Determinants of Overall Satisfaction with Public Clinics in Rural China: Interpersonal Care Quality and Treatment Outcome
Notice bibliographique
Résumé
The primary health care quality factors determining patient satisfaction will shape patient-centered health reform in China. While rural public clinics performed better than hospitals and private clinics in terms of patient perceived quality of primary care in China, there is little information about which quality care aspects drove patients’ satisfaction. Using a World Health Organization database on 1014 rural public clinic users from eight provinces in China, our multiple linear regression model estimated the association between patient perceived quality aspects, one treatment outcome, and overall primary health care satisfaction. Our results show that treatment outcome was the strongest predictor of overall satisfaction (β = 0.338 (95% CI: 0.284 to 0.392); p < 0.001), followed by two interpersonal care quality aspects, Dignity (being treated respectfully) (β = 0.219 (95% CI: 0.117 to 0.320); p < 0.001) and Communication (clear explanation by the physician) (β = 0.103 (95% CI: 0.003 to 0.203); p = 0.043). Prompt attention (waiting time before seeing the doctor) and Confidentiality (talking privately to the provider) were not correlated with overall satisfaction. The treatment outcome focus, and weak interpersonal primary care aspects, in overall patient satisfaction, pose barriers towards a patient-centered transformation of China’s primary care rural clinics, but support the focus of improving the clinical competency of rural primary care workers.
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 | 0,003 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».