Capturing what matters to patients when they evaluate their hospital care
Notice bibliographique
Résumé
<h3>Objective</h3> To examine whether confidence in primary healthcare (PHC) differs among ethnic–linguistic groups and which PHC experiences are associated with confidence. <h3>Design</h3> A cross-sectional study where patient surveys were administered using random digit dialling. Regression models identify whether ethnic–linguistic group remains significantly associated with confidence in PHC. <h3>Setting</h3> British Columbia, Canada. <h3>Main outcome measures</h3> Confidence in PHC measured using a 0–10 scale, where a higher score indicates increased confidence in the ability to get needed PHC services. <h3>Participants</h3> Community-dwelling adults in the following ethnic–linguistic groups: English-speaking Chinese, Chinese-speaking Chinese, English-speaking South Asians, Punjabi-speaking South Asians and English-speakers of presumed European descent. <h3>Findings</h3> Based on a sample of 1211 respondents, confidence in PHC differed by ethnicity and the ability to speak English. Most of the differences in confidence by ethnic–linguistic group can be explained by various aspects of care experience. Patient experiences associated with lower confidence in PHC were: if care was received outside Canada, having to wait months to see their regular doctor and rating the quality of healthcare as good or fair/poor. Better patient experiences of their doctor being concerned about their feelings and being respectful and if they found wait times acceptable were associated with higher levels of confidence in PHC. The final regression model explained 30% of the variance. <h3>Conclusions</h3> Improving the delivery of PHC services through positive interactions between patients and their usual provider and acceptability of wait times are examples of how the PHC system can be strengthened.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,005 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».