Farklı Kurumlarda Verilen Fizyoterapi ve Rehabilitasyon Hizmetinin Hasta Memnuniyeti Bakımından Karşılaştırılması
Bibliographic record
Abstract
Amaç: Çalışmada hasta memnuniyetinin farklı koşullarda (fizik tedavi branş, kamu ve özel hastaneleri) incelenmesi amaçlandı. Yöntem: : Çalışmaya bir branş, bir kamu ve bir özel hastanede ayaktan fizyoterapi hizmeti alan 20-74 yaş aralığında toplam 224 katılımcı dahil edildi. Demografik veriler (yaş, cinsiyet, beden kitle indeksi, medeni durum, eğitim düzeyi, sosyal güvence) kaydedildi. Hasta memnuniyeti Fizyoterapide Hasta memnuniyet ölçeği (FHMÖ) ile ağrı şiddeti Görsel ağrı skalası (VAS) ile ölçüldü. Memnuniyet düzeylerindeki farklılıkları etkileyen faktörler dört alt boyutta incelenmiştir (hastakabul, tedavi, ulaşılabilirlik, genel memnuniyet). Sonuçlar: Hastaların % 26’sı fizik tedavi branş hastanesinde, %29’u kamu hastanesinde, % 45’i özel hastanede fizik tedavi görmekte idiler. FHMÖ toplam skoru bakımından memnuniyet düzeyi kamu hastanesinde, diğer hastanelerden daha yüksek bulundu (p<0,005). Memnuniyet düzeyindeki farkın, tedavi alanları, fiziki şartlar ve konfor konularındaki genel memnuniyet alanından kaynaklandığı görüldü. Tartışma: Farklı sektördeki hastanelerde fizyoterapi hizmetini ölçülebilir verilerle değerlendirmede hasta memnuniyetini dikkate almak, hizmet kalitesi açısından önemlidir. Fiziksel koşullar ve konfor memnuniyeti yüksek oranda etkileyen faktörlerdir.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.023 | 0.005 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".