Content analysis of patient complaints
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
OBJECTIVE: To develop a standard taxonomy for inpatient complaints that could be adopted in a wide array of health service institutions. DESIGN: A taxonomy was developed by merging the coding schemes from eight prior studies of patient complaints, and then by revising the received coding scheme in light of the codes and clarifications that emerged from a content analysis of patient complaints. SETTING: Two Boston area hospitals. PARTICIPANTS: Stratified random sample of 1216 complaints from patients in 2004. INTERVENTION: s) None. Main outcome measure(s) Patient complaints codes, provider codes and inter-rater reliability. RESULTS: A taxonomy comprising 22 patient complaint codes and five provider codes was developed. Inter-rater agreement for complaint codes was good (median Kappa statistic 0.66, interquartile range 0.55-0.80). Four codes were each used in more than 10% of the patient complaints filed: unprofessional conduct (19%); poor provider-patient communication (17%); treatment and care of patient (16%); and, having to wait for care (11%). Of the coding for the profession of the person complained about, 47% of the patient complaints were about staff in general or did not specify a particular profession; 22% identified a physician or dentist; 12% nursing staff; 11% administrative or support staff and 8% allied clinical health professionals. CONCLUSIONS: Standardized coding of patient complaint data may provide an opportunity for quality improvement, patient satisfaction and changes in patient care.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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