[논문 리뷰] A Framework for Transparent Reporting of Data Quality Analysis Across the Clinical Electronic Health Record Data Lifecycle

M. Wassell, Kerryn Butler-Henderson외 1명|arXiv (Cornell University)|2026. 03. 01.

Scientific Computing and Data Management인용 수 0

한 줄 요약

이 논문은 임상 EHR 데이터 수명주기 전반에 걸친 데이터 품질 평가를 투명하게 보고하기 위한 프레임워크를 개발하고, 원천 추적성을 명확히 하며 연구 및 AI 워크플로우를 위한 대상화된 DQ 개선을 가능하게 한다.

ABSTRACT

Data quality (DQ) and transparency of secondary data are critical factors that delay the adoption of clinical AI models and affect clinician trust in them. Many DQ studies fail to clarify where, along the lifecycle, quality checks occur, leading to uncertainty about provenance and fitness for reuse. This study develops a framework for transparent reporting of DQ assessments across the clinical electronic health record (EHR) data lifecycle. The reporting framework was developed through iterative analysis to identify actors and phases of the clinical data lifecycle. The framework distinguishes between data-generating organizations and data-receiving organizations to allow users to map DQ parameters to stages across the data lifecycle. The framework defines 5 key lifecycle phases and multiple actors. When applied to the real-world dataset, the framework demonstrated applicability in revealing where DQ issues may originate. The framework provides a structured approach for reporting DQ assessments, which can enhance transparency regarding data fitness for reuse, supporting reliable clinical research, AI model development, and internal organisational governance. This work provides practical guidance for researchers to understand data provenance and for organisations to target DQ improvement efforts across the data lifecycle.

연구 동기 및 목표

• 임상 EHR 데이터 수명주기 전반에서 데이터 품질 검사 위치를 명확히 정의한다.
• DQ 매개변수를 수명주기의 단계에 매핑하기 위해 데이터 생성 조직과 데이터 수신 조직을 구분한다.
• DQ 평가를 위한 구조화된 보고 프레임워크를 제공하기 위해 주체와 수명주기 단계를 식별한다.
• 실제 데이터셋에 프레임워크의 적용 가능성을 입증하여 DQ 문제의 기원을 밝힌다.
• 데이터 원천 이해와 거버넌스에 대해 연구자와 기관에 실무적 지침을 제공한다.

제안 방법

• 임상 데이터 수명주기의 주체와 단계를 식별하기 위한 반복적 분석.
• five-phase lifecycle와 여러 주체를 정의하여 DQ 매개변수를 단계에 매핑한다.

실험 결과

연구 질문

• RQ1 데이터 품질 보고에 영향을 미치는 임상 EHR 데이터의 핵심 수명주기 단계와 주체는 무엇인가?
• RQ2 데이터 수명주기 전반에 걸쳐 원천 추적성과 재사용 적합성을 나타내도록 DQ 평가를 어떻게 투명하게 보고할 수 있는가?
• RQ3 데이터 생성 조직과 데이터 수신 조직을 구분하는 것이 DQ 문제 추적에 어떻게 도움이 되는가?
• RQ4 이 프레임워크가 실제 EHR 데이터셋에서 DQ 문제가 어디에서 기인하는지 밝힐 수 있는가?

주요 결과

• 이 프레임워크는 DQ 보고를 위한 five-phase lifecycle와 다수의 주체를 식별한다.
• 데이터 생성 조직과 데이터 수신 조직을 구분하여 DQ 매개변수를 수명주기 단계에 매핑한다.
• 실제 데이터셋에 적용하여 프레임워크가 DQ 이슈의 기원을 어디에서 시작하는지 밝힐 수 있음을 보여주었다.
• 이 방법은 투명성과 거버넌스를 강화하기 위한 DQ 평가 보고의 구조화된 방법을 제공한다.
• 원천 추적성 개선을 통해 신뢰할 수 있는 임상 연구, AI 모델 개발 및 내부 조직 거버넌스를 지원한다.
• 본 연구는 데이터 수명주기 전반에 걸쳐 DQ 개선을 목표로 연구자와 기관에 실용적 지침을 제공한다.