Factors Affecting Dental Services Quality in the Private Sector From Patients’ Perspective in Amman-Jordan
Notice bibliographique
Résumé
Introduction: The world has been rapidly evolving with a high pace towards clients’ satisfaction. Service providers strive for clients’ satisfaction as it has become more obvious that this is the key to maintain a growing and successful businessObjectives: The objective of this study is to investigate the relationship between the five dimensions of quality of patients’ satisfaction and the quality of dental services.Materials & Methods: Several databases were searched for relevant articles and research papers with an objective revolving around the factors affecting client satisfaction from dental services provided at either a certain clinic, group of clinics, or had a population of a whole city. The articles and research papers covered parts of Eastern Asia, the Middle East, South/North America, and Europe.Multiple regression analysis was performed to study this relationship. The results showed significant relationship between each of the five dimensions of quality with the following weights: Tangibility = 17.7%, Empathy= 17.2%, Responsiveness= 15.6%, Assurance= 14.7% and Reliability= 5.8%. Overall R square = 75.3% adjusted R square is 73.2% with R = 0.868.Conclusion: The unique aspect of this study, which makes it different from other studies, is that it will not only evaluate the dental service received by patients but will also clearly state how a patient defines a good quality dental service according to their priorities to help in reaching of mutual understanding and definition of a good quality service provider.The multiple regression models showed significant relationship between the five dimensions of quality and patients’ satisfaction
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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,002 |
| Science ouverte | 0,001 | 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 ».