part6. 보건의료데이터 관리와 거버넌스

(1) 데이터 · 정보 · 지식 · 지혜

① 네 단계의 계층

데이터는 가공되지 않은 사실이나 관찰·측정의 결과다.

정보는 데이터를 목적에 맞게 가공하고 해석하여 의미를 부여한 것이다.

지식은 정보를 체계화하여 일반화한 규칙이나 원리다.

지혜는 지식을 구체적인 상황에 적용하여 판단하는 능력이다.

이 계층 구조는 애커프(Russell L. Ackoff)가 1989년 논문 「From Data to Wisdom」(Journal of Applied Systems Analysis 16권, 3–9면)에서 제시한 것에서 비롯되었다.

애커프의 원안은 데이터 → 정보 → 지식 → 이해(understanding) → 지혜의 다섯 단계이며, 오늘날 널리 쓰이는 네 단계의 DIKW 계층은 이를 축약한 형태다.

② 보건의료 영역에서의 예

체온 38.5℃라는 측정값 자체는 데이터다.

이 값을 정상 범위와 견주어 발열이라고 판단한 것은 정보다.

발열이 감염의 징후라는 일반화된 이해는 지식이다.

이 환자에게 지금 어떤 조치를 할 것인지 결정하는 것은 지혜다.

③ 핵심 요약표

(2) 보건의료데이터의 유형

① 구조화 정도에 따른 분류

정형 데이터는 미리 정해진 구조에 맞추어 저장된 데이터다.

관계형 데이터베이스의 테이블에 담긴 진단코드, 검사수치, 청구내역이 정형 데이터에 해당한다.

반정형 데이터는 고정된 테이블 구조는 아니지만 형식과 계층을 알려주는 태그나 표시를 데이터 자신이 함께 가지고 있는 데이터다.

구조를 설명하는 정보를 데이터가 스스로 지니고 있다는 뜻에서 이를 자기기술적(self-describing) 구조라 한다.

정형 데이터는 구조가 데이터베이스 스키마에 따로 정의되어 있고, 반정형 데이터는 구조가 데이터 안의 태그로 표현된다는 점에서 구분된다.

XML, JSON, HL7 메시지, CDA 문서가 반정형 데이터에 해당한다.

비정형 데이터는 정해진 구조가 없는 데이터다.

경과기록·수술기록 같은 서술형 텍스트, 영상, 파형, 음성이 비정형 데이터에 해당한다.

보건의료데이터는 다른 분야에 비해 비정형 데이터가 차지하는 비중이 크다는 점이 특징으로 지적된다.

② 생성 원천에 따른 분류

진료데이터는 의료기관에서 진료 과정을 통해 생성되는 데이터다.

청구데이터는 요양급여비용 청구 과정에서 생성되는 데이터다.

유전체데이터는 유전자 검사와 분석을 통해 생성되는 데이터다.

환자유래 건강데이터(PGHD, Patient-Generated Health Data)는 건강 문제의 해결에 도움을 주기 위하여 환자 본인 또는 가족·보호자가 생성·기록·수집한 건강 관련 데이터다.

데이터를 기록하는 주체가 환자 쪽이고 이를 누구에게 어떻게 제공할지도 환자가 결정한다는 점이 진료데이터와 다른 점이다.

가정용 혈압계·혈당계의 측정값, 모바일 앱의 운동·식이 기록, 환자가 작성한 설문이 이에 해당한다.

라이프로그 데이터는 웨어러블 기기나 모바일 기기를 통해 일상에서 수집되는 데이터로 환자유래 건강데이터에 포함된다.

③ 구조화 정도에 따른 분류 요약표

(3) 보건의료 빅데이터

① 빅데이터의 특성

빅데이터의 세 가지 특성은 규모(Volume), 다양성(Variety), 속도(Velocity)다.

이 세 가지는 레이니(Doug Laney)가 2001년 메타그룹(META Group) 보고서 「3D Data Management: Controlling Data Volume, Velocity, and Variety」에서 데이터 관리의 세 가지 과제 차원으로 제시한 것이 뒤에 빅데이터의 특성으로 자리 잡은 것이다.

이후 IBM이 정확성(Veracity)을, 오라클(Oracle) 등이 가치(Value)를 더하여 네 가지 또는 다섯 가지로 설명하기도 한다.

규모는 데이터의 양이 기존의 처리 능력을 넘어설 만큼 크다는 뜻이다.

다양성은 정형·반정형·비정형이 뒤섞여 있다는 뜻이다.

속도는 데이터가 생성되고 처리되어야 하는 속도가 빠르다는 뜻이다.

정확성은 데이터에 잡음과 오류가 섞여 있어 신뢰성의 확보가 과제라는 뜻이다.

가치는 대량의 데이터에서 의미 있는 결과를 끌어내는 것이 목적이라는 뜻이다.

② 보건의료 빅데이터의 특수성

보건의료데이터는 개인의 민감정보에 해당하므로 활용에 앞서 보호 조치가 요구된다.

생성 기관마다 용어와 코드가 달라 통합에 표준화 과정이 필요하다.

한 사람에 대한 자료가 여러 기관에 흩어져 있어 연계가 필요하다.

결측과 오류가 포함되어 있어 분석 전 정제 과정이 필요하다.

(4) 보건의료데이터의 집적 형태

① 임상데이터웨어하우스

임상데이터웨어하우스(CDW)는 진료 과정에서 생성된 자료를 분석과 연구에 쓸 수 있도록 별도로 모아 구성한 데이터웨어하우스다.

임상데이터웨어하우스를 두면 진료 시스템의 운영에 부담을 주지 않고 조회와 분석을 수행할 수 있다.

② 레지스트리

레지스트리는 특정 질환이나 시술의 대상자를 정해진 항목에 따라 지속적으로 등록하고 추적하는 자료 집합이다.

국가암등록사업의 암등록 자료와 희귀질환 등록 자료가 레지스트리의 예다.

데이터웨어하우스가 조직이 보유한 자료 전반을 분석 목적으로 통합한 것이라면, 레지스트리는 정해진 대상과 항목에 한정하여 목적을 두고 수집한 것이다.

(1) 데이터 품질의 개념

① 데이터 품질

데이터 품질은 데이터가 사용 목적에 부합하는 정도를 말한다.

품질이 확보되지 않은 데이터에 근거한 분석은 잘못된 의사결정으로 이어질 수 있다.

보건의료데이터는 환자의 안전과 직결되므로 품질관리의 중요성이 특히 크다.

② 데이터 품질관리

데이터 품질관리는 데이터의 품질을 확보하고 유지하기 위한 계획·통제·개선 활동이다.

데이터 품질관리는 관리 대상과 기준을 정하는 계획, 현재의 품질 수준을 측정하는 진단, 원인을 없애는 개선의 순환으로 이루어진다.

데이터는 수집하는 시점에 통제하는 편이 사후에 교정하는 것보다 비용이 적게 든다고 설명된다.

진단에서 확인된 오류는 개별 값을 고치는 데 그치지 않고 그 오류를 만들어 낸 업무 절차와 시스템까지 함께 고쳐야 재발을 막을 수 있다.

(2) AHIMA의 데이터 품질관리 모델

① 네 개의 영역

미국보건정보관리협회(AHIMA)는 데이터 품질관리 모델(Data Quality Management Model)을 네 개의 영역으로 제시하였다.

적용(application)은 데이터를 수집하는 목적에 관한 영역이다.

수집(collection)은 데이터 항목이 축적되는 과정에 관한 영역이다.

저장(warehousing)은 데이터를 보관하는 데 사용되는 절차와 시스템에 관한 영역이다.

분석(analysis)은 데이터를 의미 있는 정보로 바꾸는 과정에 관한 영역이다.

② 열 가지 특성

정확성(accuracy)은 데이터에 식별할 수 있는 오류가 없는 정도다.

접근성(accessibility)은 필요한 데이터를 적법하게, 그리고 보호되고 통제된 환경 안에서 얻을 수 있는 정도다.

포괄성(comprehensiveness)은 의도적으로 제외한 항목을 문서화하면서 필요한 데이터를 빠짐없이 포함하는 정도다.

일관성(consistency)은 같은 데이터가 어디에서든 같은 값으로 나타나는 정도다.

최신성(currency)은 데이터가 현재도 유효한 값인 정도다.

정의(definition)는 데이터 항목의 의미가 명확하게 규정되어 있는 정도다.

세분성(granularity)은 데이터가 목적에 맞는 상세 수준으로 수집되는 정도다.

정밀성(precision)은 데이터의 값이 목적을 지지할 수 있을 만큼의 정확한 자릿수와 범위로 수집되는 정도다.

관련성(relevancy)은 데이터가 사용 목적에 의미가 있는 정도다.

적시성(timeliness)은 데이터가 필요한 시점에 맞추어 수집·기록·제공되는 정도다.

③ 헷갈리기 쉬운 세 가지의 구별

최신성은 이미 기록된 값이 현재도 유효한지를 묻고, 적시성은 그 값이 필요한 때에 늦지 않게 기록되고 제공되었는지를 묻는다.

환자의 주소나 연락처가 바뀌었는데도 옛 값이 그대로 남아 있다면 최신성의 문제다.

검사 결과가 판독된 뒤 한참 지나 입력되어 정작 진료하는 때에는 조회되지 않았다면 적시성의 문제다.

적시성이 데이터가 만들어지고 제공되는 시점의 문제라면, 접근성은 이미 만들어진 데이터에 권한을 가진 사람이 닿을 수 있는지의 문제다.

④ 핵심 요약표

(3) 데이터 품질을 확보하기 위한 수단

① 데이터 표준화

데이터 표준화는 데이터의 명칭, 정의, 형식, 값의 범위를 통일하는 활동이다.

표준화가 이루어져야 서로 다른 기관과 시스템의 데이터를 연계하고 비교할 수 있다.

② 메타데이터와 데이터 사전

메타데이터는 데이터에 관한 데이터로, 데이터의 의미와 구조와 관리 방법을 설명한다.

데이터 사전은 데이터 항목의 명칭, 정의, 형식, 허용값을 정리해 놓은 문서 또는 저장소다.

데이터 사전이 갖추어져 있으면 같은 항목을 서로 다르게 해석하는 일을 줄일 수 있다.

③ 입력 단계의 통제

입력 통제는 데이터가 만들어지는 단계에서 잘못된 값이 들어오지 못하도록 막는 장치다.

필수 입력 항목을 지정하면 값이 비어 있는 채로 기록이 완료되는 것을 막을 수 있다.

선택 목록과 허용값의 범위를 미리 정해 두면 자유 입력에서 생기는 표기의 차이와 범위를 벗어난 값을 줄일 수 있다.

서로 모순되는 값이 입력될 때 경고를 띄우는 검증 규칙을 두면 오류를 기록하는 시점에 발견할 수 있다.

데이터베이스에 설정하는 개체 무결성·참조 무결성·도메인 무결성은 입력 통제를 데이터베이스 차원에서 뒷받침하는 장치다.

④ 데이터 정제

데이터 정제는 결측값, 이상값, 중복 자료, 형식 오류를 찾아 처리하는 활동이다.

정제 과정에서 원자료를 어떻게 바꾸었는지 기록을 남겨야 재현이 가능하다.

⑤ 데이터 품질 지표와 정합성 점검

데이터 품질 지표는 품질의 특성을 측정할 수 있는 값으로 바꾸어 놓은 것이다.

완전성은 필수 항목 가운데 값이 비어 있는 비율인 결측률로 측정한다.

유일성은 같은 대상이 둘 이상으로 등록된 비율인 중복률로 측정한다.

유효성은 허용된 값의 범위나 형식을 벗어난 값의 비율로 측정한다.

일관성은 같은 항목이 서로 다른 시스템에서 다른 값으로 나타나는 비율로 측정한다.

적시성은 정해진 기한 안에 기록이 완료된 비율로 측정한다.

데이터 정합성 점검은 서로 연결된 항목의 값이 논리적으로 모순되지 않는지 확인하는 활동이다.

성별이 남성으로 기록된 환자에게 분만에 관한 진단이 붙어 있거나 퇴원일자가 입원일자보다 앞서 있는 경우가 정합성 점검에서 걸러야 할 예다.

정합성 점검은 시스템이 자동으로 수행하는 규칙 검사와 담당자가 직접 확인하는 수작업 검토를 함께 사용한다.

(4) 데이터의 정확성 점검 방법

① 원자료 대조에 의한 점검

데이터의 정확성은 기록된 값을 원자료와 다시 대조하는

방법으로 점검하며, 분류 업무에서는 이러한 활동을 통틀어 코딩 정확도 조사라고 한다.

재코딩 검토는 이미 부여된 코드를 다른 담당자가 기록을 다시 읽고 코딩한 뒤 처음의 코드와 견주어 보는 방법이다.

재코딩 검토에서 두 코드가 일치한 건수를 검토한 전체 건수로 나눈 값이 코딩 정확도다.

이중 코딩은 같은 기록을 두 사람이 각각 코딩하여 두 결과를 비교하는 방법이다.

② 표본 감사

표본 감사는 전체 기록 가운데 일부를 뽑아 점검하고 그 결과로 전체의 오류 수준을 추정하는 방법이다.

표본은 무작위로 뽑는 것이 원칙이나 오류가 자주 발생하는 진료과나 질병군을 겨냥하여 뽑는 표적 표본을 함께 쓰기도 한다.

점검 결과는 오류가 반복되는 항목을 찾아 교육과 지침을 보완하는 근거로 활용한다.

정확성 점검은 코드뿐 아니라 주진단의 선정, 등록번호, 인적사항, 검사 결과값과 같은 항목에도 적용한다.

(5) 데이터 품질관리 제도

① 데이터 품질관리 성숙도 모형

데이터 품질관리 성숙도 모형(DQM3)은 조직의 데이터 품질관리 수준을 다섯 단계로 나누어 진단하고 단계별 개선 과제를 제시하는 모형이다.

다섯 단계는 도입, 정형화, 통합화, 정량화, 최적화의 순서로 높아진다.

도입 단계는 품질 문제와 그 관리의 필요성을 인식하기 시작한 수준이다.

정형화 단계는 품질관리의 정책과 절차가 마련된 수준이다.

통합화 단계는 품질관리 체계가 조직 전체에 일관되게 적용된 수준이다.

정량화 단계는 품질 수준을 통계적 기법으로 측정하고 예측할 수 있는 수준이다.

최적화 단계는 측정 결과를 바탕으로 개선을 지속적으로 반복하는 수준이다.

② 데이터 품질인증

데이터 품질인증(DQC)은 「데이터 산업진흥 및 이용촉진에 관한 기본법」에 근거하여 데이터의 내용과 데이터 관리체계를 진단하고 그 수준을 인증하는 제도다.

데이터의 내용에 대한 인증은 데이터값 인증(DQC-V)으로 품질 점수에 따라 등급을 부여하고, 데이터 관리체계에 대한 인증은 데이터 관리체계 인증(DQC-M)으로 성숙도 수준에 따라 등급을 부여한다.

(1) 생애주기의 단계

① 단계별 활동

생성 단계는 진료나 검사를 통해 데이터가 만들어지는 단계다.

수집 단계는 만들어진 데이터를 시스템에 입력하고 모으는 단계다.

저장 단계는 수집된 데이터를 보관하고 백업하며 이중화하는 단계다.

활용 단계는 저장된 데이터를 조회·분석하고 제공하는 단계다.

보존 단계는 정해진 기간 동안 데이터를 유지하는 단계다.

폐기 단계는 보존기간이 지난 데이터를 복구할 수 없게 없애는 단계다.

② 단계별 관리의 초점

생성과 수집 단계에서는 정확성과 완전성의 확보가 초점이다.

저장 단계에서는 무결성과 가용성의 확보가 초점이다.

활용 단계에서는 접근권한의 통제와 활용 목적의 적합성이 초점이다.

보존과 폐기 단계에서는 법정 보존기간의 준수가 초점이다.

③ 핵심 요약표

(2) 마스터데이터와 환자 식별

① 마스터데이터

마스터데이터는 여러 업무에서 공통으로 참조하는 기준이 되는 데이터다.

환자, 의료진, 진료과, 검사항목, 약품, 진단코드가 마스터데이터에 해당한다.

마스터데이터가 부서마다 따로 관리되면 같은 대상이 서로 다른 값으로 기록될 수 있다.

② 마스터환자색인

마스터환자색인(MPI, Master Patient Index)은 한 의료기관에서 진료를 받은 환자의 인적사항과 등록번호를 수록하여 그 환자의 모든 방문 기록을 하나의 식별자로 연결해 주는 색인이다.

마스터환자색인은 등록번호를 모를 때 환자의 기록을 찾을 수 있는 통로가 되므로 영구적으로 보존한다.

EMPI(Enterprise Master Patient Index)는 둘 이상의 기관 또는 시스템의 마스터환자색인을 통합하여 기관 사이에 흩어진 동일인의 식별자를 연계·관리하는 색인이다.

③ 환자 식별 오류의 유형

중복(duplicate)은 한 사람에게 둘 이상의 등록번호가 부여된 오류다.

중첩(overlay)은 하나의 등록번호에 서로 다른 두 사람의 기록이 섞여 들어간 오류다.

오버랩(overlap)은 동일인이 서로 다른 기관에서 각기 다른 등록번호를 가지고 있는 상태를 말한다.

중복은 과거 기록의 누락으로, 중첩은 다른 사람의 기록에 근거한 진료로 이어질 수 있다.

중첩은 다른 사람의 정보가 환자에게 노출되는 문제까지 함께 일으킨다.

④ 코드의 변경 관리

분류체계의 개정으로 코드가 바뀌면 과거 자료와 새 자료의 비교가 어려워진다.

개정 전후의 코드를 연결하는 매핑 정보를 함께 관리해야 시계열 분석이 가능하다.

(3) 보존과 폐기

① 보존

보건의료데이터의 보존기간은 관계 법령에서 정한 기간을 따른다.

보존 매체가 노후화하거나 재생 장비가 단종되면 보존기간 안에도 판독이 불가능해질 수 있다.

매체와 형식의 변화에 대비하여 이관 계획을 함께 두어야 한다.

② 폐기

보존기간이 지난 데이터는 복구하거나 재생할 수 없는 방법으로 파기한다.

무엇을 언제 어떤 방법으로 파기하였는지 기록을 남긴다.

소송이나 조사가 진행 중인 자료는 보존기간이 지났더라도 파기를 보류한다.

(1) 데이터 거버넌스와 정보 거버넌스

① 개념

데이터 거버넌스는 조직의 데이터를 자산으로 보고 그 관리에 관한 권한과 책임, 규칙과 절차를 정하여 운영하는 체계다.

정보 거버넌스는 데이터뿐 아니라 조직이 다루는 정보 전반을 대상으로 하는 상위의 관리 체계다.

데이터 거버넌스는 정보 거버넌스의 한 부분으로 이해된다.

② 필요성

데이터의 소유와 책임이 불분명하면 품질 문제가 발생해도 개선의 주체가 정해지지 않는다.

부서마다 다른 기준으로 데이터를 관리하면 같은 이름의 지표가 부서마다 다른 값으로 산출될 수 있다.

개인정보 보호와 데이터 활용을 함께 달성하려면 조직 차원의 판단 기준이 필요하다.

(2) 데이터 거버넌스의 구성요소와 조직

① 세 가지 구성요소

원칙은 데이터를 유지·관리하기 위한 지침과 기준이다.

조직은 데이터를 관리하는 조직의 역할과 책임이다.

프로세스는 데이터 관리를 위한 절차와 활동 체계다.

② 역할과 기구

데이터 관리자는 데이터 관리 정책을 수립하고 총괄하는 역할이다.

데이터 스튜어드는 담당 영역의 데이터에 대해 정의와 품질을 책임지는 역할이다.

데이터 소유자는 해당 데이터의 활용과 제공 여부를 결정할 권한을 갖는 역할이다.

최고데이터책임자(CDO)는 조직의 데이터 관리 전반을 총괄하는 책임자로 지정되는 직위다.

데이터 거버넌스 위원회는 데이터에 관한 정책과 기준을 심의하고 부서 사이의 이견을 조정하는 협의 기구다.

보건의료정보관리자는 의무기록 데이터의 정의와 품질을 관리한다는 점에서 데이터 스튜어드의 역할에 해당하는 것으로 설명된다.

③ 핵심 요약표

(3) AHIMA의 보건의료 정보 거버넌스 원칙

① 여덟 가지 원칙

미국보건정보관리협회(AHIMA)는 2014년 ARMA International의 「일반적으로 인정되는 기록관리 원칙(GARP)」을 보건의료 환경에 맞게 개작하여 보건의료 정보 거버넌스 원칙(IGPHC)으로 여덟 가지를 제시하였다.

책임성(accountability)은 고위 경영진 또는 그에 준하는 권한을 가진 사람이 정보 거버넌스 프로그램을 총괄하고 정보관리에 관한 실무 책임을 적절한 담당자에게 위임하여야 한다는 원칙이다.

투명성(transparency)은 정보의 처리 과정과 활동을 문서화하여 확인할 수 있게 하여야 한다는 원칙이다.

무결성(integrity)은 정보의 진정성과 신뢰성이 합리적으로 보장되어야 한다는 원칙이다.

보호(protection)는 정보가 훼손·유출·부적절한 접근으로부터 보호되어야 한다는 원칙이다.

준수(compliance)는 관계 법령과 규정, 조직의 정책을 따라야 한다는 원칙이다.

가용성(availability)은 필요한 정보를 적시에 정확하고 효율적으로 검색하여 이용할 수 있어야 한다는 원칙이다.

보유(retention)는 법적·규제적·업무적·역사적 요건을 고려한 적정 기간 동안 정보를 유지하여야 한다는 원칙이다.

폐기(disposition)는 더 이상 유지할 필요가 없는 정보를 안전하고 적절한 방법으로 처분하여야 한다는 원칙이다.

② 핵심 요약표

(4) 데이터 활용에 대한 내부 통제

① 활용의 법적 전제

데이터 3법은 2020년에 함께 개정된 「개인정보 보호법」, 「정보통신망 이용촉진 및 정보보호 등에 관한 법률」, 「신용정보의 이용 및 보호에 관한 법률」을 말한다.

「개인정보 보호법」 제28조의2 제1항은 "개인정보처리자는 통계작성, 과학적 연구, 공익적 기록보존 등을 위하여 정보주체의 동의 없이 가명정보를 처리할 수 있다."라고 정하고 있다.

같은 법 제2조 제1호 다목은 가명정보를 "가명처리함으로써 원래의 상태로 복원하기 위한 추가 정보의 사용·결합 없이는 특정 개인을 알아볼 수 없는 정보"로 정하고 있다.

가명정보는 개인정보에 해당하여 보호 조치의 대상이 된다는 점에서 익명정보와 구별된다.

가명처리의 구체적인 방법과 안전조치는 part9 건강정보보호에서 다룬다.

② 활용 지침

「보건의료데이터 활용 가이드라인」은 보건복지부와 개인정보보호위원회가 2020년 9월 처음 발간한 후 여러 차례 개정해 온 지침으로, 보건의료데이터의 가명처리 기준과 심의 절차를 정하고 있다.

이 가이드라인에 따라 개인정보처리자는 가명정보 처리를 검토하기 위한 기관보건의료정보심의위원회를 구성·운영한다.

③ 심의 절차

기관생명윤리위원회(IRB)는 「생명윤리 및 안전에 관한 법률」 제10조에 따라 인간대상연구를 수행하는 기관이 설치하는 위원회다.

같은 조 제3항 제1호는 심의 사항으로 "가. 연구계획서의 윤리적·과학적 타당성", "나. 연구대상자등으로부터 적법한 절차에 따라 동의를 받았는지 여부", "다. 연구대상자등의 안전에 관한 사항", "라. 연구대상자등의 개인정보 보호 대책", "마. 그 밖에 기관에서의 생명윤리 및 안전에 관한 사항"을 정하고 있다.

기관보건의료정보심의위원회(DRB, Data Review Board)는 개인정보처리자가 「개인정보 보호법」 제28조의2에 따라 가명정보를 처리할 때 가명처리의 적정성과 가명정보의 안전성을 검토하기 위하여 기관 내부 관리계획에 따라 구성·운영하는 검토위원회다.

종전에는 데이터심의위원회, 이후 기관보건의료데이터심의위원회라고 하다가 현재의 명칭으로 바뀌었다.

연구의 과학적 타당성과 연구 윤리는 기관생명윤리위원회가, 개인정보 보호대책과 가명처리의 적정성은 기관보건의료정보심의위원회가 심의한다는 점에서 두 위원회의 역할이 구분된다.

자체적으로 위원회를 구성하기 어려운 기관을 위하여 공용 위원회 제도가 운영된다.

④ 내부 통제와 관리자의 역할

어떤 요청에 데이터의 활용을 허용할 것인지 판단하는 기준과 절차를 미리 정해 두는 것이 거버넌스의 역할이다.

개별 요청마다 다른 기준으로 판단하면 제공의 형평성과 일관성이 유지되지 않는다.

보건의료정보관리자는 요청된 자료의 범위가 목적에 비추어 과도하지 않은지 확인한다.

제공한 자료의 항목과 건수, 제공 일자와 대상을 기록으로 남긴다.

제공 이후 약정한 용도 외로 사용되지 않는지 관리한다.