Evaluation of Unsolicited Feedback from Patients with Cancer and Their Families as a Strategy to Improve Cancer Care Delivery
Notice bibliographique
Résumé
BACKGROUND: Unsolicited patient feedback (compliments and complaints) should allow the healthcare system to address and improve individual and overall patient, family, and staff experiences. We evaluated feedback at a tertiary cancer centre to identify potential areas for optimizing care delivery. METHODS: unsolicited feedback submitted to the Patient Relations Department, relating to the Divisions of Medical and Radiation Oncology, at the Ottawa Hospital, was analyzed. RESULTS: Of 580 individual reports submitted from 2016 to 2022, patient demographics were available for 97% (563/580). Median patient age was 65 years (range 17-101), and 53% (301/563) were female. The most common cancer types were breast (127/545, 23%) and gastrointestinal (119/545, 22%) malignancies, and most (64%, 311/486) patients had metastatic disease. Feedback was submitted mainly by patients (291/579, 50%), and predominantly negative (489/569, 86%). The main reasons for complaints included: communication (29%, 162/566) and attitude/conduct of care (28%, 159/566). While feedback rates were initially stable, an increase occurred from 2019 to 2021. CONCLUSIONS: Unsolicited feedback remains mostly negative, and relates to physician communication. If we are to drive meaningful changes in care delivery, more standardized means of assessing feedback and implementation strategies are needed. In addition, in an era of increased healthcare provider burnout, strategies to enhance formal positive feedback are also warranted.
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 | 0,027 | 0,087 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».