Sviluppo e Validazione di un Sistema di Valutazione della Qualità del Servizio per la Gestione delle Malattie Croniche nell'Assistenza Primaria

Summary

Questo studio ha sviluppato e validato un sistema di valutazione della qualità dei servizi per la gestione primaria delle malattie croniche utilizzando metodi Delphi- analytical hierarchy process (AHP). La valutazione psicometrica ha confermato un'elevata affidabilità. Un'analisi comparativa ha mostrato che il framework AHP-SERVQUAL ha un potere predittivo maggiore per l'aderenza del paziente rispetto ai modelli alternativi.

Abstract

Le malattie croniche non trasmissibili richiedono una gestione primaria dell'assistenza sanitaria di alta qualità, eppure i sistemi di valutazione esistenti spesso non riescono a cogliere la natura multidimensionale della qualità del servizio percepita dal paziente nei contesti di assistenza cronica. Questo studio ha sviluppato e convalidato un sistema di valutazione della qualità dei servizi (SERVQUAL) pensato per la gestione primaria delle malattie croniche basato sul quadro SERVQUAL. È stata impiegata una metodologia multistadio che integra il metodo Delphi e il processo di gerarchia analitica (AHP) per costruire e pesare la bilancia. Lo strumento è stato convalidato empiricamente utilizzando dati trasversali provenienti da 433 pazienti in cinque istituzioni sanitarie primarie. La validità e l'affidabilità del costrutto sono state valutate tramite analisi fattoriali esplorative (EFA) e analisi fattoriali confermative (CFA). Inoltre, le prestazioni predittive del modello AHP-SERVQUAL sono state confrontate con quelle dei modelli alternativi (KANO, TOPSIS-RSR) per l'adposizione del paziente, i tassi di risoluzione dei problemi e la frequenza dei reclami. La valutazione psicometrica ha dimostrato che la scala cinque adattata (tangibilità, affidabilità, reattività, sicurezza ed empatia) possedeva un'elevata coerenza interna e validità strutturale. L'applicazione tra i centri ha rivelato variazioni significative nella qualità del servizio, in particolare nelle dimensioni di assicurazione ed empatia. La modellazione comparativa ha indicato che il framework AHP-SERVQUAL forniva un potere predittivo superiore per l'aderenza del paziente e la qualità complessiva del servizio rispetto ai modelli alternativi. Inoltre, gli indici di qualità generati da questo modello erano significativamente correlati con tassi di risoluzione dei problemi più elevati e frequenze di reclami più basse. Il sistema basato su AHP-SERVQUAL offre una metrica affidabile e valida per valutare la gestione delle malattie croniche nelle cure primarie. Catturando con precisione la qualità percepita dal paziente, questo strumento fornisce agli amministratori uno strumento basato su evidenze per indirizzare iniziative di miglioramento della qualità.

Introduction

Le malattie croniche non trasmissibili sono diventate un problema di salute pubblica straordinariamente grave in tutto il^mondo. Secondo dati recenti dell'Organizzazione Mondiale della Sanità, oltre il 70% dei decessi globali è attribuibile a malattie croniche. Con l'accelerazione dell'invecchiamento della popolazione in Cina, il numero di persone con malattie metaboliche come ipertensione e diabete sta aumentando rapidamente, esercitando una maggiore pressione sulla società e sul sistema^{sanitario 2,3}. In risposta a ciò, le istituzioni sanitarie primarie, in prima linea nella gestione delle malattie croniche, si sono gradualmente posizionate sempre più in posizione di rilievo in tali ruoli. In particolare, le istituzioni di assistenza sanitaria primaria fungono da "guardiani" del sistema sanitario, fornendo cure di primo contatto, monitoraggio longitudinale della salute e screening essenziali per popolazioni ad alto rischio. Oltre al trattamento clinico di base, queste istituzioni svolgono un ruolo fondamentale nell'offrire un'educazione sanitaria personalizzata, facilitare interventi comportamentali e coordinare i percorsi di assistenza integrati tra contesti comunitari e ospedali secondari/terziari per garantire la continuità delle cure.

Attualmente, il modello di gestione sta passando dalla copertura di quantità singola a uno sviluppo di alta^{qualità 4}. Nonostante lo spostamento strategico verso la medicina primaria in Cina, è emerso un collo di bottiglia critico: le metriche di controllo clinico tradizionali (ad esempio, HbA1c o letture della pressione sanguigna) sono intrinsecamente riduzionisti. Sebbene essenziali per valutare lo stato fisiologico, questi indicatori oggettivi non riescono a catturare le dimensioni psicosociali della cura continua, come la qualità della comunicazione medico-paziente, le barriere quotidiane del paziente all'aderenza al trattamento e il benessere soggettivo generale durante la gestione a lungo^{termine 4,5}. Di conseguenza, affidarsi esclusivamente alle metriche biomediche oscura le lacune critiche nell'erogazione dei servizi che alla fine determinano gli esiti sanitari a lungo termine. È urgente la necessità di un quadro di valutazione che vada oltre i tradizionali risultati clinici per cogliere l'intero processo di servizio attraverso la lente della percezione del paziente. Questo è particolarmente importante mentre l'assistenza sanitaria primaria passa da un modello centrato sul trattamento a uno focalizzato sulla gestione preventiva e olistica^{della salute 6}.

Come teoria classica nella ricerca sui servizi sanitari, SERVQUAL è stato ampiamente applicato per valutare le discrepanze tra percezioni e aspettative reali in diverse dimensioni, inclusi componenti tangibili, affidabilità, tempi di risposta del personale e assicurazione. Questo modello è applicabile alla gestione delle malattie croniche in questo contesto. Innanzitutto, la gestione delle malattie croniche ha un'elevata continuità e dipendenza dal servizio, caratteristiche coerenti con lo stress di affidabilità nel modello. In secondo luogo, la gestione delle malattie croniche include non solo la diagnosi clinica e il trattamento, ma anche interventi comportamentali a lungo termine e cure psicologiche; Pertanto, l'empatia è un criterio essenziale per valutare il rapporto contrattuale medico-paziente. La ricerca empirica mostra che quando i pazienti, in quanto soggetti che ricevono cure di qualità dal personale medico, sono soddisfatti del servizio, il loro comportamento e l'aderenza al trattamento per le malattie croniche ne sono influenzati in modo più positivo. Pertanto, utilizzare questo modello per convertire il processo astratto dei servizi medici in indicatori misurabili può identificare gli anelli deboli nei servizi primari per malattie croniche ^6,7.

La ricerca esistente sulla valutazione della qualità nelle cure primarie si è basata prevalentemente su indicatori clinici strutturali o su ampi strumenti di soddisfazione del paziente, come lo strumento di valutazione della cura primaria (PCAT) o le scale generiche^{di soddisfazione 8}. Sebbene questi strumenti forniscano parametri essenziali per la supervisione sistemica, spesso mancano della granularità metodologica necessaria per catturare la natura iterativa e basata sui processi della gestione delle malattie croniche. I recenti tentativi di applicare il quadro SERVQUAL in contesti clinici ne hanno evidenziato il potenziale diagnostico; Tuttavia, molti di questi studi utilizzano modelli non ponderati o dimensioni generiche che non incorporano elementi specifici del contesto—come i punti di contatto digitali per la salute e il rapporto contrattuale medico di famiglia—che sono centrali nelle moderne riforme della medicina^{primaria 8,9}. Confrontando sistematicamente un sistema localizzato ponderato per AHP con queste metriche convenzionali, questo studio mira a dimostrare la sua superiore utilità predittiva nel cogliere le sfumature della qualità percepita dal paziente, offrendo così un contributo metodologico più solido al campo.

Sebbene il modello SERVQUAL abbia ampie prospettive di applicazione nella gestione primaria delle malattie croniche, non può essere utilizzato^{direttamente 10}. Le cinque dimensioni tradizionali generalmente si concentrano maggiormente sul completamento con successo di un singolo servizio e sono meno propense a considerare essenziali la continuità del supporto alle malattie croniche e la collaborazione tra paziente e medico. Sullo sfondo della salute digitale, la gestione primaria delle malattie croniche si è estesa al follow-up online, al monitoraggio dei dispositivi indossabili e ai gruppi di autogestione della comunità. Se non viene effettuata alcuna ottimizzazione basata sulla scena, questo sistema di valutazione non può essere esteso per includere aspetti di punti di contatto digitali post-cure o del coinvolgimento del paziente nella pratica. Sulla base delle revisioni sistematiche esistenti, la mancanza di strumenti generali specifici per il settore ha limitato il valore predittivo di questi strumenti per condizioni prolungate dei pazienti. Inoltre, il sistema contrattuale con i medici di famiglia introdotto nel servizio di assistenza primaria cinese offre una nuova interpretazione di questi servizi. Aggiungere una dimensione di relazione contrattuale a lungo termine a questo modello generalizzato aiuterà ad affrontare questioni che non possono essere coperte in tali modelli e a rafforzare la scientificità della ricerca ^8,9.

Per colmare queste lacune, questo studio sviluppa e convalida un quadro locale di valutazione della qualità dei servizi, specificamente pensato per la gestione primaria delle malattie croniche. Sebbene SERVQUAL sia stato ampiamente adottato, la sua applicazione nella medicina primaria spesso trascura la natura longitudinale dei contratti con i medici di famiglia e i nuovi punti di contatto digitali dell'autogestione basata sulla^{comunità 8,9}. La novità di questa ricerca risiede nell'integrazione di queste dimensioni contestuali—in particolare, la cura continua e il supporto all'autogestione—utilizzando uno schema di pesatura ibrido Delphi-AHP per migliorare la sensibilità granulare del modello. Si ipotizza che questo approccio multidimensionale e ponderato offra una validità predittiva superiore per gli esiti dei pazienti rispetto ai modelli convenzionali. L'obiettivo è testare empiricamente questo quadro su più centri, affrontando la questione empirica se un modello localizzato AHP-SERVQUAL possa spiegare con maggiore precisione le varianze nell'aderenza del paziente e nell'efficienza istituzionale rispetto agli strumenti generali esistenti¹¹.

Protocol

Questo studio è stato condotto in stretta conformità con i principi etici delineati nella Dichiarazione di Helsinki. Il protocollo dello studio è stato esaminato e formalmente approvato dal Consiglio di Revisione Istituzionale (IRB) della Chongqing Medical University (approvazione etica n.: 2026127). Prima dell'iscrizione, a tutti i partecipanti è stata fornita una spiegazione completa degli obiettivi, delle procedure e dei potenziali rischi dello studio, e successivamente è stato fornito il consenso informato scritto. Per tutelare la privacy dei pazienti e garantire la riservatezza dei dati, tutte le informazioni raccolte venivano completamente anonimizzate e de-identificate prima di essere consultate per analisi statistiche. L'elenco completo degli strumenti di rilevamento, dei moduli di consulenza degli esperti e dei software analitici utilizzati in questo studio è dettagliato nella Tabella dei Materiali.

Progettazione dello studio e reclutamento dei partecipanti

Uno studio metodologico a più fasi, comprendente un'indagine trasversale sulla linea di base e successive simulazioni predittive guidate da modelli, è stato condotto in cinque istituzioni di assistenza sanitaria primaria. I partecipanti sono stati reclutati utilizzando una strategia stratificata di campionamento di convenienza durante le visite di follow-up di routine. I criteri di idoneità includevano: (1) adulti di 18 anni o più; (2) diagnosticare medicamente almeno una condizione cronica (ad esempio, ipertensione, diabete di tipo 2) gestita nell'istituzione partecipante per un minimo di sei mesi; e (3) possedere la capacità cognitiva di completare autonomamente la valutazione. I sondaggi sono stati somministrati di persona da personale clinico formato. Per risolvere i dati mancanti, inizialmente fu applicato il test MCAR di Little. Dato che il tasso di dati mancanti era basso (<5%) e completamente mancante a caso, sono state impiegate tecniche di imputazione multiple per gestire risposte incomplete, garantendo l'integrità del dataset. Per evitare l'overfitting e chiarire la base campionaria per ogni fase analitica, il dataset completamente imputato (N = 433) è stato rigorosamente suddiviso. In particolare, il 50% del campione (n = 217) è stato utilizzato per l'analisi fattoriale esplorativa (EFA) per stabilire la struttura dei fattori. Il restante 50% (n = 216) era riservato all'analisi fattoriale confermativa (CFA), alla modellazione delle equazioni strutturali (SEM) e all'istituzione della base per la profilazione della qualità a livello di istituzione. Gli scenari di validazione del modello comparativo e di ottimizzazione simulata sono stati successivamente derivati esclusivamente da questo secondo campione di riserva (n = 216) per prevenire perdite di dati.

Struttura concettuale e sviluppo degli indicatori

La costruzione del sistema di indici di valutazione è iniziata mappando le cinque dimensioni fondamentali di SERVQUAL—tangibilità, affidabilità, reattività, sicurezza ed empatia—al flusso di lavoro specifico della gestione primaria delle malattie croniche. Questo processo ha comportato l'integrazione di punti di contatto concreti per il servizio, come la creazione delle cartelle cliniche, la distribuzione farmaceutica e i protocolli di follow-up longitudinali. Per garantire la rilevanza per il target demografico, è stato analizzato il sistema informativo di assistenza primaria per valutarne l'accessibilità per i pazienti anziani, seguito da perfezionamenti iterativi degli elementi. Le metriche specifiche di affidabilità si concentravano sull'accuratezza dei follow-up e sull'impegno del personale, mentre la reattività era operativa come tempestività delle risposte alle richieste dei pazienti (vedi Tabella 1 per le definizioni operative). Il quadro generale, incluse le interrelazioni tra le dimensioni, è concettualizzato nelle Figure 1 e 2.

Consulenza di esperti Delphi e validità dei contenuti

Fu impiegato un metodo Delphi a due round per affinare il pool iniziale di oggetti. Gli esperti venivano reclutati intenzionalmente sulla base di un insieme multidimensionale di criteri di idoneità per garantire l'autorità professionale e il rigore metodologico. I candidati venivano invitati a far parte della giuria se soddisfacevano i seguenti requisiti: (1) detenevano un titolo professionale senior (ad esempio, Professore Associato, Medico Capo o Direttore Infermieristico); (2) possedere almeno dieci anni di esperienza clinica, manageriale o di ricerca specificamente focalizzata sulla salute primaria o sulla gestione delle malattie croniche; e (3) dimostrare un curriculum riconosciuto nella valutazione dei servizi sanitari o nello sviluppo di politiche di sanità pubblica. L'ultimo panel di quindici esperti rappresentava una coorte interdisciplinare, includendo medici di base (n = 5), responsabili infermieristici (n = 4), ricercatori di sanità pubblica (n = 4) e amministratori delle politiche sanitarie (n = 2). Questa composizione diversificata e i rigorosi criteri di selezione garantivano direttamente la riproducibilità e la credibilità delle successive procedure di validità del contenuto e di ponderazione AHP. Gli esperti hanno valutato la rilevanza e la chiarezza di ogni elemento utilizzando una scala Likert a 4 punti (1 = non rilevante, 4 = altamente rilevante). Il consenso è stato definito a priori come ≥80% di concordanza tra gli esperti che hanno valutato un item come 3 o 4. Gli elementi con un Indice di Validità del Contenuto a Livello di Item (I-CVI) ≥ 0,78 sono stati mantenuti (Tabella 2). I disaccordi tra i round venivano risolti tramite feedback anonimi iterativi; agli esperti venivano forniti i punteggi aggregati del turno precedente e venivano autorizzati a modificare i propri punteggi. Gli item che non sono riusciti a raggiungere consenso dopo il secondo turno sono stati o sostanzialmente rivisti sulla base del feedback qualitativo degli esperti o eliminati, culminando nell'indice finale di validità a livello di scala (S-CVI^)12,13.

Processo di gerarchia analitica (AHP) e meccanismo di punteggio

Per determinare i pesi relativi degli indicatori di valutazione, è stato utilizzato il metodo AHP. Un sottocampione proposito di nove esperti senior del panel Delphi ha completato una scala fondamentale a 9 punti per costruire matrici di confronto a coppie per tutte le dimensioni e sottodimensioni. Il metodo della media geometrica veniva utilizzato per aggregare i giudizi degli esperti. Per ogni matrice veniva calcolato un rapporto di coerenza (CR); solo le matrici con CR di erano considerate accettabili, garantendo coerenza logica nei giudizi degli esperti. I pesi globali finali (W_i) sono stati derivati moltiplicando i pesi locali delle sottodimensioni per i pesi delle loro dimensioni genitori. Il punteggio finale di qualità del servizio (SQ) per ogni paziente è stato calcolato utilizzando la formula:

SQ = ∑(W_i x P_i) (1)

dove P_i rappresenta il punteggio percepito di prestazione del paziente per l'item i. In particolare, questo studio ha adottato un metodo di punteggio basato solo sulla percezione (P)—coerente con il paradigma SERVPERF—piuttosto che l'approccio tradizionale basato sul gap (P-E). Questa scelta metodologica, misurata su una scala di Likert a 7 punti (che varia da 1 = "Fortemente in disaccordo" a 7 = "Fortemente d'accordo"), è stata implementata per aumentare la validità predittiva del modello e minimizzare l'instabilità di misurazione spesso associata alla quantificazione delle aspettative dei pazienti in contesti di assistenza cronica longitudinale.

Validazione psicometrica e modellazione delle equazioni strutturali

Il dataset suddiviso casualmente è stato sottoposto a una valutazione psicometrica. Per la prima metà dei dati, l'EFA è stata condotta utilizzando la fattorizzazione sull'asse principale con rotazione obliqua promax, poiché si ipotizzava che le dimensioni SERVQUAL fossero correlate. I fattori sono stati mantenuti in base agli autovalori >1 e all'ispezione visiva del grafico di detrizione. Sono stati esclusi gli elementi con carichi fattoriali <0,40 o carichi incrociati significativi. La seconda metà dei dati è stata utilizzata per la CFA per confermare la struttura dei fattori. Per la CFA e le successive analisi SEM sono state impiegate la stima della massima verosimiglianza (ML). L'adattamento del modello è stato valutato utilizzando soglie rigorose stabilite nella letteratura psicometrica, che indicano un equilibrio accettabile tra parcimonia del modello e adattamento dei dati: indice di adattamento comparativo (CFI) > 0,90, indice di Tucker-Lewis (TLI) > 0,90, errore quadratico medio di approssimazione (RMSEA) < 0,08 e residuo quadratico medio della radice standardizzato (SRMR) > 0,08.

Piano di confronto dei modelli predittivi

Per valutare l'efficacia comparativa dei diversi quadri valutativi, è stata condotta un'analisi di modellizzazione predittiva. Per stabilire la robustezza metodologica del quadro proposto, il modello base SERVQUAL è stato confrontato con tre approcci analitici distinti: il proposto AHP-SERVQUAL, il modello KANO e il metodo TOPSIS-RSR (Technique for Order Preference by Similarity to Ideal Solution combined with Rank-Sum Ratio). Il modello KANO è stato scelto come comparatore perché categorizza gli attributi del servizio in fattori di soddisfazione non lineari (ad esempio, bisogni di base rispetto a qualità attrattive), offrendo un contrasto teorico con le assunzioni lineari di SERVQUAL. Al contrario, TOPSIS-RSR è uno strumento decisionale multicriterio (MCDM) rigoroso ampiamente utilizzato per una classificazione istituzionale completa, fungendo così da solido controllo metodologico per il nostro sistema di punteggio basato su AHP. Per eseguire il confronto, ciascuno dei quattro modelli è stato applicato indipendentemente al dataset di validazione del hold-out (n = 216), incorporando parametri specifici per contesto identici (come il follow-up digitale e il supporto all'autogestione). Il processo valutativo ha successivamente confrontato quanto efficacemente gli indici di qualità generati da ciascun modello si corrispondono con metriche di prestazione esterne (frequenza dei reclami e tassi di risoluzione dei problemi) e il loro potere predittivo (R²) per la compliance del paziente. L'accuratezza predittiva di ciascun modello è stata quantificata utilizzando valori di R² generati tramite regressione lineare e SEM. Per garantire la parsimonia del modello ed evitare il sovrafitting, sono stati integrati nel processo di selezione criteri informativi, in particolare il criterio informativo Akaike (AIC) e il criterio informativo bayesiano (BIC). Infine, è stata eseguita una validazione incrociata per valutare la robustezza dei modelli selezionati tra le cinque istituzioni partecipanti. Le metriche comparative per la risoluzione dei problemi, la frequenza dei reclami e il potere predittivo complessivo (R²) sono mostrate nelle Figure 3 e 4.

Results

Progettazione dello studio e reclutamento dei partecipanti

Sono stati inclusi in totale 433 casi che coinvolgevano individui che avevano visitato una delle cinque istituzioni di assistenza sanitaria primaria in diverse aree, sia urbane che rurali. Le età dei partecipanti variavano da 30 a 85 anni, con un'età media di 61,2 anni (deviazione standard: 10,0). La distribuzione di genere era 50,4% maschi e 49,6% femmine. Circa il 56,8% dei partecipanti aveva ipertensione, circa il 5...

Discussion

Questo studio propone un quadro metodologico raffinato per la valutazione della gestione primaria delle malattie croniche integrando il modello SERVQUAL con uno schema di ponderazione Delphi-AHP. Oltre a stabilire un sistema di valutazione standard, i nostri risultati dimostrano che l'inclusione di dimensioni specifiche per contesto—come la continuità longitudinale dell'assistenza e i punti di contatto digitali—affronta lacune critiche negli strumenti esistenti di valutazione della medic...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
AHP Pairwise Comparison Matrix Template	Questo studio (Repository / Materiale Supplementare)	La scala fondamentale 1-9 di Saaty	Determinazione dei pesi relativi degli indicatori
Delphi Expert Consultation Forms	Questo studio (Repository / Materiale Supplementare)	Protocollo di consenso a due round	Screening degli indicatori e valutazione della validità del contenuto
IBM SPSS AMOS	IBM Corp., Armonk, NY, USA	Versione 24.0	Convalida CFA, SEM e modellazione predittiva
IBM SPSS Statistics	IBM Corp., Armonk, NY, USA	Versione 26.0	Gestione dei dati, imputazione MICE ed EFA
Questionario AHP-SERVQUAL localizzato	Questo studio (Repository / Materiale Supplementare)	Versione finale a 5 dimensioni, 15 item	Valutazione della qualità del servizio percepita dal paziente