An investigation of factors affecting patients waiting time in primary health care centers: An assessment study in Dubai
Notice bibliographique
Résumé
This study tends to investigate and assess the average waiting time (WT) in Dubai primary healthcare services centers. Healthcare centers will face critical problems if WT is not solved properly. Accordingly, this study tries to dig a deep insight on such problem and provides proper suggestions to reduce WT. An Electronic Medical Record audit is used to count the patients’ WT during a four-week period in health care service centers employing a universal sampling approach. All patients who visit the health medical centers during such period are considered for the study purpose except those need emergency services. A self-administered questionnaire is used to collect the needed records about WT longevity causes from direct em-ployees who use to interact patients in a continuous basis. The questionnaires are distributed in 12 healthcare centers throughout Emirate of Dubai in UAE. A total of 76,780 electronic medical records are audited for patients and 938 responses are analyzed for the employee survey. The study finds that about 45.2% of the patients were registered within less than 7 minutes of their visit and the mean WT was 11.7 minutes of entrance. While more than two third of them (75.3%) waited less than 30 minutes and the average consultation WT was 34.2 minutes. 65.9% of patients waited less than 28 days to get their appointment and the average appointment WT was 35 days. The data collected from employees denoted that the main causes of patients’ WT were high workload level, insufficient work procedure, employees-supervisor interaction problems and adequate facilities availability. There is a need for healthcare leaders and managers in charges in this sector to reduce patients’ complaints while waiting and to solve the WT problem in a planned manner.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».