加强美国公共卫生机构的数据治理

麦肯锡直接 加强美国公共卫生机构的数据治理 美国公共部门机构提供了有关公共卫生机构如何以整体方式处理数据治理的宝贵经验。 作者：Connor Norwood, Saumya Singh, Keerthana Sundar和Hrishika Vuppala 数据和信息管理，包括数据治理在内，近年来已成为州首席信息官(CIO)的十大政策和技术优先事项。1该排名强调了私营和公共部门组织更加关注数据的使用，以支持更快，更丰富的洞察力生成。 满足变革管理需求的周到举措。 6.为数据使用和解释建立跨生态系统的人才能力。 7.建立跨职能、集中的治理结构，领导数据治理决策。 这种增加的重点是合理的；数据治理的内聚方法可能是在正确的时间和正确的格式将正确的数据提供给正确的人的重要因素。数据治理对于实现国家机构的职能尤其重要，包括公共卫生。例如，一个统一的数据治理框架可以更早地发现公共卫生威胁，更协调地应对公共卫生紧急情况，更明智的日常决策以及更高的风险管理能力。 8.逐步扩大和扩大已经在进行的工作。 为了帮助州机构成功地将这些见解应用于个人环境，本文 首先概述了有凝聚力的数据治理方法的好处(“为什么”)。然后，它描述了应用于公共卫生机构的数据治理框架的维度，最后分享了一些例子，展示了机构如何从数据治理的几个维度开始，然后随着时间的推移，建立我们框架中概述的整体方法。 为了帮助机构入门，本文提供了从各州机构（例如州卫生部门和IT机构）的现有数据治理工作中得出的八个关键见解： 1.通过一些高优先级的用例建立动力。 2.了解不断发展的公共卫生标准和指南，并尽早参与创新工作。 具有凝聚力的数据治理方法对公共卫生的好处 一个统一的数据治理框架为公共和私营部门组织提供了显着的优势。在公共卫生生态系统中，这种方法可以提供许多好处： 3.根据数据隐私和安全准则，尽可能建立开放的数据状态。 —获得近乎实时的高质量数据，以便及早发现不断变化的公共卫生状况并对其做出更快的反应 4.确保技术基础设施适合支持国家的战略需求。 5.自动化数据管理，以减轻启动时的手动负担 —提供强大的数据，以加快机构的优先事项，如综合疾病监测、病例调查和病例管理 公共卫生机构数据治理方法的四个关键维度 —更有效地使用数据和分析来支持决策和政策实施 根据我们在私营和公共部门的工作经验，我们对麦肯锡DRIVE框架进行了调整，以实现数据管理和数字化转型（数据战略、影响案例和路线图；信息架构和技术；公共卫生的价值，运营模式和治理；道德，人才和文化），以满足公共卫生机构的数据治理需求（图表1）。 —将正在进行和计划中的数据和技术工作与地方、州和联邦法规和数据共享要求以及不断发展的国家数据标准保持一致 —提高管理与道德、隐私和健康公平等交叉优先事项相关的重要考虑因素的能力 公共卫生机构的数据治理方法包括四个关键维度，改编自麦肯锡DRIVE框架。 定义和确定数据用例的优先级与总体组织目标(例如，减少差距或公平)保持一致，并将用例转化为特定数据域和数据元素专注于部署安全的基础设施和工具执行和自动执行数据策略和标准（例如，自动数据质量检查和元数据管理，支持数据访问的体系结构以及隐私和安全性）站起来结构和过程支持数据治理工作，并确保所有数据和分析工作符合地方、州和国家的指导和标准（例如，采用快速医疗保健互操作性资源[FHIR]标准）确保数据的道德使用，定义所有权和问责制在数据域和流程上(例如，为医疗保健数据分配数据所有者和管理者)，并开发健壮的决策体系结构(例如，具有定义的RACI的数据治理委员会1矩阵)1234 Each dimension can be further breakned down into variouscomponents (Exhibit 2). While all of these components areimportant, they do not need to be addressed totally; as wewill see in the next section, organizations generally ket offdata 见解1：通过一些高优先级用例建立动力 公共卫生机构通常面临多种相互竞争的需求。我们的经验表明，在定义数据和分析策略时，大多数公共卫生机构没有满足所有已确定需求所需的资源。因此，对实现一些高优先级分析用例的强烈而明确的关注可能是有价值的。这个重点 治理努力，在进一步扩大之前，在几个领域采取行动，解决痛点。 即使在实施正式的组织工作方式或完全健壮的数据架构之前，机构也可以有效地引导资源并实现有意义的早期进展。 从其他国家机构的经验中获得的见解 随着机构开发和执行他们的数据治理方法，他们可能会发现绘图的价值 For example, the State of New Jersey Department of PublicHealth ’ s data and technology modeminalization effortsstarted with a list of business use cases aligned to the state ’s mission and positions. This list were prioritized based onimpactivity, perimpotenti 从其他国家机构的经验，包括卫生部门和IT机构。我们的见解解决了上述数据治理框架的四个维度的组合，展示了公共卫生机构的方式 首先要特别注意数据治理框架的某些组件，而不是同时处理所有组件。 随着机构开发和执行其数据治理方法，他们可能会发现借鉴其他州机构（包括卫生部门和IT机构）的经验的价值。 附件2 每个数据治理维度都提出了公共卫生机构需要考虑的各种因素。 麦肯锡公司 为每个单独的用例而构建的用例可以被其他人重用。该机构使用了“土地和扩展”策略，以优先考虑的用例子集开始，使其能够提供利益相关者关心的可衡量的可见结果。2例如，作为现代化工作的一部分而构建的分析和仪表板使该机构能够更轻松地访问响应优先资助申请和赠款所需的信息，将响应时间从几周缩短到几天。 例如卫生部，以有效访问最新的免疫数据并减少冗余查询。更广泛地说，参与确保保持州机构的关注在公共卫生技术创新的设计和推出中，这种参与在新的进步中变得越来越重要，例如在公共卫生中应用生成人工智能。 见解3：在可能的情况下建立开放的数据态势，符合数据隐私和安全准则 见解2：了解不断发展的公共卫生标准和指南， 并尽早参与创新工作 许多国家机构正在收集和使用特定领域的数据。例如，农业部门可能会收集有关动植物健康的数据，而各种健康和人类服务部门可能会收集医疗补助或其他行为健康数据。 公共卫生标准和指南可能会根据技术创新的步伐以及公共卫生需求和风险的不断发展而定期更改。例如，国家卫生信息技术协调员办公室（ONC）目前正在努力提高互操作性，并通过USCDI +倡议为公共卫生生态系统定义标准化数据模型。3该倡议汇集医疗保险和医疗补助服务中心、疾病控制和预防中心(CDC)和其他行业合作伙伴帮助公共卫生数据更加兼容和一致。选择性参与此类举措可以使州公共卫生机构塑造话语，而不必追赶并纠正飞行中的举措。 预先协商的数据使用协议可以使各州机构之间无缝，更快地共享默认数据。在国家一级，针对公共卫生的可信交换框架和共同协议（TEFCA）旨在通过“通用数据使用协议”促进医疗保健和美国公共卫生生态系统之间的类似互操作性。6 在州一级，一些州拥有中央数据团队来建立“道路规则”，以帮助其公共卫生机构驾驭数据环境并遵守特定州的数据- 例如，罗德岛卫生部于2023年初加入了Helios快速医疗互操作性资源（FHIR）公共卫生加速器，以提高该州电子健康的互操作性记录和免疫信息系统。4Helios加速器于2021年底推出，旨在使用FHIR标准简化所有公共卫生级别的数据共享。5尽早加入这一倡议使参与机构能够， 共享立法。这种数据共享可以在决策机构之间实现共同的运作情况，以便更快地识别潜在的威胁。例如，使用关于鸟类健康的农业数据可以及早发现影响人类健康的潜在禽流感爆发。 例如，2021年科罗拉多州的一项法律规定了全州数据共享的“共享优先”期望 同时加强国家和国家关于数据隐私和安全的指导方针。7该法律规定，除非州或联邦法律禁止，否则机构有权优先与其他州机构、立法和司法部门以及非政府组织共享数据。 agency or across agencies as a whole. Getting approvals tosystematic reshiew and reimpline the enterm - widetechnical infrastructure may be not vasible for all stateagencies. 此外，该州的政府数据咨询委员会的任务是创建标准化的数据共享协议，以促进更大的共享。8 例如，纽约州的健康数据纽约平台在许多领域提供了去识别的公共数据，包括COVID - 19、环境健康和慢性病。11该平台集中健康数据，并提供广泛的元数据（例如，数据类型和定义的概述，粒度，覆盖范围和数据集所有者）和可视化。该平台还确保向公众提供的数据符合隐私和安全准则。界面被设计为尽可能可扩展和用户友好；平台提供 然而，公共卫生机构应确保所有数据收集、使用和共享符合任何现有的安全、隐私和道德准则。例如，屏蔽个人身份信息(PII)和受保护的健康信息(PHI)，抑制小细胞大小，9确保收集的数据用于有针对性的目的，并避免“功能蠕变”。10考虑到相关的灵敏度，这一点尤为重要。与个人层面的公共卫生和医疗保健数据。 例如，有关基础数据集包含的内容的详细信息，以及用户可以进一步完善的入门可视化。 Insight 5:自动化数据管理以减轻人工负担,同时启动周到的计划以满足变更管理需求 洞察力4：确保技术基础设施适合支持国家的战略需求为了实现数据治理目标，公共卫生机构需要适当的技术和基础设施。例如，如果数据访问是一个州的优先事项，那么启用的技术基础设施需要允许无缝数据供应、访问控制设置和数据检索。例如，在公共部门环境中，优化基础设施可能更加困难如果现有基础架构较旧、高度复杂且未在 疾病预防控制中心发布的一份2022年报告发现，一家州公共卫生机构的流行病学家花费了高达80%的时间来清理数据。12如今，许多工具可以自动化一些手动工作，例如管理元数据。 这些工具可以大大减少员工的负担，腾出时间来寻找正确的数据或清理数据，以阐明见解并为决策提供信息。 支持将所有收集的数据集中到该州的数据湖中，并确保易于使用的可视化可用于决策。该机构了解到，仅仅提供数据和可视化不足以确保个人有效地使用数据。因此，该中心的一个重点是为整个机构的流行病学家和数据用户举办关于数据使用、分析和解释能力的学习会议。随着时间的推移，。 此类举措可以从适当的变更管理努力中受益。例如，在与州卫生部门合作时，我们发现公共卫生计划人员最初拒绝采用节省时间的技术工具，因为它们与现状有关。该机构的变更管理计划包括指定技术冠军 工具采用，提供有关工具的培训，广泛传达工具的价值主张，以加快企业范围的采用，并展示早期的胜利。 hub与当地大学和培训计划合作，提供额外的证书和持续的学习机会。 州机构推出简化数据管理的工具的另一个例子包括弗吉尼亚州数据管理和分析办公室(ODGA)，该办公室推出了托管在安全Azure环境中的企业数据目录。13数据目录包括数据资产清单以及元数据，使机构能够做出更明智的决策。元数据还显示数据集是否包含敏感信息，例如 见解7：建立跨职能、集中的治理结构，领导数据治理决策 为公共卫生决策提供信息的数据涵盖多种类型，包括病例数据，实验室数据以及与免疫和废水监测相关的数据。这些数据需要与从广泛来源收集的见解进行整合