MétaCan
Menu
Retour à la cohorte
Enregistrement W2942529729 · doi:10.5430/jha.v8n3p23

Perception of international patients regarding cross border movement for medical services in India

2019· article· en· W2942529729 sur OpenAlexvenueno aff
Ravi Babu Koppala, Manoj Kumar Gupta

Notice bibliographique

RevueJournal of Hospital Administration · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Healthcare and Medical Tourism
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLikert scalePerceptionScope (computer science)MedicineQuality (philosophy)Family medicinePreferenceHealth careScale (ratio)Medical educationGeographyPsychologyEconomic growth

Résumé

récupéré en direct d'OpenAlex

Objective: India ranks second as medical travel destination in the world after Thailand, but still a very limited research has been done so far to assess the perception of international patients regarding travel to India for medical services. Objective: To assess the perception of the patients coming across international borders regarding their preference to chose India for medical services.Methods: This was a cross sectional hospital based study which was conducted for a period of 3 months. It was an analytical type of research where 100 international patients were interviewed from 11 different hospitals spread across whole India (representing North and South India). A semi-structured interview scheduled with a five point Likert type scale was used fulfill the objective of the study.Results: More than 80\% of patients were agree with the fact that there is deficiency of quality of care and proper infrastructure in health facilities in their country. majority (> 80\%) of patients were strongly agree or agree to the facts that India has top qualified medical professionals and latest technology for treatment, there is less waiting time for treatment procedure and the treatment is cost effective.Conclusion: Considering the perception of international patients, there is need and scope to improve and expand the health service delivery in India to reap the benefits of medical travel to the maximum possible extent.

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)0,003
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 seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,013
Tête enseignante GPT0,438
Écart entre enseignants0,426 · 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Hospital AdministrationMême sujetGlobal Healthcare and Medical TourismTravaux en français237 207