Farklı Kurumlarda Verilen Fizyoterapi ve Rehabilitasyon Hizmetinin Hasta Memnuniyeti Bakımından Karşılaştırılması
Notice bibliographique
Résumé
Amaç: Çalışmada hasta memnuniyetinin farklı koşullarda (fizik tedavi branş, kamu ve özel hastaneleri) incelenmesi amaçlandı. Yöntem: : Çalışmaya bir branş, bir kamu ve bir özel hastanede ayaktan fizyoterapi hizmeti alan 20-74 yaş aralığında toplam 224 katılımcı dahil edildi. Demografik veriler (yaş, cinsiyet, beden kitle indeksi, medeni durum, eğitim düzeyi, sosyal güvence) kaydedildi. Hasta memnuniyeti Fizyoterapide Hasta memnuniyet ölçeği (FHMÖ) ile ağrı şiddeti Görsel ağrı skalası (VAS) ile ölçüldü. Memnuniyet düzeylerindeki farklılıkları etkileyen faktörler dört alt boyutta incelenmiştir (hastakabul, tedavi, ulaşılabilirlik, genel memnuniyet). Sonuçlar: Hastaların % 26’sı fizik tedavi branş hastanesinde, %29’u kamu hastanesinde, % 45’i özel hastanede fizik tedavi görmekte idiler. FHMÖ toplam skoru bakımından memnuniyet düzeyi kamu hastanesinde, diğer hastanelerden daha yüksek bulundu (p<0,005). Memnuniyet düzeyindeki farkın, tedavi alanları, fiziki şartlar ve konfor konularındaki genel memnuniyet alanından kaynaklandığı görüldü. Tartışma: Farklı sektördeki hastanelerde fizyoterapi hizmetini ölçülebilir verilerle değerlendirmede hasta memnuniyetini dikkate almak, hizmet kalitesi açısından önemlidir. Fiziksel koşullar ve konfor memnuniyeti yüksek oranda etkileyen faktörlerdir.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 0,005 |
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 ».