Privacy Matters: Experiences of Rural and Remote Emergency Department Patients – A Mixed-Methods Research Conducted in Newfoundland and Labrador, Canada
Notice bibliographique
Résumé
Objectives: This study aims to investigate patients' privacy experience when receiving care in emergency departments (EDs) in Newfoundland and Labrador, Canada. We aim to assess the level of satisfaction with privacy and to assess for factors that improve or worsen the privacy experience, not limited to patient demographics, length of stay, and hospital location. Methods: This study used a mixed-methods design, gathering quantitative and qualitative data using a telephone survey and semi-structured interviews. Our primary outcome measure was patients' privacy experience in the ED. The independent variables in our study were age, gender, ED location, patient-reported wait times, reason for ED visit, and healthcare provider involved in care. Results: Among the 821 patients who participated in the interviews, 1 in 4 patients (24%) did not have satisfactory ED privacy experiences. Multinominal logistic regression showed patients who waited 4+ hours before being examined by a provider [aOR = 0.34, 95% CI: 0.17-0.69] and those who visited the urban EDs [aOR = 0.17, 95% CI: 0.09-0.35] reported low levels of privacy. Furthermore, those whose overall length of stay was 4 to 8 hours [aOR = 0.44, 95% CI: 0.23-0.84] and 8+ hours [aOR = 0.36, 95% CI: 0.17-0.78] also reported dissatisfaction with ED privacy experience. Our qualitative analysis found privacy concerns in waiting rooms, triage areas, and curtain rooms, with females voicing more concerns than males. Conclusion: Patients with longer wait times and who have been seen in urban EDs experience less privacy. Our qualitative data shows that women also raised more privacy concerns than men and that waiting rooms and triage areas are the locations with the most reported privacy concerns. Patient experience and outcomes would benefit from improving patient privacy when receiving care in EDs.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,010 | 0,003 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».