ABSTRACT
OBJECTIVE: To develop a prototype system to manage data on coloproctology surgery, aiming at Data Quality (DQ) and the adoption of a DQ monitoring process, which is nonexistent in most biomedical systems. METHODS: The construction of the prototype was separated into five steps: analysis of an existing system (legacy), the analysis of requirements and specifications for the new prototype, the development of the model, definition of technologies and the development of a prototype. RESULTS: The analysis of the legacy system revealed several limitations and inconsistencies, which can result in problems concerning the DQ. Therefore, actions to prevent these problems are already being executed at the step of developing the prototype, such as the creation of interactive and more elaborate interfaces, the use of validation mechanisms on data fields and the proposal of a process to monitor inconsistencies and incompleteness in patients' data. CONCLUSION: The adoption of DQ mechanisms on system development results in building a reliable and consistent database, to assist tasks such as management, scientific research and future intelligent data analysis methods. Future work includes subjective evaluations of DQ indicating the adequacy of the prototype for the users' needs. (AU)
OBJETIVO: Desenvolvimento de um protótipo para gerenciamento de dados de cirurgia coloproctológica, visando à Qualidade de Dados (QD), e a adoção de um processo de monitoramento da QD, inexistente na maioria dos sistemas biomédicos. MÉTODOS: A construção do protótipo foi dividida em cinco etapas: análise de um sistema existente (legado), levantamento dos requisitos para o novo protótipo, elaboração de modelos, definição das tecnologias e desenvolvimento do protótipo. RESULTADOS: A análise do sistema legado revelou diversas limitações e inconsistências que podem resultar em problemas de QD. Sendo assim, medidas para prevenir esses problemas estão sendo adotadas, já na etapa do desenvolvimento do protótipo, como a criação de interfaces mais elaboradas e interativas, a utilização de mecanismos de validação dos campos de dados e a proposta de um processo para monitoramento das inconsistências e incompletudes dos dados dos pacientes. CONCLUSÃO: A adoção de medidas de QD no desenvolvimento de sistemas resulta na construção de uma base de dados confiável e consistente, contribuindo com as tarefas de gerenciamento, pesquisas científicas e futuras aplicações de métodos de análise inteligente de dados. Trabalhos futuros incluem avaliações subjetivas de QD que indiquem o nível de adequação do protótipo às necessidades dos usuários. (AU)