ข้อมูลที่เกิดขึ้นจากระบบสุขภาพ

สรุปข้อมูลที่เกิดขึ้นจากระบบสุขภาพ (Health System Data) - PSHD1102

1. ผลลัพธ์การเรียนรู้ที่คาดหวัง (Expected Learning Outcomes)

* สามารถระบุและทำแผนที่ข้อมูลสุขภาพกับแหล่งข้อมูลหลักของระบบสุขภาพได้

* สามารถระบุปัญหาด้านคุณภาพข้อมูลทั่วไปและแหล่งที่มาของความลำเอียง (Bias) ในข้อมูลที่เกิดขึ้นตามปกติได้

* สามารถระบุแนวคิดด้านการกำกับดูแลและจริยธรรมที่เกี่ยวข้องได้

2. ประเภทของข้อมูลในระบบสุขภาพ (Health-system Data)

ข้อมูลสุขภาพเป็นข้อมูลที่เกิดขึ้นจากระบบสุขภาพในส่วนต่าง ๆ โดยแบ่งออกเป็นกลุ่มหลัก ๆ ดังนี้:

| กลุ่มข้อมูล | คำอธิบายและตัวอย่าง | แหล่งที่มา/ระบบ |

|---|---|---|

3. โครงสร้างของข้อมูล (Shape of Data)

* มุมมองเชิงเหตุผล (Rational View): ข้อมูลถูกจัดโครงสร้างตามกิจกรรมหลัก เช่น ผู้ป่วย (patients), การมาตรวจ (visits), การสั่งการรักษา (orders), ผลลัพธ์ (results), ยา (medications), การเรียกร้องสิทธิ์ (claims)

* ตัวระบุและคีย์ (Identifiers and Keys): ใช้ในการเชื่อมโยงข้อมูล เช่น รหัสผู้ป่วย (Patient ID หรือ HN) และหมายเลขการมาตรวจ (Visit Number หรือ VN)

* ระบบรหัส (Coding Systems): ใช้มาตรฐานรหัสสากล เช่น ICD-10/11 สำหรับการวินิจฉัยและโรค

4. คุณภาพข้อมูลและความลำเอียง (Data Quality and Bias)

มิติคุณภาพข้อมูล (Quality Dimensions)

* ความสมบูรณ์ (Completeness)

* ความทันเวลา (Timeliness)

* ความถูกต้องแม่นยำ (Accuracy)

* ความสอดคล้อง (Consistency)

* ความสมเหตุสมผล (Validity)

ความลำเอียงเชิงระบบ (Systematic Biases)

* ข้อมูลสูญหาย (Missingness): เกิดจากการกรอกข้อมูลไม่ครบถ้วนหรือการถ่ายโอนข้อมูล

* Coding Drift & Upcoding: การเปลี่ยนแปลงวิธีให้รหัส หรือการให้รหัสสูงเกินจริงเพื่อวัตถุประสงค์ในการเบิกจ่าย

* Duplicates & Linkage Errors: ข้อมูลซ้ำซ้อนหรือข้อผิดพลาดในการเชื่อมโยงข้อมูล (เช่น การคัดลอกโน้ตไปข้างหน้าใน EHR)

* Unit Errors: ข้อผิดพลาดในการระบุหน่วย เช่น mg เทียบกับ µg

5. การกำกับดูแล, ความเป็นส่วนตัว, และจริยธรรม (Governance, Privacy, and Ethics)

* PDPA และการให้ความยินยอม (Consent): การดำเนินการตามพระราชบัญญัติคุ้มครองข้อมูลส่วนบุคคล

* การทำให้ข้อมูลไม่สามารถระบุตัวตนได้ (Personal Identification):

* การยกเลิกการระบุตัวตน (De-identification): การลบหรือปกปิดข้อมูลที่สามารถระบุตัวบุคคลได้โดยตรง (ไม่สามารถย้อนกลับได้)

* การใช้นามแฝง (Pseudonymization): การแทนที่ข้อมูลระบุตัวตนด้วยรหัสหรือนามแฝง (สามารถย้อนกลับได้)

* ความเสี่ยงในการระบุตัวตนซ้ำ (Re-identification Risk): ความน่าจะเป็นที่ข้อมูลจะสามารถถูกค้นพบตัวตนได้อีกครั้งหลังจากใช้วิธี De-identification หรือ Pseudonymization ไปแล้ว

หลักการข้อมูล FAIR (FAIR Data Principles): เป็นหลักการเพื่อให้ข้อมูลวิทยาศาสตร์สามารถจัดการและใช้งานต่อได้

* Findable (ค้นหาได้): ข้อมูลและเมตาเดตาควรค้นพบได้ง่ายโดยมนุษย์และเครื่องจักร

* Accessible (เข้าถึงได้): เมื่อพบข้อมูลแล้ว ควรสามารถดึงข้อมูลได้

* Interoperable (ทำงานร่วมกันได้): ข้อมูลควรผสานรวมกับชุดข้อมูลและระบบอื่น ๆ ได้

* Reusable (นำกลับมาใช้ใหม่ได้): ข้อมูลควรได้รับการอธิบายอย่างดีเพื่อให้ผู้อื่นสามารถนำไปใช้เพื่อวัตถุประสงค์อื่นนอกเหนือจากวัตถุประสงค์เดิมได้