What is measured matters: A scoping review of analysis methods used for qualitative patient reported experience measure data
Notice bibliographique
Résumé
INTRODUCTION: Hospitals are increasingly turning to patients for valuable feedback regarding their care experience. A common method to collect this information is patient reported experience measures (PREMs) surveys. Health care workers report qualitative PREMs as more interesting, relevant, and informative than quantitative survey responses. However, a major barrier to utilising qualitative PREMs data to drive quality improvements is a lack of resources to analyse the data. This scoping review aimed to review the methods used to analyse qualitative PREMs survey data from routine hospital care. METHODS: We utilised the JBI scoping review methodology, and searched four databases for articles from 2013 to 2023 which analysed qualitative PREMs survey data from routine care in hospitals. Study characteristics were extracted, as well as the analysis method - specifically, whether the study used traditional manual analysis methods in which the researcher reads the text and categorise the data, or automated methods utilising computers and algorithms to read and categorise the data. RESULTS: From 960 unique articles, 123 went through full-text review and 54 were deemed eligible. 75.9 % used only manual content analysis methods to analyse the qualitative responses, 16.7 % of studies used a combination of manual and automated methods, and only 7.4 % used exclusively automated methods. Automated methods were used in 27.5 % of studies published 2019-2023, compared to 14.3 % of studies published 2013-2018. All bar one study using automated methods focused on investigating the validity of the automated methodology or used it to complement manual content analysis. CONCLUSION: The studies included in this review show a transition from traditional time-consuming manual analyses to computerised methods enabling analysis at a larger scale. As the volume of PREMs data collected grows, efficient and effective ways to analyse qualitative PREMs data at scale are required to enable health services to capture the patient voice and drive consumer-centred improvements in care.
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 | 0,018 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».