The Effects of Information Continuity and Interpersonal Continuity on Physician Services Online: Cross-sectional Study
Notice bibliographique
Résumé
BACKGROUND: Web-based medical services have become an effective supplement to traditional services in hospitals and an essential part of medical services. Studies have shown that web-based medical services are useful for shortening the delayed admission time and for enhancing the treatment effect from the service continuity perspective. However, the specific measures that patients and physicians should take to improve service continuity remain unknown. OBJECTIVE: Based on the information richness theory and continuity of care, this study investigates the dynamic effects of information continuity and interpersonal continuity on physician services online. METHODS: Data of 7200 patients with 360 physicians covering complete interaction records were collected from a professional web-based platform in China. Content analysis was performed to recognize matching patients and physicians, and least square regression analysis was performed to obtain all empirical results. RESULTS: Empirical results showed that in the short term, information continuity (including offline experience, medical records, and detailed information) influences physicians' web-based services, and their influences show heterogeneity. Moreover, if a patient's online physician is the same physician who he/she has visited offline, we find that interpersonal continuity is important for service. In the long term, information continuity and interpersonal continuity positively improve service continuity by facilitating repeat purchases. CONCLUSIONS: Overall, our findings not only shed new light on patient behavior online and cross-channel behavior but also provide practical insights into improving the continuity of care in online health communities.
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 | 0,001 |
| 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 ».