What role does compassion have on quality care ratings? A regression analysis and validation of the SCQ in emergency department patients
Notice bibliographique
Résumé
OBJECTIVE: To examine the unique contribution of patient reported experiences of compassion to overall patient quality care ratings. Additionally, we assess whether patients' reported experiences of compassion in the emergency department differed between sociodemographic groups. METHODS: Provincial data for this cross-sectional study were collected from 03/01/2022 to 09/05/2022 from 14 emergency departments in Alberta, Canada. Data from 4501 emergency department patients (53.6% women, 77.1% White/European) were analyzed. The primary outcome was patients' overall quality care ratings during their most recent ED visit. Measures included in the hierarchical stepwise regression included demographics, and those drawn from the Emergency Department Patient Experience of Care (EDPEC) questionnaire: single and multi-item measures of patient information (e.g., patient perceptions health) and patient experience (e.g., physician communication), and compassion (e.g., Sinclair Compassion Questionnaire; SCQ-ED). RESULTS: =.23), explaining 19% unique variance beyond all other measures. One-way ANOVAs indicated significant demographic differences in mean compassion scores, such that women (vs. men) reported lower compassion (MD=-.15, 95% CI=-.21, -.09, p<.001), and Indigenous (vs. White) patients reported lower compassion (MD=-.17, 95% CI =-.34, -.01, p=.03). CONCLUSIONS: Compassion was identified as a key contributor to ED overall quality care ratings, and experiences of compassion varied as a function of demographics. Patient-reported compassion is an indicator of quality care that needs to be formally integrated into clinical care and quality care assessments.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 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 ».