[论文解读] A Framework for Transparent Reporting of Data Quality Analysis Across the Clinical Electronic Health Record Data Lifecycle

M. Wassell, Kerryn Butler-Henderson+1 more|arXiv (Cornell University)|Mar 1, 2026

Scientific Computing and Data Management被引用 0

一句话总结

该论文开发了一个框架，以在临床 EHR 数据生命周期中透明地报告数据质量评估，澄清溯源并为研究与 AI 工作流的 DQ 改进提供有针对性的方向。

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.

研究动机与目标

• 澄清在临床 EHR 数据生命周期中哪些环节进行数据质量检查。
• 区分数据生成方和数据接收方，以将 DQ 参数映射到生命周期阶段。
• 识别参与者和生命周期阶段，为 DQ 评估提供结构化的报告框架。
• 在真实世界数据集上展示框架的适用性，揭示 DQ 问题的起源。
• 为研究人员和组织提供实用指南，以理解数据溯源和治理。

提出的方法

• 进行反复分析以识别临床数据生命周期中的参与方和阶段。
• 定义五阶段生命周期以及多方参与者，将 DQ 参数映射到各阶段。

实验结果

研究问题

• RQ1 在影响数据质量报告的临床 EHR 数据中，关键的生命周期阶段和参与者有哪些？
• RQ2 如何透明地报告 DQ 评估以指示溯源和在数据生命周期中的再利用适配性？
• RQ3 区分数据生成方与数据接收方如何帮助追踪 DQ 问题？
• RQ4 框架是否能够揭示现实世界 EHR 数据集中 DQ 问题的起源？

主要发现

• 框架识别出五个生命周期阶段和用于 DQ 报告的多方参与者。
• 它区分数据生成方与数据接收方，将 DQ 参数映射到生命周期阶段。
• 应用于现实世界数据集时，框架证明了揭示 DQ 问题可能起源的能力。
• 该方法提供了一种用于报告 DQ 评估、提高透明度和治理的结构化方法。
• 该框架通过改进溯源性，支持可靠的临床研究、AI 模型开发和内部组织治理。
• 该工作为研究人员和组织提供实用指南，在数据生命周期中针对 DQ 改进。