Patient assessment of the quality of dental care services in a Nigerian hospital
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Dental care services are available in many urban communities worldwide where discerning and sophisticated clients expect quality care. Many available studies evaluated satisfaction rather than quality of dental care; others did not reveal the patients’ perception of gaps in the quality of care. Service quality (SERVQUAL) tool assesses quality of service based on the dimensions of tangibles, reliability, responsiveness, assurance and empathy as described by Parasuraman et al. (1985). The aim of this study was to assess the gaps in quality of dental care in a Nigerian government owned dental clinic using an unweighted SERVQUAL tool to determine the difference between expectations and perceptions of patients. Consenting patients seen during the study period were given a 32-items questionnaire divided equally between expectations and perception of quality of dental care services received. Out of 112 questionnaires analysed, patients had the most expectation for neatness (4.69 ± 0.85) and least for pain free treatment (3.76 ± 1.16). Highest perception was for knowledgeable clinic staff (4.34 ± 0.71) while support to enable staff work well was the least perceived quality (3.73 ± 0.86). Overall, among the 5 dimensions of quality, there were marked statistically significant quality gaps in assurance (p = .0001) and tangibles (p = .0006). This study showed that patients in a Nigerian government-owned dental clinic, there is need for greater attention to be paid to assurance, tangibles and reliability dimensions of service quality to improve patient perceptions.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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) | 0,000 | 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 découle