데이터 급증의 시대에 고품질 데이터를 보장하는 것은 효과적이고 근거 기반의 의사 결정에 필수적입니다. 본 연구는 데이터 분류, 품질 차원, 평가 방법론 및 현대 소프트웨어 도구를 통합하여 이 분야에 대한 구조적이고 비교적인 리뷰를 제공합니다. 이전의 리뷰가 개별적인 측면에만 초점을 맞춘 것과 달리, 이 연구는 찾기 쉽고 접근 가능하며 상호 운용 가능하고 재사용 가능한(FAIR) 원칙 및 소프트웨어와 데이터 품질에 관한 ISO/IEC 25000 시리즈를 포함한 공식적인 프레임워크와 기초 개념을 종합합니다. 또한 총 데이터 품질 관리(TDQM), 데이터 웨어하우스 품질(DWQ), 고품질 데이터 관리(HDQM)와 같은 잘 확립된 평가 모델을 검토하고, 상용 플랫폼을 기능성, AI 통합 및 적응성 측면에서 비판적으로 평가합니다. 주요 기여는 데이터 품질 차원과 FAIR 지표 및 성숙도 수준을 연결하는 개념적 매핑을 개발하여 실용적인 참조 모델을 제공하는 데 있습니다. 연구 결과는 현재 도구와 접근 방식에서의 격차를 확인하고, 특히 비용 인식, 설명 가능성 및 프로세스 적응성에 관한 문제를 강조합니다. 이 연구는 이론과 실제를 연결하여 학술 문헌에 기여하고, 확장 가능하고 기준에 맞춘 컨텍스트 민감한 데이터 품질 관리 전략을 구축하기 위한 실행 가능한 통찰을 제공합니다.
Alexakis et al. (수요일), 이 질문을 연구하였습니다.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: