在本模块中，您将定义临床识别算法，确定算法规则是如何转换数据的，并阐明在构建算法时为什么某些数据类型比其他数据类型更可靠或更不可靠。您还将回顾一些获得 NQF 认可且在医疗机构中常用的质量测量方法。您将讨论分组器如何帮助您分析大量的索赔或临床数据样本。您将在线访问开放源分组器，并准备一份分析计划，将代码映射到更通用、更可用的诊断和手术类别中。您还将准备一份分析计划，将代码映射到更通用、更可用的分析类别，并准备一份各种商业分组器的价值说明，以告知分析团队，与许可和实施成本相比，他们可以从这些商业工具中获得哪些益处。

在本模块中，您将描述数据库和统计程序员将数据提取、转换和加载（ETL）到解决医学问题所需的数据结构的逻辑过程。您还将协调来自多个来源的数据，并准备用于分析的集成数据文件。

在本模块中，您将向分析团队描述风险分层如何对可能有特定需求或问题的患者进行分类。您将列出并解释进行风险分层时各个步骤的含义。您将把一些分析概念（如分组器）应用到医疗保险数据的大型样本中，还将使用数据字典和代码手册来说明为什么了解数据的来源和目的如此重要。您将阐明一般阶段的含义--"在分析和解释医疗保健数据时，上下文很重要"。 您还将提出具体的问题和想法，帮助您和分析团队的其他成员理解数据的含义。