Artículo de investigación
Este estudio desarrolló y validó un sistema de evaluación de la calidad del servicio para el manejo primario de enfermedades crónicas utilizando métodos del proceso jerárquico analítico Delphi (AHP). La evaluación psicométrica confirmó una alta fiabilidad. Un análisis comparativo mostró que el marco AHP-SERVQUAL tiene un mayor poder predictivo para la adherencia del paciente que los modelos alternativos.
Las enfermedades crónicas no transmisibles requieren una gestión primaria de atención primaria de alta calidad, pero los sistemas de evaluación existentes a menudo no logran captar la naturaleza multidimensional de la calidad del servicio percibido por el paciente en entornos de atención crónica. Este estudio desarrolló y validó un sistema de evaluación de la calidad del servicio (SERVQUAL) adaptado para el manejo primario de enfermedades crónicas basado en el marco SERVQUAL. Se empleó una metodología de varias etapas que integraba el método Delphi y el proceso jerárquico analítico (AHP) para construir y ponderar la báscula. El instrumento fue validado empíricamente utilizando datos transversales de 433 pacientes de cinco instituciones de atención primaria. La validez y fiabilidad del constructo se evaluaron mediante análisis factorial exploratorio (EFA) y análisis factorial confirmatorio (CFA). Además, el rendimiento predictivo del modelo AHP-SERVQUAL se comparó con el de modelos alternativos (KANO, TOPSIS-RSR) para el cumplimiento del paciente, tasas de resolución de problemas y frecuencia de quejas. La evaluación psicométrica demostró que la escala adaptada de cinco dimensiones (tangibilidad, fiabilidad, capacidad de respuesta, seguridad y empatía) poseía alta consistencia interna y validez estructural. La aplicación entre los centros reveló variaciones significativas en la calidad del servicio, especialmente en las dimensiones de garantía y empatía. La modelización comparativa indicó que el marco AHP-SERVQUAL ofrecía un mayor poder predictivo para la adherencia del paciente y la calidad general del servicio que los modelos alternativos. Además, los índices de calidad generados por este modelo se correlacionaron significativamente con mayores tasas de resolución de problemas y menores frecuencias de quejas. El sistema basado en AHP-SERVQUAL ofrece una métrica fiable y válida para evaluar el manejo de enfermedades crónicas en atención primaria. Al capturar con precisión la calidad percibida por el paciente, este instrumento proporciona a los administradores una herramienta basada en la evidencia para dirigir iniciativas de mejora de la calidad.
Las enfermedades crónicas no transmisibles se han convertido en un problema de salud pública extraordinariamente grave en todo elmundo. Según datos recientes de la Organización Mundial de la Salud, más del 70% de las muertes globales se deben a enfermedades crónicas. Con la aceleración del envejecimiento de la población en China, el número de personas con enfermedades metabólicas como la hipertensión y la diabetes está aumentando rápidamente, ejerciendo una mayor presión sobre la sociedad y el sistemasanitario 2,3. En respuesta a esto, las instituciones de atención primaria, como primera línea en la gestión de enfermedades crónicas, han ido adquiriendo una posición más destacada en estos roles. Específicamente, las instituciones de atención primaria actúan como los "guardianes" del sistema sanitario, proporcionando atención de primer contacto, monitorización longitudinal de la salud y cribados esenciales para poblaciones de alto riesgo. Más allá del tratamiento clínico básico, estas instituciones desempeñan un papel fundamental en la impartición de educación sanitaria personalizada, facilitando intervenciones conductuales y coordinando vías de atención integrada entre entornos comunitarios y hospitales secundarios/terciarios para garantizar la continuidad de la atención.
Actualmente, el modelo de gestión está cambiando de una cobertura en cantidad única a un desarrollo de altacalidad 4. A pesar del cambio estratégico hacia la atención primaria en China, ha surgido un cuello de botella crítico: las métricas tradicionales de control clínico (por ejemplo, HbA1c o lecturas de presión arterial) son inherentemente reduccionistas. Aunque son esenciales para evaluar el estado fisiológico, estos indicadores objetivos no capturan las dimensiones psicosociales de la atención continua, como la calidad de la comunicación médico-paciente, las barreras diarias del paciente para la adherencia al tratamiento y el bienestar subjetivo general durante el manejo a largoplazo 4,5. En consecuencia, confiar únicamente en métricas biomédicas oculta brechas críticas en la prestación de servicios que, en última instancia, determinan los resultados de salud a largo plazo. Existe una necesidad urgente de un marco de evaluación que trascienda los resultados clínicos tradicionales para captar el proceso completo de servicio a través de la perspectiva de la percepción del paciente. Esto es especialmente vital a medida que la atención primaria de atención primaria pasa de un modelo centrado en el tratamiento a uno centrado en la gestión preventiva y holísticade la salud 6.
Como teoría clásica en la investigación de servicios sanitarios, SERVQUAL se ha aplicado ampliamente para evaluar discrepancias entre percepciones y expectativas reales en varias dimensiones, incluyendo componentes tangibles, fiabilidad, tiempo de respuesta del personal y garantía. Este modelo es aplicable al manejo de enfermedades crónicas en este contexto. En primer lugar, el manejo de enfermedades crónicas tiene una alta continuidad y dependencia del servicio, características consistentes con el estrés de fiabilidad en el modelo. En segundo lugar, el manejo de enfermedades crónicas incluye no solo el diagnóstico y tratamiento clínico, sino también intervenciones conductuales a largo plazo y atención psicológica; Por lo tanto, la empatía es un criterio esencial para evaluar la relación contractual médico-paciente. La investigación empírica muestra que cuando los pacientes, como sujetos que reciben atención de calidad por parte del personal médico, están satisfechos con el servicio, su comportamiento y la adhesión al tratamiento para enfermedades crónicas se ven más afectados positivamente. Por lo tanto, utilizar este modelo para convertir el proceso abstracto de los servicios médicos en indicadores medibles puede identificar los eslabones débiles en los servicios primarios de enfermedadescrónicas 6,7.
La investigación existente sobre la evaluación de la calidad en atención primaria se ha basado predominantemente en indicadores clínicos estructurales o en amplios instrumentos de satisfacción del paciente, como la herramienta de evaluación de atención primaria (PCAT) o escalas genéricasde satisfacción 8. Aunque estas herramientas proporcionan referencias esenciales para la supervisión sistémica, a menudo carecen de la granularidad metodológica necesaria para captar la naturaleza iterativa y basada en procesos del manejo de enfermedades crónicas. Los intentos recientes de aplicar el marco SERVQUAL en entornos clínicos han puesto de manifiesto su potencial diagnóstico; Sin embargo, muchos de estos estudios utilizan modelos no ponderados o dimensiones genéricas que no incorporan elementos específicos del contexto —como los puntos de contacto digitales de salud y la relación contractual con el médico de familia— que son centrales en las reformas modernas de atención primaria 8,9. Al comparar sistemáticamente un sistema localizado ponderado por AHP con estas métricas convencionales, este estudio pretende demostrar su superior utilidad predictiva para captar las sutilezas de la calidad percibida por el paciente, ofreciendo así una contribución metodológica más sólida al campo.
Aunque el modelo SERVQUAL tiene amplias perspectivas de aplicación en el manejo primario de enfermedades crónicas, no puede utilizarse directamente10. Las cinco dimensiones tradicionales suelen centrarse más en la finalización exitosa de un solo servicio y es menos probable que consideren esencial la continuidad del apoyo a enfermedades crónicas y la colaboración paciente-médico. En el contexto de la salud digital, la gestión primaria de enfermedades crónicas se ha extendido al seguimiento online, la monitorización de dispositivos portátiles y los grupos de autogestión comunitaria. Si no se realiza optimización basada en escenas, este sistema de evaluación no puede ampliarse para incluir aspectos de puntos de contacto digitales posteriores o la implicación del paciente en la práctica. Según revisiones sistemáticas existentes, la falta de herramientas generales específicas de la industria ha limitado el valor predictivo de estas herramientas para condiciones prolongadas de pacientes. Además, el sistema de contratos con médicos de familia introducido en el servicio de atención primaria de China ofrece una nueva interpretación de estos servicios. Añadir una dimensión de relación contractual a largo plazo a este modelo generalizado ayudará a abordar cuestiones que no pueden abordarse en tales modelos y potenciará la cientificidad de la investigación 8,9.
Para abordar estas carencias, este estudio desarrolla y valida un marco local de evaluación de la calidad del servicio específicamente diseñado para el manejo primario de enfermedades crónicas. Aunque SERVQUAL ha sido ampliamente adoptado, su aplicación en atención primaria a menudo pasa por alto la naturaleza longitudinal de los contratos con médicos de familia y los puntos de contacto digitales emergentes de la autogestión comunitaria 8,9. La novedad de esta investigación radica en integrar estas dimensiones contextuales —específicamente, el cuidado continuo y el apoyo a la autogestión— utilizando un esquema híbrido de ponderación Delphi-AHP para mejorar la sensibilidad granular del modelo. Se plantea la hipótesis de que este enfoque multidimensional y ponderado proporciona una validez predictiva superior para los resultados del paciente en comparación con los modelos convencionales. El objetivo es probar empíricamente este marco en múltiples centros, abordando la cuestión empírica de si un modelo AHP-SERVQUAL localizado puede explicar con mayor precisión las varianzas en la adherencia del paciente y la eficiencia institucional que las herramientas generalesexistentes 11.
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
Este estudio se llevó a cabo en estricta conformidad con los principios éticos establecidos en la Declaración de Helsinki. El protocolo del estudio fue revisado y aprobado formalmente por el Comité de Revisión Institucional (IRB) de la Universidad Médica de Chongqing (nº de aprobación ética: 2026127). Antes de la inscripción, a todos los participantes se les proporcionó una explicación completa de los objetivos, procedimientos y posibles riesgos del estudio, y posteriormente se les proporcionó un consentimiento informado por escrito. Para salvaguardar la privacidad del paciente y garantizar la confidencialidad de los datos, toda la información recopilada fue completamente anonimizada y desidentificada antes de ser consultada para análisis estadístico. La lista completa de instrumentos de encuesta, formularios de consulta de expertos y software analítico utilizados en este estudio se detalla en la Tabla de Materiales.
Diseño del estudio y captación de participantes
Se llevó a cabo un estudio metodológico en varias etapas, que comprende una encuesta transversal de línea base y simulaciones predictivas basadas en modelos, en cinco instituciones de atención primaria. Los participantes fueron reclutados utilizando una estrategia estratificada de muestreo de conveniencia durante sus visitas rutinarias de seguimiento. Los criterios de elegibilidad incluían: (1) adultos de 18 años o más; (2) diagnosticado médicamente con al menos una enfermedad crónica (por ejemplo, hipertensión, diabetes tipo 2) gestionada en la institución participante durante un mínimo de seis meses; y (3) poseer la capacidad cognitiva para completar la evaluación de forma independiente. Las encuestas fueron realizadas presencialmente por personal clínico capacitado. Para solucionar datos faltantes, se aplicó inicialmente la prueba MCAR de Little. Dado que la tasa de datos faltantes era baja (<5%) y completamente ausente de forma aleatoria, se emplearon múltiples técnicas de imputación para manejar respuestas incompletas, asegurando la integridad del conjunto de datos. Para evitar el sobreajuste y aclarar la base muestral para cada etapa analítica, el conjunto de datos totalmente imputado (N = 433) se particionó estrictamente. Específicamente, se utilizó el 50% de la muestra (n = 217) para el análisis factorial exploratorio (EFA) para establecer la estructura factorial. El 50% restante (n = 216) se reservó para análisis factorial confirmatorio (CFA), modelado de ecuaciones estructurales (SEM) y establecimiento de la línea base para el perfilado de calidad a nivel institucional. Los escenarios comparativos de validación y optimización simulada se derivaron posteriormente estrictamente de esta segunda muestra de retención (n = 216) para evitar fugas de datos.
Marco conceptual y desarrollo de indicadores
La construcción del sistema de índice de evaluación comenzó mapeando las cinco dimensiones principales de SERVQUAL—tangibilidad, fiabilidad, capacidad de respuesta, seguridad y empatía—al flujo de trabajo específico del manejo primario de enfermedades crónicas. Este proceso implicó la integración de puntos de contacto concretos para el servicio, como la creación de historiales médicos, la distribución farmacéutica y protocolos longitudinales de seguimiento. Para garantizar su relevancia para el público objetivo, se analizó el sistema de información de atención primaria para evaluar su accesibilidad para pacientes mayores, seguido de refinamientos iterativos de los ítems. Las métricas específicas de fiabilidad se centraron en la precisión de los seguimientos y el compromiso del personal, mientras que la capacidad de respuesta se operacionalizó como la puntualidad de las respuestas a las consultas de los pacientes (véase la Tabla 1 para definiciones operativas). El marco general, incluyendo las interrelaciones entre dimensiones, se conceptualiza en las Figuras 1 y 2.
Consulta experta de Delphi y validez del contenido
Se empleó un método Delphi de dos rondas para refinar el conjunto inicial de ítems. Los expertos se reclutaban intencionadamente basándose en un conjunto multidimensional de criterios de elegibilidad para garantizar la autoridad profesional y el rigor metodológico. Se invitaba a los candidatos al panel si cumplían los siguientes requisitos: (1) poseer un título profesional senior (por ejemplo, Profesor Asociado, Médico Jefe o Director de Enfermería); (2) poseer un mínimo de diez años de experiencia clínica, gerencial o de investigación específicamente enfocada en atención primaria o manejo de enfermedades crónicas; y (3) demostrar un historial reconocido en la evaluación de servicios de salud o en el desarrollo de políticas de salud pública. El panel final, compuesto por quince expertos, representó una cohorte interdisciplinar, incluyendo médicos de atención primaria (n = 5), responsables de enfermería (n = 4), investigadores de salud pública (n = 4) y administradores de políticas sanitarias (n = 2). Esta composición diversa y los rigurosos criterios de selección aseguraron directamente la reproducibilidad y credibilidad de los procedimientos posteriores de validez del contenido y de ponderación AHP. Los expertos evaluaron la relevancia y claridad de cada ítem utilizando una escala de Likert de 4 puntos (1 = no relevante, 4 = altamente relevante). El consenso se definió a priori como ≥80% de acuerdo entre expertos que calificaban un ítem como 3 o 4. Se conservaron los ítems con un Índice de Validez de Contenido a Nivel de Ítem (I-CVI) ≥ 0,78 (Tabla 2). Los desacuerdos entre rondas se resolvieron mediante retroalimentación anónima iterativa; Se les proporcionó a los expertos puntuaciones agregadas de la ronda anterior y se les permitió ajustar sus valoraciones. Los ítems que no alcanzaron consenso tras la segunda ronda fueron revisados sustancialmente en base a la retroalimentación cualitativa de expertos o eliminados, culminando en el índice final de validez de contenido a nivel de escala (S-CVI)12,13.
Proceso de jerarquía analítica (AHP) y mecanismo de puntuación
Para determinar los pesos relativos de los indicadores de evaluación, se utilizó el método AHP. Una submuestra intencionada de nueve expertos senior del panel Delphi completó una escala fundamental de 9 puntos para construir matrices de comparación por pares para todas las dimensiones y subdimensiones. Se utilizó el método de la media geométrica para agregar los juicios de los expertos. Se calculó una razón de consistencia (CR) para cada matriz; solo se consideraban aceptables matrices con un CR de , asegurando la coherencia lógica en los juicios expertos. Los pesos globales finales (Wi) se derivaron multiplicando los pesos locales de las subdimensiones por los pesos de sus dimensiones madre. La puntuación final de calidad del servicio (SQ) para cada paciente se calculó usando la fórmula:
SQ = ∑(Wi x Pi) (1)
donde Pi representa la puntuación de desempeño percibida del paciente para el ítem i. Cabe destacar que este estudio adoptó un método de puntuación solo por percepción (P), consistente con el paradigma SERVPERF, en lugar del enfoque tradicional basado en brechas (P-E). Esta elección metodológica, medida en una escala de Likert de 7 puntos (que va de 1 = "Fuertemente en desacuerdo" a 7 = "Totalmente de acuerdo"), se implementó para mejorar la validez predictiva del modelo y minimizar la inestabilidad meditiva que a menudo se asocia con la cuantificación de las expectativas del paciente en entornos de cuidados crónicos longitudinales.
Validación psicométrica y modelado de ecuaciones estructurales
El conjunto de datos dividido aleatoriamente fue sometido a una evaluación psicométrica. Durante la primera mitad de los datos, la EFA se realizó utilizando factorización por eje principal con rotación oblicua promax, ya que se hipotetizó que las dimensiones SERVQUAL estaban correlacionadas. Se mantuvieron factores basados en valores propios >1 y la inspección visual de la parcela de pedreros. Se excluyeron los elementos con cargas factoriales <0,40 o cargas cruzadas significativas. La segunda mitad de los datos se utilizó para CFA para confirmar la estructura de factores. Se empleó la estimación de máxima verosimilitud (ML) para el CFA y los análisis SEM posteriores. El ajuste del modelo se evaluó utilizando umbrales estrictos establecidos en la literatura psicométrica, que indican un equilibrio aceptable entre la parsimonia del modelo y el ajuste de los datos: índice de ajuste comparativo (CFI) > 0,90, índice de Tucker-Lewis (TLI) > 0,90, error cuadrático medio de aproximación (RMSEA) < 0,08 y residuo cuadrático medio estandarizado de raíz (SRMR) > 0,08.
Plan de comparación predictiva de modelos
Para evaluar la efectividad comparativa de los diferentes marcos evaluativos, se realizó un análisis de modelización predictiva. Para establecer la robustez metodológica del marco propuesto, el modelo básico de SERVQUAL se comparó con tres enfoques analíticos distintos: el propuesto AHP-SERVQUAL, el modelo KANO y el método TOPSIS-RSR (Técnica para la Preferencia de Orden por Similitud con la Solución Ideal combinada con la Relación Suma de Rangos). El modelo KANO fue seleccionado como comparador porque categoriza los atributos del servicio en factores de satisfacción no lineales (por ejemplo, necesidades básicas frente a cualidades atractivas), ofreciendo un contraste teórico con las suposiciones lineales de SERVQUAL. Por el contrario, TOPSIS-RSR es una rigurosa herramienta de toma de decisiones multicriterio (MCDM) ampliamente utilizada para una clasificación institucional integral, sirviendo así como un control metodológico robusto para nuestro sistema de puntuación basado en AHP. Para ejecutar la comparación, cada uno de los cuatro modelos se aplicó de forma independiente al conjunto de datos de validación de retención (n = 216), incorporando parámetros idénticos específicos de contexto (como seguimiento digital y soporte de autogestión). El proceso evaluativo comparó posteriormente la eficacia de la correlación de los índices de calidad generados por cada modelo con métricas externas de rendimiento (frecuencia de quejas y tasas de resolución de problemas) y su poder predictivo (R2) para el cumplimiento del paciente. La precisión predictiva de cada modelo se cuantificó utilizando valores deR2 generados mediante regresión lineal y SEM. Para asegurar la parsimonia del modelo y evitar el sobreajuste, se integraron criterios de información, específicamente el criterio de información de Akaike (AIC) y el criterio bayesiano de información (BIC), en el proceso de selección. Finalmente, se llevó a cabo una validación cruzada para evaluar la robustez de los modelos seleccionados entre las cinco instituciones participantes. Las métricas comparativas para la resolución de problemas, la frecuencia de quejas y el poder predictivo global (R2) se muestran en las Figuras 3 y 4.
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
Diseño del estudio y captación de participantes
Se incluyeron un total de 433 casos que involucraron a personas que habían visitado cualquiera de las cinco instituciones de atención primaria en diferentes áreas, tanto urbanas como rurales. Las edades de los participantes oscilaban entre 30 y 85 años, con una edad media de 61,2 años (desviación estándar: 10,0). La distribución por género era 50,4% hombres y 49,6% mujeres. Aproximadamente el 56,8% de los participantes presentaba...
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
Este estudio propone un marco metodológico refinado para evaluar el manejo primario de enfermedades crónicas integrando el modelo SERVQUAL con un esquema de ponderación Delphi-AHP. Más allá de establecer un sistema estándar de evaluación, nuestros hallazgos demuestran que la inclusión de dimensiones específicas del contexto —como la continuidad longitudinal de la atención y los puntos de contacto digitales— aborda carencias críticas en las herramientas existentes de evaluación de atenció...
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
Los autores no tienen nada que revelar.
Esta investigación fue apoyada por el Proyecto de Investigación en Gestión de Enfermedades Crónicas del Centro de Fortalecimiento de Capacidades y Educación Continua de la Comisión Nacional de Salud (Grant No. GWJJMB202510010065). Queremos expresar nuestro sincero agradecimiento a los expertos que nos brindaron una valiosa orientación durante el proceso de consulta Delphi. También agradecemos al personal y a los pacientes de las cinco instituciones de atención primaria por su cooperación y participación en la recopilación de datos.
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
| Nombre | Empresa | Número de catálogo | Comentarios |
|---|---|---|---|
| Plantilla de matriz de comparación por pares AHP | Este estudio (Repositorio / Material complementario) | Escala fundamental 1 a 9 de Saaty | Determinación de los pesos relativos de los indicadores |
| Formularios de consulta de expertos Delphi | Este estudio (Repositorio / Material complementario) | Protocolo de consenso de dos rondas | Pantalla de indicadores y evaluación de validez de contenido |
| IBM SPSS AMOS | IBM Corp., Armonk, NY, EE. UU. | Versión 24.0 | Validación CFA, SEM y modelado predictivo |
| IBM SPSS Statistics | IBM Corp., Armonk, NY, EE. UU. | Versión 26.0 | Gestión de datos, sustitución MICE y EFA |
| Cuestionario localizado AHP-SERVQUAL | Este estudio (Repositorio / Material complementario) | Versión final de 5 dimensiones, 15 ítems | Evaluación de la calidad del servicio percibida por el paciente |
Solicitar permiso para reutilizar el texto o las figuras de este artículo de JoVE
Solicitar permiso