Trends in Patient Satisfaction at a Tunisian Gynecology-Obstetrics Service: A Comparative Analysis Between 2023 and 2024
Notice bibliographique
Résumé
Background: Monitoring trends in patient satisfaction is essential for evaluating healthcare quality improvement initiatives and adapting services to meet evolving patient needs. This is particularly important in gynecology-obstetrics services, where care quality directly impacts women's health outcomes and experiences. Objective: To compare patient satisfaction levels between 2023 and 2024 in the gynecology-obstetrics service at Ibn Al Jazzar University Hospital in Kairouan, Tunisia, and evaluate the impact of implemented interventions. Methods: A comparative cross-sectional study was conducted using data from two periods: January-March 2023 (n=276) and January-March 2024 (n=284). The same validated questionnaire developed by the General Directorate of Public Health Structures (DGSSP) and the Observatory on the Performance of Organizations and Health Systems at the University of Montreal (OPOSSUM) was used in both periods. The questionnaire assessed overall satisfaction and seven specific domains: accessibility, continuity, comprehensiveness, technical quality, humanization, environment, and conditions of stay. Results: Overall patient satisfaction increased significantly from 37% in 2023 to 52% in 2024 (p<0.001). Improvements were observed across all seven domains, with the most substantial increases in conditions of stay (5.1% to 24.3%, p<0.001), comprehensiveness of care (16.3% to 38.7%, p<0.001), and humanization (37.0% to 56.3%, p<0.001). The implementation of the GynéSatis mobile application was associated with higher satisfaction rates among users compared to non-users (58.7% vs. 47.6%, p=0.02). Conclusion: The significant improvement in patient satisfaction between 2023 and 2024 suggests that targeted interventions, including digital solutions and facility enhancements, can effectively address patient concerns and improve healthcare experiences. Continued monitoring and adaptation of improvement strategies are recommended to sustain and further enhance patient satisfaction.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».