MétaCan
Menu
Retour à la cohorte
Enregistrement W4407437041 · doi:10.2196/67452

Using an Interactive Voice Response Survey to Assess Patient Satisfaction in Ethiopia: Development and Feasibility Study

2025· article· en· W4407437041 sur OpenAlexvenueno aff
Dessalegn Shamebo, Anagaw Derseh Mebratie, Catherine Arsenault

Notice bibliographique

RevueJMIR Formative Research · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSurvey Methodology and Nonresponse
Établissements canadiensnon disponible
Organismes subventionnairesMilken Institute School of Public Health, George Washington UniversityAddis Ababa UniversityGeorge Washington University
Mots-clésInteractive voice responsePhoneSocial desirability biasProbitMedicineMobile phoneHealth carePatient satisfactionRandom digit dialingPsychologyFamily medicineDemographyApplied psychologyEnvironmental healthNursingSocial psychologyStatisticsComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Patient satisfaction surveys can offer crucial information on the quality of care but are rarely conducted in low-income settings. In contrast with in-person exit interviews, phone-based interactive voice response (IVR) surveys may offer benefits including standardization, patient privacy, reduced social desirability bias, and cost and time efficiency. IVR surveys have rarely been tested in low-income settings, particularly for patient satisfaction surveys. OBJECTIVE: In this study, we tested the feasibility of using an IVR system to assess patient satisfaction with primary care services in Addis Ababa, Ethiopia. We described the methodology, response rates, and survey costs and identified factors associated with survey participation, completion, and duration. METHODS: Patients were recruited in person from 18 public and private health facilities in Addis Ababa. Patients' sex, age, education, reasons for seeking care, and mobile phone numbers were collected. The survey included 15 questions that respondents answered using their phone keypad. We used a Heckman probit regression model to identify factors influencing the likelihood of IVR survey participation (picking up and answering at least 1 question) and completion (answering all survey questions) and a Weibull regression model to identify factors influencing the survey completion time. RESULTS: A total of 3403 individuals were approached across 18 health facilities. Nearly all eligible patients approached (2985/3167, 94.3%) had a functioning mobile phone, and 89.9% (2415/2685) of those eligible agreed to be enrolled in the study. Overall, 92.6% (2236/2415) picked up the call, 65.6% (1584/2415) answered at least 1 survey question, and 42.9% (1037/2415) completed the full survey. The average survey completion time was 8.1 (SD 1.7) minutes for 15 Likert-scale questions. We found that those aged 40-49 years and those aged 50+ years were substantially less likely to participate in (odds ratio 0.63, 95% CI 0.53-0.74) and complete the IVR survey (odds ratio 0.77, 95% CI 0.65-0.90) compared to those aged 18-30 years. Higher education levels were also strongly associated with survey participation and completion. In adjusted models, those enrolled in private facilities were less likely to participate and complete the survey compared to those in public health centers. Being male, younger, speaking Amharic, using a private hospital, and being called after 8 PM were associated with a shorter survey duration. The average survey costs were US $7.90 per completed survey. CONCLUSIONS: Our findings reveal that an IVR survey is a feasible, low-cost, and rapid solution to assess patient satisfaction in an urban context in Ethiopia. However, survey implementation must be carefully planned and tailored to local challenges. Governments and health facilities should consider IVR to routinely collect patient satisfaction data to inform quality improvement strategies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,143
score de la tête « metaresearch » (Gemma)0,029
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,288
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,1430,029
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,648
Tête enseignante GPT0,633
Écart entre enseignants0,016 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative ResearchMême sujetSurvey Methodology and NonresponseTravaux en français237 207