rekordkobling

rekordkobling er en metode for å identifisere poster i ulike datasett som refererer til samme virkelige enhet. Målet er å slå sammen poster slik at man får en mer helhetlig og duplikatfri fremstilling av personer, organisasjoner eller hendelser. Metoden brukes i forskning, helsesektoren, offentlig forvaltning og i privat sektor for å øke datakvaliteten og muliggjøre longitudinal analyse.

Deterministisk kobling innebærer at poster kobles når datafelt er entydig identiske eller følger klare regler (for eksempel nasjonalt personnummer eller andre ID-nøkler). Sannsynlighetsbasert kobling, ofte kalt probabilistisk kobling, vurderer likhet mellom flere attributter (navn, fødselsdato, adresse) og tilordner en match-score. For å redusere beregningsmengden bruker man blokkering, der kun poster som deler visse kjennetegn vurderes mot hverandre. Parvise vurderinger blir deretter kombinert til en samlet beslutning, ofte med remarking for manuell gjennomgang av usikre tilfeller.

Prosessen omfatter vanligvis datarensing og standardisering, blokkering av mulige par, parvis sammenligning av relevante felt, tildeling av match-/ikke-match-scores og vurdering av uklare tilfeller gjennom clerical review eller automatiserte regler. Resultatet er et sammenslått datasett med redusert antall duplikater og bedre kontinuitet i historiske data. Kvalitetsvurdering, dokumentasjon og revisjon er sentralt for å sikre etterprøvbarhet og riktig anvendelse.

Viktige hensyn inkluderer personvern, datasikkerhet og regulatoriske krav som GDPR og nasjonale personopplysningslover. Kvalitetsproblemer som manglende eller feilaktige felt kan påvirke presisjon og recall og krever nøye vurdering av terskler og potensielle feilmarginer. Brukeren av rekordkobling må balansere behovet for fullstendighet mot risikoen for feilmatching og informasjonsutveksling.