Your email was sent successfully. Check your inbox.

An error occurred while sending the email. Please try again.

Proceed reservation?

Export
  • 1
    facet.materialart.
    Unknown
    German Medical Science GMS Publishing House; Düsseldorf
    In:  GMS Medizinische Informatik, Biometrie und Epidemiologie; VOL: 15; DOC09 /20191206/
    Publication Date: 2019-12-07
    Description: High data quality is a precondition for valid scientific conclusions. Indicators should therefore routinely be used to evaluate data quality within the life cycle of health studies. In this project, 15 representatives of seven German population-based cohort studies assessed 51 quality indicators that were proposed in a guideline for networked medical research. The applicability of the indicators to primary data collections was assessed. In addition, their importance was evaluated using a scale ranging from 1 (essential) to 4 (not important). Moreover, their implementation in data quality assessments in the participating studies was evaluated. Comments on potential improvements could be made. Forty-three indicators were rated as applicable. Of these, 29 received a mean importance score of 2 (important) or better, nine received a mean importance score of 1.5 or better. The latter represent a potential core set of data quality indicators for cohort studies. Most indicators that were rated as highly important were used in data quality assessments of the participating studies. Points of criticism regarding the guideline related to its structure and the understandability of some indicators. It was concluded that further improvement of the data quality indicator set will increase its usefulness and applicability in primary data collections. In practice, a small subset of data quality indicators may suffice to capture the most important aspects of data quality in cohort studies.
    Description: Eine hohe Datenqualität ist wesentlich für valide wissenschaftliche Schlussfolgerungen. Indikatoren sollten daher routinemäßig angewendet werden, um die Datenqualität innerhalb des Lebenszyklus von Gesundheitsstudien zu beurteilen. In dem hier beschriebenen Projekt haben 15 Vertreter von sieben bevölkerungsbezogenen Kohortenstudien in Deutschland 51 Qualitätsindikatoren bewertet, die im Rahmen einer deutschen Leitlinie für die vernetzte medizinische Forschung vorgeschlagen wurden. Die Evaluation betraf die Anwendbarkeit der Indikatoren für primäre Datenerhebungen, deren Wichtigkeit auf einer Skala von 1 (essentiell) bis 4 (nicht wichtig) sowie deren Implementation in den teilnehmenden Kohorten. Verbesserungsvorschläge konnten gemacht werden. 43 Indikatoren wurden als anwendbar angesehen. Davon erhielten 29 eine durchschnittliche Wichtigkeit von mindestens 2 (wichtig), neun eine durchschnittliche Wichtigkeit von mindestens 1,5. Die als am wichtigsten bewerteten Indikatoren geben Hinweise auf einen für Kohortenstudien relevanten Kernsatz von Indikatoren zur Erfassung der Datenqualität. Die Mehrzahl der hoch bewerteten Indikatoren wurde in den teilnehmenden Kohorten im Rahmen der Datenqualitätssicherung betrachtet. Als Schwächen der Leitlinie wurden die Verständlichkeit einzelner Indikatoren sowie die Struktur der Leitlinie identifiziert. Das Konzept von Indikatoren zur Datenqualität sollte weiter verbessert werden, um den Nutzwert und die Anwendbarkeit im Rahmen primärer Datenerhebungen zu erhöhen. In der praktischen Anwendung reicht eine Teilmenge der Indikatoren aus, um wesentliche Aspekte der Datenqualität in Kohortenstudien zu beschreiben.
    Keywords: data quality ; cohort studies ; data quality indicators ; data monitoring ; Datenqualität ; Kohortenstudien ; Indikatoren ; Datenmonitoring ; ddc: 610
    Language: English
    Type: article
    Signatur Availability
    BibTip Others were also interested in ...
Close ⊗
This website uses cookies and the analysis tool Matomo. More information can be found here...