Qualidade de Dados

TEMA: QUALIDADE DE DADOS
Autor – Celso G. Van-Dúnem Paquete
MD, Analytics

Objectivos
• Capacitar os técnicos com conhecimento sobre introdução à
qualidade de dados e gerenciamento de dados;

Sumário
• Introdução
• Qualidade de dados
• Estrutura para fluxo de dados
• Dimensões de qualidade de dados
• Áreas Funcionais de Sistemas de Gerenciamento de Dados

Introdução
• A qualidade dos dados refere-se a informações precisas e confiáveis
colectadas por meio de um sistema de gerenciamento de dados de
monitoramento e avaliação.
• Dados de qualidade são importantes para monitorar e avaliar o
progresso em direcção a esses objectivos.
• Quando os dados são de alta qualidade, eles refletem comprecisão as
actividades do programa no mundo real.

O que são dados
• Fatos e estatísticas colectados em conjunto para referência ou análise.
• Letra, símbolo ou caracter armazenado em um banco ou base de
dados que por si só não tem valor (Data Science)
• O dado não possui significado relevante e não conduz a nenhuma
compreensão
• Os dados são um fato bruto e desorganizado que precisa ser
processado para torná-lo significativo.
• A informação é obtida uma vez que os dados tenham sido examinados
e processados.
• Os dados são brutos e desorganizados, as informações são
organizadas.

Tudo é dado (Grounded Theory (GT))
• O slogan "tudo é dado" está associado à metodologia da (Grounded
Theory) teoria fundamentada. Uma noção da pesquisa de teoria
fundamentada é que tudo deve ser tratado como dados potenciais
em um estudo de pesquisa.
• “A teoria fundamentada funciona com qualquer dado—”tudo é
dado”—não apenas um dado específico”
• Glaser & Holton, 2004: ¶3.3

O que pode acontecer na ausência de dados de
qualidade?
A falta de dados de
qualidade pode prejudicar
uma organização de várias
maneiras
A organização tem que
usar recursos adicionais
para corrigir os dados
A organização experimenta
a redução da confiança e
suporte das partes
interessadas
A organização perde
oportunidades de
identificar áreas de força
ou lacunas nas actividades
dos programas
A organização enfrenta as
consequências
indesejáveis de decisões
inadequadas baseadas em
dados baixa qualidade

Estrutura para fluxo de dados
• Fluxo de dados de um sistema de gerenciamento de dados dos
pontos de serviço até o nível mais alto de agregação.
Nível de Monitoria e
avaliação (Nacional)
Níveis intermédios de
agregação (Regional)
Nível de Pontos de
serviço (Local)

Pontos de serviço
• O fluxo de dados através do sistema de Monitoria e
Avaliação (M&A) começa com o registro.
• Esses dados são colectados em documentos de fonte
primária.
• Exemplos de documentos de fonte primária incluem:
• Registros de pacientes (livros, mapas, fichas);
• Fichas de registro de pacientes;
• Registros de treinamento;
• Registos de distribuição de mercadorias.

Nível intermediário
• Onde os dados dos documentos de origem são agregados e enviados
para um nível superior.

Unidade de Monitoria e Avaliação (M&E Unit)
• Os dados são então agregados antes de serem enviados para o
próximo nível.
• Este processo culmina na agregação ao mais alto nível de uma
organização.

Dimensões de qualidade de dados
MUNDO REAL
No mundo real as actividades
projectadas são implementadas
no campo, estas actividades são
designadas a produzir resultados
que podem ser quantificados.
SISTEMA DE INFORMAÇÃO
Sistemas de informação representam
estas actividades colectando os
resultados que foram produzidos e
registando-os em sistemas de
armazenamento de dados.
QUALIDADE DE DADOS
Qualidade de dados é: o quão
bem o sistema de informação
representa o mundo real.
1. Precisão
2. Confiabilidade
3. Completude
4. Precisão
5. Pontualidade
6. Integridade
7. Confidencialidade

Dimensões de qualidade de dados
Dimensões de
qualidade de
dados
1. Precisão Dados validos, erros mínimos
2. Confiabilidade
Dados medidos e colectados de forma
consistente ao longo do tempo
3. Completude
O sistema de informação agrega todos os
dados que deve medir
4. Pontualidade Datas exactas de envio da informação
5. Precisão
Os dados têm detalhes suficientes para
medir as variáveis
6. Integridade
Sistema de informação é protegido de
manipulação por motivos pessoais
7. Confidencialidade
Os dados são protegidos de acordo com
as normas

Precisão
• Dados precisos têm erros e vieses (Distorção ou tortuosidade na
maneira de observar, de julgar ou de agir) mínimos
• A precisão também é conhecida como validade
• Por exemplo, a precisão pode ser comprometida por meio de erros de
transcrição que podem ocorrer se os dados forem inseridos
incorrectamente no sistema.
• Estes são geralmente erros acidentais e podem ocorrer se alguém
registrar informações incorrectamente ou inserir as informações em
uma base de dados de computador incorrectamente.

Precisão
• A precisão também pode ser afectada por dados que não são
completos, oportunos e precisos.
• A precisão também pode ser directamente afectada pela manipulação
por outros motivos.
• Trabalhadores inadequadamente treinados ou estratégias variadas de
colecta de dados podem afectar precisão dos dados.
• Também é importante obter as causas da morte correctas.
• Por exemplo, homens que morrem de causas maternas ou bebés que
morrem de doenças cardíacas não são causas precisas de morte.

Erro de transcrição
• Erros de transcrição ocorrem quando os dados são inseridos de forma
imprecisa no sistema de informação.
• Geralmente, são erros acidentais, como registrar informações
incorrectamente ou inserir informações incorrectamente em um
banco de dados de computador.

Precisão
• Para aumentar a precisão, as organizações podem
limitar o erro de transcrição:
1. Inserindo dados electrónicos duas vezes e verificando
quaisquer inconsistências
2. Realização de verificações aleatórias de dados que
foram inseridos para verificar a precisão

Confiabilidade
• Os dados são confiáveis quando são medidos e colectados de
forma consistente ao longo do tempo.
• A confiabilidade dos dados depende de um sistema de
informação com protocolos e procedimentos consistentes.
• Dados confiáveis requerem instruções padronizadas e
escritas para a colecta de dados.

Confiabilidade
• Os procedimentos de colecta de dados de uma instituição não devem
mudar de acordo com quem os usa, qual local os usa, quando são
usados ou com que frequência são usados.
• Além disso, os procedimentos para corrigir erros de dados ou lidar
com dados ausentes ou incompletos devem ser consistentes em
diferentes locais e períodos de tempo.
• Para ajudar a equipe a usar procedimentos consistentes de colecta de
dados e impactar a confiabilidade, as organizações podem:
• Desenvolver instruções padronizadas e escritas
• Realizar sessões de treinamento centralizado para a equipe envolvida na
colecta de dados

Diferença entre válido e confiável
• Bons dados são válidos e confiáveis
• Os dados não são válidos nem confiáveis se não
medirem o que se destinam a medir e se os dados
não forem colectados de forma consistente ao longo
do tempo.
• Os dados podem ser confiáveis, mas não válidos, se
forem colectados de forma consistente ao longo do
tempo, mas não medirem o que pretendem medir.
• Dados de alta qualidade devem medir o que se
destinam a medir. E devem ser colectados da mesma
maneira ao longo do tempo.

Completude
• Completude significa que um sistema de informação captura
todas as pessoas, serviços, locais ou outras unidades elegíveis
que deve medir.
• Os dados resultantes devem representar a lista completa de
pessoas, serviços, locais e outras unidades e não apenas uma
fracção da lista.
• A completude é afectada por:
• Até que ponto os documentos de origem incluem todas as informações
relevantes e necessárias para relatar
• A medida em que todos relataram informações para níveis de agregação mais
altos
• Pontualidade dos relatórios para níveis de agregação mais altos

Integridade
• Para garantir a integridade dos dados, as organizações
devem ter sistemas para:
1. Certifique-se de que todos os documentos de origem
estejam totalmente preenchidos com todas as
informações relevantes antes de serem relatados
2. Todos os fornecedores de dados dentro do programa
relatam informações sobre todos os seus
serviços/actividades (pessoas atendidas, serviços
prestados, locais, etc.) e não apenas uma fracção deles

Precisão
• Precisão significa que os dados têm detalhes suficientes para medir os
indicadores (ou variáveis) de acordo com a definição do indicador (ou
das variáveis).
• Quando os dados são mais detalhados, eles são mais precisos, o que
impacta positivamente a qualidade dos dados ao poder representar
adequadamente os dados.
• Isso requer que os formulários de colecta de dados sejam projectados
para colectar dados precisos e que o nível apropriado de detalhes seja
relatado aos níveis mais altos.
• Para garantir a precisão dos dados, as organizações devem
desenvolver medidas como formulários de colecta de dados e
indicadores que permitam a colecta do nível de detalhe mais
apropriado a ser capturado.

Pontualidade
• Actualizações de informações infrequentes, prazos e mudanças nos
cronogramas de actividades podem impedir a entrega de dados em
tempo hábil.
• Dados com dez anos podem não ser mais precisos ou relevantes para
orientar os programas ou projectos de saúde actuais.
• Os dados são oportunos quando são reportados ao próximo nível
atempo de cumprir os prazos de reporte.
• "No prazo" implica que os dados relatados puderam ser usados no
relatório resumido preparado pêlo próximo nível de relatório mais
alto.

Pontualidade
• A pontualidade é afectada por:
• 1. A taxa de actualização do sistema de informações do programa
• 2. A taxa de mudança das actividades reais do programa
• 3. Quando a informação é realmente usada ou necessária
• Os dados devem estar disponíveis com frequência suficiente para que
os gerentes de programa, gerentes regionais e gerentes nacionais ou
internacionais possam usar as informações para tomar decisões de
gestão.
• Para garantir a pontualidade, os fornecedores de dados devem ter
por escrito:
• As datas exactas que eles devem relatar para o próximo nível
• Método de relatório (por exemplo, e-mail, papel)

Integridade
• Os dados são íntegros quando o sistema de informação é protegido
de viés ou manipulação deliberada por motivos políticos ou pessoais.
• Uma revisão independente dos dados pode ajudar a determinar se a
integridade dos dados foi comprometida.
• Saber que os dados estarão sujeitos a uma revisão independente
pode impedir manipulações deliberadas dos dados.
• Uma estratégia para manter e avaliar a integridade dos dados é fazer
uma revisão independente dos dados para determinar se a
integridade dos dados foi comprometida.

Confidencialidade
• Confidencialidade significa que os pacientes têm a garantia de que
seus dados serão mantidos de acordo com as normas nacionais e/ou
internacionais.
• Isso significa que as informações pessoais não são divulgadas deforma
inadequada e que os dados em cópia impressa e electrónica são
tratados com os níveis de segurança adequados.
• Outro aspecto importante é treinar os funcionários para respeitar a
confidencialidade e não compartilhar informações confidenciais.
• Essas medidas protegem a privacidade dos dados.

Confidencialidade
• Para manter a confidencialidade os gerentes de programa
devem:
1. Mantenha registros em papel em armários
trancados
2. Proteja arquivos electrónicos e bancos de dados
com senhas
3. Permitir o acesso aos dados pessoais apenas para
os membros da equipe que precisam deles

Áreas Funcionais de Sistemas de Gerenciamento de
Dados
Áreas
Funcionais
1. Estruturas, funções e
capacidades de M&A
Os principais membros da equipe de gerenciamento de dados são
identificados com uma função e responsabilidades claramente
atribuídas?
A maioria do pessoal chave de M&A e gestão de dados recebeu a
formação necessária?
2. Definições de Indicadores e
Directrizes para Relatórios
A instituição documentou claramente (por escrito) o que é relatado
para quem, e como e quando é necessário relatar?
Existem definições das variáveis que atendem aos padrões relevantes
que são sistematicamente seguidos por todos os locais que fornecem
dados?
3. Colecta de dados,
formulários de relatório e
ferramentas
Os documentos de origem são mantidos e disponibilizados de acordo
com uma política escrita?
Os dados são mantidos de acordo com as directrizes de
confidencialidade internacionais ou nacionais?

Áreas Funcionais de Sistemas de Gerenciamento de
Dados
Áreas
Funcionais
4. Processos de gerenciamento
de dados
Existe documentação clara das etapas de colecta, agregação e
manipulação?
Os desafios de qualidade de dados são identificados e existem
mecanismos para enfrentá-los?
Existem procedimentos claramente definidos e seguidos para
identificar e reconciliar discrepâncias nos relatórios?
5. Links com o Sistema
Nacional de Relatórios
O sistema de colecta de dados e relatórios do programa está vinculado ao
sistema nacional de relatórios?
O que pode ser feito para evitar a contagem dupla?

Áreas Funcionais de Sistemas de Gerenciamento de Dados

Estruturas, Funções e Capacidades de M&A
• As organizações devem garantir que as atribuições da equipe do ME
cubram todas as tarefas de gerenciamento de dados necessárias e
perguntem: Os principais membros da equipe de gerenciamento de dados
são identificados com uma função e responsabilidades claramente
atribuídas?
• Os membros da equipe de gerenciamento de dados têm uma compreensão
clara de sua função e responsabilidades atribuídas?
• Essas responsabilidades devem ser declaradas por escrito para que sejam
claramente comunicadas e compreendidas pelo supervisor e pela equipe.
• Quando ocorre a rotatividade de pessoal, uma descrição documentada de
funções e responsabilidades pode ajudar na transição, fornecendo aos
novos funcionários um esboço claro de suas responsabilidades.

• Tarefas de gerenciamento de dados, Tarefas específicas relacionadas
ao gerenciamento de dados como um recurso valioso.
• Alguns exemplos de tarefas incluem, mas não estão limitados a:
1. Colectar Dados,
2. Inserir Dados,
3. Exportar Dados Armazenados,
4. Organizar Dados,
5. Classificar Dados,
6. Manipular Dados,
7. Analisar Dados,
8. Utilizar Dados,
9. Etc.

• As organizações devem garantir que os funcionários estejam preparados
para cumprir suas responsabilidades de M&A e perguntar: A maioria do
pessoal chave de M&A e gestão de dados recebeu a formação
necessária?
• O treinamento deve ser adaptado às responsabilidades de M&A do
funcionário específico.
• Por exemplo, se os membros da equipe precisarem inserir dados sobre
os pacientes em um banco de dados electrónico, eles precisarão ser
treinados em como usar o software e/ou computador.

• Os funcionários que preenchem e arquivam formulários de
pacientes precisam de treinamento sobre como os formulários
devem ser preenchidos e como o sistema de arquivamento está
organizado
• Certificar-se de que a equipe de M&A foi treinada
adequadamente é fundamental para a exactidão, integridade,
confiabilidade, pontualidade, confidencialidade, precisão e
integridade dos dados.

Directrizes de Relatório de Dados
• Para avaliar a área funcional, Requisitos de Relatório de Dados, as
instituições devem perguntar: A instituição documentou claramente
(por escrito) o que é relatado para quem, e como e quando é
necessário relatar?
• Requisitos claros de relatórios ajudam os membros da equipe a
cumprir suas responsabilidades de relatórios de forma consistente e
rápida.
• As orientações devem especificar ainda os tipos de dados a serem
enviados.
• Se os requisitos de relatório de dados estiverem claramente
documentados, a precisão, confiabilidade, pontualidade e integridade
dos dados serão aprimoradas.

Directrizes de Relatório de Dados
• Duas possíveis causas dos relatórios de dados atrasados são:
• A equipe de M&A em todos os locais de relatório não foi informada
por escrito da data em que o relatório é necessário, ou
• A rotatividade do pessoal de M&A resultou em novos membros do
pessoal sem documentação escrita dos requisitos de relatórios.
• A equipe de M&A não exigiu relatórios de dados precisos, confiáveis,
completos e oportunos.
• Os requisitos de relatórios de dados escritos podem ajudar a equipe
de M&A actual e nova a manter suas responsabilidades de relatórios
e melhorar a qualidade dos dados.

Definições de indicadores
• Existem definições das variáveis que atendem aos padrões relevantes
que são sistematicamente seguidos por todos os locais que fornecem
dados?
• Considere um programa nacional que deseja saber quantas crianças
são atendidas nas consultas.
• Não será capaz de responder a esta pergunta com precisão se todos
os fornecedores de dados não definirem crianças da mesma forma, o
que afectará a exactidão, confiabilidade e precisão dos dados.
• Definições de variáveis e de indicadores consistentes e claras são
importantes para a exactidão, confiabilidade e precisão dos dados.

Colecta de dados, formulários de relatório e
ferramentas.
• Há várias questões que as organizações devem
abordar para garantir que estejam colectando dados
adequadamente.
1. Existem formulários padrão de colecta de dados e
relatórios que são sistematicamente usados em todo o
sistema?
2. Os dados são registrados com precisão/detalhes
suficientes para medir variáveis relevantes?

Colecta de dados, formulários de relatório e ferramentas.
• Com o uso de diferentes formulários, é possível que os dados de ATV não
sejam relatados com o nível de Precisão exigido pela definição nacional de
ATV.
• Diferentes formas também aumentam o risco de os números serem
adicionados incorrectamente, afectando a precisão dos dados.
• Por exemplo, se a coluna para "total" estiver no lado esquerdo em um
formulário e à direita em outro formulário, um oficial de M&A inexperiente
pode relatar os números da coluna errada.
• Exigir vários formulários também pode tornar o relatório de dados menos
• oportuno.
• Um sistema padronizado de freios e contrapesos protege todos
(funcionários de M&A, equipe do país, governo anfitrião, doador
internacional, etc.) de questões relacionadas à integridade dos dados.

Colecta de dados, formulários de relatório e ferramentas
• A padronização dos formulários de colecta e notificação de dados e
suas instruções aumenta a confiabilidade e a precisão dos dados.
• Os formulários padrão também podem garantir que todos os locais
registrem dados com detalhes suficientes para medir os indicadores
relevantes.
• Isso melhora a precisão dos dados.

• Os documentos de origem são mantidos e disponibilizados de acordo
com uma política escrita?
• Os documentos de fonte primária precisam estar bem organizados e
disponíveis para que:
1. As instituições possam facilmente verificar documentos de origem se os
dados relatados parecem ter erros, e quaisquer auditores de dados podem
verificar os documentos de origem para verificar se os dados relatados são
precisos.
2. Nesse ponto, os auditores começam a revisar os documentos de origem,
que neste caso são registros.
3. Se os auditores não conseguirem localizar os documentos de origem, eles
não poderão verificar o número correcto de atendidos

Colecta de dados, formulários de relatório e
ferramentas
• Um documento de fonte primária é o primeiro pedaço de papel no qual um
serviço é registrado quando é realizado.
• Também pode ser a documentação primária de outras actividades da
instituição, como distribuição de mercadorias ou treinamento de pessoal.
• Os fornecedores de dados para a instituição precisam manter os
documentos de origem de acordo com regras bem documentadas.
• Dessa forma, a equipe saberá manter os documentos de origem relevantes
e os arquivará para que seja fácil recuperá-los até o período do relatório.
• O acesso a esses documentos é necessário para que os auditores de dados
determinem a qualidade dos dados, particularmente sua precisão.

• A pergunta final que as instituições devem fazer sobre formulários e
ferramentas de relatório é: Os dados são mantidos de acordo com as
directrizes de confidencialidade internacionais ou nacionais?
• As organizações podem garantir que as informações pessoais dos
paciente permaneçam confidenciais ao:
1. Manter as informações impressas em um armário trancado,
2. Proteger informações electrónicas com uma senha e treinar os provedores
para respeitar a confidencialidade e não compartilhar informações
confidenciais com outros.
3. Instruir que as ferramentas de colecta de dados precisam preservar a
confidencialidade dos dados por razões éticas.
Além disso, as organizações não querem que os pacientes não adiram
aos serviços por terem dúvidas se sua privacidade será mantida.

Processos de Gerenciamento de Dados
• As organizações devem examinar seus processos de gerenciamento
de dados e perguntar: Existe documentação clara das etapas de
colecta, agregação e manipulação dos dados?
• As etapas a seguir do processo de gerenciamento de dados devem ser
documentadas com orientações claras, incluindo a descrição das
funções e responsabilidades dos indivíduos responsáveis pelas
tarefas:
1. Colecta ou extracção de dados
2. Entrada ou inserção de dados
3. Limpeza de dados
4. Verificação de qualidade de dados
5. Síntese de dados
6. Análise de dados

• A documentação dessas etapas pode ajudar as
instituições a identificar quaisquer problemas ou
causas de atraso no processo de gerenciamento de
dados.
1. Colecta ou extracção de dados
2. Entrada ou inserção de dados
3. Limpeza de dados
4. Verificação de qualidade de dados
5. Síntese de dados
6. Análise de dados
• Isso melhora a precisão, confiabilidade e
pontualidade dos dados.
ETL significa " Extrair, Transformar e Carregar "

• Para verificar se os mecanismos e controles de qualidade de dados apropriados
estão em vigor, as instituições devem fazer várias perguntas: Os desafios de
qualidade de dados são identificados e existem mecanismos para enfrentá-los?
• As instituições devem antecipar os obstáculos aos dados de alta qualidade e criar
mecanismos para lidar com esses obstáculos.
• Existem procedimentos claramente definidos e seguidos para identificar e
reconciliar discrepâncias nos relatórios?
• As instituições precisam de procedimentos claramente definidos para identificar
possíveis erros de dados e corrigi-los. Verificar e corrigir erros é fundamental para
a precisão dos dados.
• Os membros da equipe de dados precisam seguir procedimentos consistentes em
todo o sistema para corrigir esses erros para que os dados sejam confiáveis.
• As instituições precisam de mecanismos e controles para garantir a precisão e a
confiabilidade dos dados.

• Existem procedimentos claramente definidos e seguidos para verificar
periodicamente os dados deorigem?
• Existem várias maneiras de verificar os dados.
• Dois tipos de verificação de dados são revisão dedocumentação e
rastreamento e verificação.
• Revisão da documentação:
• No local de prestação de serviços, a revisão da documentação requer a
revisão da disponibilidade eintegridade de todos os documentos de origem
do indicador para um período de relatórioselecionado.
• No nível de agregação intermediário e nos níveis mais altos de M&A, a
revisão da documentaçãorequer a revisão da disponibilidade, pontualidade
e integridade dos relatórios esperados dasentidades que relatam para um
período de relatório selecionado.

• Rastreamento e verificação no local de prestação de serviços , rastrear e
verificar os números relatados para um período de relatório especificado
envolve as três etapas a seguir:
• 1. Recontar os números relatados de documentos de origem disponíveis.
• 2. Comparar os números verificados com os números relatados para o período de
relatório especificado.
• 3. Identificar as razões para quaisquer diferenças.
• No nível de agregação intermediário e nos níveis mais altos, rastrear e
verificar os números relatados envolve as três etapas a seguir:
• 1. Reagregar os números reportados para o período de reporte seleccionado.
• 2. Comparar as contagens verificadas com os números enviados para o próximo
nível.
• 3. Identificar as razões para quaisquer diferenças.

• Revisão da documentação
• No local de prestação de serviços, a revisão da documentação requer
a revisão da disponibilidade e integridade de todos os documentos de
origem do indicador para um período de relatório seleccionado.
• No nível de agregação intermediário e nos níveis mais altos de M&A,
a revisão da documentação requer a revisão da disponibilidade,
pontualidade e integridade dos relatórios esperados das entidades
que relatam para um período de relatório seleccionado.

Links com o Sistema Nacional de Relatórios
• Para evitar ter sistemas de colecta de dados paralelos, os programas
devem perguntar:
• O sistema de colecta de dados e relatórios do programa está vinculado
ao sistema nacional de relatórios?
• A falta de conexão com o sistema nacional de relatórios pode resultar em
sistemas paralelos. Os sistemas paralelos podem criar trabalho
desnecessário porque podem exigir que os membros da equipe relatem
as mesmas informações mais de uma vez.
• Os sistemas paralelos também podem levar à dupla contagem dos
serviços prestados.
• Por exemplo, os sistemas separados de colecta de dados podem contar
um indivíduo que recebeu tratamento de HIV uma vez em cada sistema.

Contagem dupla
O que é contagem dupla?
• É um erro que ocorre quando serviços, indivíduos ou outras unidades
de medida são contados duas vezes.
• Um importante problema de qualidade de dados que os programas
enfrentam é superestimar os resultados pela dupla contagem de
indivíduos ou locais de serviço que recebem assistência.
• É importante que um sistema de gerenciamento de dados seja capaz
de diferenciar unidades únicas de acordo com definições
padronizadas de indicadores para agregar dados de forma confiável e
precisa ,evitando dupla contagem.

Contagem dupla
• Dados confiáveis - Os dados gerados pelo sistema de informação de
um programa são baseados em protocolos e procedimentos que não
mudam de acordo com quem os utiliza e quando ou com que
frequência são utilizados.
• Os dados são confiáveis porque são medidos e colectados de forma
consistente.
• Precisão - Também conhecido como validade. Dados precisos são
considerados correctos: os dados medem o que se destinam a medir.
Dados precisos minimizam o erro (por exemplo, viés de gravação ou
entrevistador, erro de transcrição, erro de amostragem) a ponto de
ser insignificante.

Como pode ocorrer a contagem dupla?
Como
pode
ocorrer
a
contagem
dupla?
Tipo I: Contagem Dupla de
Indivíduos no Parceiro
Um parceiro em um local fornece o mesmo serviço (treinamento,
tratamento, cuidados, etc.) várias vezes ao mesmo indivíduo dentro de
um período de relatório e conta o indivíduo como tendo recebido o
serviço várias vezes dentro do mesmo período de relatório
Tipo II: Contagem Dupla de
Indivíduos Entre Parceiros
Dois ou mais parceiros fornecem o mesmo serviço (prevenção,
tratamento, cuidados, etc.)
Tipo III: Contagem Dupla de
locais fornecedores de dados
Dois ou mais parceiros fornecem os suprimentos e/ou serviços para a
mesma organização dentro de um período de relatório e contam esse
local como um de seus pontos de serviço

O que pode ser feito para evitar a contagem dupla do tipo I?
Contagem Dupla de Indivíduos no Parceiro
• Os programas devem fornecer definições claras de indicadores que
especifiquem se os resultados devem ser relatados para indivíduos alcançados
durante um período de relatório ou cumulativamente entre períodos de
relatório.
• Idealmente, para cada tipo de serviço, será utilizado um sistema nacional de
registro de clientes para permitir contagens únicas de "pessoas atendidas".
• Isso permitirá que as agregações nacionais de indivíduos atendidos evitem a
dupla contagem tanto dentro de organizações ou parceiros quanto entre
organizações ou parceiros.
• O uso de formulários padrão de colecta de dados e relatórios que incluem um
sistema de identificação único pode contribuir para evitar a dupla contagem.

O que pode ser feito para evitar a contagem dupla do tipo II?
Contagem Dupla de Indivíduos entre Parceiros
• Se um sistema nacional de registro de clientes não for viável, cada
organização ou parceiro deve pelo menos encontrar uma maneira de
identificar exclusivamente cada indivíduo que recebe um
determinado serviço.
• Desta forma, ao final do período do relatório haverá listas precisas e
legíveis de indivíduos (por nome ou número de identificação) que
podem ser usadas para fazer contagens directas de indivíduos em
treinamento e/ou prestação de serviços.
• Os programas devem desenvolver directrizes escritas e treinar a
equipe de Monitoramento e Avaliação M&A para contar os indivíduos
em vez do número de visitas a um local.

O que pode ser feito para evitar a contagem dupla do tipo III?
Contagem Dupla de locais fornecedores de dados
• Os programas devem traçar um mapa geograficamente preciso de todos
os locais de prestação de serviços no programa do país.
• Cada site deve ser codificado para significar a Área do Programa, os
Parceiros de Implementação que fornecem suporte ao site e o tipo de
suporte.
• No mínimo, o Programa deve saber:
1. Exactamente quantos locais de prestação de serviços existem no país;
2. Qual(is) Área(s) do Programa está(ão) representada(s) em cada local;
3. Quais Parceiros fornecem que tipo de suporte ao site.
• Este conhecimento constitui a base para a comunicação entre a equipa d
e Informações Estratégicas e os parceiros relevantes sobre o risco de
locais de dupla contagem.

Ferramentas para lidar com a contagem dupla
Ferramentas
para
lidar
com
a
contagem
dupla
Mapeamento para endereçar a
contagem dupla
A contagem dupla pode surgir quando um paciente
recebe o mesmo serviço de diferentes instituições
Ferramenta de Fortalecimento de
Sistemas de Monitoramento e
Avaliação
Avaliar seus planos de M&A;
Fazer um balanço das capacidades das Unidades
Avalie os sistemas de colecta de dados e relatórios
Ferramenta de Avaliação de Qualidade
de Dados (DQA)
Auditoria da concepção e implementação dos sistemas de
recolha e comunicação de dados
Protocolos de 'rastreamento e verificação' que permitem
uma recontagem dos resultados
Modelos para permitir que a equipe de auditoria produza
e apresente descobertas e recomendações

Ferramentas
para
lidar
com
a
contagem
dupla Ferramenta de Avaliação de
Qualidade deDados de Rotina
versão simplificada do DQA para auditoria. Fornece a metodologia
para avaliar a capacidade dos programas/projectos de colectar e
relatar dados de qualidade
Ferramenta de garantia de
qualidade de dados para
indicadores em nível de
programa
consiste em diagnósticos, orientações, planilhas e caixas de texto que
enfatizam a prevenção e o gerenciamento de desafios de qualidade
de dados e processos de documentação para que os sistemas de
relatórios sejam auditáveis
Ferramentas de amostra para
cobertura geográfica do
programa de rastreamento
Cobertura geográfica do programa
Indicadores por parceiros de implementação
O Procedimento de Auditoria de
Qualidade de Dados de
Imunização (DQA)
foi concebido como um meio de verificar o desempenho relatado,
bem como aprimorar os sistemas de monitoramento e notificação de
vacinação.

• Várias ferramentas foram desenvolvidas em conjunto por parceiros
internacionais para avaliar a dupla contagem e melhorar a qualidade dos
dados.
• Essas ferramentas abordam as seguintes questões relacionadas à dupla
contagem:
1. "Existe um processo para evitar a dupla contagem de pessoas que recebem o
mesmo serviço mais de uma vez durante o período do relatório?"
2. "Existe um processo para evitar a dupla contagem de pessoas que estão inscritas
em serviços relacionados da mesma organização (eg órfãos e crianças vulneráveis
que recebem tanto taxas escolares quanto apoio nutricional)?"
3. Descreva qual documento de origem e procedimento está sendo usado para
registrar pacientes que foram perdidos, falecidos ou transferidos de entrada/saída.

Bibliografia
Centro de e-learning de saúde global -
https://www.globalhealthlearning.org/pt/course/data-quality/section/introduction-
data-quality-data-management

Sites para fazer cursos gratuitos com certificados
O Global Health eLearning Center (Centro de eLearning de Saúde
Global oferece cursos destinados a aumentar os seus conhecimentos
sobre diversas áreas técnicas de saúde global.
https://www.globalhealthlearning.org/pt/courses
Em 2005, o Gabinete de Saúde Global da USAID desenvolveu o
Global Health eLearning (GHeL) Center para fornecer acesso a
informações técnicas actualizadas sobre saúde global às suas
equipas de saúde em missão no mundo inteiro.
Agência dos Estados Unidos para o Desenvolvimento Internacional (USAID)

Sites para fazer cursos gratuitos com certificados

Qualidade de Dados

Recomendados

Recomendados

Más contenido relacionado

Similar a Qualidade de Dados

Similar a Qualidade de Dados (20)

Más de Celso Paquete Cellso

Más de Celso Paquete Cellso (11)

Último

Último (6)

Qualidade de Dados