Onderzoeksartikel
Deze studie ontwikkelde en valideerde een beoordelingssysteem voor de kwaliteit van de primaire chronische ziekte met behulp van Delphi-analytische hiërarchieprocessen (AHP) methoden. Psychometrische evaluatie bevestigde een hoge betrouwbaarheid. Een vergelijkende analyse toonde aan dat het AHP-SERVQUAL-framework een hogere voorspellende kracht heeft voor patiënttrouw dan de alternatieve modellen.
Chronische niet-overdraagbare ziekten vereisen hoogwaardige eerstelijnszorg, maar de bestaande evaluatiesystemen slagen er vaak niet in de multidimensionale aard van door patiënten ervaren dienstkwaliteit in chronische zorgomgevingen te vangen. Deze studie ontwikkelde en valideerde een servicekwaliteitsbeoordelingssysteem (SERVQUAL) dat is afgestemd op primaire chronische ziektebeheer, gebaseerd op het SERVQUAL-kader. Een meerfasige methodologie die de Delphi-methode en het analytische hiërarchieproces (AHP) integreert, werd toegepast om de weegschaal te construeren en te wegen. Het instrument werd empirisch gevalideerd met behulp van dwarsdoorsnedegegevens van 433 patiënten verspreid over vijf eerstelijnszorginstellingen. Constructvaliditeit en betrouwbaarheid werden geëvalueerd via exploratory factor analysis (EFA) en confirmatory factor analysis (CFA). Bovendien werd de voorspellende prestaties van het AHP-SERVQUAL-model vergeleken met die van alternatieve modellen (KANO, TOPSIS-RSR) voor patiënttherapie, probleemoplossingspercentages en klachtenfrequenties. Psychometrische evaluatie toonde aan dat de aangepaste vijfdimensionale schaal (tastbaarheid, betrouwbaarheid, responsiviteit, zekerheid en empathie) een hoge interne consistentie en structurele validiteit bezat. De toepassing binnen de centra toonde aanzienlijke verschillen in servicekwaliteit, met name op het gebied van assurance en empathie. Vergelijkende modellering toonde aan dat het AHP-SERVQUAL-raamwerk een hogere voorspellende kracht bood voor patiënttrouw en algehele servicekwaliteit dan de alternatieve modellen. Daarnaast waren de kwaliteitsindices die door dit model werden gegenereerd significant gecorreleerd met hogere probleemoplossingspercentages en lagere klachtenfrequenties. Het op AHP-SERVQUAL gebaseerde systeem biedt een betrouwbare en geldige maatstaf voor het evalueren van chronisch ziektebeheer in de eerstelijnszorg. Door de door patiënten waargenomen kwaliteit nauwkeurig vast te leggen, biedt dit instrument beheerders een op bewijs gebaseerde tool om kwaliteitsverbeteringsinitiatieven te targeten.
Chronische niet-besmettelijke ziekten zijn wereldwijd een buitengewoon ernstig volksgezondheidsprobleemgeworden. Volgens recente gegevens van de Wereldgezondheidsorganisatie is meer dan 70% van de wereldwijde sterfgevallen toe te schrijven aan chronische ziekten. Met de versnelling van een vergrijzende bevolking in China neemt het aantal mensen met stofwisselingsziekten zoals hypertensie en diabetes snel toe, wat meer druk legt op de samenleving en het medische systeem 2,3. Als reactie hierop zijn eerstelijnszorginstellingen, als frontlinie van het beheer van chronische ziekten, geleidelijk prominenter gepositioneerd in dergelijke rollen. Specifiek dienen eerstelijnszorginstellingen als de "poortwachters" van het zorgsysteem, waarbij ze eerstecontactzorg, longitudinale gezondheidsmonitoring en essentiële screenings bieden voor risicogroepen. Naast basis klinische behandeling spelen deze instellingen een cruciale rol in het bieden van gepersonaliseerde gezondheidsvoorlichting, het faciliteren van gedragsinterventies en het coördineren van geïntegreerde zorgtrajecten tussen gemeenschapsomgevingen en secundaire/tertiaire ziekenhuizen om continuïteit van zorg te waarborgen.
Op dit moment verschuift het managementmodel van single quantity-dekking naar hoogwaardige ontwikkeling4. Ondanks de strategische verschuiving richting eerstelijnszorg in China is er een kritieke bottleneck ontstaan: traditionele klinische controlemetingen (bijvoorbeeld HbA1c of bloeddrukmetingen) zijn van nature reductionistisch. Hoewel essentieel voor het beoordelen van de fysiologische status, slagen deze objectieve indicatoren er niet in de psychosociale dimensies van continue zorg te vatten, zoals de kwaliteit van de communicatie tussen arts en patiënt, de dagelijkse barrières van de patiënt voor therapietrouw, en het algehele subjectieve welzijn tijdens langdurig beheer 4,5. Daardoor verbergt uitsluitend vertrouwen op biomedische metrieken kritieke hiaten in de dienstverlening die uiteindelijk de langetermijngezondheidsuitkomsten bepalen. Er is een dringende behoefte aan een evaluatiekader dat de traditionele klinische uitkomsten overstijgt en het volledige serviceproces vastlegt door de lens van patiëntperceptie. Dit is vooral van vitaal belang nu de eerstelijnszorg overgaat van een behandelingsgericht model naar een model gericht op preventief, holistisch gezondheidsbeheer6.
Als een klassieke theorie in het onderzoek naar gezondheidszorgdiensten is SERVQUAL op grote schaal toegepast om discrepanties te evalueren tussen daadwerkelijke percepties en verwachtingen op verschillende gebieden, waaronder tastbare componenten, betrouwbaarheid, responstijd van personeel en assurance. Dit model is toepasbaar op het beheer van chronische ziekten in deze context. Allereerst heeft het beheer van chronische ziekten een hoge continuïteit en afhankelijkheid van dienstverlening, kenmerken die overeenkomen met de betrouwbaarheidsstress in het model. Ten tweede omvat het beheer van chronische ziekten niet alleen klinische diagnose en behandeling, maar ook langdurige gedragsinterventies en psychologische zorg; Daarom is empathie een essentieel criterium voor het beoordelen van de contractuele relatie tussen arts en patiënt. Empirisch onderzoek toont aan dat wanneer patiënten, als proefpersonen die kwalitatieve zorg ontvangen van medisch personeel, tevreden zijn met de dienst, hun gedrag en therapietrouw bij chronische ziekten positiever worden beïnvloed. Daarom kan het gebruik van dit model om het abstracte proces van medische diensten om te zetten in meetbare indicatoren de zwakke schakels in primaire chronische ziektedienstenidentificeren 6,7.
Bestaand onderzoek naar kwaliteitsbeoordeling in de eerstelijnszorg heeft zich voornamelijk gebaseerd op structurele klinische indicatoren of brede patiënttevredenheidsinstrumenten, zoals het eerstelijnsbeoordelingsinstrument (PCAT) of generieke tevredenheidsschalen8. Hoewel deze instrumenten essentiële benchmarks bieden voor systemisch toezicht, missen ze vaak de methodologische granulariteit die nodig is om het iteratieve, procesgerichte karakter van chronisch ziektebeheer te vatten. Recente pogingen om het SERVQUAL-kader toe te passen in klinische omgevingen hebben het diagnostisch potentieel ervan benadrukt; Veel van deze studies maken echter gebruik van ongewogen modellen of generieke dimensies die contextspecifieke elementen niet opnemen—zoals digitale gezondheidscontactpunten en de contractuele relatie met huisartsen—die centraal staan in moderne hervormingenin de eerstelijnszorg 8,9. Door systematisch een gelokaliseerd, AHP-gewogen systeem te vergelijken met deze conventionele meetmethoden, wil deze studie het superieure voorspellende nut ervan aantonen bij het vastleggen van de nuances van door de patiënt waargenomen kwaliteit, waardoor een robuustere methodologische bijdrage aan het vakgebied wordt geleverd.
Hoewel het SERVQUAL-model brede toepassingsmogelijkheden biedt in het primaire beheer van chronische ziekten, kan het niet direct worden gebruikt10. De traditionele vijf dimensies richten zich over het algemeen meer op het succesvol afronden van één dienst en beschouwen minder vaak continuïteit van ondersteuning bij chronische ziekten en samenwerking tussen patiënt en arts als essentieel. Tegen de achtergrond van digitale gezondheid is primaire chronische ziektebeheer uitgebreid naar online follow-up, monitoring van draagbare apparaten en gemeenschapsgroepen voor zelfbeheer. Als er geen optimalisatie op locatie wordt uitgevoerd, kan dit beoordelingssysteem niet worden uitgebreid met aspecten van digitale nazorgcontactpunten of patiëntbetrokkenheid bij de praktijk. Op basis van bestaande systematische reviews heeft het gebrek aan branchespecifieke algemene tools de voorspellende waarde van deze instrumenten voor langdurige patiëntaandoeningen beperkt. Daarnaast biedt het contract met huisartsen dat in de Chinese eerstelijnszorg is geïntroduceerd een nieuwe interpretatie van deze diensten. Het toevoegen van een dimensie van langdurige contractuele relaties aan dit gegeneraliseerde model zal helpen om kwesties aan te pakken die niet in dergelijke modellen kunnen worden behandeld en de wetenschappelijkheid van het onderzoek vergroten 8,9.
Om deze hiaten aan te pakken, ontwikkelt en valideert deze studie een lokaal beoordelingskader voor de kwaliteit van de dienstverlening, specifiek afgestemd op primaire chronische ziektebeheer. Hoewel SERVQUAL breed is toegepast, wordt de toepassing in de eerstelijnszorg vaak over het hoofd gezien van het longitudinale karakter van huisartscontracten en de opkomende digitale contactpunten van gemeenschapsgericht zelfbeheer 8,9. De nieuwigheid van dit onderzoek ligt in het integreren van deze contextuele dimensies—specifiek continue zorg en zelfmanagementondersteuning—met behulp van een hybride Delphi-AHP-wegingsschema om de granulaire gevoeligheid van het model te vergroten. Er wordt verondersteld dat deze multidimensionale, gewogen benadering superieure voorspellende validiteit biedt voor patiëntuitkomsten vergeleken met conventionele modellen. Het doel is om dit kader empirisch te testen over meerdere centra, waarbij de empirische vraag wordt behandeld of een gelokaliseerd AHP-SERVQUAL-model variaties in patiënttrouw en institutionele efficiëntie nauwkeuriger kan verklaren dan bestaande algemene instrumenten11.
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Deze studie werd uitgevoerd in strikte overeenstemming met de ethische principes zoals uiteengezet in de Verklaring van Helsinki. Het studieprotocol werd beoordeeld en formeel goedgekeurd door de Institutional Review Board (IRB) van de Chongqing Medical University (ethische goedkeuring nr.: 2026127). Voorafgaand aan inschrijving kregen alle deelnemers een uitgebreide uitleg van de doelstellingen, procedures en mogelijke risico's van het onderzoek, en kregen zij vervolgens schriftelijke geïnformeerde toestemming. Om de privacy van patiënten te waarborgen en de vertrouwelijkheid van gegevens te waarborgen, werd alle verzamelde informatie volledig geanonimiseerd en gedeïdentificeerd voordat deze werd geraadpleegd voor statistische analyse. De volledige lijst van enquête-instrumenten, deskundigenformulieren en analytische software die in deze studie worden gebruikt, is beschreven in de Materiaaltabel.
Studieontwerp en deelname werving
Een methodologische studie in meerdere fasen, bestaande uit een dwarsdoorsnede-baseline-enquête en daaropvolgende modelgedreven voorspellende simulaties, werd uitgevoerd in vijf eerstelijnszorginstellingen. Deelnemers werden gerekruteerd met behulp van een gelaagde gemaksbemonsteringsstrategie tijdens hun routine follow-up bezoeken. Toelatingscriteria waren onder andere: (1) volwassenen van 18 jaar of ouder; (2) medisch gediagnosticeerd met ten minste één chronische aandoening (bijv. hypertensie, type 2 diabetes) die minimaal zes maanden in de deelnemende instelling wordt behandeld; en (3) het cognitief vermogen om de evaluatie zelfstandig te voltooien. De enquêtes werden face-to-face uitgevoerd door getraind klinisch personeel. Om ontbrekende gegevens aan te pakken, werd aanvankelijk de MCAR-test van Little toegepast. Aangezien de ontbrekende datarate laag was (<5%) en volledig willekeurig ontbrak, werden meerdere imputatietechnieken gebruikt om onvolledige antwoorden te behandelen, waarmee de integriteit van de dataset werd gewaarborgd. Om overfitting te voorkomen en de steekproefbasis voor elke analytische fase te verduidelijken, werd de volledig geïmpluteerde dataset (N = 433) strikt gesegmenteerd. Specifiek werd 50% van de steekproef (n = 217) gebruikt voor verkennende factoranalyse (EFA) om de factorstructuur vast te stellen. De resterende 50% (n = 216) was gereserveerd voor bevestigende factoranalyse (CFA), structurele vergelijkingsmodellering (SEM) en de basislijn voor kwaliteitsprofilering op institutioneel niveau. De vergelijkende modelvalidatie en gesimuleerde optimalisatiescenario's werden vervolgens uitsluitend afgeleid uit deze tweede hold-out steekproef (n = 216) om datalekkage te voorkomen.
Conceptueel kader en indicatorontwikkeling
De opbouw van het evaluatieindexsysteem begon met het toewijzen van de vijf kerndimensies van SERVQUAL—tastbaarheid, betrouwbaarheid, responsiviteit, zekerheid en empathie—aan de specifieke workflow van primaire chronische ziektebeheer. Dit proces hield in dat concrete servicecontactpunten werden geïntegreerd, zoals het opstellen van medische dossiers, farmaceutische distributie en longitudinale follow-up protocollen. Om relevantie voor de doelgroep te waarborgen, werd het eerstelijnszorginformatiesysteem geanalyseerd om de toegankelijkheid voor oudere patiënten te beoordelen, gevolgd door iteratieve verfijningen van de items. Specifieke betrouwbaarheidsmetrics richtten zich op de nauwkeurigheid van follow-ups en de inzet van het personeel, terwijl responsiviteit werd geoperationaliseerd als de tijdigheid van antwoorden op patiëntvragen (zie Tabel 1 voor operationele definities). Het algemene kader, inclusief de onderlinge relaties tussen dimensies, wordt geconceptualiseerd in Figuren 1 en 2.
Delphi deskundige consultatie en inhoudsvaliditeit
Er werd een twee-ronde Delphi-methode gebruikt om de initiële itempool te verfijnen. Experts werden doelbewust gerekruteerd op basis van een multidimensionale set toelatingscriteria om professionele autoriteit en methodologische strengheid te waarborgen. Kandidaten werden uitgenodigd voor het panel als zij aan de volgende eisen voldeden: (1) het bekleden van een senior professionele titel (bijv. universitair hoofddocent, hoofdarts of verpleegkundig directeur); (2) minimaal tien jaar klinische, management- of onderzoekservaring die specifiek gericht is op eerstelijnszorg of het beheer van chronische ziekten; en (3) het aantonen van een erkend staat van dienst in evaluatie van gezondheidsdiensten of ontwikkeling van volksgezondheidsbeleid. Het laatste panel van vijftien experts vertegenwoordigde een interdisciplinaire cohort, waaronder huisartsen (n = 5), verpleegkundige managers (n = 4), onderzoekers in de volksgezondheid (n = 4) en beheerders van gezondheidsbeleid (n = 2). Deze diverse samenstelling en de strenge selectiecriteria zorgden direct voor de reproduceerbaarheid en geloofwaardigheid van de daaropvolgende procedures voor inhoudsvaliditeit en AHP-weging. Experts beoordeelden de relevantie en duidelijkheid van elk item met behulp van een 4-punts Likert-schaal (1 = niet relevant, 4 = zeer relevant). Consensus werd a priori gedefinieerd als ≥80% overeenstemming onder experts die een item als 3 of 4 beoordeelden. Items met een Item-Level Content Validity Index (I-CVI) ≥ 0,78 werden behouden (Tabel 2). Meningsverschillen tussen rondes werden opgelost via iteratieve, anonieme feedback; experts kregen de geaggregeerde scores van de vorige ronde en mochten hun beoordelingen aanpassen. Items die na de tweede ronde geen consensus bereikten, werden ofwel substantieel herzien op basis van kwalitatieve deskundige feedback of geëlimineerd, wat culmineerde in de definitieve schaalniveau inhoudsvaliditeitsindex (S-CVI)12,13.
Analytisch hiërarchieproces (AHP) en scoremechanisme
Om de relatieve gewichten van de evaluatie-indicatoren te bepalen, werd de AHP-methode gebruikt. Een doelgerichte substeekproef van negen senior experts uit het Delphi-panel voltooide een 9-punts fundamentele schaal om paargewijze vergelijkingsmatrices te construeren voor alle dimensies en subdimensies. De geometrisch gemiddelde methode werd gebruikt om de oordelen van de experts te aggregeren. Voor elke matrix werd een consistentieverhouding (CR) berekend; alleen matrices met een CR van werden als acceptabel beschouwd, wat logische consistentie in deskundige oordelen waarborgde. Definitieve globale gewichten (Wi) werden afgeleid door de lokale gewichten van subdimensies te vermenigvuldigen met de gewichten van hun ouderdimensies. De uiteindelijke servicekwaliteitsscore (SQ) voor elke patiënt werd berekend met behulp van de formule:
SQ = ∑(Wi x Pi) (1)
waarbij Pi de door de patiënt waargenomen prestatiescore voor item i vertegenwoordigt. Opvallend is dat deze studie een perceptie-only (P) scoringsmethode hanteerde—consistent met het SERVPERF-paradigma—in plaats van de traditionele gap-based (P-E) benadering. Deze methodologische keuze, gemeten op een 7-punts Likert-schaal (variërend van 1 = "Sterk oneens" tot 7 = "Sterk AKKOORD"), werd geïmplementeerd om de voorspellende validiteit van het model te verbeteren en de meetinstabiliteit die vaak gepaard gaat met het kwantificeren van patiëntverwachtingen in longitudinale chronische zorgomgevingen te minimaliseren.
Psychometrische validatie en structurele vergelijkingsmodellering
De willekeurig gesplitste dataset werd onderworpen aan psychometrische evaluatie. Voor de eerste helft van de gegevens werd EFA uitgevoerd met principal axis factoring en promax oblique-rotatie, aangezien de SERVQUAL-dimensies werden verondersteld gecorreleerd te zijn. Factoren werden behouden op basis van eigenwaarden >1 en visuele inspectie van het puinplot. Items met factorbelastingen <0,40 of significante kruisbelastingen werden uitgesloten. De tweede helft van de gegevens werd gebruikt voor CFA om de factorstructuur te bevestigen. Maximum likelihood (ML) schatting werd toegepast voor de CFA en daaropvolgende SEM-analyses. Modelfit werd geëvalueerd met behulp van strenge drempels die in de psychometrische literatuur zijn vastgesteld, wat een acceptabele balans tussen modelparsimonie en datafit aangeven: Comparative fit index (CFI) > 0,90, Tucker-Lewis index (TLI) > 0,90, root mean square error of approximation (RMSEA) < 0,08, en gestandaardiseerd root mean square residual (SRMR) > 0,08.
Voorspellend modelvergelijkingsplan
Om de vergelijkende effectiviteit van verschillende evaluatiekaders te beoordelen, werd een voorspellende modelleringsanalyse uitgevoerd. Om de methodologische robuustheid van het voorgestelde kader vast te stellen, werd het basismodel SERVQUAL getoetst aan drie verschillende analytische benaderingen: het voorgestelde AHP-SERVQUAL, het KANO-model en de TOPSIS-RSR (Technique for Order Preference by Similarity to Ideal Solution combined with Rank-Sum Ratio) methode. Het KANO-model werd gekozen als comparator omdat het serviceattributen categoriseert in niet-lineaire voldoeningsfactoren (bijvoorbeeld basisbehoeften versus aantrekkelijke eigenschappen), wat een theoretisch contrast biedt met de lineaire aannames van SERVQUAL. Omgekeerd is TOPSIS-RSR een rigoureus multi-criteria besluitvormingsinstrument (MCDM) dat veel wordt gebruikt voor uitgebreide institutionele rangschikking, en zo dient als een robuuste methodologische controle voor ons AHP-gebaseerde scoresysteem. Om de vergelijking uit te voeren, werd elk van de vier modellen onafhankelijk toegepast op de hold-out validatiedataset (n = 216), waarbij identieke contextspecifieke parameters werden verwerkt (zoals digitale follow-up en zelfmanagementondersteuning). Het evaluatieproces vergeleek vervolgens hoe effectief de gegenereerde kwaliteitsindices van elk model correleerden met externe prestatie-metrics (klachtenfrequentie en probleemoplossingspercentages) en hun voorspellende kracht (R2) voor patiënttherapie. De voorspellende nauwkeurigheid van elk model werd gekwantificeerd met behulp vanR2-waarden die werden gegenereerd via lineaire regressie en SEM. Om de spaarzaamheid van het model te waarborgen en overfitting te voorkomen, werden informatiecriteria, met name het Akaike-informatiecriterium (AIC) en het Bayesiaanse informatiecriterium (BIC), geïntegreerd in het selectieproces. Ten slotte werd kruisvalidatie uitgevoerd om de robuustheid van de geselecteerde modellen binnen de vijf deelnemende instellingen te evalueren. De vergelijkende metrics voor probleemoplossing, klachtenfrequentie en algemene voorspellende kracht (R2) zijn weergegeven in Figuren 3 en 4.
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Studieontwerp en deelname werving
In totaal werden 433 gevallen opgenomen waarbij personen een van de vijf primaire zorginstellingen in verschillende gebieden, zowel stedelijk als landelijk, hadden bezocht. De leeftijd van de deelnemers varieerde van 30 tot 85 jaar, met een gemiddelde leeftijd van 61,2 jaar (standaarddeviatie: 10,0). De geslachtsverdeling was 50,4% man en 49,6% vrouw. Ongeveer 56,8% van de deelnemers had hypertensie, ongeveer 50,0% had type 2 diabetes mellitus...
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Deze studie stelt een verfijnd methodologisch kader voor het evalueren van primaire chronische ziektebeheer door het SERVQUAL-model te integreren met een Delphi-AHP wegingsschema. Naast het opzetten van een standaard beoordelingssysteem tonen onze bevindingen aan dat de opname van contextspecifieke dimensies—zoals continuïteit van longitudinale zorg en digitale contactpunten—kritieke hiaten in bestaande eerstelijnszorgevaluatietools aanpakt, waardoor een meer gedetailleerde blik wordt ge...
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
De auteurs hebben niets te onthullen.
Dit onderzoek werd ondersteund door het Chronic Disease Management Research Project van het National Health Commission Capacity Building and Continuing Education Center (subsidienummer GWJJMB202510010065). Wij willen onze oprechte dank uitspreken aan de experts die waardevolle begeleiding hebben gegeven tijdens het Delphi-consultatieproces. We danken ook het personeel en de patiënten van de vijf eerstelijnszorginstellingen voor hun medewerking en deelname aan de gegevensverzameling.
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
| Naam | Bedrijf | Catalogusnummer | Opmerkingen |
|---|---|---|---|
| AHP Pairwise Comparison Matrix Template | Dit onderzoek (Repository / Aanvullend materiaal) | Saaty’s 1-tot-9 fundamentele schaal | Bepaling van relatieve indicatorgewichten |
| Delphi Expert Consultation Forms | Dit onderzoek (Repository / Aanvullend materiaal) | Tweedubbel consensusprotocol | Indicator screening en evaluatie van inhoudelijke validiteit |
| IBM SPSS AMOS | IBM Corp., Armonk, NY, USA | Versie 24.0 | CFA, SEM validatie en voorspellende modellering |
| IBM SPSS Statistics | IBM Corp., Armonk, NY, USA | Versie 26.0 | Gegevensbeheer, MICE-imputatie en EFA |
| Gelokaliseerd AHP-SERVQUAL-vragenlijst | Dit onderzoek (Repository / Aanvullend materiaal) | Definitieve 5-dimensie, 15-item versie | Beoordeling van door patiënten waargenomen servicekwaliteit |
Toestemming aanvragen om de tekst of afbeeldingen van dit JoVE-artikel te hergebruiken
Toestemming aanvragen