Qualidade de Dados - Dataprev

Visão única do paciente para a gestão pública de sáude
Mônica Aparecida Marcondes Cecílio e Dalvani Lima
ou melhor, do Brasil. Também é capaz dividir o nome completo em partes –
distingue que “Vechini” é um último nome e “Masser”, o nome do meio - , ao
mesmo tempo em que identifica “Paulo César” como um nome composto brasileiro
(Figura 5).
Isso é especialmente importante
porque, quando formos
tentar descobrir se essa pessoa
teve outros atendimentos e/ou
aparece em outras bases de
dados, ficará muito mais fácil
comparar essas informações
com as de outros registros a
partir do sobrenome e do
endereço. O mesmo não seria
possível se os dados não
tivessem passado por essa
qualificação. Ou seja, reduzimos
consideravelmente as
chances de não encontrar as
outras ocorrências do mesmo
paciente, bem como o custo de
processamento de duplicação.
Para fazer deduplicação, existem algumas barreiras. Parte delas é freqüente para
qualquer projeto de qualidade de dados, outras são específicas de informações da
área de saúde. Por exemplo, CPF que é uma chave forte. Chave forte é uma informação
que nos permite, com muita certeza, fazer a unificação de cadastros só a
partir dela. Voltando, CPF é uma chave forte, mas não suficiente, ainda que tivesse
disponível para todas as bases. Para complicar ainda mais, essa informação só
está presente em uma dessas fontes de informação. Por sua vez, o nome, que é
uma chave fraca, tem múltiplas grafias. Assim, temos de fazer o uso do nome
como parte da chave de comparação, não sem antes fonetizar e recorrer à observação
das singularidades.
Há uma série de tecnologias disponíveis para se fazer a comparação a partir de
informações como nome, mas a maior parte foi desenvolvida para o trabalho com
dados em língua inglesa. Mesmo aquelas que usam fonéticas da língua portuguesa
de Portugal, não se aplicam bem ao caso brasileiro, porque o som de alguns
fonemas é diferente. Com efeito, temos de fonetizar e usar comparação de singularidade
com algoritmos para a língua portuguesa do Brasil.
Sexo é outra informação que não está disponível em todas as bases, sendo possível,
em vários casos, fazer inferência a respeito. As informações sobre data de
nascimento também apresentam inconsistências. Não é demais lembrar que
muitos desses dados são preenchidos à mão e só depois digitalizados. No momento
da digitalização, seja em virtude de alguma rasura, seja por alguma confusão do
próprio paciente ao informar seus dados, pode ocorrer duplicação de dados. Vimos
muitos casos de registros quase idênticos, com apenas o dia da data de nascimento
diferente. Sendo essa informação um critério importante, o melhor é fazer o
tratamento. Não raros foram os casos de registros duplicados sanados.
Se a princípio os procedimentos adotados para a qualificação de dados podem
parecer simples, sobretudo do ponto de vista tecnológico, a coisa muda de figura
quando atentamos para o volume de informação e as dificuldades que temos para
Fórum de TIC Dataprev
Figura 5
Qualificação de Dados
por nome
Fonte: Secretaria de Estado
da Saúde de São Paulo.
Qualidade de Dados 50