MétaCan
Menu
Retour à la cohorte
Enregistrement W1965950139 · doi:10.1111/j.1945-1474.2006.tb00611.x

Improving Behavioral Health Satisfaction Assessment: Measuring Patients' Perceptions

2006· article· en· W1965950139 sur OpenAlexaff
Pamela A. Carroll-Solomon, Diane Denny, Trenya Garner, Judy Aitkenhead, Sheryl Brown, Mary Anne Foley, Daniel H. van Leeuwen

Notice bibliographique

RevueJournal for Healthcare Quality · 2006
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueReligion, Spirituality, and Psychology
Établissements canadiensSt. Peter's HospitalProvidence Health Care
Organismes subventionnairesnon disponible
Mots-clésRanking (information retrieval)PerceptionGovernment (linguistics)Health carePatient satisfactionOrder (exchange)PsychologyService (business)Applied psychologyFocus groupInstitutionKey (lock)Public relationsMedicineNursingComputer scienceBusinessMarketingPolitical scienceComputer security

Résumé

récupéré en direct d'OpenAlex

In order to focus on and improve key aspects of patient satisfaction in its behavioral health programs, Catholic Health East (CHE) enhanced its measurement methodology. In an effort to be consistent with the federal government's movement from measuring patient advocacy programs to measuring patients' perceptions, CHE transitioned to behavior-based questions. These questions give clear targets for program goals and initiatives by objectively measuring whether certain events and desired staff behaviors occurred during treatment, rather than subjectively ranking attributes of institution-defined service. Through this change in approach, CHE may better align its care and services with patients' wants and needs, as illustrated by four case examples.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,177
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0040,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,129
Tête enseignante GPT0,498
Écart entre enseignants0,369 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal for Healthcare QualityMême sujetReligion, Spirituality, and PsychologyTravaux en français237 207