Исследовательская статья
В этом исследовании была разработана и подтверждена система оценки качества услуг для управления первичными хроническими заболеваниями с использованием методов Дельфийского аналитического иерархии (AHP). Психометрическая оценка подтвердила высокую надёжность. Сравнительный анализ показал, что фреймворк AHP-SERVQUAL обладает более высокой прогностической силой для соблюдения пациентов по сравнению с альтернативными моделями.
Хронические неинфекционные заболевания требуют высокого качества первичной медицинской помощи, однако существующие системы оценки часто не отражают многогранность качества услуг, воспринимаемых пациентами, в условиях хронической помощи. В этом исследовании была разработана и подтверждена система оценки качества услуг (SERVQUAL), адаптированная для управления первичными хроническими заболеваниями на основе концепции SERVQUAL. Для построения и взвешивания шкалы была использована многоступенчатая методология, интегрирующая метод Дельфи и процесс аналитической иерархии (AHP). Инструмент был эмпирически валидирован с использованием пересечений данных 433 пациентов из пяти учреждений первичной медицинской помощи. Валидность и надёжность конструкций оценивались с помощью исследовательского факторного анализа (EFA) и подтверждающего факторного анализа (CFA). Кроме того, предиктивная производительность модели AHP-SERVQUAL сравнивалась с альтернативными моделями (KANO, TOPSIS-RSR) по соблюдению требований пациентов, уровню решения проблем и частоте жалоб. Психометрическая оценка показала, что адаптированная пятимерная шкала (осязаемость, надёжность, отзывчивость, уверенность и эмпатия) обладает высокой внутренней согласованностью и структурной валидностью. Применение во всех центрах выявило значительные различия в качестве услуг, особенно в аспектах обеспечения безопасности и эмпатии. Сравнительное моделирование показало, что структура AHP-SERVQUAL обеспечивает более высокую прогностическую способность для соблюдения пациентов и общего качества обслуживания, чем альтернативные модели. Кроме того, индексы качества, полученные этой моделью, были существенно коррелированы с более высокими показателями решения проблем и более низкой частотой жалоб. Система на базе AHP-SERVQUAL предлагает надёжную и валидную метрику для оценки управления хроническими заболеваниями в первичной медико-санитарной помощи. Точно фиксируя качество, воспринимаемое пациентами, этот инструмент предоставляет администраторам основанный на доказательствах инструмент для реализации инициатив по улучшению качества.
Хронические неинфекционные заболевания стали чрезвычайно серьёзной проблемой общественного здравоохранения во всёммире. Согласно последним данным Всемирной организации здравоохранения, более 70% мировых смертей связаны с хроническими заболеваниями. С ускорением старения населения в Китае число людей с метаболическими заболеваниями, такими как гипертония и диабет, стремительно растет, что создаёт большее давление на общество и медицинскуюсистему 2,3. В ответ на это учреждения первичной медицинской помощи, будучи передовой в управлении хроническими заболеваниями, постепенно стали более заметными в таких ролях. В частности, учреждения первичной медицинской помощи выступают в роли «вратарей» системы здравоохранения, предоставляя первую контактную помощь, долгосрочный мониторинг здоровья и необходимые скрининги для групп высокого риска. Помимо базового клинического лечения, эти учреждения играют ключевую роль в проведении персонализированного медицинского образования, содействии поведенческих вмешательств и координации интегрированных путей оказания помощи между сообществами и больницами второго и третьего звена для обеспечения непрерывности ухода.
В настоящее время модель управления переходит от единого покрытия к высококачественной разработке4. Несмотря на стратегический сдвиг в сторону первичной медицинской помощи в Китае, возникло важное узкое место: традиционные клинические контрольные показатели (например, HbA1c или измерения артериального давления) по своей сути являются редукционистскими. Хотя эти объективные показатели необходимы для оценки физиологического состояния, они не отражают психосоциальные аспекты непрерывного ухода, такие как качество коммуникации врача с пациентом, ежедневные барьеры для соблюдения лечения пациентом и общее субъективное благополучие при длительномлечении 4,5. Следовательно, полагаясь исключительно на биомедицинские метрики, это скрывает критические пробелы в предоставлении услуг, которые в конечном итоге определяют долгосрочные результаты для здоровья. Существует острая необходимость в системе оценки, которая выходит за рамки традиционных клинических результатов и охватывает полный процесс оказания услуг через призму восприятия пациента. Это особенно важно, поскольку первичная медико-санитарная помощь переходит от лечебно-ориентированной модели к модели, ориентированной на профилактичное, целостное управлениездоровьем 6.
Как классическая теория в исследованиях медицинских услуг, SERVQUAL широко применяется для оценки расхождений между реальными восприятиями и ожиданиями по нескольким измерениям, включая ощутимые компоненты, надёжность, время отклика персонала и уверенность. Эта модель применима к лечению хронических заболеваний в данном контексте. Прежде всего, управление хроническими заболеваниями обладает высокой непрерывностью и зависимостью от сервиса, что соответствует стрессу надёжности в модели. Во-вторых, управление хроническими заболеваниями включает не только клиническую диагностику и лечение, но и долгосрочные поведенческие вмешательства и психологическую помощь; Поэтому эмпатия является важным критерием для оценки договорных отношений врача и пациента. Эмпирические исследования показывают, что когда пациенты, получающие качественную помощь от медицинского персонала, удовлетворены услугой, их поведение и приверженность лечению хронических заболеваний положительно сказываются. Таким образом, использование этой модели для преобразования абстрактного процесса медицинских услуг в измеримые показатели позволяет выявить слабые звенья в услугах первичных хроническихзаболеваний 6,7.
Существующие исследования по оценке качества в первичной медико-санитарной помощи преимущественно опираются на структурные клинические показатели или широкие инструменты удовлетворенности пациентов, такие как инструмент оценки первичной медицинской помощи (PCAT) или общие шкалыудовлетворенности 8. Хотя эти инструменты являются необходимыми ориентирами для системного контроля, им часто не хватает методологической детализированности, необходимой для отражения итеративного, процессного характера управления хроническими заболеваниями. Недавние попытки применить рамки SERVQUAL в клинических условиях подчеркнули её диагностический потенциал; Однако многие из этих исследований используют невзвешенные модели или общие измерения, которые не учитывают контекстно-специфические элементы — такие как цифровые точки взаимодействия с медициной и договорные отношения с семейным врачом — которые являются центральными для современных реформ первичноймедико-санитарной помощи 8,9. Систематически сравнивая локализованную, взвешенную по AHP систему, с этими традиционными метриками, это исследование направлено на демонстрацию её превосходной предиктивной полезности для отражения нюансов качества, воспринимаемого пациентом, тем самым предлагая более надёжный методологический вклад в область.
Хотя модель SERVQUAL имеет широкие перспективы применения в лечении первичных хронических заболеваний, её нельзя применятьнапрямую. Традиционные пять измерений обычно больше сосредоточены на успешном завершении одной службы и реже считают необходимыми непрерывность поддержки хронических заболеваний и сотрудничество пациента и врача. На фоне цифрового здравоохранения первичное лечение хронических заболеваний распространилось на онлайн-наблюдение, мониторинг носимых устройств и группы самоуправления в сообществе. Если не проводится оптимизация на основе сцены, эта система оценки не может быть расширена для включения аспектов цифровых точек контакта после ухода или участия пациентов в практике. Основываясь на существующих систематических обзорах, отсутствие специализированных для отрасли общих инструментов ограничило прогностическую ценность этих инструментов для длительного состояния пациентов. Кроме того, система контрактов семейных врачей, введённая в первичную медико-санитарную помощь Китая, предлагает новое понимание этих услуг. Добавление долгосрочного аспекта договорных отношений к этой обобщённой модели поможет решить вопросы, которые не могут быть охвачены такими моделями, и повысит научностьисследований 8,9.
Для устранения этих пробелов в данном исследовании разрабатывается и подтверждается локальная система оценки качества услуг, специально адаптированная для управления первичными хроническими заболеваниями. Хотя SERVQUAL широко принят, его применение в первичной медико-санитарной помощи часто упускает из виду долгосрочный характер контрактов семейных врачей и новые цифровые точки взаимодействия с сообществом самоуправления 8,9. Новизна этого исследования заключается в интеграции этих контекстных измерений — в частности, непрерывного ухода и поддержки самоуправления — с использованием гибридной схемы взвешивания Delphi-AHP для повышения детализированной чувствительности модели. Существует гипотеза, что такой многомерный, взвешенный подход обеспечивает превосходную прогностическую достоверность исходов пациентов по сравнению с традиционными моделями. Цель — эмпирически протестировать эту рамку на нескольких центрах, решая эмпирический вопрос о том, может ли локализованная модель AHP-SERVQUAL точнее объяснить различия в соблюдении пациентов и эффективности учреждения, чем существующие универсальныеинструменты 11.
Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.
Это исследование проводилось в строгом соответствии с этическими принципами, изложенными в Хельсинкской декларации. Протокол исследования был пересмотрен и официально утверждён Институциональным обзорным советом (IRB) Чунцинского медицинского университета (этическое одобрение No 2026127). Перед регистрацией всем участникам предоставлялось подробное объяснение целей, процедур и потенциальных рисков исследования, а затем предоставлялось письменное информированное согласие. Для защиты конфиденциальности пациентов и обеспечения конфиденциальности данных вся собранная информация была полностью анонимизирована и деидентификацировалась перед статистическим анализом. Полный список геодезических инструментов, форм консультаций экспертов и аналитического программного обеспечения, использованных в этом исследовании, подробно описан в Таблице материалов.
Дизайн исследования и набор участников
Многоэтапное методологическое исследование, включающее поперечное базовое исследование и последующие модели-ориентированные прогнозные симуляции, было проведено в пяти учреждениях первичной медицинской помощи. Участников привлекали с использованием стратифицированной стратегии выборки по удобству во время их рутинных последующих визитов. Критерии допуска включали: (1) взрослые в возрасте 18 лет и старше; (2) медицински диагностирован как минимум с одним хроническим заболеванием (например, гипертония, сахарный диабет 2 типа), который проходил лечение в участвующем учреждении минимум шесть месяцев; и (3) обладать когнитивной способностью самостоятельно выполнять оценку. Опросы проводились лично обученным клиническим персоналом. Для устранения недостающих данных изначально был применён тест MCAR Литтла. Учитывая, что скорость отсутствия данных была низкой (<5%) и полностью отсутствовала случайно, для обработки неполных ответов использовались различные методы импутации, обеспечивая целостность набора данных. Чтобы избежать переподгонки и уточнить основу выборки для каждого аналитического этапа, полностью вчисленный набор данных (N = 433) строго разбивался. В частности, 50% выборки (n = 217) использовалось для исследовательского факторного анализа (EFA) для определения структуры факторов. Оставшиеся 50% (n = 216) были зарезервированы для подтверждающего факторного анализа (CFA), моделирования структурных уравнений (SEM) и установления базового уровня профилирования качества на уровне учреждения. Сравнительная валидация модели и сценарии моделирования оптимизации были впоследствии выведены строго из этой второй удержанной выборки (n = 216) для предотвращения утечки данных.
Концептуальная структура и разработка индикаторов
Создание системы индекса оценки началось с сопоставления пяти основных измерений SERVQUAL — осязаемость, надёжность, отзывчивость, уверенность и эмпатию — с конкретным рабочим процессом управления первичными хроническими заболеваниями. Этот процесс включал интеграцию конкретных точек взаимодействия с сервисами, таких как создание медицинских записей, распространение фармацевтических препаратов и протоколы долгосрочного последующего наблюдения. Для обеспечения значимости для целевой аудитории была проанализирована информационная система первичной медико-санитарной помощи для оценки её доступности для пожилых пациентов, а затем были проведены итеративные доработки этих предметов. Конкретные метрики надёжности были сосредоточены на точности последующих осмотров и вовлечённости персонала, а оперативность применялась как своевременность ответов на запросы пациентов (см. Таблицу 1 для операционных определений). Общая концепция, включая взаимосвязи между измерениями, представлена на рисунках 1 и 2.
Консультация эксперта Delphi и достоверность содержания
Для уточнения начального пула предметов использовался двухраундовый метод Дельфи. Эксперты целенаправленно набирались на основе многомерного набора критериев отбора для обеспечения профессиональной компетентности и методологической строгости. Кандидаты приглашались в комиссию, если они соответствовали следующим требованиям: (1) иметь высшую профессиональную должность (например, доцент, главный врач или директор по сестринскому делу); (2) иметь минимум десять лет клинического, управленческого или исследовательского опыта, специализирующегося на первичной медицинской помощи или управлении хроническими заболеваниями; и (3) подтверждение признанного опыта в оценке медицинских услуг или разработке политики в области общественного здравоохранения. Итоговая комиссия из пятнадцати экспертов представляла междисциплинарную когорту, включающую врачей первичной помощи (n = 5), менеджеров по сестринскому делу (n = 4), исследователей общественного здравоохранения (n = 4) и администраторов политики здравоохранения (n = 2). Такой разнообразный состав и строгие критерии отбора напрямую обеспечивали воспроизводимость и достоверность последующих процедур валидности содержания и взвешивания AHP. Эксперты оценивали релевантность и ясность каждого пункта с помощью четырёхбалльной шкалы Лайкерта (1 = не релевантно, 4 = крайне релевантно). Консенсус априори определялся как ≥80% согласие среди экспертов, оценивающих пункт как 3 или 4. Элементы с индексом валидности контента на уровне пункта (I-CVI) ≥ 0,78 были сохранены (Таблица 2). Разногласия между раундами разрешались через итеративную анонимную обратную связь; Экспертам предоставлялись агрегированные оценки предыдущего раунда и разрешалось корректировать свои оценки. Пункты, не достигшие консенсуса после второго раунда, либо существенно пересмотрели на основе качественной экспертной обратной связи, либо были исключены, что привело к итоговому шкалевому индексу валидности содержания (S-CVI)12,13.
Процесс аналитической иерархии (AHP) и механизм оценки
Для определения относительных весов показателей оценки использовался метод AHP. Целевая подвыборка из девяти старших экспертов из панели Delphi завершила 9-балльную фундаментальную шкалу для построения парных сравнительных матриц для всех измерений и подизмерений. Метод геометрического среднего использовался для агрегирования суждений экспертов. Для каждой матрицы рассчитывался коэффициент согласованности (CR); допустимыми считались только матрицы с CR , что обеспечивало логическую согласованность экспертных суждений. Конечные глобальные веса (Wi) были получены путём умножения локальных весов подизмерений на веса их родительских измерений. Итоговый показатель качества обслуживания (SQ) для каждого пациента рассчитывался по формуле:
SQ = ∑(Wi xP i) (1)
где Pi представляет воспринимаемую результативность пациента по заданию i. Примечательно, что в этом исследовании был использован метод оценки только на основе восприятия (P) — согласованный с парадигмой SERVPERF — вместо традиционного подхода на основе разрыва (P-E). Этот методический выбор, измеряемый по 7-балльной шкале Ликерта (от 1 = «Сильно не согласен» до 7 = «Полностью согласен»), был реализован для повышения прогностической достоверности модели и минимизации нестабильности измерений, часто связанной с количественной оценкой ожиданий пациентов в долгосрочных хронических условиях ухода.
Психометрическая валидация и структурное моделирование уравнений
Случайно разделённый набор подвергался психометрической оценке. В первой половине данных EFA проводилась с использованием факторизации главных осей с косым вращением promax, поскольку предполагалось коррелирование размеров SERVQUAL. Факторы сохранялись на основе собственных значений >1 и визуального осмотра участка осыпи. Элементы с факторными нагрузками <0,40 или значительными перекрёстными нагрузками были исключены. Вторая половина данных использовалась для CFA для подтверждения структуры факторов. Оценка максимальной правдоподобности (ML) использовалась для анализа CFA и последующих анализов SEM. Соответствие модели оценивалось с использованием строгих порогов, установленных в психометрической литературе, которые указывают на приемлемый баланс между экономией модели и подгонкой данных: индекс сравнительной совпадения (CFI) > 0,90, индекс Такера-Льюиса (TLI) > 0,90, корень средней квадратной ошибки приближения (RMSEA) < 0,08 и стандартизированное среднее квадратное остаточное значение корня (SRMR) > 0,08.
План сравнения предиктивных моделей
Для оценки сравнительной эффективности различных оценочных рамок был проведён предиктивный модельный анализ. Для установления методологической прочности предлагаемой структуры базовая модель SERVQUAL была сравнивана с тремя различными аналитическими подходами: предлагаемой AHP-SERVQUAL, моделью KANO и методом TOPSIS-RSR (Метод упорядочного предпочтения по сходству с идеальным решением в сочетании с коэффициентом ранга и суммы). Модель KANO была выбрана в качестве компаратора, поскольку она классифицирует атрибуты сервиса на нелинейные драйверы удовлетворения (например, базовые потребности против привлекательных качеств), что теоретически контрастирует с линейными предположениями SERVQUAL. Напротив, TOPSIS-RSR — это строгий многокритерийный инструмент принятия решений (MCDM), широко используемый для комплексного институционального ранжирования, служащий надёжным методологическим контролем для нашей системы оценки на основе AHP. Для проведения сравнения каждая из четырёх моделей независимо применялась к валидационному набору (n = 216), включая идентичные контекстно-специфические параметры (такие как цифровое отслеживание и поддержка самоуправления). Впоследствии процесс оценки сравнил, насколько эффективно генерируемые каждой моделью индексы качества коррелируют с внешними показателями эффективности (частота жалоб и скорость разрешения проблем) и их предсказательную способность (R 2) для соблюдения требований пациентов. Предсказательная точность каждой модели количественно оценивалась с помощью значенийR2 , полученных с помощью линейной регрессии и SEM. Для обеспечения экономии модели и предотвращения чрезмерной подгонки в процесс отбора были интегрированы информационные критерии, в частности информационный критерий Акаике (AIC) и байесовский информационный критерий (BIC). Наконец, была проведена перекрёстная валидация для оценки надёжности выбранных моделей в пяти участвующих учреждениях. Сравнительные метрики для решения проблем, частоты жалоб и общей предсказательной мощности (R2) показаны на рисунках 3 и 4.
Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.
Дизайн исследования и набор участников
Всего было включено 433 случая, касающихся лиц, посетивших любое из пяти учреждений первичной медицинской помощи в разных районах — как городских, так и сельских. Возраст участников варьировался от 30 до 85 лет, со средним возрастом 61,2 года (стандартное отклонение: 10,0). Распределение полов было следующим: 50,4% мужчин и 49,6% женщин. Примерно у 56,8% участников была гипертония, около 50,0% — сахарный диабет 2 типа (ДД2), а около 38,3%...
Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.
В данном исследовании предлагается усовершенствованная методологическая основа для оценки управления первичными хроническими заболеваниями путём интеграции модели SERVQUAL со схемой взвешивания Delphi-AHP. Помимо создания стандартной системы оценки, наши результаты показывают, что включение контекстно-специфических измерений — таких как непрерывность долгосрочного ухода и цифровые точки контакта — устраняет критические пробелы в существующих инструментах оценки первичной медико-санитарно...
Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.
Авторам нечего раскрывать.
Это исследование было поддержано проектом по управлению хроническими заболеваниями Центра повышения потенциала и повышения квалификации Национальной комиссии здравоохранения (Грант No GWJJMB202510010065). Мы хотим выразить искреннюю благодарность экспертам, которые предоставили ценные рекомендации в процессе консультаций Delphi. Мы также благодарим сотрудников и пациентов пяти учреждений первичной медицинской помощи за их сотрудничество и участие в сборе данных.
Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.
| Имя | Компания | Каталожный номер | Комментарии |
|---|---|---|---|
| Шаблон матрицы попарных сравнений AHP | Это исследование (Репозиторий / Дополнительный материал) | Фундаментальная шкала 1-9 Саати | Определение относительных весов индикаторов |
| Формы консультации экспертов Delphi | Это исследование (Репозиторий / Дополнительный материал) | Двухраундовый протокол консенсуса | Фильтрация индикаторов и оценка содержательной валидности |
| IBM SPSS AMOS | IBM Corp., Armonk, NY, USA | Версия 24.0 | CFA, валидация SEM и предсказательное моделирование |
| IBM SPSS Statistics | IBM Corp., Armonk, NY, USA | Версия 26.0 | Управление данными, импутация MICE и EFA |
| Локализованный опросник AHP-SERVQUAL | Это исследование (Репозиторий / Дополнительный материал) | Финальная версия из 5 размерностей и 15 пунктов | Оценка качества услуг, воспринимаемого пациентом |
Запросить разрешение на повторное использование текста или иллюстраций этой статьи JoVE
Запросить разрешение