无论是深化医疗健康大数据在医药卫生领域的创新应用，还是促进医疗、健康、医保、医药数据联动与融合共享机制，实现跨部门、跨区域、跨行业的数据融合共享，原始数据质量至关重要。假如数据本身“体弱多病”、“支离病骨”，可导致结果失信，预测失准，决策失败，可谓千里之堤，毁于蚁穴。积极推进医疗健康大数据分析利用和创新应用，首要的问题是要解决数据来源质量，“健康”的数据是大数据融合共享的基础，是分析利用的关键，具有以一持万的作用。

众所周知，数据是事实或结果，是用于表示客观事物的未经加工的的原始“素材”。这种“素材”应当具备真实性、完整性、一致性、准确性和自洽性，这是数据的基本属性，亦称数据的绝对质量。保证原始数据的可靠性，是大数据分析利用的前提。

数据是一个单位乃至一个国家的重要战略资源。构建可靠、可信、可用、可管、可控的优质数据，人人应树立数据质量意识，从数据源头抓起，在数据产生、采集、获取、存储、传输、共享、维护、应用等各个环节加强质量管理，建立数据采集、数据分析、数据评估、数据监控、错误预警等全过程管控体系，确定数据质量管控目标，制定数据监督审核流程和机制，最大限度保障数据质量的纯度、信度和粒度。

数据是信息的表现形式和载体，信息是数据的结果和内涵。影响数据质量“健康”的因素主要来源于信息因素、技术因素、流程因素、管理因素和环境因素。产生数据质量问题的信息因素主要有：数据采集人或获取人信息意识，对数据来源、数据产生、数据价值、数据用途、数据描述的认知程度和理解程度，以及采集数据的操作技能等。影响数据“健康”的技术因素包括数据创建、数据获取、数据传输、数据装载、数据使用、数据维护等方面。作业流程和人工操作流程设置不当可造成的数据质量问题，主要来源于系统数据的创建流程、传递流程、装载流程、使用流程、维护流程和稽核流程等各个环节。管理因素是由于管理机制不畅、约束机制不严、管控措施不当导致的管理缺失或管理缺陷等问题，造成数据质量良莠不齐。环境因素主要包括与此相关的政策法律环境、设备设施环境、分析应用环境、技术保障环境、配套服务环境等。

医院信息系统是产生医疗数据的重要来源。信息化的医疗数据、临床科研教学数据、病人特征数据，以及移动设备、社交网络产生的医疗健康相关数据，为医疗健康大数据提供了多元化和多态性保障数据。完善规章制度，确保数据质量管控有章可循；建立管控机制，确保原始数据可靠可信，不断强化数据质量管控理念，是确保数据自身“健康”的关键所在。豪厘不伐，将用斧柯。我们应当以狮子搏兔之举，动中窾要，从数据源头抓起，切实关注高楼之基的数据“健康”，以焕发数据的价值与生机。

（来源：《中国数字医学》2016年8月第8期 刊首语）