ГОСТ ISO/TS 22220—2013
Окончание таблицы С. 1
Административные.’клиническис
Плаиировакие/исследоваиис
сональных дан
ных
Конф иденци Требуется чрезвычайное внимание к защите пер
связаны с идентификаторами лиц
Хотя данные и обезличены, но они все
альностьпер сональныхданных, поскольку медицинские карты еще могут оставаться чувствительными по
отношению к конфиденциальности некото
рых субъектов медицинской помощи или
групп субъектов
Согласие
От субъекта медицинской помощи гложет потре
боваться личное согласие
Личное согласив обычно не является не
обходимым
Хотя улучшение возможностей поиска совпадения данных принесет пользу и при выполнении исследований,
и при планировании, в настоящем приложении основное внимание уделяется сфере непосредственного оказания
медицинской помощи, т.е. клиническому и административному использованию.
Клинические и административные данные, возникающие в результате предшествующего взаимодействия
(взаимодействий) субъекта медицинской помощи с поставщиком медицинской помощи или организацией, связы
ваются с конкретным субъектом с помощью поиска совпадения данных. Этот поиск может выполняться нескольки ми
способами, в том числе:
a) сравнение записей людьми;
b
) компьютеризированное сканирование ключевых переменных;
c) поиск в пределах отдельных хранилищ, например, в шкафах с бумажными медицинскими картами или в
базах данных информационных систем;
d) между хранилищами, например, между отдельными базами данных, между учреждениями здравоохране
ния или другими организациями.
С.З
Вопросы качества поиска совпадения данных
Реалии сферы здравоохранения таковы, что вновь собранные данные разного качества нередко должны
быть использованы для поиска совладений с уже существующими данными разного качества, что нередко приво
дит к значительным неточностям. Разное качество данных возникает в результате многих причин, включая:
- отсутствие возможности получения необходимых данных, например, при трудностях общения или при травме;
- ошибки записи и ввода данных;
- неспособность сбора и/или отслеживания изменений;
- неспособность выполнения интеллектуального поиска существующих данных.
В жизни, особенно в очень крупных организациях, появление некоторых ошибок поиска совпадения практи
чески неизбежно. Этот риск возрастает при попытках поиска совпадения данных, собранных разными службами
или организациями, осуществляемого в целях обеспечения преемственности лечения. Эти ошибки делятся на
следующие две главные категории.
1) Ложноогрицательное совладение (ошибка первого рода), когда не удается найти идентифицирующие дан
ные. которые в действительности относятся к одному и тому же субъекту медицинской помощи. Вследствие таких
ошибок возрастает риск установления неправильного диагноза или назначения неправильного лечения в
связи с отсутствием полных данных, а также риск дублирования сбора данных, диагностических исследований
и (или) лекарственных назначений.
2)Ложноположительное совпадение (ошибка второго рода), когда «объединены» данные, которые в действи
тельности не относятся или не должны относиться к одному и тому же субъекту медицинской помощи. Вследствие
таких ошибок возрастает риск установления неправильного диагноза или назначения неправильного печения в
связи с неверной информацией, а также риск нарушения конфиденциальности персональных данных.
Интеллектуальные механизмы поиска обладают значительным потенциалом сокращения ошибок совпадения.
Существуют и другие вопросы качества, которые должны рассматриваться при подготовке к разработке ал
горитмов поиска совпадения данных. Они могут быть различными в разных сообществах. Далее приведены не
которые примеры:
- вариабельность значений данных. Элементы данных с небольшим набором возможных значений не обе
спечивают большой вариабельности. Например, пол имеет всего четыре возможных значения и. следовательно,
его использование при поиске совпадения не позволяет получить значительное сокращение возможных вариантов
совпадения. Напротив, фамилии отличаются значительной вариабельностью и. следовательно, использование
фамилии при поиске совпадения существенно сокращает число возможных вариантов;
- точность данных с учетом зависимости от времени. Элемент данных может быть очень точным в момент
его сбора, но при этом может быстро меняться. Например, в высокомобильной популяции использование адреса
при поиске совпадения данных не обладает таким весом, как в стабильной популяции;
- точностьданных, качество первичного и повторного сбора. Должно учитываться также качество сбора дан
ных. Такие элементы данных как фамилия часто неправильно записывают, особенно если сбор данных ведется
68