Dans ce module, vous définirez les algorithmes d'identification clinique, identifierez comment les données sont transformées par les règles des algorithmes et expliquerez pourquoi certains types de données sont plus ou moins fiables que d'autres lors de la construction des algorithmes. Vous passerez également en revue certaines mesures de qualité approuvées par le NQF et couramment utilisées par les organismes de soins de santé. Vous discuterez de la manière dont les groupeurs peuvent vous aider à analyser un large échantillon de demandes de remboursement ou de données cliniques. Vous accéderez à des groupeurs open source en ligne et préparerez un plan d'analyse pour faire correspondre les codes à des catégories de diagnostics et de procédures plus générales et utilisables. Vous préparerez également un plan d'analyse pour faire correspondre les codes à des catégories analytiques plus générales et utilisables, ainsi qu'une déclaration de valeur pour divers groupeurs commerciaux afin d'informer les équipes analytiques des avantages qu'elles peuvent tirer de ces outils commerciaux par rapport aux coûts de licence et de mise en œuvre.

Dans ce module, vous décrirez les processus logiques utilisés par les programmeurs de bases de données et de statistiques pour extraire, transformer et charger (ETL) les données dans les structures de données nécessaires à la résolution des problèmes médicaux. Vous harmoniserez également les données provenant de sources multiples et préparerez des fichiers de données intégrés pour l'analyse.

Dans ce module, vous décrirez à une équipe analytique comment la stratification des risques permet de classer les patients susceptibles d'avoir des besoins ou des problèmes spécifiques. Vous énumérerez et expliquerez la signification des étapes de la stratification des risques. Vous appliquerez certains concepts analytiques, tels que les groupeurs, à de grands échantillons de données de l'assurance maladie, et vous utiliserez les dictionnaires de données et les livres de codes pour démontrer pourquoi il est si important de comprendre la source et l'objectif des données. Vous expliquerez ce que signifie la phase générale : "Le contexte est important lors de l'analyse et de l'interprétation des données sur les soins de santé" Vous communiquerez également des questions et des idées spécifiques qui vous aideront, vous et les autres membres de votre équipe d'analyse, à comprendre la signification de vos données.