Barriers and reliability of patient experience evaluation in Ontario: perspectives of healthcare providers, managers, and policymakers
Notice bibliographique
Résumé
Purpose Patient experience (PE) evaluation can identify critical issues in healthcare quality. Various methods are used for PE evaluation in the healthcare system in Ontario; however, evidence suggests that PE evaluation is not systematically performed and has not received substantial buy-in from healthcare providers. This study explores the perspectives of healthcare providers, managers and policymakers in Ontario on PE evaluation methods, barriers, utility and reliability. Design/methodology/approach The study used a qualitative descriptive design. Twenty-one semistructured interviews were conducted with healthcare providers, managers and policymakers in Ontario between April 2018 and May 2019. The authors used thematic analysis to analyze the data. The Consolidated Criteria for Reporting Qualitative Research quality criteria were used. Findings Barriers to PE evaluation include evaluation cost and the time and effort required to collect and analyze the data. Several factors affect the reliability of the evaluation, resulting in an unrealistically high level of patient satisfaction. These include the inclusivity of evaluation, the subjective nature of patient feedback, patients' concerns about health service continuity and the anonymity of evaluation. Participants were skeptical about the meaningfulness of evaluation because it may only yield general information that cannot be acted upon by healthcare providers, managers and policymakers for quality improvement. Originality/value This paper reveals that many healthcare providers, managers and policymakers do not see a tangible value in PE evaluation, regardless of Ontario's patient-centeredness and “patient first” rhetoric. An improvement in evaluation methods and a cultural change in the healthcare system regarding the value of PE are required to foster a better appreciation of the benefits of PE evaluation.
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 | 0,061 | 0,127 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,016 | 0,012 |
| Communication savante | 0,008 | 0,004 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».