Assurance de la qualité des données de routine (5/10)

4. Comment mesurer des données de bonne qualité et que recommander pour l’utilisation par la PNIN ?

a) Remarques générales

La plupart des outils d’évaluation de la qualité des données de routine font une distinction entre les différents types de qualité des données, qui sont appelés domaines, dimensions ou attributs :

  • L’outil DQR de l’OMS utilise des domaines et des paramètres pour évaluer la qualité des données de routine.
  • L’outil « Measure Evaluation » utilise les dimensions pour ce qui est appelé paramètres dans l’outil DQR de l’OMS.
  • Chen et al., 2014 (1) les ont nommés attributs.

Toutes ces dénominations désignent plus ou moins la même chose. Hong Chen et al. ont conclu dans leur analyse que l’exhaustivité, l’exactitude et la ponctualité étaient les trois dimensions les plus évaluées de la qualité des données, mais ils ont identifié plus de 30 dimensions (voir liste ci-dessous) .

*****
Dimensions de la qualité des données

Source :
(1) Chen Hong, Hailey David, Wang Ning, Yu Ping, 2014. A Review of Data Quality Assessment Methods for Public Health Information Systems. International journal of environmental research and public health, 11, 5170-5207, 10.3390/ijerph110505170.

*****
We use cookies. By continuing to use our site, you agree to this. Details and objection options can be found in our privacy policy.
Use of third party offers

In addition to technically necessary ‘session’ cookies, this website uses Matomo tracking as well as video hosting from Youtube.com and Vimeo.com.

When you choose to play a video, your browser establishes a connection to third-party providers’ servers, which may automatically transmit your IP address as well as information about your browser, operating systems, date/time and the address of our website to them.

Tracking cookie from Matomo

Matomo is used in a GDPR-compliant manner, as it only collects and processes data within this website. It is used for non-personal tracking of user interaction.