Feasibility of using emergency department patient experience surveys as a proxy for equity of care
Notice bibliographique
Résumé
Collecting and examining equity data can help inform quality improvement initiatives but is a relatively new practice in health care. The overall goal of this study was to assess different methods of administering patient experience surveys as a feasible starting point in measuring equity in an urban Emergency Department (ED) that serves a diverse patient population. Socio-demographic characteristics of patients visiting an ED were compared with those of patients who responded to provincial patient experience surveys routinely administered by mail. Patient experience survey data were collected over an 11-week period in an urban ED using different survey administration methods (face-to-face interviews vs. handout) among study participants from vulnerable populations (elderly, low income, homeless, and mental health or substance use issues). Patient populations receiving care in the ED were shown to be different from those who responded to routinely mailed patient experience surveys with elderly patients over-represented, and contrarily, low income, mental health or substance use and homeless/unstable housing populations under-represented in survey responses. From a total of 111 study participants, the response rate for face-to-face surveys was significantly higher than for surveys that were handed out (p = 0.002), but no significant difference in the percentage of positive responses was evident. Delivering patient experience surveys immediately upon discharge is an effective way of capturing unique responses from patients in vulnerable populations, supporting a valuable means of assessing equity in the ED. Survey administration method poses important implications when used to inform quality improvement efforts and performance measurement.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».