Determining and Prioritizing Factors Affecting to Increase Customers Attraction of Medical Tourism from the Perspective of Arabic Countries (Case Study: Iran-Mashhad Razavi Hospital)
Notice bibliographique
Résumé
Today, combination of medicine and tourism has turned into a new form of industry called health tourism. Health tourism industry has experienced a dramatic growth over the last decade. This industry is an opportunity for hospitals to extend their services to patients from other countries. The present study aims to identify factors contributing to the attraction of medical tourism along with ranking factors affecting customer satisfaction of Persian Gulf Countries .For this purpose, after studying the existing literature and matching the resulting data with the environmental conditions of the study six factors “the expertise and skill level of the hospital staff”, “hospital facilities and equipments”, “costs”, “the way patients are treated by the staff and their relationship”, “shared beliefs and values”, “tourist and travel facilities” were determined and based on them questionnaires were designed and distributed to a number of patients of Persian Gulf Countries as well as the managers of the Razavi Hospital in Mashhad, where specialized medical tourism services are provided .Investigations indicated that from the viewpoint of both managers and patients, the most important factor affecting the attraction of the medical tourism of Razavi Hospital in Mashhad is the costs. These costs consist of medical expenses (such as hospital, medicine and tests costs), costs of travel and accommodation (such as hotel and guesthouse), transportation costs within the city and side expenditures (including visiting pilgrimage places and entertainment spots). Therefore, lowering the costs of medical treatments can be a strategy that the hospitals can benefit from in order to enter the medical tourism market.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».