QUEST 2.0 : Apuvälinetyytyväisyyttä arvioivan mittarin käyttöönotto ja soveltuvuus Suomessa
Bibliographic record
Abstract
Raportissa esitellään suomenkielisen Quebec User Evaluation of Satisfaction with Assistive Technology (QUEST) 2.0 -apuvälinetyytyväisyysmittarin käyttöönottoprosessi, mittarin validiteetti-ja reliabiliteettitestauksen tulokset sekä mittarin avulla tehdyn apuvälinetyytyväisyys-tutkimuksen tulokset.Raportin tavoitteena on osoittaa QUEST 2.0 -mittarin soveltuvuus ja käyttökelpoisuus apuvälinetyytyväisyyden arvioimisessa sekä tehdä mittaria tunnetuksi Suomessa.Kanadassa kehitetty QUEST 2.0 -mittari on ainoa standardoitu nimenomaan apuvälineiden käyttäjien tyytyväisyyden arvioimiseen tarkoitettu mittari.Suomenkielisen QUEST-mittarin ohjekirjan ja lomakkeen käännös-ja muokkaustyö on tehty Stakesissa moniammatillisen työryhmän toimesta.Tutkimuksessa tarkasteltiin suomenkielisen QUEST 2.0 -tyytyväisyysmittarin validiteettia ja reliabiliteettia sekä soveltuvuutta suomalaisten apuvälineen käyttäjien tyytyväisyyden arvioimiseen.Suomenkielinen QUEST 2.0 -mittari osoittautui sisällöllisesti validiksi, reliaabeliksi ja soveltamiskelpoiseksi tyytyväisyyden mittariksi suomalaisilla apuvälineen käyttäjillä.Mittarin todettiin soveltuvan paitsi aikuisten, myös lasten apuvälinetyytyväisyyden arvioimiseen silloin, kun QUEST-lomake täytetään aikuisen tuella.Apuvälinetyytyväisyystutkimuksessa selvitettiin viiden eri apuvälineen käyttäjien tyytyväisyyttä QUEST 2.0 -mittarilla kerätyllä aineistolla (n = 446), joka on saatu Stakesin QUESTtietokannasta.Aineisto koostui sähkömopedin (n = 109), sähköpyörätuolin (n = 101), manuaalipyörätuolin (n = 144), rollaattorin (n = 62) ja yksilöllisten jalkineiden (n = 30) käyttäjistä.QUEST-mittarissa tyytyväisyyden katsotaan jakautuvan kahteen osa-alueeseen: apuvälineen ominaisuuksiin liittyvään tyytyväisyyteen ja apuvälinepalveluihin liittyvään tyytyväisyyteen.Apuvälineen käyttäjän tyytyväisyyttä tarkasteltiin suhteessa ikään, sukupuoleen, apuvälineen luovuttaneeseen organisaatioon ja apuvälineen käytössä olon aikaan.Lisäksi tutkimuksessa verrattiin käyttäjien palvelutyytyväisyyttä samankaltaisia apuvälineitä luovuttaneiden sairaanhoitopiirien välillä.Vertailuaineistona käytettiin sekä sähkömopedeja että sähköpyörätuoleja luovuttaneita sairaanhoitopiirejä.Samalla vertailtiin myös sähkömopedin ja sähköpyörätuolin käyttäjien apuvälinetyytyväisyyttä.Tutkimuksen perusteella apuvälineeseen liittyvät osatekijät ovat tyytyväisyyden näkökulmasta käyttäjille tärkeämpiä kuin apuvälinepalveluihin liittyvät.Tärkeimpiä tyytyväisyyden osatekijöitä kaikkien tutkittujen apuvälineryhmien kohdalla olivat apuvälineen turvallisuus, tarkoituksenmukaisuus ja helppokäyttöisyys.Apuvälinepalveluihin liittyvät tyytyväisyyden osatekijät lukuun ottamatta huolto-ja korjauspalveluita eivät olleet tärkeimpien tekijöiden joukossa apuvälineen käyttäjien tyytyväisyyden kannalta.Huolto-ja korjauspalvelut olivat tärkeitä erityisesti sähkömopedin ja sähköpyörätuolin käyttäjille.Apuvälineiden käyttäjät olivat kohtuullisen tyytyväisiä sekä apuvälineeseen ja sen ominaisuuksiin että apuvälinepalveluihin. Kuitenkin apuvälineessä ja/tai palveluissa oli joitain osatekijöitä, joihin käyttäjistä huomattava osuus (yli 24 prosenttia) oli tyytymättömiä.Tyytymättömyyttä aiheuttaneet tekijät vaihtelivat apuvälinetyypeittäin.Miehet olivat naisia useammin tyytyväisiä sekä apuvälineeseen että apuvälinepalveluihin. Sähköpyörätuolia käyttävät miehet olivat naisia useammin tyytyväisiä apuvälineen osien kiinnittämiseen ja säätämiseen, apuvälineen helppokäyttöisyyteen sekä tarkoituksenmukaisuuteen.
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 | 0.009 | 0.014 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.054 | 0.020 |
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".