CHDA认证考试成功因素

标题:CHDA认证考试成功因素

署名:作者:Renae Spohn, PhD, MBA, RHIA, CPHI, CPHQ, FAHIMA, FNAHQ;William Schweinle III博士;帕蒂Berg-Poppe博士;卡罗尔South-Winter EdD;大卫•德琼EdD

摘要

本研究探讨了通过认证健康数据分析师管理(CHDA)认证考试的可能成功因素。据美国健康信息管理协会(AHIMA)统计,2019年,首次参加考试的考生中只有10%通过了CHDA考试。文献综述提供了对通过认证考试相关因素的深入了解。来源包括自1990年以来在87个教育和卫生/医学数据库以及在南达科他州大学图书馆可用的62篇其他文章和期刊数据库中已有的、相关的同行评审的和已发表的文献。本研究采用了相关设计。从AHIMA中检索数据,进行清理,并使用二元logistic回归分析完成数据分析。CHDA的研究结果表明,30 - 49岁的考生通过考试的可能性低于50岁及以上的考生,硕士学位的考生通过考试的可能性高于大专或本科学位的考生。这些新信息将有助于提高考试通过率,为CHDA考试研究提供基础,并在HIM专业研究机构中增加新的知识。

关键字

认证考试成功因素,认证健康数据分析师,健康信息管理

介绍

本研究的目的是确定通过认证健康数据分析师管理(Certified Health Data Analyst Administration, CHDA)考试的成功因素。CHDA证书已经使用了10年,旨在交流有效分析医疗保健数据的能力。1它是为了响应实施电子健康记录(ehr)后医疗保健提供者的劳动力需求而开发的。医疗保健提供商需要使用大量的电子病历数据来做出更好的决策2,3并正在开发商业智能部门,以整合交互式仪表板和其他数据分析报告功能。4 - 7

背景

医疗保健数据分析师的角色在帮助医疗保健组织以新的方式使用数据(例如,研究)方面至关重要。8-10分析师通常与跨学科团队合作,利用健康信息管理(HIM)技能和对医疗保健数据集的熟悉来解决问题。根据长矛,11“一个优秀的数据分析师的素质应该包括核心能力,如理解关系数据库;具备结构化查询语言(SQL)和基本统计知识;能够通过可视化技术讲述数据的故事;理解项目管理原则;包括软技能,如好奇心、分析思维、灵活性、原则性、热情和有效沟通的能力”(第36页)。

文献综述

通过认证HIM认证考试的预测因素包括累积平均绩点(GPA)、总绩点和课程成绩;而其他学科则学习其他成功因素,包括完成预科课程;年龄;毅力;刻意练习;参与指导计划;和GRE的性能。12-23

本研究的概念理论模型反映了高级实践认证考试考生(图1):之前的工作经验,目前的工作环境,之前的证书和之前的学习。

HIM高级实践认证考试模型框架描述了在研究中测试的主要成功因素,以确定对通过CHDA认证考试的影响。由于之前没有关于CHDA考试的研究,研究小组认为最好从数据收集点开始,即申请参加考试,为未来的研究奠定基础。

方法

研究设计采用事后定量、相关性方法。24数据包括从2009年1月1日至2019年12月31日期间从美国健康信息管理协会(AHIMA) CHDA认证考试首次考生收集的11年信息。

数据收集

经过南达科他州大学机构审查委员会的批准,这项研究开始了。使用预先存在的档案数据不需要个人同意。数据集中有1032人(2009年1月1日至2019年12月31日)首次使用CHDA。年龄在70岁或以上的病例被认为是统计和实际定义的异常值,并被删除。214例病例的数据丢失或未知,在数据清理过程中从研究中删除,818例用于数据分析。

预测变量包括年龄、(当前)最高学历、以前的学历、(当前)工作环境和(当前)工作类别。标准变量是认证考试的通过或不通过的二分结果,这也是从AHIMA收集的。年龄被分为以下几类:小于20岁;页;- 39;40至49;和超过50岁。25

数据分析

采用SPSS Grad Pack 26.0软件进行数据分析。代谢途径分类变量被自动重新编码,以便在一个区块内对所有研究变量进行比较。每年的通过率通过AHIMA公布报告的比较来验证。为每个变量创建描述性统计,包括数据清理后所有年份合并数据的响应百分比、有效百分比和累计百分比。数据分析继续与二元逻辑回归。61计算回归系数估计、模型拟合、置信区间和优势比。本研究的显著性水平(α)设为0.05;检测效果的功率为0.80,中等效果大小为0.5是在接收数据之前选定的。G*Power analysis显示,本研究需要样本721名学生才能达到预期的效果。29、30

计算逐步回归模型,以确保选择最佳的拟合模型。多个反应水平的分类研究变量被SPSS26自动记录,以便在一个区块内进行研究变量的比较。将模型系数综合检验与Hosmer和Lemeshow检验结果进行了比较。对所有三种模型的分类表进行了审查。标准模型显示,通过考试的预测正确率最高(60.4%),总体预测正确率为63.7%。标准回归模型的Hosmer和Lemeshow检验结果表明,模型拟合良好,χ2(8,N= 818) = 4.369,p= .822。-2 Log可能性(1020.471一个)、Cox & Snell R-Square(.125)和Nagelkerke R-Square(.167)的结果与标准模型选择一致。个体预测者的假设检验遵循模型选择。

结果

回想一下,我们假设了首次参加考试的年龄和通过CHDA认证考试之间的关系。逻辑回归结果描述在表1并表明30-39岁年龄组结果与40-49岁年龄组结果呈负显著性。与50岁及以上的考生相比,30-49岁的考生通过考试的可能性更低。

我们的第二个问题考虑了初试者最高学历与通过CHDA认证考试之间的关系。结果显示在表2并表示

有硕士学位的人在统计学上有显著的反比关系。拥有硕士学位的考生比拥有大专或学士学位的考生更有可能通过考试。

第三个问题考虑了初试者的工作设置与通过CHDA认证考试的关系。分析显示,通过CHDA考试与应试者的工作设置没有关系,与那些失业的人相比(见表3).那些在研究中失业的人通过考试的可能性与那些在任何工作环境中工作的人一样高。

第四个问题是关于初试者附加证书与通过CHDA认证考试的关系。AHIMA证书(CCA、CCS、CCS- p、CDIP、RHIT、CHPS、ria、CHTS-TS、CHTS-CP、CHTS-TR、CHTS-PW、CHTS-IM、CHTS-IS和CPHI)作为首次成功的预测指标的回归结果显示,具有CCA证书的参与者的结果呈负显著性。结果显示在表4.拥有初级或高级实践HIM证书并不会增加通过CHDA考试的可能性。拥有CCA证书降低了通过考试的可能性。

偶然的结果

对职位级别类别数据进行分析(见表5),以确定初试者目前的工作水平与通过CHDA认证考试之间是否有关系。二元logistic回归结果与CHDA考试是否通过无关系。研究中评估的工作头衔,与那些失业的人相比,表明在HIM领域工作并没有增加通过考试的可能性。

通过CHDA考试的概率根据比值比计算,如表6与实际结果比较。根据63.7%的模型准确率,通过考试的概率比考生实际经历的要高。拥有博士学位的考生比拥有硕士学位的考生更有可能通过考试。据调查,在高等教育领域工作的考生比失业者通过考试的可能性更大。持有CCS、RHIA、CHTS-CP、CHTS-PW、CHTS-IS和CPHI证书的考生通过考试的可能性比研究中实际的结果更大。

总结的结果

本研究旨在找出通过CHDA考试的成功因素。2018年,CHDA认证考试通过率为26%。本研究采用了一种定量的、事后的、相关的方法。31数据包括从2009年1月1日至2019年12月31日期间从AHIMA CHDA认证考试首次考生收集的11年信息。对数据进行分析,以识别CHDA考试成功的因素。

虽然在HIM领域进行的研究数量有限,但许多学科已经完成了识别与HIM研究一致的成功因素的研究,包括累积GPA;总平均绩点;课程成绩;和完成预科课程和频繁的测试。尺码

采用二项logistic回归分析,探讨初试考生年龄、(当前)最高学历、(当前)工作环境与通过CHDA认证考试获得额外证书之间的关系。在学习期间,准学士学位至少被卫生信息和信息管理认证委员会(CCHIIM)从资格标准中删除了一次。目前的职位类别数据包括在从AHIMA收到的数据中,也包括在数据分析中,以及其他一些已取消考试的HIM证书。最高教育程度、工作设置、工作类别和证书变量包括考生当前信息而不是考试日期信息,因为会员数据库总是可以为会员提供更新。研究小组重新计算了年龄变量,以反映考试测试时的年龄。在研究所用数据的整个时间框架内,考试已经进行了修改。

结果显示,与50岁及以上的人相比,30至49岁的考生通过考试的可能性更低。与拥有硕士或以上学位的人相比,拥有最高水平的大专或学士学位的人通过CHDA考试的可能性更低。获得CCA证书的考生通过考试的机会也更低。与那些失业的人相比,候选人当前的工作水平与通过考试没有显著的关系。

总结

首次参加考试的考生的多年经验数据是不可获取的,这可能揭示了通过考试所需的经验数量和类型的重要信息。只有副学士学位或学士学位似乎会降低通过考试的几率,这表明需要更多的教育。还有一个问题是,考生要在考试要求的深度上学习考试内容,就必须对可用的学习资源进行调整。

在本研究中,CHDA考试的历史低通过率可能限制了对考试成功的统计显著因素的识别。在为期11年的学习期间,54%的首次考生未能通过考试。较高的通过率可能在研究的变量中显示出统计上显著的结果。因此,一项重复研究,包括考试通过率较高(70%)的数据,与AHIMA考试通过率一致,可能揭示额外的预测因素。

之前没有关于CHDA考试发表的研究,也有少量关于高等教育在资格考试中成功的因素的研究,这些因素适用于高级实践资格考试。确定在通过多个学科考试的重要成功因素包括GPA,总体GPA,以及在参加认证考试之前通过关键考试的经验。CHDA考试与大学提供的特定教育学位或证书课程没有直接联系,因此GPA和总体GPA变量对这个高级实践资格考试无关。

随着考试通过率的提高,建议的概念框架模型的各个方面都应进一步研究,以确认或修改,并可能添加其他重要因素。研究结果确认该考试为硕士及以上学历的高级实践考试,确认所提出的高等教育高级实践模式的先行学习部分是通过该考试的重要指标。通过概率计算表明,尽管在本研究中考生的成绩不同,提前练习模型在识别通过CHDA考试的关键因素方面是准确的。

由于通过率低,CHDA考试的资格标准应该重新评估,以确保符合工作场所的技能需求。调整可能包括限制考试对象为硕士及以上学历的考生。另一种策略可能是调整考试问题和心理测量学,使那些符合当前资格标准的人通过考试的可能性更高。有必要为年龄在50岁以下或教育程度低于硕士学位的潜在考生提供额外的支持机制。可能需要加入实习机会、医疗保健数据分析师的指导,以及额外或调整后的考试准备材料,以支持工作场所所需的健康数据分析师技能集的增长。

未来的研究应包括研究健康数据分析师角色所需的工作经验的数量和类型,包括更好地了解雇用这些专业人员的各种工作环境。随着医疗保健环境的变化,自实施ehr以来,医疗保健数据分析师的技能可能已经发生了巨大的变化。需要分析内容大纲和支持材料,以确定与CHDA考试和劳动力需求的一致性。其他主题可能包括以下列表:

  1. 了解成功通过考试的培训工具和测试策略。
  2. 了解实习或在职培训是否对通过高级实践考试有影响。
  3. 理解导师的角色、利用和影响。
  4. 确定是否有非ahima证书可以增加通过考试的可能性。
  5. 比较需要ria证书的工作和健康数据分析师工作,以评估在ria证书考试中数据分析技能方面可能存在的关键差距。
  6. 研究其他变量,以评估和修改高级实践框架模型。
  7. 在未来使用2019年后的数据重复CHDA研究,重新评估考试调整和心理测量学完成后的考试通过率预测。

CHDA考试极低的通过率证明了一个显著的心理测量、分数线或其他问题,需要进一步调查。工作人员正在招聘健康数据分析师,因此识别问题对于进一步开发该证书至关重要。确保与注册健康信息管理员(RHIA)考试数据分析内容保持一致,应确保为通过CHDA考试的技能开发打下基础。具有CCS证书和经验的个人通过考试的可能性很高,这导致了人们的担忧,即考试包含(或一度包含)过多关注诊断编码和声明相关数据分析问题的内容,而没有涵盖整个医疗记录数据集的分析。拥有HI/HIM硕士学位或博士学位的AHIMA成员中只有很小比例的人有资格参加这项考试。考试资格标准和能够通过考试的个人类型之间存在差距。重要的是要扩大首次参加考试的人数,以确保其在经济上的可行性。虽然经验显然是通过当前考试的必要条件,但究竟有多少仍是未知的。很多首次参加考试的人包括注册编码员、注册健康信息技术员(RHIT)和ria专业人员,但都没有成功。也许这些认证考试的内容需要更好地与CHDA考试保持一致,以便为进一步发展打下基础。 Probability calculations show those with 50 percent or better probability for passing the exam have at least one of the following characteristics: experience in the HIM field; master’s degree; doctorate degree; CCS credential; or an RHIA credential. Eligibility criteria should be modified to better align with candidates that have a predicted probability of 50 percent or better for passing the exam. The eligibility criteria recommended to be removed until the exam has been revised includes the following: RHIT with three years of healthcare data experience.

限制

这项研究的局限性可能是未知的混淆。未来的方法可能包括定性成分来识别这些混淆物。第二个限制可能是考生在考试前在当前特定类型的工作环境中工作的时间。第三个限制是使用事后的、相关的设计,通过这种设计,因果关系不能被坚定地断言。35-38未来研究的策略可能是利用实验或混合方法设计。然而,道德上的考虑可能使这变得困难,如果不是不可能的话。研究者的偏见可能会影响研究,从首次CHDA申请中选择六个事后变量,而不将定性成分纳入研究,以确定额外的混杂成功因素。这项研究的另一个限制是接收由AHIMA成员更新的考生数据,而不是从考生第一次尝试时收集的数据。样本量并不是研究的限制。该样本包括在11年期间收集的数据,以获得足够的研究力量。

在研究过程中获得的信息仅适用于AHIMA CHDA认证考试,不能直接推广到其他HIM、医疗保健或教育专业认证考试。

作者传记

Renae Spohn博士,MBA, RHIA, CPHI, CPHQ, FAHIMA, FNAHQ,是达科塔州立大学HIM项目主任和MSHIIM项目协调员。

William Schweinle III博士是南达科他州大学的生物统计学家教授。

Patti Berg-Poppe博士是南达科他州大学的主席和物理疗法教授。

Carole South- winter教育学博士是南达科他州大学的助理教授。

David DeJong,教育学博士,南达科他州大学教育领导部主任。

笔记

1.AHIMA。CHDA®认证。芝加哥:AHIMA, 2019年。于2019年7月31日通过。https://www.ahima.org/certification/CHDA

2.佩尔坦、伊森·D、莎拉·j·比斯利和塞缪尔·m·布朗。“大数据能兑现它的承诺吗?-跳跃但不跳跃。”《美国医学会杂志》网络开放1,没有。8 (2018): e185694-e185694。

3.王宜川、龚丽安、王郁忠、凯西G.塞吉尔斯基。“综合大数据分析支持的转型模式:应用于医疗保健。”信息与管理55岁,没有。1(2018): 64 - 79。

4.克拉森,大卫,迈克尔·李,苏珊·米勒和德鲁·拉德纳。“一个基于电子健康记录的实时分析程序,用于患者安全监测和改善。”卫生事务37岁的没有。11(2018): 1805 - 1812。

5.Ghazisaeidi, Marjan, Reza Safdari, Mashallah Torabi, Mahboobeh Mirzaee, Jebraeil Farzi和Azadeh Goodini。“医疗保健部门性能仪表板的开发:关键的实际问题。”Acta Informatica》23日,没有。5(2015): 317。

6.Munevar,史蒂文。“解锁大数据,增进健康。”自然生物技术35岁,没有。7(2017): 684 - 686。

7.布莱恩·A·威尔班克斯和帕齐·A·朗福德。"护理数据分析仪表板的回顾"CIN:计算机、信息学、护理学32岁的没有。11(2014): 545 - 549。

8.Dooling, J.“分析医疗保健数据的角色:医疗保健数据分析师为关键的医疗保健利益相关者汇总、评估和验证信息。”AHIMA杂志85年,没有。5(2014): 54-55。

9.施耐德,约翰内斯,约书亚·彼得·汉达利和扬·冯·布洛克。“增加对(大)数据分析的信任。”在国际先进信息系统工程会议, 70 - 84页。施普林格可汗,2018。

10.布兰妮,阿曼达。“优秀的医疗保健数据分析师的素质。”美国健康信息管理协会优秀医疗保健数据分析师/AHIMA的素质(2018).

11.布兰妮,阿曼达。“优秀的医疗保健数据分析师的素质。”美国健康信息管理协会优秀医疗保健数据分析师/AHIMA的素质(2018).

12.Atsawarungruangkit Amporn。住院医师计划特征与美国内科医学会认证考试通过率的关系医学教育在线20日,没有。1 (2015): 28631

13.贝德诺、谢丽尔·A·贝德诺、米歇尔·A·索尔蒂斯、詹姆斯·d·曼库索、丹尼尔·g·伯内特和蒂莫西·m·马伦。“在职考试成绩可以作为成功通过美国预防医学委员会认证考试的预测指标。”美国预防医学杂志41岁的没有。6(2011): 641 - 644。

14.比曼,帕梅拉·巴特勒,朱莉·基思·沃特豪斯。" NCLEX-RN表现:预测计算机检查的成功"专业护理杂志17日,没有。4(2001): 158 - 165。

15.为研究生运动训练教育计划建立预测模型。”(2014)。

16.Bruce, Scott L, Elizabeth Crawford, Gary B. Wilkerson, David Rausch, R. Barry Dale和Martina Harris。"运动训练专业硕士课程学术成功预测模型"运动训练教育杂志11日,没有。4(2016): 194 - 207。

17.Desmarais, Linda, Margaret A. Woble-Valenski和Eric Oestmann。影响理疗师助理执业资格考试成功的因素物理治疗教育杂志25岁,没有。2(2011): 36-41。

18.Dolezel Diane和Alexander McLeod。成功的几率:预测注册健康信息管理员考试的成功健康信息管理的观点14日,没有。冬天(2017)。

19.指控,Shandra黎明。体育训练本科生专业资格考试成功的预测因素.《瓦尔登湖》大学出版社,2012年。

20.毅力,深思熟虑的练习和运动训练教育:决定认证考试成功的因素。博士羞辱。,联合大学,2016。

21.实物地租,凯伦。“确定增加国家哮喘教育者认证考试成功的特征。”(2010)。

22.Krieger,奥斯卡H。认知发展,动机,和绩点平均作为预测成功的体育教练认证考试委员会.奥罗拉大学,2014。

23.Novalis, Sharon D., Jill M. Cyranowski和Cathy D. Dolhi。“通过NBCOT考试:预录取、学术和实地考察因素。”职业治疗开放杂志5,不。4(2017): 9。

24.保罗·D . .丽迪和珍妮·埃利斯·欧姆罗德。实践研究:规划设计.培生教育,2016年。

25.Dolezel Diane和Alexander McLeod。成功的几率:预测注册健康信息管理员考试的成功健康信息管理的观点14日,没有。冬天(2017)。

26.假冒的,布莱恩·C。如何使用SPSS®:一步一步的分析和解释指南.劳特利奇,2019年。

27.格林,S. B.和n.j.萨尔金德。“在Windows和Macintosh上使用SPSS,可以按单点阅读。”皮尔森2(2016): 3。

28.Howell, d.c.,“行为科学基础统计波士顿”。马:Cengage学习(2017).

29.福尔,弗朗兹,埃德加·埃尔德菲尔德,阿克塞尔·布赫纳,还有阿尔伯特-乔治·朗。使用G* power 3.1的统计功率分析:相关性和回归分析的检验行为研究方法41岁的没有。4(2009): 1149 - 1160。

30.福尔,弗朗兹,埃德加·埃尔德菲尔德,艾伯特-格奥尔格·朗和阿克塞尔·布赫纳。“G*力量3:一个灵活的统计力量分析程序,适用于社会、行为和生物医学科学。”行为研究方法39岁的没有。2(2007): 175 - 191。

31.保罗·D . .丽迪和珍妮·埃利斯·欧姆罗德。实践研究:规划设计.培生教育,2016.68。

32.Dolezel Diane和Alexander McLeod。成功的几率:预测注册健康信息管理员考试的成功健康信息管理的观点14日,没有。冬天(2017)。

33.麦克尼尔,玛乔丽·H和兰特里·l·布罗克梅尔。“学术项目变量与注册健康信息管理员认证考试成功之间的关系”。健康信息管理展望/AHIMA,美国健康信息管理协会2(2005)。

34.同前。

35.Howell, d.c.,“行为科学基础统计波士顿”。马:Cengage学习(2017).

36.奥克斯、帕梅拉·K和艾米·沃特斯主编。健康信息管理:概念、原则和实践.伊利诺伊州芝加哥:AHIMA, 2016。

37.萨尔金德,尼尔·J,布鲁斯·弗雷。统计数据给(认为自己)讨厌统计数据的人.Sage出版公司,2016。

38.西蒙&。事后研究。论文和学术研究:成功的秘诀。西华州西雅图:论文成功。

39.Spohn, r(2020)。与成功通过健康信息认证考试相关的因素(博士论文,南达科他州大学)。

发布:

留下一个回复