基于标准的城市公共卫生信息交流与应对新冠肺炎:发展研究gydF4y2Ba

简介gydF4y2Ba

自中国武汉出现导致COVID-19的SARS-CoV-2病毒以来[gydF4y2Ba1gydF4y2Ba]， 2020年宣布全球大流行[gydF4y2Ba2gydF4y2Ba]，在美国各地观察到广泛和持续的传播。截至2022年3月23日，美国有79,621,004例病例和971,422例死亡[gydF4y2Ba3.gydF4y2Ba］．gydF4y2Ba

疾病监测是美国公共卫生的一项重要职能。它提供了有关疾病负担以及疾病的临床和流行病学参数的基本信息，是进行有效和及时的病例调查的重要内容。除了个人和汇总的患者数据外，大流行还需要仔细监测卫生保健能力和利用情况，以确保满足临床护理需求，特别是在病例激增、能力紧张的情况下;对病例计数的持续监测有助于满足这一需求gydF4y2Ba

近20年来，通过联邦项目和授权，对疾病监测和流行病学的公共卫生功能的支持一直嵌入美国主要的国家信息学倡议中。这些努力包括综合征监测[gydF4y2Ba4gydF4y2Ba]，电子化验报告(ELR) [gydF4y2Ba5gydF4y2Ba在有意义的使用计划中[gydF4y2Ba6gydF4y2Ba(该计划通过多种联邦激励措施授权卫生系统实施电子健康记录[EHRs])，以及国家医疗安全网络(NHSN)的发展[gydF4y2Ba7gydF4y2Ba］．这些项目在美国各地的医院、商业实验室和公共卫生部门之间建立了联系，这些机构通常通过电子病历和订单工作流来收集和组织数据，以提高报告的及时性和完整性。gydF4y2Ba

理论上，有意义使用计划提供的标准数据格式和交换方法应该能够在破坏性卫生保健事件(如大流行)的情况下实现快速的卫生保健数据交换。在现实中，获取数据仍然具有挑战性，即使可以获得数据，也往往不符合监管标准[gydF4y2Ba8gydF4y2Ba］．当前的COVID-19大流行暴露了数据流动性的缺口(即，在1点输入系统的数据应可在系统下游的其他点使用)，以及决策者和公共卫生当局等关键利益攸关方难以快速收集信息[gydF4y2Ba9gydF4y2Ba］．gydF4y2Ba

在大流行的早期阶段，芝加哥公共卫生局(CDPH)和芝加哥的卫生系统试图解决两个主要挑战:第一，有效提交新冠病毒检测患者的必要临床数据元素的能力，第二，以行政效率的方式获取汇总能力数据，用于资源规划。尽管该市的医院和卫生系统对电子病历进行了大量投资，但电子病历系统无法将重要的数据元素自动传递到公共卫生监测系统，这意味着提供者和卫生系统必须手动将数据输入公共卫生报告系统。然而，大量患者和对卫生系统的巨大工作需求限制了及时和完整的人工数据录入。随着大流行的发展，多个机构要求提供床位和激增容量信息，包括国家卫生与健康网络、联邦紧急事务管理署(FEMA)、国民警卫队和伊利诺伊州公共卫生部(IDPH)，所有这些机构的数据元素定义略有不同(gydF4y2Ba多媒体附录1gydF4y2Ba)．在当地，获取资源容量数据的一个重要方面是监测激增容量并协助协调资源。多个报告需求、不同的定义，以及关键资源指标(如床容量)的自动实时提交的有限机制，引起了对跨系统本地监视资源容量的能力的关注。gydF4y2Ba

为了应对这些挑战，卫生和福利部发布了一项公共卫生命令，要求电子数据共享，并与拉什大学医学中心合作，利用现有的COVID-19卫生信息技术(HIT)基础设施，开发一个数据交换平台。在本文中，我们描述了执行公共卫生命令所需的技术和操作组件、治理模型和时间表，该命令要求芝加哥管辖范围内的医院对来自电子病历的数据进行电子报告。我们还会评估数据源、基础设施需求、提供给平台的数据的完整性以及链接这些数据源的能力。作为报告感兴趣的临床相关领域的一个例子，我们将数据提要中的可用领域与gydF4y2Ba2019年人类感染新型冠状病毒病例报告gydF4y2Ba(亦称新冠肺炎受调查人员[PUI]表格)[gydF4y2Ba10gydF4y2Ba］．最后，我们回顾了在本区域迅速实现数据共享的成功因素。gydF4y2Ba

方法gydF4y2Ba

设置gydF4y2Ba

该项目是由CPDH与拉什大学医学中心合作开展的，拉什大学医学中心是CDPH的第三方代理，负责开发和支持分析，并提供支持数据收集的基础设施。gydF4y2Ba

公共卫生的通知gydF4y2Ba

2020年4月6日，芝加哥卫生与福利部发布了2020-4号公共卫生命令，要求芝加哥的医院与芝加哥卫生与福利部共享EHR数据[gydF4y2Ba9gydF4y2Ba]用于所有检测出SARS-CoV-2的患者。该命令概述了所有经过sars - cov -2检测的患者必须提交的一组有限的数据。这一命令通过CDPH的临床健康警报网络(HAN)传播，发布在该部门的网站上，并在接诊时与市医院领导分享。CDPH成立了一个管理委员会，成员包括来自伊利诺伊州芝加哥市医院系统的医疗主任和信息专家。gydF4y2Ba

数据传输gydF4y2Ba

ELR数据来自伊利诺伊州国家电子疾病监测系统(I-NEDSS)，以提供该市实验室确诊病例的基线信息。由于有意义的使用授权，从诊断实验室获得并存在于电子病历中的每一个COVID-19阳性检测结果都被发送到I-NEDSS。这些提要包含患者人口统计记录、检测名称、结果和服务日期，由88家机构提交。为了满足2020-4号公共卫生命令，芝加哥的医院提供了多种机制，为经过sars - cov -2检测的患者提交综合临床数据架构(CCDA)记录。这包括(1)通过使用DIRECT协议的安全邮箱提交的报告[gydF4y2Ba11gydF4y2Ba]，是国家卫生信息技术协调员办公室(ONC)认可的数据标准，用于将电子病历单向传输到史诗电子病历的集中实例[gydF4y2Ba12gydF4y2Ba]，或(2)直接向CDPH的微软Azure云实例提交报告[gydF4y2Ba13gydF4y2Ba通过DIRECT或应用程序编程接口(API)来接收和接受CCDA记录。在任何一种情况下，ccda都被解析到Azure中专门租户的数据库中进行分析。此外，还包括了第三个关于NHSN患者安全和医院容量的数据集，其中要求医院要么进入研究电子数据捕获(REDCap)数据库，要么以电子方式发送给Azure租户。所有数据提要都是操作数据(即用于公共健康报告的目的或从用于病人护理的电子记录中获得的数据)，并包含受保护的健康信息(PHI)。gydF4y2Ba

技术评估gydF4y2Ba

在项目开始时，我们开发了一个从站点收集数据的解决方案的需求，并生成所需的分析。在该项目开始时，向卫生部门提交COVID-19病例相关数据的公认方法是被调查人员(PUI)监测表。这些表格以纸质形式提供，或通过IDPH托管在红帽调查工具上的调查工具提供。由于临床负担，进入过程耗时且往往不完整。填写表格的责任落在感染控制从业人员或临床工作人员身上，由于这些人的任务相互竞争，表格被认为既不及时也不完整。我们评估了现有的COVID-19 PUI表格字段与基于联邦标准的数据提要中可用的电子数据元素之间的差距，并制定了报告要求的交叉通道，以确保数据集可以作为网站的报告门户，减少报告负担。评估的提要包括ELR、CCDA和快速医疗保健互操作性资源(FHIR，发音为gydF4y2Ba火gydF4y2Ba)领域。评估CCDA和ELR饲料的缺失和有用性。缺失指的是该字段中是否存在数据。有用性是指数据域中的信息干净、完整。如果数据在其各自的字段中存在以下任何一个，则会被标记为无用:在种族、民族或其他字符串字段中为“未知”;存在邮政信箱，未知，无家可归，或不适用(N/A)的地址;没有电话号码，一个不可信的号码(如111-1111或999-999-9999)，或没有足够的号码;少于5位数字或99999,00000，或文本(如“UUUUU”)表示邮政编码。记录使用姓名和出生日期进行重复数据删除。对CCDA和ELR数据提要之间的记录匹配率进行了评估:实现了一个确定性匹配过程，使用姓氏、名字和出生日期的12种不同组合(“键”)中的字符进行精确匹配，该过程已被证明在使用监测注册表进行匹配时具有有效性[gydF4y2Ba14gydF4y2Ba］．我们没有试图解决势均力敌的比赛。对于显示出最缺少或低质量数据的3个字段(即种族、民族和电话号码)，我们通过使用CCDA数据增强ELR提要的额外完整性;这是通过使用完整和有用的数据来完成的，当ELR feed缺少个人的时候。gydF4y2Ba

道德gydF4y2Ba

这项调查是正在进行的COVID-19公共卫生应对工作的一部分。这项活动由美国疾病控制和预防中心(CDC)审查，并符合适用的联邦法律和CDC政策(例如，见45 C.F.R.第46.102(l)(2);21 C.F.R.第56部分;241年42事项§(d);5事项§552;44 U.S.C.§3501 et seq.)。gydF4y2Ba

结果gydF4y2Ba

国家监测系统基线报告gydF4y2Ba

在芝加哥，很大一部分报告的SARS-CoV-2感染病例是通过ELR报告的。截至2020年6月30日，仅ELR就提供了73.7%的病例，而ELR结合其他方式(如医院或卫生保健提供者向I-NEDSS提交病例报告)占报告病例的94%。ELR数据报告了COVID-19 PUI表格中要求的关键字段(gydF4y2Ba表1gydF4y2Ba)但并非全部;ELR馈送中经常缺失的数据字段包括旅行史、临床症状和共病。gydF4y2Ba

对公共卫生公告的回应gydF4y2Ba

2020年4月6日，《2020-4号公共卫生令》通过芝加哥HAN与所有符合条件的机构(即芝加哥市边界内的卫生系统)共享。该命令要求与cdc共享3种主要数据类型:(1)检测过sars - cov -2的个人的ELR数据，这是现有的州命令;(2)经sars - cov -2检测患者医院CCDA记录;(3) NHSN容量模块报告，被要求集中发送到CDPH。这些数据被要求在上午10时以前每天至少发送一次。美国中部时间。网站还为拉什大学医学中心领导实施的关键人员提供了联系信息。拉什大学医学中心的首席信息官与医院的技术人员进行了一系列的通话，介绍该项目，审查其基本原理，并描述技术方法。gydF4y2Ba

建立了一个由azure托管的隔离环境，有5种单独的连接模式，所有的连接都来自40多个组织和每周数十万个事务的集中数据中心。在接下来的30天里，我们联系了所有网站，以启动数据共享;成立了一个由来自特定机构的首席医疗官和首席医疗信息官组成的CDPH数据治理委员会，通过该委员会可以讨论问题并生成更多的路线图;建立了与Epic和Cerner EHR开发者的合作，并创建了企业级共享机制;数据被集中发送到CDPH Azure实例。gydF4y2Ba

技术架构gydF4y2Ba

项目的技术体系结构的概述显示在gydF4y2Ba图1gydF4y2Ba并旨在最大限度地提高数据的安全性和隐私性，使CDPH处于数据使用的中心。在较高的级别上，由于有意义的使用采用的工具，系统中的涉众之间存在连接，这可以支持基于标准选择记录的安全文件共享能力。这些工具包括(1)基于标准的临床数据表示(如CCDA)，(2)电子病历系统内部和外部数据传输的安全方法(如Epic中的CareEverywhere、DIRECT邮箱和基于api的认证路径)，以及(3)电子病历中用于识别病例并提交给公共卫生(如ELR)的复杂公共卫生规则的现有实现。需要有限的语义内容映射，因为卫生系统和公共卫生之间共享的数据使用CCDA和卫生级别7国际(HL7)有意义使用标准，内容在提交之前映射到标准词汇表。使用的词汇是HL7种族、性别和民族类别;gydF4y2Ba《国际疾病分类》第十版gydF4y2Ba(ICD-10)和当前程序术语(CPT)诊断和程序代码;和逻辑观察标识符名称和代码(LOINC)作为实验室测试名称。基于云的环境通过了《健康保险携带与责任法案》(HIPAA)认证，数据在静止和传输过程中都是加密的。DIRECT邮箱利用基于证书的加密，API路径使用超文本传输安全协议(https)。gydF4y2Ba

创建了一个基于云的环境，该环境与拉什大学医疗中心的EHR实例和患者记录完全隔离。该环境旨在支持芝加哥市内超过40个组织，旨在跨公共卫生部门扩展。gydF4y2Ba

ELR数据提要是模型中使用最直接的，因为医院系统之间的现有连接用于传染病报告。芝加哥的医院被要求在发生SARS-CoV-2感染的一开始就实施新的逻辑，以确定并向CDPH报告实验室确定的COVID-19病例，并将患者作为PUIs进行检测。ELR的饲料提交给国家公共卫生机构，该机构将这些饲料提供给卫生和社会福利部和地方卫生部门。gydF4y2Ba

为了隔离数据，拉什大学医学中心创建了一个隔离的Azure数据仓库，包括Microsoft Azure SQL仓库，并创建了一个用于调查表格数据的CosmosDB。我们发现，并不是所有跨企业文档共享(XDS)和DIRECT消息都可以避开我们的EHR实例，因此我们需要确定一种强制数据分离的方法。我们通过从Epic暂存区提取数据来解决这个问题。此外，还创建了基础设施组件，包括XDS服务服务器、DIRECT消息通信、到FHIR服务的持续护理文档(CCD)，以及通过社区健康聚合器与Epic的集成。谷歌Apigee处理API层，服务在Apigee后面处理令牌控制。通过手动输入的数据收集通过REDCap表单处理，并通过API集成到Azure环境中。gydF4y2Ba

‎gydF4y2Ba 把这个图gydF4y2Ba

治理gydF4y2Ba

数据治理从项目一开始就计划好了，以帮助达成数据使用的共识和原则。虽然负责公共卫生命令的当地卫生部门是必要的接收方和数据使用者，但与会者认识到更大规模的共享倡议的价值，以及参与使用案例和利用信息的机制的现场参与的价值。治理委员会由来自12个站点的首席医疗官(CMO)、首席医疗信息官(CMIO)或技术负责人组成。这些领导者还将内容和指导带回给现场参与者，并寻求在系统之间建立不同程度的内部技术能力的桥梁。该委员会每周举行一次会议，帮助参与网站建立信任。一般原则仿效了为使用医疗保险和医疗补助服务中心(CMS)数据而实施的规则[gydF4y2Ba15gydF4y2Ba]，并通过该委员会在各网站之间建立。这些原则是:gydF4y2Ba

• 开放:促进和便利开放分享关于COVID-19数据的知识gydF4y2Ba
• 沟通:促进整个区域的伙伴关系，以消除工作重复，这是区域数据的真实来源，可能有助于减轻行政负担，也是宝贵的区域和国家资源gydF4y2Ba
• 问责制:确保遵守已批准的数据管理原则和政策，了解当前和未来战略或规划计划的目标，以及它们如何影响或受现有数据管理原则和政策以及当前隐私和安全协议的影响gydF4y2Ba

报告床位、供应和临床能力gydF4y2Ba

在创建中心时，必须向多个机构和团体报告芝加哥医院的指标见中gydF4y2Ba多媒体附录1gydF4y2Ba．在这份清单中，需要对4个系统采取超过100项措施:NHSN、EMResource、FEMA和伊利诺伊州国民警卫队。该系统测量床的使用，急诊科(ED)的使用，呼吸机的使用，供应的使用和需要，以及实验室测试。值得注意的是，在4个系统中单独存在57种不同的床的使用措施。尽管所示的度量具有类似的定义，但这些度量仍然需要为数据收集和报告进行单独的管理工作。截至2020年7月31日，芝加哥有14家医院向该中心报告了数据。对于床位容量报告，7个通过手动数据提交报告NHSN数据，2个通过电子病历的电子查询报告，电子提交给中心，14个提交给EMResource。gydF4y2Ba

通过ELR和CCDA报告的完整性gydF4y2Ba

14所设施的CCDA记录中有86,499人的数据，88所设施的ELR记录中有408,741人的数据，这些记录符合《公共卫生令》规定的报告标准。gydF4y2Ba表2gydF4y2Ba显示从CCDA和ELR获得的与COVID-19相关的数据提要的数量和完整性。在这些饲料中有记录的患者是通过逆转录聚合酶链反应(RT-PCR)检测确诊的，住址在2020年7月31日之前为芝加哥。对于那些有超过1个测试报告的个体，数据被重复数据删除。在提交CCDA记录的个体中，11491(13.3%)检测呈阳性，而ELR饲料中的53968(13.2%)检测呈阳性。gydF4y2Ba

我们检查了CCDA和ELR数据字段的完整性(定义为填充的(即非缺失的)数据字段)和有用性(定义为数据字段中的干净、完整信息)。CCDA数据提高了可用于监测的数据的质量。ELR提要在种族和种族数据的可用性或质量方面存在差距(种族:n= 382097, 93.5%，非遗漏和n=215,273, 52.7%，有用;种族:n=333,122, 81.5%，非失踪和n=165,715, 49.7%，有用)。CCDA高度完整，除患者电话号码外，所有记录类型的数据字段中都少于5%的信息缺失。此外，99.2%的CCDA数据对种族(n=85,794)和族裔(n=85,799)都是有用的，82.5%的CCDA数据对种族(n=71,345)和79.2%的CCDA数据对族裔(n=68,507)是有用的。CCDA虽然涵盖的记录较少，但也有与偶遇、住院和共病存在相关的信息。gydF4y2Ba

在CCDA领域90.6% (n=78,378)的患者中，CCDA和ELR数据源按姓名和出生日期匹配。通过匹配，ELR数据中最不完整的3个字段的数据完整性有所改善:种族、民族和电话号码。在78,378个匹配的CCDA和ELR feed中，ELR种族数据在使用CCDA时从79.4%提高到88.5% (n= 62,32 -69,365)，而ELR种族数据在使用CCDA时从58.2%提高到86.7% (n=45,616-67,954)。电话号码数据在ELR中为78.6% (n=321,121)完整;结合CCDA和ELR，完整性提高到80.0% (n=326,993)。此外，对于匹配组，完整的住院和共病信息存在。gydF4y2Ba

为了演示，数据通过Microsoft Azure Power BI平台显示在CDPH分析师可用的仪表盘上，并显示在gydF4y2Ba图2gydF4y2Ba．仪表板上的数据通过拉什大学医学中心托管的一个商业情报门户网站，通过按分组的床位容量报告和病例计数分析描述的电子邮件，分享给提供服务的医院。床容量报告与列出的床类型一致gydF4y2Ba多媒体附录1gydF4y2Ba:重症监护与普通医疗，综合能力与COVID-19利用率。gydF4y2Ba

‎gydF4y2Ba 把这个图gydF4y2Ba

讨论gydF4y2Ba

主要研究结果gydF4y2Ba

在这份报告中，我们描述了伊利诺伊州芝加哥市用于监测SARS-CoV-2感染的全市公共卫生数据中心的发展。我们能够评估现有ELR提要的完整性，用CCDA文档增强这些提要，建立数据交换的安全传输方法，开发基于云的体系结构以支持安全的数据存储和分析，并为监测能力和疾病负担生成有意义的仪表板。gydF4y2Ba

推动我们工作的公共卫生方面的一个基本需求是提高提交给公共卫生机构的数据的自动化、完整性和实用性。这项工作建立在ELR的已知效用基础上，提高了数据质量。多项研究发现，ELR或通过实现检测业务逻辑以电子方式向公共卫生部门提交实验室检测结果，可提高报告的及时性和完整性[gydF4y2Ba16gydF4y2Ba-gydF4y2Ba20.gydF4y2Ba以可能更低的成本[gydF4y2Ba21gydF4y2Ba］．在广泛使用电子报告之前进行的一项审查发现，尽管对报告有法律规定，但被动监测对传染病的完成率为23%-81%，主动监测的完成率更高[gydF4y2Ba22gydF4y2Ba]以及在化验结果日期后10至13天内报告的及时性[gydF4y2Ba23gydF4y2Ba］．ELR系统改进了向公共卫生报告监测数据，报告量和及时性分别提高了2.3-4.4倍和3.8-7.9天[gydF4y2Ba24gydF4y2Ba］．ELR是一项重大进步，因为它可以提高通过被动监视所发现情况的报告的完整性[gydF4y2Ba21gydF4y2Ba，gydF4y2Ba25gydF4y2Ba］．gydF4y2Ba

ELR数据一直受到完整性问题的影响。在以前的报告中，ELR数据的完整性有所不同:基本HL7 v2中通过ELR报告的字段的完整性。X信息由38%(种族)至98%(出生日期)不等[gydF4y2Ba25gydF4y2Ba］．为了提高完整性，提出了以下改进:(1)增加ELR HL7 v2中的强制字段。x消息(gydF4y2Ba24gydF4y2Ba];(2)使用来自健康信息交换的数据增强ELR提要，将种族的完整性提高到60% [gydF4y2Ba25gydF4y2Ba];以及(3)通过自动数据采集或手动填写的电子病例报告表格[gydF4y2Ba26gydF4y2Ba］．在COVID-19大流行期间，发现病例报告存在重大局限性，包括有关年龄、种族/族裔、住院和重症监护病房(ICU)状况等关键变量的数据有限[gydF4y2Ba27gydF4y2Ba］．gydF4y2Ba

我们还发现ELR数据不能提供充分的病例调查所需的所有信息。人口统计和风险因素信息在ELR的HL7提要中可能不完整，病例报告表格继续在公共卫生实践工作中发挥关键作用。此外，共病条件，疾病转归的一个重要预测因子，没有被捕获。我们发现CCDA数据具有更广泛的临床领域，并具有提供有价值的共病信息的优势。虽然在完整性方面只取得了很小的改进，但与ELR数据的高匹配率使CCDA成为ELR的一个引人注目的补充，以提高公共卫生数据集的分析能力。CCDA有一些字段仍然不完整，这表明数据捕获和在源头共享对于使用这些数据仍然是至关重要的问题。gydF4y2Ba

已制定措施，使个案报告表格的填写标准化及自动化[gydF4y2Ba28gydF4y2Ba和引航的[gydF4y2Ba29gydF4y2Ba]，已显示出减少完成报告时间的希望。与我们的结果类似，其他人也发现，通过在患者记录中自动匹配和搜索，为报告预填充关键元素显示出了健康信息交换的价值[gydF4y2Ba30.gydF4y2Ba］．FHIR的使用[gydF4y2Ba31gydF4y2Ba]可通过基于api的公共卫生和电子病历系统之间的连接，为自动化公共卫生病例报告和减少行政负担提供另一条途径。一个示例工作流可以是通过传统的ELR方法向公共卫生机构提交病例数据，然后由公共卫生通过FHIR API调用从EHR系统“拉”出信息，完成记录。当结合基于elr的病例触发(例如，性传播感染病例)时，执行基于firr的查询的应用程序可以在85%的病例中完成电子病例报告表格[gydF4y2Ba26gydF4y2Ba］．此外，基于firir的公共卫生报告工作流程的所有关键组成部分通常都已到位[gydF4y2Ba32gydF4y2Ba］．最近，美国互操作性核心数据(USCDI)与FHIR标准的使用相一致，为字段、词汇表和内容创建了一个基线，可以从有意义的使用中增强现有的授权。我们的技术架构支持使用授权数据和可用数据，在数据中心创建统一的公共卫生数据集。gydF4y2Ba

我们的解决方案的一个特点是，它支持地方卫生部门在数据汇总和报告方面的中心作用。在许多社区，公共卫生对策的一个重要组成部分是公共卫生机构的"地方自治" [gydF4y2Ba33gydF4y2Ba或对地方卫生部门的政策和方法的地方管辖权和控制。地方自治法赋予地方政府处理公共卫生问题的权力，并填补国家和州公共卫生应对措施拼凑起来的空白[gydF4y2Ba33gydF4y2Ba］．在当前的大流行中，强有力的地方应对措施可以使有针对性的干预和规划成为可能，可以使更成熟的防备规划、大流行控制和流行病学分析成为可能。gydF4y2Ba

对于最有效的数据交换，数据共享结构的标准和信息的语义表示是至关重要的。在这种情况下，与数据相关的技术和非技术握手和交接是成功项目的关键因素。在这种设置中，技术握手是系统之间支持数据共享的信任关系:使用经过身份验证的基于api的传输和DIRECT邮箱共享的能力加快了项目的实现时间。技术转换是无缝数据解析的能力，因为通过有意义的使用实现了健壮的标准。鉴于CCDA文件在COVID-19 PUI表格中覆盖的字段更广，利用CCDA来增加COVID-19 PUI报告的整体完整性的能力是临床数据交换联邦标准价值的标志。gydF4y2Ba

更重要的是非技术性的握手(例如，建立关系和在各机构之间发展共识，以便共享数据)和交接(例如，公共和私营实体之间的伙伴关系)。数据治理委员会对于促进信任至关重要，并使项目能够扩展到新的数据集和集内更深层次的信息。在COVID-19病例激增的时候，一个具有技术能力的私人和学术合作伙伴(拉什大学医学中心)能够迅速实施解决方案。芝加哥开发的这个系统产生了三个影响。首先，在大流行病的背景下，关系和合作对于确保成功至关重要。第二，公共卫生在通过使用授权推动采纳方面的作用也至关重要。最后，标准的存在和基于api的数据交换加速了该区域的采用。gydF4y2Ba

限制gydF4y2Ba

我们的努力受到了几个限制。首先，实施的解决方案只在一个公共卫生管辖区使用，没有部署到多个地点。我们认为，通过联邦授权(CCDA和ELR数据)广泛获得的文件类型的使用表明，我们的方法可以扩展到多个卫生部门，但需要进一步的调查。另一个限制是利用公共卫生任务来鼓励参与和参与。如果没有数据共享的要求，可能会出现较低的数据共享率。最后，尽管我们在为公共卫生目的进行区域数据交换方面的努力取得了重大进展，但在促进可扩展数据共享方面，在全国范围内仍有许多工作要做。为了避免在这次大流行中面临的数据流动性挑战，需要在数据收集自动化和在大流行之外建立的“随时准备”数据共享网络方面做更多的工作。gydF4y2Ba

结论gydF4y2Ba

我们认为这个公共卫生和临床数据中心是一个有用的例子，说明如何使用跨电子记录的通用标准为公共卫生创建更完整的监测记录。该报告可能成为未来扩大使用标准以改进公共卫生监测的潜在模板。通过合并数据，在完整性方面取得了微小的改善，特别是在COVID-19监测的共病和住院信息方面。减少报告中的行政负担仍然是一个目标，但这需要对美国的报告基础设施进行更广泛的改革。gydF4y2Ba