大数据和云计算等先进概念和技术的发展使数据爆发出前所未有的魅力和价值，而医院的海量数据具有巨大的潜力。但是，由于长期以来对医疗数据质量的关注不足，垃圾数据引起的数据质量问题对医疗数据的分析和利用产生了巨大影响，成为医疗数据分析中的最大障碍。深入分析以及挖掘和利用医学数据。目前，事件发生前的规避，过程链接监控以及事件后的及时反馈已成为预防和响应医院信息系统中垃圾数据引起的数据质量问题的主要方法和途径。

　　1垃圾数据的原因

　　1.1主观因素管理对数据质量的重视不足，导致缺乏相关的管理系统，管理指标等，并且数据质量长期以来一直处于无监督，无根据的状况。

　　缺乏数据质量责任。数据质量管理的相关系统，缺乏培训以及软件系统本身忽略了数据产品的质量等，因此运营商无法对数据质量形成良好的责任感。他们只需输入数据并完成操作，就需要质量要求，例如数据输入的准确性。无法产生积极的管理意识，更不用说积极参与数据质量的管理了。

　　各种信息系统的建设和验收过分强调速度和功能，忽视了系统数据的质量监督，缺乏数据质量验收的概念和标准。

　　对计算机的依赖和信任过多，人员主观因素的忽视，缺乏专门的培训系统和监督系统。

　　1.2客观因素

　　1.2.1数据库设计缺陷

　　数据质量的概念源于海量数据的重新应用，并且在医院信息系统构建的初期对数据质量没有深入的了解。在设计数据库时，数据库开发人员很难全面考虑并准备可能的垃圾数据。这也是医院信息系统建设中不可避免的阶段。

　　1.2.2应用系统编程中的缺陷

　　系统提供商关心利润，并努力为产品提供短周期和快速结果，而他们却没有动力进行数据质量管理。许多信息系统缺乏数据完整性约束和质量管理功能，有些甚至可能直接修改基本数据字典，从而给数据质量带来巨大的隐患。

　　1.2.3缺乏专业工具，团队和机制

　　医学数据是医学行为的最终摘要和信息载体，管理的复杂性不亚于医学过程的质量管理。但是，目前主要医院的质量管理重点主要放在医疗质量管理上，没有专门的团队和系统进行医疗数据质量管理，也没有完善的管理机制。

　　2信息系统数据质量等级和问题分类

　　只有对垃圾数据的产生和影响因素进行分类和管理，并制定有针对性的对策，才能迅速有效地预防和纠正垃圾数据。