Notice bibliographique
Résumé
Purpose Patient experience is a complex multidimensional phenomenon that has been linked to constructs that are also complex to conceptualize, such as patient-centeredness, patient expectations and patient satisfaction. The purpose of this paper is to shed light on the different dimensions of patient experience, including those that receive inadequate attention from policymakers such as the patient’s lived experience of illness and the impact of healthcare politics. The paper proposes a simple classification for these dimensions, which differentiates between two types of dimensions: the determinants and the manifestations of patient experience. Design/methodology/approach This paper uses a narrative review of the literature to explore select constructs and initiatives developed for theorizing or operationalizing patient experience. Literature topics reviewed include healthcare quality, medical anthropology, health policy, healthcare system and public health. Findings The paper identifies five determinants for patient experience: the experience of illness, patient’s subjective influences, quality of healthcare services, health system responsiveness and the politics of healthcare. The paper identifies two manifestations of patient experience: patient satisfaction and patient engagement. Originality/value The paper proposes a classification scheme of the dimensions of patient experience and a concept map that links together heterogeneous constructs related to patient experience. The proposed classification and the concept map provide a holistic view of patient experience and help healthcare providers, quality managers and policymakers organize and focus their healthcare quality improvement endeavors on specific dimensions of patient experience while taking into consideration the other dimensions.
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 | 0,000 |
| 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 | 0,000 |
| 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 ».