的框中。

   

   解释你的发现-

   问问自己，项目运作（例如缺货、新干预措施）或报告完整性或行政边界变化（即地区划分）是否发生了任何次国家级变化，这些变化影响了得分不同的地区。

   考虑更改随时间推移的一致性评估阈值

   对于某些指标，您可能希望更改阈值以识别随时间推移出现不一致的较多或较少数量的单位。例如，作为可选练习，也许您只想关注随时间变化最不一致的地区。单击 DQ 工具顶部菜单中的“更多”，然后单击“管理”，然后单击“分子质量参数”，然后向下滚动到“指标参数”并使用控制箭头将一致性阈值提高到 ± 33% 。

   点击“保存更改”按钮。返回到年度报告（设置如前 - 期间设置为与相同的年数进行比较并进行地区分类），再次向下滚动到第 2d 部分（大约占年度报告的 60%）。请注意左侧表格中的新质量阈值。请注意图表的灰线现在如何分开得更远，并且更多的点现在落在灰线之间。

   问题： 现在有多少个地区的分数存在差异？

   

   查看显示 DPT 3 随时间变化的一致性的散点图

   向下滚动并找到该指标的表格和图表。请注意这些点比 ANC 1 的点更加分散。通常，我们不会期望 DPT 3 值如此难以预测。然而，如右下角图表所示，EPI 数据的报告量大幅上升。由于数据的完整度不到 70%，我们不应期望每年都保持一致，即使是免疫接种和 ANC 就诊等指标，这些指标通常应该相当稳定。

   

   总而言之，每年的数据可能不一致的原因有很多。然而，当我们发现随着时间的推移保持一致性时，我们就可以放心，数据的质量更高。

8. 审查2e：相关指标之间的一致性

   向下滚动到第2e节。本节中的图形与“一致性数据”仪表板上显示的图形相同。唯一的区别是该时间段是最后一个日历年（即2019），而不是您从仪表板菜单中选择的最近12个月或其他任何12个月。年度报告为您提供了机会来解释您的发现并总结您的后续行动。例如，您将如何监督和支持DPT辍学率为负的地区？

9. 使用工具进行外部比较（第3a节）

   数据质量服务台审查的“域3”涉及将基于常规数据的估计值与从其他来源获得的估计值进行比较。特别是，常规数据用于估计母婴保健服务的覆盖率：产前保健，机构分娩，产后保健和免疫。这些覆盖率的“常规估算”可以与从代表性家庭抽样调查中获得的估算值进行比较：人口与健康调查（DHS），多指标类集调查（MICS），免疫接种覆盖率调查等。

   有时将此类调查估计值视为评估常规数据可靠性的“黄金标准”。但是，请务必牢记**常规估算值与调查估算值之间的差异可能是由于多种因素引起的，而不是常规数据的可靠性和完整性问题**：

   A。 基于常规数据的估算可能不可靠的其他原因： 1. 分母（即目标）可能不会被高估或低估； 2. 人们可以居住在一个地区并在另一地区获得医疗服务； 3. 个人可以从不举报的私人提供者那里获得医疗服务。例如，产前护理和分娩服务可以由私人助产士提供。

   b. 调查估计值可能不可靠的原因： 1. 抽样误差——样本太小，无法进行精确估计。即使有最大的样本，在地区一级进行估计也很少实用。 2. 非随机抽样——这是使用世卫组织旧的 EPI 调查方法进行的调查的一个问题 3. 非抽样误差——例如回忆偏差。这是一个特殊问题，因为无法获得家庭记录，并且根据护理提供者的回忆来评估免疫状况。

   审查年度报告第3a节 –

   **注意：**在工具可以生成第3a节的发现之前，必须完成几个步骤。

   这些在附件1中进行了讨论：

   1. 必须为调查估计配置新的DHIS2数据元素，并且必须导入调查估计数据。此数据通常按地区分类。
   2. 必须配置该工具的分母和外部比较页面。

   向下滚动到第 3a 部分，查看基于常规数据的一些覆盖率估计值与调查估计值的比较。在示例中，请注意调查结果现在按地区而不是按地区分类。请注意，“常规”覆盖范围估计值均相当接近“调查”估计值。比赛很少会这么精彩。然而，即使在这个例子中，匹配也不是完美的。常规估计值始终低于调查估计值。 “总体得分”为92.2%，即国家层面的常规估算为国家层面调查估算的92.2%。您能想到常规估计值较低的任何原因吗？原因之一是，正如我们所见，ANC 数据报告的完整性仅为 92% 左右。当我们检查域 4 时，我们将会看到分母的高估是否可能是另一个原因。

   

   在我们的示例中，DPT 3 覆盖范围的匹配度很差。当然，原因是 EPI 数据集的完整性较低。

   

   如下图所示，如果我们使用HMIS表格上报告的Penta 3 ^和剂量的数据作为分子，而不是EPI表格中报告的DPT 3的数据，则匹配将更好。同样，我们注意到常规估算值略低于调查估算值的趋势。

   

10. 使用该工具评估分母（第4a节） –

    注意：在工具生成第 4a 部分的结果之前，必须完成几个步骤。附件 1 中讨论了这两个步骤：

    1. 必须为联合国活产率估计配置新的指标或数据元素¹³。

    2. 必须正确配置工具的分母关系页面。

    数据质量桌面审查的“领域 4”评估 DHIS2 使用的分母。在这里，我们讨论与第 4a 部分相关的发现，该部分将官方对活产的估计与联合国对活产的估计进行了比较。

    

    在这里，通过我们的示例，我们确定了为什么覆盖率估算基于常规数据（并基于对怀孕、活产或人口的官方估算< 1 年的另一个原因）略低于调查估计——如果我们相信联合国的估计，那么官方对活产的估计可能太高了。如果我们使用联合国的估计作为分母，那么常规覆盖率估计会更高。

练习3：使用该工具准备年度数据质量报告¶

1. 生成2019年年度数据质量审查报告

   一种。单击年度报告。将数据设置为核心。将“期间”设置为2019年。将“前几年”设置为可参考的前几年，因为您拥有至少50％完成的核心数据集。将“分类”设置为相当于“区”。单击生成。

   b。查看详细报告的以下部分。对于每个部分，在“解释”框中，键入您的解释并总结您的后续操作：

   1. 1a（报告的完整性）
   2. 查看并解释 1d底部显示的图形（数据集完整性随时间的一致性）
   3. 2a（极端异常值）

   4. 2d（指标值随时间的一致性）。至少评论以下两个指标：

      一世。 ANC 1 ^st 访问

      二. DPT 3^rd 剂

   5. 2e（相关指标之间的一致性）。至少评论DPT 1至DPT 3的辍学率

附件1：如何配置分母、分母关系和外部数据比较{ #annex-1-how-to-configure-denominators-denominator-relations-and-external-data-comparisons }¶

在工具可以生成年度报告第3a节（外部数据比较）和第4a节（分母估计的一致性）之前，必须正确配置工具。工具分子的配置在单独的文档中讨论。本附件说明了如何配置分母，分母关系和外部数据比较。

1. 必须为调查估计值配置新的DHIS2数据元素，并且必须导入调查估计值数据。此数据通常按地区分类。可以使用适当的名称（例如“外部数据”）将这些数据元素分配给新的数据元素组

2. 必须为联合国活产婴儿估计配置新的数据元素或指标。[^ 14]一种方法是定义一个新指标，该指标通过将官方估计的总人口数乘以活产婴儿数来计算活产婴儿。联合国对粗出生率的估算（可从[https://data.worldbank.org/indicator](https://data.worldbank.org/indicator）获得）除以1,000。假设官方估算的总人口是可靠的。可以将这一新指标分配给适当的指标组（既可以是现有的组，也可以是新的组，例如“人口估计数”。另一种方法是创建一个新的数据元素，然后对联合国活产婴儿的估计数再使用该数据输入屏幕以输入每年的值，每年仅需要一个全国范围的值-无需分类，可以将此新数据元素分配给您为调查估算值创建的同一新数据元素组。

3. 配置工具使用的分母 – 单击“更多”，然后单击“管理”，然后单击“分母”。

   

   默认情况下没有设置分母。您必须通过单击“添加”按钮来一次添加您在上例中看到的内容。将出现一个窗口，用于配置分母（请参见右图）。请注意，已经为“人口估计”配置了一个特殊的数据元素组。这包括数据元素“预期的孕妇”。该数据元素的数据已作为DHIS2分母标准配置的一部分导入。请注意，“最低可用级别”已设置为“区域”。这是因为在区域级别以下无法获得可靠的DHS调查估计。即使您将工具的其他输出配置为按地区分类结果，外部比较结果也只会按地区分类。

   

   确保添加以下分母：

   a) 预计怀孕，

   b）活产；

   c）人口< 1；和

   d) 您为联合国活产估计创建的新指标或数据元素。

   4.配置工具进行外部比较 – 单击“更多”，然后单击“管理”，然后单击“外部数据比较”。

   

   没有默认设置。上面显示的内容必须通过单击“添加”按钮一次添加一个。将出现一个用于配置比较的窗口（见右图）。国土安全部覆盖率估计值和联合国人口估计值已作为新配置的“外部数据”数据集的一部分导入。这些相同的数据元素也已分配给新配置的“外部数据”数据元素组。您在示例中看到，已选择该数据元素组，然后可以从下拉菜单中选择“ANC 1 覆盖范围 (DHS 2014)”。

   

   必须从已为工具配置的分子列表中选择“常规数据分子”。必须从已为工具配置的分母列表中选择“常规数据分母”。请注意，调查级别已设置为“地区”。

   

   5.配置分母关系– 当您单击更多-管理-分母关系时，您应该会发现该表有一个默认行，标记为“总人口 - 人口普查到联合国预测”。

   

   要配置此关系，请单击“编辑”。将名称编辑为“活产数 - 联合国官方估计”。将类型设置为“联合国人口预测”。单击分母 A 和分母 B 左侧的向下箭头，从列表中进行选择。该列表仅限于您在上面步骤 3 中配置的分母。对于分母 A，选择活产的官方估计值（或可用的最佳等效值）。对于分母 B，选择联合国对活产的估计。保存您的配置。

   

   

笔记¶

1. 进行进一步的案头审查。例如，使用 DHIS2 将可疑值与同一设施、同一月份的相关数据元素（例如 OPV 3、DPT 1）的值进行比较；
2. 使用 DHIS2 向负责数据的人员发送消息’
3. 如果您是区级的，可以检查纸质表格；
4. 给医疗机构负责人打电话，请他们检查纸质表格；
5. 如果您有权限，请编辑该值。