Article de recherche
Cette étude a développé et validé un système d’évaluation de la qualité des services pour la gestion primaire des maladies chroniques utilisant les méthodes du processus hiérarchique analytique Delphi (AHP). L’évaluation psychométrique a confirmé une grande fiabilité. Une analyse comparative a montré que le cadre AHP-SERVQUAL possède un pouvoir prédictif plus élevé pour l’adhésion des patients que les modèles alternatifs.
Les maladies chroniques non transmissibles nécessitent une gestion de soins primaires de haute qualité, pourtant les systèmes d’évaluation existants ne parviennent souvent pas à saisir la nature multidimensionnelle de la qualité des services perçus par le patient dans les établissements de soins chroniques. Cette étude a développé et validé un système d’évaluation de la qualité des services (SERVQUAL) adapté à la gestion primaire des maladies chroniques, basé sur le cadre SERVQUAL. Une méthodologie à plusieurs étapes intégrant la méthode Delphi et le processus hiérarchique analytique (AHP) a été utilisée pour construire et pondérer la balance. L’instrument a été validé empiriquement à partir de données transversales provenant de 433 patients répartis dans cinq établissements de soins primaires. La validité et la fiabilité des constructs ont été évaluées par analyse factorielle exploratoire (EFA) et analyse factorielle confirmatoire (CFA). De plus, la performance prédictive du modèle AHP-SERVQUAL a été comparée à celle des modèles alternatifs (KANO, TOPSIS-RSR) pour l’adhésion des patients, les taux de résolution des problèmes et la fréquence des plaintes. L’évaluation psychométrique a démontré que l’échelle à cinq dimensions adaptée (tangibilité, fiabilité, réactivité, assurance et empathie) possédait une grande cohérence interne et une validité structurelle élevées. L’application entre les centres a révélé des variations significatives dans la qualité du service, notamment au niveau de l’assurance et de l’empathie. La modélisation comparative a indiqué que le cadre AHP-SERVQUAL offrait un pouvoir prédictif plus élevé pour l’adhésion des patients et la qualité globale du service que les modèles alternatifs. De plus, les indices de qualité générés par ce modèle étaient significativement corrélés à des taux de résolution des problèmes plus élevés et à des fréquences de plaintes plus faibles. Le système basé sur AHP-SERVQUAL offre un indicateur fiable et valide pour évaluer la gestion des maladies chroniques en soins primaires. En capturant avec précision la qualité perçue par le patient, cet instrument offre aux administrateurs un outil fondé sur des preuves pour cibler les initiatives d’amélioration de la qualité.
Les maladies chroniques non transmissibles sont devenues un problème de santé publique extrêmement grave à travers lemonde. Selon des données récentes de l’Organisation mondiale de la santé, plus de 70 % des décès mondiaux sont attribuables à des maladies chroniques. Avec l’accélération du vieillissement de la population en Chine, le nombre de personnes atteintes de maladies métaboliques telles que l’hypertension et le diabète augmente rapidement, exerçant une pression accrue sur la société et le systèmemédical 2,3. En réponse à cela, les établissements de soins primaires, en tant que première ligne de la gestion des maladies chroniques, se sont progressivement positionnés de plus en plus en vue dans ces rôles. Plus précisément, les établissements de soins primaires servent de « gardiens » du système de santé, fournissant des soins de premier contact, un suivi longitudinal de la santé et des dépistages essentiels pour les populations à haut risque. Au-delà du traitement clinique de base, ces institutions jouent un rôle clé dans la fourniture d’une éducation personnalisée à la santé, la facilitation des interventions comportementales et la coordination des parcours de soins intégrés entre les milieux communautaires et les hôpitaux secondaires/tertiaires afin d’assurer la continuité des soins.
Actuellement, le modèle de gestion évolue de la couverture en quantité unique à un développement de hautequalité 4. Malgré le virage stratégique vers les soins primaires en Chine, un goulot d’étranglement critique s’est imposé : les indicateurs cliniques traditionnels (par exemple, HbA1c ou mesures de tension artérielle) sont intrinsèquement réductionnistes. Bien qu’essentiels pour évaluer l’état physiologique, ces indicateurs objectifs ne capturent pas les dimensions psychosociales des soins continus, telles que la qualité de la communication médecin-patient, les obstacles quotidiens du patient à l’adhésion au traitement, et le bien-être subjectif global lors de la prise en charge à longterme 4,5. Par conséquent, se fier uniquement aux indicateurs biomédicaux masque des lacunes critiques dans la prestation de services qui, en fin de compte, régissent les résultats sanitaires à long terme. Il est urgent de disposer d’un cadre d’évaluation qui transcende les résultats cliniques traditionnels afin de saisir le processus complet de service à travers le prisme de la perception du patient. Cela est particulièrement essentiel alors que les soins primaires passent d’un modèle centré sur le traitement à un modèle axé sur la gestion préventive et holistiquede la santé 6.
En tant que théorie classique dans la recherche sur les services de santé, SERVQUAL a été largement appliqué pour évaluer les divergences entre les perceptions et attentes réelles dans plusieurs dimensions, notamment les composants tangibles, la fiabilité, le temps de réponse du personnel et l’assurance. Ce modèle s’applique à la prise en charge des maladies chroniques dans ce contexte. Tout d’abord, la gestion des maladies chroniques présente une grande continuité et dépendance au service, des caractéristiques compatibles avec le stress de fiabilité du modèle. Deuxièmement, la prise en charge des maladies chroniques inclut non seulement le diagnostic clinique et le traitement, mais aussi les interventions comportementales à long terme et les soins psychologiques ; Par conséquent, l’empathie est un critère essentiel pour évaluer la relation contractuelle médecin-patient. La recherche empirique montre que lorsque les patients, en tant que sujets recevant des soins de qualité du personnel médical, sont satisfaits du service, leur comportement et leur adhésion aux traitements pour les maladies chroniques sont plus positivement affectés. Ainsi, l’utilisation de ce modèle pour convertir le processus abstrait des services médicaux en indicateurs mesurables peut identifier les maillons faibles des services primaires de maladieschroniques 6,7.
Les recherches existantes sur l’évaluation de la qualité en soins primaires se sont principalement appuyées sur des indicateurs cliniques structurels ou des instruments larges de satisfaction des patients, tels que l’outil d’évaluation des soins primaires (PCAT) ou les échelles de satisfactiongénériques 8. Bien que ces outils fournissent des références essentielles pour la supervision systémique, ils manquent souvent de la granularité méthodologique nécessaire pour saisir la nature itérative et basée sur les processus de la gestion des maladies chroniques. Les tentatives récentes d’appliquer le cadre SERVQUAL en milieu clinique ont mis en lumière son potentiel diagnostique ; Cependant, beaucoup de ces études utilisent des modèles non pondérés ou des dimensions génériques qui n’intègrent pas des éléments contextuels spécifiques — tels que les points de contact de santé numérique et la relation contractuelle avec le médecin de famille — qui sont au cœur des réformes modernes des soinsprimaires 8,9. En comparant systématiquement un système localisé pondéré par l’AHP à ces métriques conventionnelles, cette étude vise à démontrer son utilité prédictive supérieure pour saisir les nuances de la qualité perçue par le patient, offrant ainsi une contribution méthodologique plus solide au domaine.
Bien que le modèle SERVQUAL ait de larges perspectives d’application dans la gestion primaire des maladies chroniques, il ne peut pas être utilisédirectement 10. Les cinq dimensions traditionnelles se concentrent généralement davantage sur la réussite d’un service unique et considèrent moins souvent la continuité du soutien aux maladies chroniques et la collaboration patient-médecin comme essentielles. Dans un contexte de santé numérique, la gestion primaire des maladies chroniques s’est étendue au suivi en ligne, à la surveillance des appareils portables et aux groupes d’autogestion communautaire. Si aucune optimisation basée sur la scène n’est réalisée, ce système d’évaluation ne peut pas être étendu pour inclure des aspects des points de contact post-soin numériques ou de l’implication du patient dans la pratique. D’après les revues systématiques existantes, l’absence d’outils généraux spécifiques à l’industrie a limité la valeur prédictive de ces outils pour les conditions prolongées des patients. De plus, le système de contrats avec les médecins de famille introduit dans les services de soins primaires en Chine apporte une nouvelle interprétation de ces services. Ajouter une dimension de relation contractuelle à long terme à ce modèle généralisé aidera à résoudre les questions qui ne peuvent pas être couvertes dans de tels modèles et renforcera la science de la recherche 8,9.
Pour combler ces lacunes, cette étude développe et valide un cadre local d’évaluation de la qualité des services, spécifiquement adapté à la gestion primaire des maladies chroniques. Bien que SERVQUAL ait été largement adopté, son application en soins primaires néglige souvent la nature longitudinale des contrats avec les médecins de famille et les points de contact numériques émergents de l’autogestioncommunautaire 8,9. La nouveauté de cette recherche réside dans l’intégration de ces dimensions contextuelles — en particulier, le soutien continu et l’autogestion — en utilisant un schéma de pondération hybride Delphi-AHP pour renforcer la sensibilité granulaire du modèle. On suppose que cette approche multidimensionnelle et pondérée offre une validité prédictive supérieure aux résultats des patients comparée aux modèles conventionnels. L’objectif est de tester empiriquement ce cadre à travers plusieurs centres, en abordant la question empirique de savoir si un modèle AHP-SERVQUAL localisé peut expliquer plus précisément les variances dans l’adhésion des patients et l’efficacité institutionnelle que les outils généralistesexistants 11.
Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.
Cette étude a été menée en stricte conformité avec les principes éthiques énoncés dans la Déclaration d’Helsinki. Le protocole de l’étude a été examiné et officiellement approuvé par le Conseil d’Éthique Institutionnel (IRB) de l’Université médicale de Chongqing (approbation éthique n° : 2026127). Avant l’inscription, tous les participants ont reçu une explication complète des objectifs, procédures et risques potentiels de l’étude, puis un consentement éclairé écrit. Pour préserver la vie privée des patients et garantir la confidentialité des données, toutes les informations collectées étaient entièrement anonymisées et désidentifiées avant d’être consultées pour une analyse statistique. La liste complète des instruments de sondage, des formulaires de consultation d’experts et des logiciels analytiques utilisés dans cette étude est détaillée dans le tableau des matériaux.
Conception de l’étude et recrutement des participants
Une étude méthodologique en plusieurs étapes, comprenant une enquête transversale de référence et des simulations prédictives basées sur des modèles, a été menée dans cinq établissements de soins primaires. Les participants ont été recrutés en utilisant une stratégie d’échantillonnage stratifiée de commodité lors de leurs visites de suivi régulières. Les critères d’éligibilité comprenaient : (1) des adultes âgés de 18 ans ou plus ; (2) diagnostiqué médicalement d’au moins une maladie chronique (par exemple, hypertension, diabète de type 2) prise en charge dans l’établissement participant pendant un minimum de six mois ; et (3) posséder la capacité cognitive de réaliser l’évaluation de manière autonome. Les enquêtes ont été réalisées en face à face par un personnel clinique formé. Pour corriger les données manquantes, le test MCAR de Little a été initialement appliqué. Étant donné que le taux de données manquantes était faible (<5 %) et complètement absent au hasard, des techniques d’imputation multiples ont été employées pour traiter les réponses incomplètes, garantissant l’intégrité de l’ensemble de données. Pour éviter le surajustement et clarifier la base de l’échantillon pour chaque étape analytique, le jeu de données entièrement imputé (N = 433) a été strictement partitionné. Plus précisément, 50 % de l’échantillon (n = 217) a été utilisé pour l’analyse factorielle exploratoire (EFA) afin d’établir la structure factorielle. Les 50 % restants (n = 216) étaient réservés à l’analyse factorielle confirmatoire (CFA), à la modélisation des équations structurelles (MEB) et à l’établissement de la base pour le profilage qualité au niveau de l’institution. Les scénarios comparatif, de validation du modèle et d’optimisation simulée ont ensuite été dérivés strictement de ce second échantillon de résistance (n = 216) afin d’éviter la fuite de données.
Cadre conceptuel et développement d’indicateurs
La construction du système d’indice d’évaluation a commencé par la cartographie des cinq dimensions fondamentales de SERVQUAL — tangibilité, fiabilité, réactivité, assurance et empathie — au flux de travail spécifique de la gestion primaire des maladies chroniques. Ce processus a impliqué l’intégration de points de contact concrets pour le service, tels que la création de dossiers médicaux, la distribution pharmaceutique et les protocoles de suivi longitudinal. Pour garantir sa pertinence pour la cible démographique, le système d’information de soins primaires a été analysé afin d’évaluer son accessibilité pour les patients âgés, suivi d’améliorations itératives des items. Les indicateurs spécifiques de fiabilité se concentraient sur la précision des suivis et l’engagement du personnel, tandis que la réactivité était opérationnelle comme la rapidité des réponses aux demandes des patients (voir Tableau 1 pour les définitions opérationnelles). Le cadre global, y compris les interrelations entre les dimensions, est conceptualisé dans les Figures 1 et 2.
Consultation d’experts Delphi et validité du contenu
Une méthode Delphi à deux tours a été employée pour affiner le pool initial d’items. Les experts ont été recrutés de manière délibérée selon un ensemble multidimensionnel de critères d’éligibilité afin d’assurer l’autorité professionnelle et la rigueur méthodologique. Les candidats étaient invités à rejoindre le jury s’ils remplissaient les conditions suivantes : (1) détenir un titre professionnel senior (par exemple, professeur associé, médecin en chef ou directeur infirmier) ; (2) posséder un minimum de dix ans d’expérience clinique, managériale ou de recherche spécifiquement axée sur les soins primaires ou la gestion des maladies chroniques ; et (3) démontrer un bilan reconnu dans l’évaluation des services de santé ou l’élaboration de politiques de santé publique. Le dernier panel de quinze experts représentait une cohorte interdisciplinaire, comprenant des médecins généralistes (n = 5), des gestionnaires infirmiers (n = 4), des chercheurs en santé publique (n = 4) et des administrateurs de politiques de santé (n = 2). Cette composition diversifiée et les critères de sélection rigoureux ont directement assuré la reproductibilité et la crédibilité des procédures ultérieures de validité du contenu et de pondération AHP. Les experts ont évalué la pertinence et la clarté de chaque élément à l’aide d’une échelle de Likert à 4 points (1 = non pertinent, 4 = très pertinent). Le consensus a été défini a priori comme ≥80 % d’accord parmi les experts notant un item à 3 ou 4. Les items avec un Indice de validité de contenu au niveau des items (I-CVI) ≥ 0,78 ont été conservés (Tableau 2). Les désaccords entre les manches ont été résolus par des retours anonymes itératifs ; Les experts recevaient les scores cumulés du tour précédent et pouvaient ajuster leurs notes. Les items n’ayant pas atteint un consensus après le second tour ont été soit largement révisés sur la base des retours qualitatifs d’experts, soit éliminés, aboutissant à l’indice final de validité de contenu au niveau de l’échelle (S-CVI)12,13.
Processus hiérarchique analytique (AHP) et mécanisme de notation
Pour déterminer les poids relatifs des indicateurs d’évaluation, la méthode AHP a été utilisée. Un sous-échantillon intentionnel de neuf experts seniors du panel Delphi a réalisé une échelle fondamentale à 9 points pour construire des matrices de comparaison par paires pour toutes les dimensions et sous-dimensions. La méthode de la moyenne géométrique a été utilisée pour agréger les jugements des experts. Un ratio de cohérence (CR) était calculé pour chaque matrice ; seules les matrices avec un CR de étaient considérées comme acceptables, assurant la cohérence logique des jugements d’experts. Les poids globaux finaux (Wi) ont été obtenus en multipliant les poids locaux des sous-dimensions par ceux de leurs dimensions parentes. Le score final de qualité du service (SQ) pour chaque patient a été calculé à l’aide de la formule suivante :
SQ = ∑(Wi x Pi) (1)
où Pi représente le score de performance perçu du patient pour l’item i. Notamment, cette étude a adopté une méthode de notation basée uniquement sur la perception (P) — conforme au paradigme SERVPERF — plutôt que l’approche traditionnelle basée sur l’écart (P-E). Ce choix méthodologique, mesuré sur une échelle de Likert à 7 points (allant de 1 = « fortement en désaccord » à 7 = « fortement d’accord »), a été mis en œuvre pour renforcer la validité prédictive du modèle et minimiser l’instabilité de mesure souvent associée à la quantification des attentes des patients dans les contextes de soins chroniques longitudinaux.
Validation psychométrique et modélisation des équations structurelles
Le jeu de données divisé aléatoirement a été soumis à une évaluation psychométrique. Pour la première moitié des données, l’EFA a été réalisée en utilisant la factorisation par axe principal avec la rotation oblique promax, car les dimensions SERVQUAL étaient hypothétisées comme corrélées. Les facteurs ont été conservés en fonction des valeurs propres >1 et de l’inspection visuelle du graphique d’éboulis. Les articles avec des charges factorielles <0,40 ou des charges croisées significatives ont été exclus. La seconde moitié des données a été utilisée pour la CFA afin de confirmer la structure factorielle. L’estimation du maximum de vraisemblance (ML) a été utilisée pour la CFA et les analyses SEM ultérieures. L’ajustement du modèle a été évalué à l’aide de seuils stricts établis dans la littérature psychométrique, qui indiquent un équilibre acceptable entre la parcimonie du modèle et l’ajustement des données : indice d’ajustement comparatif (CFI) > 0,90, indice de Tucker-Lewis (TLI) > 0,90, erreur quadratique moyenne de la racine (RMSEA) < 0,08, et résidu quadratique moyen standard (SRMR) standardisé > 0,08.
Plan de comparaison de modèles prédictifs
Pour évaluer l’efficacité comparative des différents cadres évaluatifs, une analyse de modélisation prédictive a été réalisée. Pour établir la robustesse méthodologique du cadre proposé, le modèle SERVQUAL de base a été comparé à trois approches analytiques distinctes : la méthode AHP-SERVQUAL proposée, le modèle KANO, et la méthode TOPSIS-RSR (Technique for Order Preference by Similarity to Ideal Solution combined with Rank-Sum Ratio). Le modèle KANO a été choisi comme comparateur car il catégorise les attributs de service en moteurs de satisfaction non linéaires (par exemple, besoins de base versus qualités attractives), offrant un contraste théorique avec les hypothèses linéaires de SERVQUAL. Inversement, TOPSIS-RSR est un outil rigoureux de prise de décision multi-critères (MCDM) largement utilisé pour un classement institutionnel complet, servant ainsi de contrôle méthodologique robuste pour notre système de notation basé sur l’AHP. Pour effectuer la comparaison, chacun des quatre modèles a été appliqué indépendamment à l’ensemble de données de validation de la retenue (n = 216), en incorporant des paramètres contextuels identiques (tels que le suivi numérique et le soutien à l’autogestion). Le processus d’évaluation a ensuite comparé la corrélation efficace des indices de qualité générés par chaque modèle avec des indicateurs de performance externes (fréquence des plaintes et taux de résolution des problèmes) et leur pouvoir prédictif (R2) pour l’adhésion des patients. La précision prédictive de chaque modèle a été quantifiée à l’aide de valeurs R2 générées par régression linéaire et SEM. Pour garantir la parcimonie du modèle et éviter le sur-ajustement, des critères d’information, en particulier le critère d’information d’Akaike (AIC) et le critère d’information bayésien (BIC), ont été intégrés au processus de sélection. Enfin, une validation croisée a été réalisée pour évaluer la robustesse des modèles sélectionnés dans les cinq institutions participantes. Les métriques comparatives pour la résolution des problèmes, la fréquence des plaintes et le pouvoir prédictif global (R2) sont présentées dans les Figures 3 et 4.
Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.
Conception de l’étude et recrutement des participants
Un total de 433 cas impliquant des personnes ayant visité l’un des cinq établissements de soins primaires situés dans différentes zones, urbaines et rurales, ont été inclus. Les participants avaient entre 30 et 85 ans, avec un âge moyen de 61,2 ans (écart-type : 10,0). La répartition par sexe était de 50,4 % d’hommes et 49,6 % de femmes. Environ 56,8 % des participants souffraient d’hypertension, environ 50,0 % de diabète s...
Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.
Cette étude propose un cadre méthodologique affiné pour évaluer la prise en charge primaire des maladies chroniques en intégrant le modèle SERVQUAL avec un schéma de pondération Delphi-AHP. Au-delà de l’établissement d’un système d’évaluation standardisé, nos résultats démontrent que l’inclusion de dimensions spécifiques au contexte — telles que la continuité longitudinale des soins et les points de contact numériques — répond aux lacunes critiques des outils existants d’évaluation des s...
Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.
Les auteurs n’ont rien à divulguer.
Cette recherche a été soutenue par le projet de recherche sur la gestion des maladies chroniques du National Health Commission Capacity Building and Continuing Education Center (Grant No. GWJJMB202510010065). Nous souhaitons exprimer notre sincère gratitude aux experts qui ont fourni des conseils précieux lors du processus de consultation Delphi. Nous remercions également le personnel et les patients des cinq établissements de soins primaires pour leur coopération et leur participation à la collecte des données.
Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.
| Nom | Entreprise | Numéro de catalogue | Commentaires |
|---|---|---|---|
| Modèle de matrice de comparaison par paires AHP | Cette étude (Dépôt / Matériel supplémentaire) | L'échelle fondamentale de Saaty’s de 1 à 9 | Détermination des poids relatifs des indicateurs |
| Formulaires de consultation d'experts Delphi | Cette étude (Dépôt / Matériel supplémentaire) | Protocole de consensus en deux tours | Dépistage des indicateurs et évaluation de la validité du contenu |
| IBM SPSS AMOS | IBM Corp., Armonk, NY, USA | Version 24.0 | CFA, validation SEM et modélisation prédictive |
| IBM SPSS Statistics | IBM Corp., Armonk, NY, USA | Version 26.0 | Gestion des données, imputation MICE et EFA |
| Questionnaire AHP-SERVQUAL localisé | Cette étude (Dépôt / Matériel supplémentaire) | Version finale de 5 dimensions, 15 items | Évaluation de la qualité du service perçue par le patient |
Demander l’autorisation de réutiliser le texte ou les figures de cet article JoVE
Demander une autorisation