Embed Size (px)
DESCRIPTION
การบริหารจัดการข้อมูลระบบเครือข่าย โดยใช้ ScanTRIAD. รศ.ดร. บัณฑิต ถิ่นคำรพ , PhD. (Statistics) ผู้อำนวยการศูนย์บริหารจัดการข้อมูลและสนับสนุนด้านสถิติ ภาควิชาชีวสถิติและประชากรศาสตร์ คณะสาธารณสุขศาสตร์ มหาวิทยาลัยขอนแก่น. ความบังเอิญ (Random error). อคติ ( Bias หรือ Systematic error ). - PowerPoint PPT Presentation
Citation preview
การบรหารจดการขอมลระบบเครอขาย
โดยใช ScanTRIAD
รศ.ดร . บณฑต ถนคำารพ, PhD. (Statistics)
ผอำานวยการศนยบรหารจดการขอมลและสนบสนนดานสถต
ภาควชาชวสถตและประชากรศาสตรคณะสาธารณสขศาสตร มหาวทยาลย
ขอนแกน
สวนประกอบขององคความรจากการวจย ความรจากการวจย = ความ
จรง + สงรบกวน
อคตในการเลอกตวอยาง [Selection Bias]อคตในการเกบขอมล [ Information Bias]อคตจากปจจยตางๆ ทเกยวของ [ Confounding Bias]
อคต(Bias หรอ
Systematic error )
ความบงเอญ (Random
error)ผดจากความเปนจรงไปอยางเปนระบบ เปนไปโดยธรรมชาต
ลดสงรบกวนโดยการออกแบบการศกษาวจยทด และมการประกนคณภาพการวจย
ผดจากความเปนจรงไปโดยบงเอญ
Data Management
บทบาทการบรหารจดการขอมลตอองคความรจากการวจย
Selection Bias [All eligible subjects vs. Lost to follow-up and Non-response]
ขอมลผดจากความเปนจรงอยางเปนระบบ
ขอมลผดจากความเปนจรงโดยบงเอญ • Cancel out in large study
• Achieve precision by reducing measurement error
ขอมล องคความรทมคณภาพ
วเคราะห/แปลผล
Data entry -> Data editing & cleaning -> Back-up storage
บทบาททมกเขาใจวาทำาเพยงเทาน
Systematic Approach -------> Statistical Coordinating Center
บทบาททควรทำา
Information Bias [Validity & reliability of tools vs. Data management]
Confounding Bias [All related predictors vs. what were collected]
คณภาพขอมลทเกบมาได + การบรหารจดการขอมลทด
สำาคญมาก
Systematic Approach“Data Management and Statistical Support”
Availability of complete, clean data takes time, effort, and attention to details.
Researcher + Statistician รวมวางแผนตงแตเรมโครงการวจย
“งานทหนกทสดคอ Clean data ทไดจากการขาดการวางแผนทด”
ม Manual of Operation ทชดเจน รวมทง Plan for data analysis Statistician + Data manager + Programmer รวมทำางานตอไปอยางใกลชด
Detect ปญหาใหเรว แลวแกไขอยางรวดเรว
ทกกระบวนการใหม Documentation
การประกนคณภาพงานวจยมาตรฐานสากลในการทำาวจยทางการแพทย
ICH-GCP ดรายละเอยดท http://www.ich.org
รเรมโดย European Union (EU), Japan, และ USA เมอ1996
ICH = International Conference on Harmonisation of Technical Requirements for Registration of Pharmaceuticals for Human Use
GCP = Good Clinical Practice
หลายประเทศทวโลกตาม เชน Australia; Canada; the Nordic countries; WHO; etc. ผลตภณฑจากผลการวจยททำาตาม ICH-GCP เทานนทจะไดรบพจารณาขนทะเบยน
แนวทางทกำาหนดนน สามารถปรบใชไดกบทกประเภทการวจย
เปาหมายหลกQuality assurance and/or control
Prevent problemsDetect problemsCorrect problems
Quality assurance elements
• Prevention– Well-written protocol, manual of operations– Collection limited to essential items, uncomplicated forms,
criteria– Pre-test study forms and procedures – Investigators commitment to follow protocol– Training and certification of all staff– Data from central classification committees, specialized
equipment (calibration), central laboratories or reading centers (internal replication; external duplication or standards)
– Maintain study records; audit trails, archiving
Adopted from Shrikant I. Bangdiwala, Ph.D.
Quality assurance elements
• Detection– Central monitoring of data on individual subjects:
• data entry system checks• logical, consistency checks• extreme values
– Site visits: standard check-list, records audit– Comprehensive performance-monitoring reports: study
overall, by site, by staff• recruitment, follow-up, adherence, completion of procedures• errors
– Statistical investigations of aggregate data: by site, by staff• identify unusual patterns• lack of variability• unusual relationships in the data
Adopted from Shrikant I. Bangdiwala, Ph.D.
Quality assurance elements
• Correction– correct the errors and minimize the chance of future
occurrences– procedures must be implemented early in the study– empower individuals, committees, centers to address
problems– effect of systematic errors, bias, violations of protocol– address individual site or staff performance– redress misconduct or fraud– Document all actions
Adopted from Shrikant I. Bangdiwala, Ph.D.
Design of data collection formsPaper-based : ระบบบนทกขอมล, ระบบลงรหส, ความแนนของเนอหา, ความซบซอน ฯลฯElectronic-based : CAPI, PDA, Web-based, Applications, Optical Scan, etc
Data collection methodsSelf-administered ลายมอ, สภาพกระดาษทไดรบกลบ, ระบบตรวจกรองคาทผด, ฯลฯ Interview
Type of projectsSingle site VS Multi-center Cross-sectional or LongitudinalRoutine data collection
Others Small size project VS Mega study VS Country census Real-time monitoring, Urgent, Allow sufficient time
Data Entry Design ConsiderationsRDM Processes
Portal of data entry Distributed data entry Centralized data entryDesign of data entry interface
Direct VS Via CRFKey punching VS Mouse clicking VS Optical scanSpread sheet style VS WYSIWYG
Data entry, validation, and verification methods Single VS Double data entry Embedded validation at entry VS Validation externally Verification tools : Paper VS Printout, Paper VS Screen, Screen VS Screen, Two parts within a screen, Data and images being integrated (SD and CRF can be integrated)
Data Entry DesignRDM Processes
RDM Processes
• Data cleaning– All variables or key variables?– How much computerized vs manual?– Consistency checks – across variables, across forms,
across time, across similar individuals– Frequency and timing given rate of accumulation and
study needs– Audit trail & documentation – ALL changes to original
data specify what, when, why, by whom
RDM Processes
• Audit trail & documentation – ALL changes to original data specify what, when, why, by whom
• WHY? – Monitor study integrity and quality assurance
• CC does this separately by personnel, collectively for trends– Regulatory agencies wish to compare the information in original
data collection forms with that in reports• Usually, sample 10% of subjects in database, 100% of data from
sampled subjects, and often 100% of subjects for key variables
• Tolerance of errors: < 25/10000 fields = 0.25%
Main TasksData Management using
1. Scan
2. Verify
3. Purify
Back Office
Front Office
SCAN
VERIFY PURIFY
Login to the client computer
Login to the client computer
Unzip to database server
1.Scan
2.Verify
3.Purify
Scan and activate
OMR & ICR
Export both images and data
as a ZIP file
Load data
Verify data
Send data to the server
Save data
Check items with verification
remarks
Check items based on EDA
results
Data ready for researchers
ขนตอนการทำางานCheck for
image error and fix if any
Check items with validation
warnings
Feed paper
ศนยบรหารจดการขอมลฯ
SCANNER
ScanTriad
INTRANET SERVER
ตนรภยท สนง. โครงการวจย
DVD Backup
INTERNETADSL
DVD Backup
1. VERIFY
2. PURIFY
HDD-USB
3. DELIVER
Downloading station
Data Management System with Tools forOptical Recognition, Verification, and Purification.
http://www.scantriad.com
จดเตรยมแบบสอบถามทไดรบจากไปรษณยจดเปน Lot เพอเตรยมสแกน
แบบสอบถาม จดเปน Lot เพอเตรยมสแกน
สแกนแบบสอบถาม
สแกนแบบสอบถาม ดใหละเอยด
Data Verification Center
Data Verification Center
Example that data verification is needed
Example that data verification is needed
Example that data verification is needed
Example that data verification is needed
Example that data verification is needed
Example that data verification is needed
Example that data verification is needed
Example that data verification is needed
คมอ Verify
