PubMed چکیده/رکورد

Clinical coders' work engagement under China's healthcare payment reform: A cross-sectional study.

استودیوی صوتی مقاله

پخش حرفه‌ای فارسی و انگلیسی

در حال بررسی نسخه‌های صوتی ذخیره‌شده…

صوت تولیدشده با هوش مصنوعی است. برای کاربرد علمی یا درمانی، متن و منبع اصلی را بررسی کنید.
خواندن هوشمند فارسی و انگلیسی در حال آماده‌سازی صداهای مرورگر…
تنظیم صدای طبیعی و سرعت

صداهایی که در نامشان «Natural»، «Neural» یا «Online» دیده می‌شود معمولاً طبیعی‌ترند. انتخاب صدا به صداهای نصب‌شده در ویندوز و مرورگر شما بستگی دارد.

چکیده اصلی

BACKGROUND: The accuracy of clinical coding, which is essential for supporting managerial and policy decisions such as funding formulas, is closely tied to the work engagement of clinical coders. OBJECTIVE: This paper aimed to evaluate the level of work engagement and associated factors among clinical coders through a nationwide survey in China. METHOD: Thirty-one tertiary public hospitals in China were selected via convenience sampling, and 354 clinical coders were surveyed with Question-star software. Work engagement was measured using the 17-item Chinese version of the Utrecht Work Engagement Scale (UWES), with each item rated from 0 to 6. Twenty-two potentially related variables were collected. Descriptive statistics and one-sample t-tests (vs UWES norms) were used to assess work engagement levels. Cluster analysis was performed to identify engagement patterns. Independent-samples t-tests or one-way analysis of variance were used to examine engagement differences across the 22 variables. Variables with p < 0.05 in univariate analysis were entered into multiple linear regression to identify associated factors. RESULTS: The mean work engagement score among clinical coders was significantly lower than the UWES-17 norm (3.26 vs 3.82; t = -8.378, p < 0.001). The participants were classified into three engagement groups: high (29.5%), moderate (50.7%), and low (19.8%). Multiple linear regression analysis revealed seven variables that were significantly associated with work engagement (F (7, 331) = 11.493, p < 0.001, R2 = 0.196): region, continuing education, ideal clinical coding software, work position, perceived leadership support, physician-coder communication and sex. CONCLUSION: Clinical coders in China demonstrated moderate-to-low work engagement, shaped primarily by objective career development conditions, along with their perceived software support and organizational support.Implications for health information management practice:Enhancing work engagement requires managerial focus on continuing education, software usability, and perceived leadership support.

نتیجه فارسی

کدگذاران بالینی در چین سطحی از تعهد شغلی متوسط تا پایین را نشان دادند که به طور معناداری کمتر از نرمال‌های UWES بود. هفت عامل، از جمله منطقه، آموزش مداوم و حمایت رهبری، با تعهد شغلی مرتبط بودند.

  • کدگذاران بالینی در چین سطح تعهد شغلی پایین‌تری نسبت به نرمال‌های UWES داشتند.
  • سه گروه تعهد: بالا (۲۹.۵٪)، متوسط (۵۰.۷٪) و پایین (۱۹.۸٪) شناسایی شد.
  • هفت متغیر شامل منطقه، آموزش مداوم و حمایت رهبری با تعهد شغلی مرتبط بودند.
  • کدگذاران بالینی در چین تعهد شغلی متوسط تا پایینی را نشان دادند.
  • اصلاحات پرداخت مراقبت‌های بهداشتی بر تعهد شغلی کدگذاران بالینی تأثیر گذاشت.

ترجمه فارسی چکیده

کدگذاری بالینی که برای حمایت از تصمیمات مدیریتی و سیاستی مانند فرمول‌های بودجه‌بندی حیاتی است، به طور نزدیکی با تعهد شغلی کدگذاران بالینی گره خورده است. این مقاله به ارزیابی سطح تعهد شغلی و عوامل مرتبط آن در میان کدگذاران بالینی از طریق یک نظرسنجی سراسری در چین پرداخت. ۳۱ بیمارستان عمومی سطح سوم در چین از طریق نمونه‌گیری آسان انتخاب شدند و ۳۵۴ کدگذار بالینی با نرم‌افزار Question-star مورد بررسی قرار گرفتند. تعهد شغلی با استفاده از نسخه ۱۷ آیتمی چینی مقیاس تعهد شغلی یوترخت (UWES) اندازه‌گیری شد. آمارهای توصیفی و آزمون t تک‌نمونه (در برابر نرمال‌های UWES) برای ارزیابی سطح تعهد شغلی استفاده شد. تحلیل خوشه‌ای برای شناسایی الگوهای تعهد انجام شد. آزمون‌های t نمونه مستقل یا تحلیل واریانس یک‌جهته برای بررسی تفاوت‌های تعهد در میان ۲۲ متغیر استفاده شد. متغیرهایی با p < 0.05 در تحلیل تک‌متغیره وارد رگرسیون خطی چندگانه برای شناسایی عوامل مرتبط شدند. میانگین امتیاز تعهد شغلی کدگذاران بالینی به طور معناداری کمتر از نرمال UWES-17 (۳.۲۶ در برابر ۳.۸۲؛ t = -8.378، p < 0.001) بود. شرکت‌کنندگان به سه گروه تعهد طبقه‌بندی شدند: بالا (۲۹.۵٪)، متوسط (۵۰.۷٪) و پایین (۱۹.۸٪). تحلیل رگرسیون خطی چندگانه هفت متغیر را که به طور معناداری با تعهد شغلی مرتبط بودند (F (7, 331) = 11.493, p < 0.001, R2 = 0.196) آشکار ساخت: منطقه، آموزش مداوم، نرم‌افزار کدگذاری بالینی ایده‌آل، موقعیت شغلی، حمایت رهبری درک شده، ارتباط پزشک-کدگذار و جنسیت.

روش پژوهش

این مطالعه یک مطالعه مقطعی با نمونه‌گیری آسان از ۳۱ بیمارستان عمومی سطح سوم و ۳۵۴ کدگذار بالینی در چین بود. تعهد شغلی با مقیاس UWES-17 و نرم‌افزار Question-star اندازه‌گیری شد.

محدودیت‌ها

مطالعه از نمونه‌گیری آسان استفاده کرد و نتایج ممکن است به طور خاص به بیمارستان‌های عمومی سطح سوم در چین محدود باشد.

استخراج ساختاریافته از متن منبع

نمای PICO و پیامدها

جمعیت
۳۵۴ کدگذار بالینی در ۳۱ بیمارستان عمومی سطح سوم در چین.
مداخله/مواجهه
ندارد.
مقایسه
نرمال‌های UWES-17.
حجم نمونه
۳۵۴ کدگذار بالینی.

متن کامل اصلی

متن در JumpToDate ذخیره نشده است.

برای بررسی دسترسی کتابخانه‌ای یا خرید، رکورد اصلی را باز کنید.

رفتن به منبع اصلی

کلیدواژه‌ها

ChinaUtrecht work engagement scaleclinical codersclinical codingdata qualityhealth information managementwork engagement
در همین زیرشاخه

مقاله‌های مرتبط

PubMed2026

Clinical effectiveness and safety of metadoxine in the management of acute alcohol intoxication: A single-center retrospective cohort study.

BACKGROUND: Acute alcohol intoxication (AAI) is a common emergency with no specific antidote. Metadoxine has shown potential but lacks sufficient real-world evidence, particularly in Chinese populations. OBJECTIVES: To evaluate the clinical efficacy and safety of metadoxine in patients with acute alcohol intoxication. METHODS: This single-center retrospective cohort study included 124 patients with AAI admitted to an emergency departme…

PubMed2026

D3MI: an efficient and powerful federated imputation method for bias reduction in the analysis of distributed incomplete data by accounting for within-site correlation and between-site heterogeneity.

BACKGROUND: Electronic health records (EHRs) collected from diverse healthcare institutions offer a rich and representative data source for clinical research. Federated learning enables analysis of these distributed data without sharing sensitive patient-level information, preserving privacy. However, missing data remain a major challenge and can introduce substantial bias if not properly addressed. Very few distributed imputation meth…

PubMed2026

Extraction of Pain Severity and Functional Interference From Clinical Narratives Using Domain-Informed Large Language Models: Protocol for a Development and Validation Study.

BACKGROUND: Chronic pain is a leading cause of disability and requires multidimensional assessment of pain intensity and functioning, yet electronic health records rarely capture these measures systematically. By contrast, surveys collecting patient-reported outcomes can assess pain over multiple dimensions but remain resource-intensive and difficult to scale for continuous population-level monitoring. OBJECTIVE: The objective of this …

PubMed2026

From data entry to digital transformation: Allied health perspectives on standardised electronic medical records data.

BACKGROUND: Electronic medical records (EMRs) currently rely on standardised data fields to support secondary data use for clinical care, performance monitoring, and system-level reporting. However, utilisation of standardised data capture and reporting within allied health remains underdeveloped in practice. Greater understanding of how allied health clinicians and managers perceive the purpose, value, and impact of standardised data …