MétaCan
Menu
Retour à la cohorte
Enregistrement W2136421382 · doi:10.5539/gjhs.v7n4p30

Factors Affecting Patient Satisfaction With Emergency Department Care: An Italian Rural Hospital

2014· article· en· W2136421382 sur OpenAlexvenueno aff
Gabriele Messina, Francesco Vencia, S Mecheroni, Susanna Dionisi, Lorenzo Baragatti, Nicola Nante

Notice bibliographique

RevueGlobal Journal of Health Science · 2014
Typearticle
Langueen
DomaineHealth Professions
ThématiquePatient Satisfaction in Healthcare
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEmergency departmentMedicinePatient satisfactionEmergency nursingMedical emergencyScale (ratio)NursingCross-sectional study

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In the emergency department satisfaction is strictly linked to the role of the nurses, namely the first interface between patients and hospital services. OBJECTIVES: The purpose of the study was to identify areas of emergency nursing activity associated with minor or major patient satisfaction. METHODS: A descriptive cross-sectional study was conducted from December 2010 - May 2011, in the rural hospital of Orbetello, Tuscany (Italy). Convenience sampling was used to select patients, namely patients presenting at the emergency unit in the study period. The Consumer Emergency Care Satisfaction Scale was used to collect information on two structured subscale (Caring and Teaching). RESULTS: 259 questionnaire were collected. Analysis indicated that only two characteristics significantly influenced overall satisfaction: "receiving continuous information from personnel about delay" positively effect (OR=7.98; p=0.022) while "waiting time for examination" had a negative effect (OR 0.42; p=0.026). CONCLUSIONS: The study was the first conduced in Italy using this instrument that enabled to obtain much important information about patient satisfaction with nursing care received in the emergency department. The results showing improvements must be related to educational aspects, such as explaining patients the colour waiting list, and communication towards patients, such as informing about emergences that cause queue.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,040
Tête enseignante GPT0,405
Écart entre enseignants0,365 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations63
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Journal of Health ScienceMême sujetPatient Satisfaction in HealthcareTravaux en français237 207