Módulo 2 | Aula 2
Qualidade de dados e informação
Introdução
O debate sobre qualidade da informação é relativamente novo, formou-se à medida que a produção e o consumo por informação foram aumentando em todas as sociedades. No final dos anos 80, a temática começa a aparecer em fóruns internacionais, e em 1996 foi realizada a primeira Conferência Internacional sobre Qualidade da Informação, com participação de profissionais e pesquisadores de diferentes setores. Autores, como Donald Marchand, Miriam Ginman e Johan Olaisen, buscam definir conceitos, dimensões, métodos e ferramentas para avaliar e garantir a qualidade da informação corporativa e organizacional (Calazans, 2008).
O setor saúde produz um grande volume de dados, tanto clínicos quando administrativos, imprescindíveis para a gestão do sistema de saúde. Nesse contexto, a qualidade dos dados tornou-se uma preocupação central tanto para profissionais de saúde quanto para gestores e pesquisadores na área.
A qualidade dos dados em saúde refere-se à medida em que esses dados são adequados para o uso, além de serem confiáveis, precisos e completos. Isso abrange não apenas a exatidão dos dados, mas também sua relevância e utilidade em aplicações específicas, como diagnósticos clínicos, vigilância epidemiológica e gestão de serviços.
Em um contexto mais amplo, a qualidade dos dados também envolve a segurança e a privacidade das informações pessoais dos pacientes, assegurando que dados sensíveis estejam protegidos contra acessos não autorizados.
Informações de baixa qualidade afetam negativamente o sistema de saúde, levando a custos excessivos, decisões ineficazes e à perda de confiança dos usuários. Os Sistemas de Informação em Saúde constituem as principais fontes de dados do sistema de saúde brasileiro, e essas informações são essenciais para a tomada de decisões em políticas públicas, planejamento de ações de saúde, monitoramento e avaliação de programas, além de respaldar a pesquisa científica e a gestão eficiente dos recursos. Assim, assegurar e melhorar a qualidade dos dados nos SIS é crucial para aprimorar a assistência à saúde da população brasileira.
Atributos de Qualidade de Dados
Com o objetivo de operacionalizar o conceito abstrato de qualidade da informação, podemos identificar na literatura sobre o tema propostas de modelos de análise baseados em dimensões ou atributos que ajudam a mensurar e avaliar a qualidade de forma mais concreta. Os principais atributos mais utilizados para avaliação da qualidade da informação, que podem ser aplicados aos sistemas de informações e saúde, são:
Facilidade de obtenção dos dados (acessibilidade)
Refere-se ao grau de facilidade e rapidez no acesso aos dados. Para avaliação deste atributo devemos considerar se as regras de acesso são claras (definição de custos, permissões e onde obtê-los) e se o formato e o instrumentos para manuseio dos dados estão disponíveis.
Clareza metodológica
Diz respeito à transparência e precisão na descrição dos métodos empregados para coletar, analisar e interpretar informações. Ao avaliarmos este atributo, é essencial verificar se a documentação que acompanha os dados está completa e organizada. Isso inclui a presença de instruções de coleta, manuais de preenchimento, dicionário de variáveis, entre outros. Além disso, é importante que essa documentação descreva os dados de forma clara e objetiva, evitando ambiguidades.
Cobertura
Refere-se à capacidade, por exemplo, de um sistema de informação capturar de forma abrangente e precisa todos os eventos para os quais foi criado. No caso do Sistema de Informação sobre Mortalidade (SIM), seu objetivo é registrar todos os óbitos ocorridos no país, garantindo que cada evento seja documentado detalhadamente. Para assegurar uma cobertura adequada do SIM, é essencial minimizar ou eliminar a subnotificação de óbitos. Isso requer sistemas eficientes de notificação de óbitos por parte das instituições de saúde, além de processos robustos de verificação e validação dos dados coletados. Uma cobertura completa e confiável do SIM não apenas fornece informações essenciais para análises epidemiológicas e políticas de saúde, mas também é fundamental para a tomada de decisões informadas e eficazes no campo da saúde pública.
Completitude
Refere-se à presença de registros não nulos nos campos do instrumento de coleta de dados. Em outras palavras, ela indica o grau em que as variáveis estão preenchidas. Campos em branco representam ausência de informação, resultando em perda de dados significativa.
Utilizando novamente o exemplo do Sistema de Informação sobre Mortalidade (SIM), mesmo que todos os óbitos sejam registrados na base de dados (alta cobertura), se variáveis como sexo, cor, causa dos óbitos, idade, entre outras, apresentarem uma alta proporção de não preenchimento, será impossível produzir qualquer tipo de análise ou informação sobre mortalidade com precisão. A completitude está diretamente relacionada à qualidade da coleta de informações. No caso do SIM, a completitude do sistema depende do médico no momento que ele preenche a Declaração de Óbito. Se, durante esse processo, o médico deixar de preencher ou omitir alguma variável, isso afetará negativamente a qualidade dos dados e, consequentemente, a completitude do SIM.
Confiabilidade
Refere-se ao grau de concordância entre diferentes medições ou aferições realizadas em condições similares. Este conceito é fundamental para avaliar a precisão dos dados coletados por diferentes observadores. A confiabilidade está ligada diretamente à clareza metodológica uma vez que para garantir que a confiabilidade dos dados seja alta, os métodos utilizados para coletar e registrar as informações devem ser claros, consistentes e bem definidos. Isso assegura que diferentes observadores possam aplicar os mesmos procedimentos de maneira uniforme e obter resultados comparáveis.
Consistência
Refere-se ao grau em que variáveis relacionadas apresentam valores coerentes e não contraditórios entre si. Isso significa que as informações coletadas devem ser compatíveis e não devem gerar conflitos ou discrepâncias quando comparadas umas com as outras. Um exemplo de inconsistência no Sistema de Informação sobre Mortalidade (SIM) poderia ser a discrepância entre a causa de morte registrada e os dados demográficos do falecido. Por exemplo, suponhamos que no registro de um óbito conste que a causa da morte foi câncer de útero, porém o sexo do paciente foi registrado como masculino, essa inconsistência levanta a suspeita sobre erro no preenchimento ou digitação da Declaração de óbito.
Não-duplicidade
Refere-se ao grau em que cada evento dentro do escopo do Sistema de Informação em Saúde (SIS) é representado apenas uma vez nos registros, sem duplicações. Isso significa que cada ocorrência ou evento relevante é registrado de forma única, garantindo a integridade e a precisão dos dados.
No Sistema de Informação de Agravos de Notificação (SINAN), a não duplicidade garante que cada caso de doença de notificação obrigatória, como tuberculose ou dengue, seja registrado apenas uma vez, mesmo que o paciente seja atendido em diferentes unidades de saúde ou por diferentes profissionais. Por exemplo, se um caso de tuberculose é notificado em uma unidade de saúde, é crucial que essa notificação seja única e não seja repetida em outros pontos de registro do SINAN. Isso ajuda a garantir que as estatísticas de incidência de doenças sejam precisas e confiáveis, fornecendo informações essenciais para o monitoramento epidemiológico e para a implementação de medidas de saúde pública.
Oportunidade
Refere-se ao grau em que os dados ou informações estão prontamente disponíveis no local e no momento adequado para serem utilizados por quem deles necessita, refere-se à atualidade dos dados, ao tempo entre coleta, processamento e disponibilidade dos dados para análise. Por exemplo, se queremos analisar o surto de dengue o SINAN oferece dados mais oportunos que o SIM, uma vez que os dados sobre dengue no SINAN são consolidados semanalmente e os dados do SIM levam cerca de 2 anos para serem consolidados.
Validade
Refere-se ao grau em que um dado ou informação mede precisamente o que se pretende medir. É a medida em que as variáveis observadas refletem com precisão os verdadeiros atributos que estão sendo mensurados. Em outras palavras, a validade indica o quão corretas são as medidas para todos os indivíduos envolvidos. Um método comum para avaliar a validade de uma medida é compará-la com um critério amplamente aceito como perfeitamente válido, conhecido como padrão-ouro.
A análise de cada atributo relacionado permite tratar um diagnóstico da qualidade de dados e, assim, identificar as principais fontes de erros e inconsistência para os estabelecimentos de estratégias de melhoria da qualidade da informação. Nessa perspectiva, tomamos a qualidade dos dados e informação como multidimensional onde cada dimensão está interconectada nas outras, ou seja, uma abordagem para aumentar a qualidade da informação de um sistema de informação, rpm exemplo, precisa ser pensada a partir de vários atributos de qualidade.