Assessment of Patient Waiting Time in Primary Health Care Settings in Rwanda: A Mixed-Method Study
Notice bibliographique
Résumé
Background: Patient waiting time as an important indicator of quality of services has been a long-standing concern in health care. Objective: The aim of this study was to assess patient waiting time in primary health care settings in Rwanda. Methods: This was a mixed-method study design. In quantitative phase, Patient Flow Time Log was used to track the time patients spent waiting for the service. On exit, a structured questionnaire was administered. Observations were conducted to capture information regarding the flow and processes. In qualitative part, six focus group discussions with patients were conducted. Semi-structured interviews with healthcare providers were held. Results: Among 410 participants, the majority were females (77.1%). The overall health centre level waiting time was 211 minutes (3.5 hours). To receive a service, patients waited an average of 81.5 minutes (1.4 hours). Three conceptual themes were identified: a) reported sections to have long wait time; b) causes of long waiting time; and c) needs for activities to spend time on as patients wait. Conclusion: Most patients experienced prolonged waiting times during their visit to the primary health care settings, and the major factors were the huge number of patients, few healthcare providers, and lack of medical equipment. To effectively address these challenges, more resources and personnel must be allocated to primary healthcare settings to help foster a higher level of client satisfaction with minimal primary healthcare waiting time.
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 | 0,019 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».