Measuring hospital service quality and its influence on patient satisfaction: An empirical study using structural equation modeling
Notice bibliographique
Résumé
This paper presents an empirical investigation to measure different dimensions of hospital service quality (HSQ) by gap analysis and patient satisfaction (PS). It also attempts to measure patients' satisfaction with three dimensions extracted from exploratory factor analysis (EFA) by Principle component analysis method and conformity factor analysis (CFA). In addition, the study analyzes relationship between HSQ and PS in the context of Iranian hospital services, using structural equation modeling (SEM) from patients' perspectives. The maximum gap observed in "responsiveness" and the minimum one in "assurance". In addition, patients had the most satisfaction in "trust" with the mean of 3.83 followed by "General Satisfaction" with the mean of 3.68 and they had the least satisfaction in "Acceptance" with the mean of 3.53. Two measurement models were used for measuring hospital service quality and patient satisfaction and one structural model, which showed the relationship between them. The result of this study showed that there was a positive and significant impact from hospital service quality on patient satisfaction (0.463). In addition, there was a positive and significant relationship between hospital service quality and five dimensions. Furthermore, it was shown that patient satisfaction and three dimensions (General Satisfaction, Trust, and Acceptance) were associated with each other, significantly and positively. At last management strategies and practical suggestions were presented to hospital.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,006 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».