Araştırma makalesi
Bu çalışma, Delphi-analitik hiyerarşi süreci (AHP) yöntemleriyle birincil kronik hastalık yönetimi için hizmet kalitesi değerlendirme sistemi geliştirmiş ve doğrulamıştır. Psikometrik değerlendirme yüksek güvenilirliği doğruladı. Karşılaştırmalı bir analiz, AHP-SERVQUAL çerçevesinin hasta bağlılığı için alternatif modellere göre daha yüksek öngörücü güce sahip olduğunu göstermiştir.
Kronik bulaşıcı olmayan hastalıklar yüksek kaliteli birinci basamak sağlık yönetimi gerektirirken, mevcut değerlendirme sistemleri genellikle kronik bakım ortamlarında hasta algısı hizmet kalitesinin çok boyutlu doğasını yakalamakta başarısız olur. Bu çalışma, SERVQUAL çerçevesine dayanarak birincil kronik hastalık yönetimi için özel bir hizmet kalite değerlendirme sistemi (SERVQUAL) geliştirmiş ve doğrulamıştır. Delphi yöntemi ile analitik hiyerarşi sürecini (AHP) entegre eden çok aşamalı bir metodoloji, taraziyi oluşturmak ve ağırlıklandırmak için kullanıldı. Cihaz, beş birincil sağlık kurumunda 433 hastanın kesitsel verileri kullanılarak ampirik olarak doğrulandı. Yapı geçerliliği ve güvenilirliği, keşif faktör analizi (EFA) ve onaylayıcı faktör analizi (CFA) ile değerlendirildi. Ayrıca, AHP-SERVQUAL modelinin öngörücü performansı, hasta uyumu, problem çözme oranları ve şikayet sıklıkları açısından alternatif modellerle (KANO, TOPSIS-RSR) karşılaştırıldı. Psikometrik değerlendirme, uyarlanmış beş boyutlu ölçeğin (somutluk, güvenilirlik, yanıt verme, güvence ve empati) yüksek iç tutarlılık ve yapısal geçerliliğe sahip olduğunu göstermiştir. Merkezler genelindeki uygulamalar, özellikle güvence ve empati boyutlarında hizmet kalitesinde önemli farklılıklar ortaya koydu. Karşılaştırmalı modelleme, AHP-SERVQUAL çerçevesinin hasta uyumu ve genel hizmet kalitesi için alternatif modellere göre daha yüksek öngörü gücü sağladığını göstermiştir. Ayrıca, bu model tarafından üretilen kalite endeksleri daha yüksek problem çözme oranları ve daha düşük şikayet sıklıklarıyla anlamlı şekilde korelasyonluydu. AHP-SERVQUAL tabanlı sistem, birinci basamak bakımında kronik hastalık yönetimini değerlendirmek için güvenilir ve geçerli bir metrik sunar. Hasta algısı kalitesini doğru şekilde yakalayarak, bu araç yöneticilere kalite iyileştirme girişimlerini hedeflemek için kanıta dayalı bir araç sunar.
Kronik bulaşıcı olmayan hastalıklar, dünya genelinde son derece ciddi bir halk sağlığı sorunuhaline geldi 1. Dünya Sağlık Örgütü'nün son verilerine göre, küresel ölümlerin %70'inden fazlası kronik hastalıklara bağlanıyor. Çin'de yaşlanan nüfusun hızlanmasıyla birlikte, hipertansiyon ve diyabet gibi metabolik hastalıklara sahip kişi sayısı hızla artmakta ve bu da toplum ile sağlık sistemi üzerinde daha fazla baskıoluşturmaktadır 2,3. Buna yanıt olarak, kronik hastalık yönetiminin ön safları olan birinci basamak sağlık kurumları bu rollerde giderek daha belirgin bir konuma gelmiştir. Özellikle, birincil sağlık kurumları sağlık sisteminin "kapı bekçisi" olarak hizmet vererek ilk temas bakımı, uzunlamasına sağlık izleme ve yüksek riskli popülasyonlar için gerekli taramalar sağlar. Temel klinik tedavinin ötesinde, bu kurumlar kişiselleştirilmiş sağlık eğitimi sağlamada, davranışsal müdahaleleri kolaylaştırmada ve toplum ortamları ile ikinci/üçüncü hastaneler arasında entegre bakım yollarını koordine etmekte önemli bir rol oynar; böylece bakım sürekliliğini sağlar.
Şu anda yönetim modeli tek ölçekli kapsamdan yüksek kaliteli geliştirmeyekaymaktadır 4. Çin'de birinci basamak bakımına stratejik kaymaya rağmen, kritik bir darboğaz ortaya çıktı: geleneksel klinik kontrol metrikleri (örneğin, HbA1c veya kan basıncı ölçümleri) doğası gereği indirgemecidir. Fizyolojik durumu değerlendirmek için önemli olsa da, bu nesnel göstergeler doktor-hasta iletişiminin kalitesi, hastanın tedaviye bağlılık konusundaki günlük engelleri ve uzun vadeli yönetim sırasında genel öznel iyi oluş gibi sürekli bakımın psikososyal boyutlarını kapsayamaz 4,5. Sonuç olarak, yalnızca biyomedikal metriklere güvenmek, uzun vadeli sağlık sonuçlarını nihayetinde belirleyen kritik hizmet sunumu boşluklarını gizler. Geleneksel klinik sonuçları aşan ve tam hizmet sürecini hasta algısı merceğinden yakalayan bir değerlendirme çerçevesine acil ihtiyaç vardır. Bu, özellikle birinci basamak sağlık hizmetlerinin tedavi odaklı modelden önleyici, bütüncül sağlık yönetimine odaklanan bir modele geçişi nedeniyle hayatiöneme sahiptir 6.
Sağlık hizmetleri araştırmalarında klasik bir teori olarak, SERVQUAL, somut bileşenler, güvenilirlik, personel yanıt süresi ve güvence dahil olmak üzere çeşitli boyutlarda gerçek algılar ve beklentiler arasındaki farklılıkları değerlendirmek için yaygın olarak uygulanmıştır. Bu model, bu bağlamda kronik hastalıkların yönetiminde uygulanabilir. Her şeyden önce, kronik hastalık yönetimi yüksek süreklilik ve hizmet bağımlılığına sahiptir; bu özellikler modeldeki güvenilirlik stresiyle tutarlıdır. İkinci olarak, kronik hastalık yönetimi sadece klinik tanı ve tedaviyi değil, aynı zamanda uzun vadeli davranışsal müdahaleler ve psikolojik bakımı da içerir; Bu nedenle, empati doktor-hasta sözleşme ilişkisini değerlendirmek için temel bir kriterdir. Ampirik araştırmalar, tıbbi personelden kaliteli bakım alan hastalar olarak hizmetten memnun olduklarında, davranışlarının ve kronik hastalıklar için tedavi uyumlarının daha olumlu etkilendiğini göstermektedir. Bu nedenle, tıbbi hizmetlerin soyut sürecini ölçülebilir göstergelere dönüştürmek için bu modeli kullanmak, birincil kronik hastalık hizmetlerindeki zayıf bağlantıları tespitedebilir 6,7.
Birinci basamak bakımında kalite değerlendirmesi üzerine mevcut akademik çalışmalar ağırlıklı olarak yapısal klinik göstergeler veya birinci basamak sağlık değerlendirme aracı (PCAT) veya genel memnuniyet ölçeği gibi geniş hasta memnuniyetaraçlarına dayanmıştır 8. Bu araçlar sistemik denetim için temel ölçütler sağlasa da, kronik hastalık yönetiminin yinelemeli, süreç temelli doğasını yakalamak için gereken metodolojik ayrıntıdan genellikle eksiktir. SERVQUAL çerçevesinin klinik ortamlarda uygulanmasına yönelik son girişimler, tanı potansiyelini ortaya koymuştur; Ancak, bu çalışmaların çoğu, modern birinci basamak reformlarının 8,9'unda merkezi olan dijital sağlık temas noktaları ve aile doktoru sözleşme ilişkisi gibi bağlam-spesifik unsurları dahil etmeyen ağırlıksız modeller veya genel boyutlar kullanır. Bu çalışma, yerel, AHP ağırlıklı bir sistemi bu geleneksel metriklerle sistematik olarak karşılaştırarak, hasta algıladığı kalitenin nüanslarını yakalamada üstün öngörücü faydasını göstermeyi ve böylece alana daha sağlam bir metodolojik katkı sunmayı amaçlamaktadır.
SERVQUAL modeli birincil kronik hastalık yönetiminde geniş uygulama olanaklarına sahip olsa da, doğrudan kullanılamaz10. Geleneksel beş boyut genellikle tek bir hizmetin başarılı tamamlanmasına daha çok odaklanır ve kronik hastalıklara desteğin sürekliliğini ve hasta-doktor iş birliğini gerekli görme olasılığı daha düşüktür. Dijital sağlık ortamında, birincil kronik hastalık yönetimi çevrimiçi takip, giyilebilir cihaz izleme ve topluluk öz-yönetim gruplarına da genişletilmiştir. Sahne tabanlı optimizasyon yapılmazsa, bu değerlendirme sistemi dijital bakım sonrası temas noktaları veya hasta uygulamaya katılımı gibi unsurları da kapsayacak şekilde genişletilemez. Mevcut sistematik incelemelere dayanarak, sektöre özgü genel araçların eksikliği, bu araçların uzun süreli hasta hastalıkları için öngörü değerini sınırlamıştır. Ayrıca, Çin'in birinci basamak sağlık hizmetlerine getirilen aile doktoru sözleşme sistemi bu hizmetlerin yeni bir yorumunu sunmaktadır. Bu genelleştirilmiş modele uzun vadeli sözleşme ilişkisi boyutu eklemek, bu tür modellerde ele alınamayan konuları ele almaya ve araştırmanın bilimselliğiniartıracaktır 8,9.
Bu eksiklikleri gidermek için, bu çalışma birincil kronik hastalık yönetimi için özel olarak tasarlanmış yerel bir hizmet kalitesi değerlendirme çerçevesi geliştirir ve doğrular. SERVQUAL yaygın olarak benimsenmiş olsa da, birinci basamak sağlık hizmetlerinde uygulanması aile doktoru sözleşmelerinin uzunlamasına doğasını ve topluluk temelli öz-yönetimin ortaya çıkan dijital temas noktalarını sıklıkla göz ardıeder 8,9. Bu araştırmanın yeniliği, modelin granüler hassasiyetini artırmak için hibrit bir Delphi-AHP ağırlıklandırma şeması kullanarak bu bağlamsal boyutların—özellikle sürekli bakım ve öz yönetim desteğinin entegre edilmesinde yatmaktadır. Bu çok boyutlu, ağırlıklı yaklaşımın, hasta sonuçları için geleneksel modellere kıyasla daha üstün öngörücü geçerlilik sağladığı varsayılmaktadır. Amaç, bu çerçeveyi birden fazla merkezde ampirik olarak test etmek; yerel bir AHP-SERVQUAL modelinin hasta bağlılığı ve kurumsal verimlilikteki farklılıkları mevcut genel amaçlı araçlardan daha doğru açıklayıp açıklamayacağı ampiriksorusunu ele almaktır 11.
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.
Bu çalışma, Helsinki Bildirgesi'nde belirtilen etik ilkelere sıkı sıkıya uygun olarak yürütülmüştür. Çalışma protokolü, Chongqing Tıp Üniversitesi Kurumsal İnceleme Kurulu (IRB) tarafından incelendi ve resmi olarak onaylandı (etik onay no: 2026127). Kayıt öncesi, tüm katılımcılara çalışmanın hedefleri, prosedürleri ve potansiyel riskleri hakkında kapsamlı bir açıklama sunuldu ve ardından yazılı bilgilendirilmiş onayı verildi. Hasta gizliliğini korumak ve veri gizliliğini sağlamak amacıyla, toplanan tüm bilgiler tamamen anonimleştirilmiş ve istatistiksel analiz için erişilmeden önce kimliği silinmiştir. Bu çalışmada kullanılan anket araçları, uzman danışma formları ve analitik yazılımların tam listesi Materyaller Tablosu'nda ayrıntılı olarak yer almaktadır.
Çalışma tasarımı ve katılımcı katılımı
Kesitsel bir temel anket ve ardından model odaklı öngörücü simülasyonları içeren çok aşamalı bir metodolojik çalışma, beş birincil sağlık kurumunda gerçekleştirildi. Katılımcılar, rutin takip ziyaretleri sırasında katmanlı bir kolaylık örnekleme stratejisi kullanılarak seçildi. Uygunluk kriterleri şunları içeriyordu: (1) 18 yaş ve üzeri yetişkinler; (2) en az bir kronik durum (örneğin, hipertansiyon, tip 2 diyabet) tıbbi olarak teşhis edilmiş ve katılımcı kurumda en az altı ay boyunca yönetilen durumda; ve (3) değerlendirmeyi bağımsız olarak tamamlayabilecek bilişsel yeteneğe sahip olmak. Anketler, eğitimli klinik personel tarafından yüz yüze gerçekleştirildi. Eksik verileri gidermek için Little'ın MCAR testi başlangıçta uygulandı. Eksik veri hızının düşük (%<%5) ve tamamen rastgele eksik olması nedeniyle, eksik yanıtları yönetmek için birden fazla ödünleme tekniği kullanıldı ve veri setinin bütünlüğü sağlandı. Aşırı uyum önleme ve her analitik aşama için örnek temelini netleştirmek için, tam hesablanmış veri seti (N = 433) sıkı bir şekilde bölümlendirilmiştir. Özellikle, örneklemin %50'si (n = 217) faktör yapısını belirlemek için keşif faktör analizi (EFA) için kullanıldı. Kalan %50 (n = 216) ise onaylayıcı faktör analizi (CFA), yapısal denklem modelleme (SEM) ve kurum düzeyinde kalite profilleme için temel oluşturma için ayrılmıştır. Karşılaştırmalı model doğrulama ve simüle edilmiş optimizasyon senaryoları, veri sızıntısını önlemek için yalnızca bu ikinci tutma örnekinden (n = 216) türetilmiştir.
Kavramsal çerçeve ve gösterge geliştirme
Değerlendirme indeks sisteminin inşası, SERVQUAL'ın beş temel boyutunun—somutluk, güvenilirlik, yanıt verme yeteneği, güvence ve empatiye—birincil kronik hastalık yönetiminin özel iş akışına eşlenmesiyle başladı. Bu süreç, tıbbi kayıt oluşturma, ilaç dağıtımı ve uzunlamasına takip protokolleri gibi somut hizmet temas noktalarının entegre edilmesini içeriyordu. Hedef demografi için alaka sağlamak amacıyla, birinci basamak bilgi sistemi analiz edilip, yaşlı hastalar için erişilebilirliği değerlendirildi ve ardından ürünlerde yinelemeli iyileştirmeler yapıldı. Özel güvenilirlik metrikleri takip doğruluğuna ve personel bağlılığına odaklanırken, yanıt verme hızı hasta sorularına verilen yanıtların zamanında yanıtlanması olarak operasyonel hale getirildi (operasyonel tanımlar için Tablo 1'e bakınız). Genel çerçeve, boyutlar arasındaki karşılıklı ilişkiler de dahil olmak üzere, Şekil 1 ve 2'de kavramsallaşmıştır.
Delphi uzman danışmanlığı ve içerik geçerliliği
İlk eşya havuzunu geliştirmek için iki turlu bir Delphi yöntemi kullanıldı. Uzmanlar, profesyonel otorite ve metodolojik titizlik sağlamak için çok boyutlu uygunluk kriterleri setine dayalı olarak amaçlı olarak seçildi. Adaylar, aşağıdaki gereksinimleri karşılıyorlarsa panele davet edilirdi: (1) kıdemli bir mesleki unvana sahip olmaları (örneğin, Doçent, Baş Hekim veya Hemşirelik Direktörü); (2) birincil sağlık veya kronik hastalık yönetimine özel odaklanan en az on yıllık klinik, yönetici veya araştırma deneyimine sahip olmak; ve (3) sağlık hizmeti değerlendirmesi veya halk sağlığı politikası geliştirme alanında tanınmış bir geçmiş sicili göstermek. On beş uzmandan oluşan son panel, birinci basamak hekimleri (n = 5), hemşirelik yöneticileri (n = 4), halk sağlığı araştırmacıları (n = 4) ve sağlık politikası yöneticileri (n = 2) dahil olmak üzere disiplinler arası bir grup temsil ediyordu. Bu çeşitli bileşim ve titiz seçim kriterleri, sonraki içerik geçerliliği ve AHP ağırlıklandırma prosedürlerinin tekrarlanabilirliğini ve güvenilirliğini doğrudan garanti etti. Uzmanlar, her maddenin alaka düzeyini ve açıklığını 4 puanlık bir Likert ölçeği (1 = alakasız, 4 = çok ilgili) kullanarak değerlendirdi. Önceden konsensiye, uzmanlar arasında bir maddeyi 3 veya 4 olarak değerlendiren %80 ≥ olarak tanımlanmıştır. Öğe Düzeyinde İçerik Geçerlilik Endeksi (I-CVI) ≥ 0.78 olan öğeler korundu (Tablo 2). Turlar arasındaki anlaşmazlıklar yinelemeli anonim geri bildirimle çözüldü; Uzmanlara önceki turdan toplanan puanlar sağlandı ve puanlarını ayarlamalarına izin verildi. İkinci turdan sonra uzlaşmaya ulaşamayan maddeler ya nitel uzman geri bildirimlerine göre önemli ölçüde revize edildi ya da elendi; bu da nihai ölçek düzeyinde içerik geçerlilik indeksi (S-CVI)12,13 ile sonuçlandı.
Analitik hiyerarşi süreci (AHP) ve puanlama mekanizması
Değerlendirme göstergelerinin göreli ağırlıklarını belirlemek için AHP yöntemi kullanılmıştır. Delphi panelinden dokuz kıdemli uzmandan oluşan amaçlı bir alt numune, tüm boyutlar ve alt boyutlar için çiftli karşılaştırma matrisleri oluşturmak üzere 9 noktalık temel bir ölçek tamamladı. Geometrik ortalama yöntemi, uzmanların kararlarını toplamak için kullanıldı. Her matriks için bir Tutarlılık oranı (CR) hesaplandı; yalnızca CR of olan matrisler kabul edilebilir sayılır ve uzman kararlarında mantıksal tutarlılık sağlanır. Son küresel ağırlıklar (Wi), alt boyutların yerel ağırlıklarının ana boyutlarının ağırlıklarıyla çarpılmasıyla elde edilmiştir. Her hasta için nihai hizmet kalite puanı (SQ) şu formülle hesaplandı:
SQ = ∑(Wi x Pi) (1)
burada Pi, hastanın i öğesi için algılanan performans puanını temsil eder. Özellikle, bu çalışma, geleneksel boşluk temelli (P-E) yaklaşımı yerine, sadece algıya dayalı (P) puanlama yöntemini benimsemiştir—SERVPERF paradigmasıyla tutarlıdır. Bu metodolojik seçim, 7 puanlık Likert ölçeğinde ölçülmüş (1 = "Kesinlikle Katılmıyorum" ile 7 = "Kesinlikle Katılıyorum" arasında değişen değişiklikte), modelin öngörücü geçerliliğini artırmak ve uzun süreli kronik bakım ortamlarında hasta beklentilerinin nicelendirilmesiyle sıklıkla ilişkilendirilen ölçüm istikrarsızlığını en aza indirmek için uygulanmıştır.
Psikometrik doğrulama ve yapısal denklem modelleme
Rastgele bölünmüş veri seti psikometrik değerlendirmeye tabi tutuldu. Verilerin ilk yarısında, EFA ana eksen çarpanma ile promax eğik dönüş kullanılarak yapıldı; çünkü SERVQUAL boyutlarının korelasyon olduğu varsayılıyordu. Faktörler, >1 özdeğerleri ve sürük alanının görsel incelemesi temelinde korundu. Faktör yüklemesi <0.40 veya anlamlı çapraz yüklemelere sahip ürünler hariç tutuldu. Verilerin ikinci yarısı CFA için faktör yapısını doğrulamak için kullanıldı. CFA ve sonraki SEM analizleri için maksimum olasılık (ML) tahmini uygulandı. Model uyumu, psikometrik literatürde belirlenen katı eşikler kullanılarak değerlendirildi; bu eşikler model sabitliği ile veri uyumu arasında kabul edilebilir bir dengeyi göstermektedir: Karşılaştırmalı uyum indeksi (CFI) > 0.90, Tucker-Lewis indeksi (TLI) > 0.90, kök ortalama kare hatası (RMSEA) 0.08 0.08.
Öngörücü model karşılaştırma planı
Farklı değerlendirme çerçevelerinin karşılaştırmalı etkinliğini değerlendirmek için öngörücü bir modelleme analizi yapılmıştır. Önerilen çerçevenin metodolojik sağlamlığını belirlemek için, temel SERVQUAL modeli üç farklı analitik yaklaşımla karşılaştırıldı: önerilen AHP-SERVQUAL, KANO modeli ve TOPSIS-RSR (İdeal Çözüme Benzerlik Yoluyla Sıradan Tercih Tekniği ve Sıralama Toplamı Oranı kombinasyonu) yöntemi. KANO modeli, hizmet özelliklerini doğrusal olmayan tatmin sürücülerine (örneğin, temel ihtiyaçlar ve çekici özellikler) kategorize ettiği için karşılaştırıcı olarak seçildi ve SERVQUAL'ın doğrusal varsayımlarına teorik bir zıtlık sunuyor. Buna karşılık, TOPSIS-RSR, kapsamlı kurumsal sıralama için yaygın olarak kullanılan titiz çok kriterli karar alma (MCDM) aracıdır ve böylece AHP tabanlı puanlama sistemimiz için sağlam bir metodolojik kontrol görevi görür. Karşılaştırmayı yürütmek için, dört modelin her biri bağımsız olarak bekletme doğrulama veri setine (n = 216) uygulandı ve aynı bağlama özgü parametreleri (dijital takip ve kendi yönetim desteği gibi) dahil edildi. Değerlendirme süreci, her modelin üretilen kalite endekslerinin dış performans metrikleriyle (şikayet sıklığı ve sorun çözümleme oranları) ve hasta uyumu için öngörü gücü (R2) ile ne kadar etkili olduğunu karşılaştırdı. Her modelin öngörücü doğruluğu, doğrusal regresyon ve SEM ile üretilen R2 değerleri kullanılarak nicelendirildi. Model kısayımı sağlamak ve aşırı uyumu önlemek için, özellikle Akaike bilgi kriterleri (AIC) ve Bayes bilgi kriterleri (BIC) seçim sürecine entegre edildi. Son olarak, beş katılımcı kurum arasında seçilen modellerin sağlamlığını değerlendirmek için çapraz doğrulama gerçekleştirildi. Problem çözümü, şikayet sıklığı ve genel tahmin gücü (R2) için karşılaştırmalı metrikler Şekil 3 ve 4'te gösterilmiştir.
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.
Çalışma tasarımı ve katılımcı katılımı
Kentsel ve kırsal farklı bölgelerdeki beş birincil sağlık kuruluşundan herhangi birini ziyaret etmiş bireyleri içeren toplam 433 vaka dahil edildi. Katılımcıların yaşları 30 ila 85 yaş arasında değişmekte olup, ortalama yaşları 61,2 (standart sapma: 10,0) idi. Cinsiyet dağılımı %50,4 erkek ve %49,6 kadındı. Katılımcıların yaklaşık %56,8'i hipertansiyon, yaklaşık %50,0'ı tip 2 diyabet (T2DM) ve yaklaşık %38,3'ü hiperlipidemiye sahipti. Has...
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.
Bu çalışma, SERVQUAL modelini Delphi-AHP ağırlıklandırma şemasıyla entegre ederek birincil kronik hastalık yönetimini değerlendirmek için geliştirilmiş bir metodolojik çerçeve önermektedir. Standart bir değerlendirme sistemi oluşturmanın ötesinde, bulgularımız, uzunlamasına bakım sürekliliği ve dijital temas noktaları gibi bağlam-spesifik boyutların dahil edilmesinin, mevcut birinci basamak değerlendirme araçlarındaki kritik boşlukları giderdiğini ve böylece hasta merkezli hizmet kalites...
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.
Yazarların açıklayacak hiçbir şeyi yok.
Bu araştırma, Ulusal Sağlık Komisyonu Kapasite Geliştirme ve Sürekli Eğitim Merkezi'nin Kronik Hastalık Yönetimi Araştırma Projesi tarafından desteklenmiştir (Hibe No. GWJJMB202510010065). Delphi danışma sürecinde değerli rehberlik sağlayan uzmanlara içten teşekkürlerimizi sunarız. Ayrıca, beş birinci basamak sağlık kuruluşunun personeline ve hastalarına iş birliği ve veri toplama süreçlerine katılımları için teşekkür ediyoruz.
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.
| Ad | Şirket | Katalog numarası | Yorumlar |
|---|---|---|---|
| AHP Eşli Karşılaştırma Matris Şablonu | Bu çalışma (Depo / Ek Materyal) | Saaty’in 1-9 temel skalası | Göreceli gösterge ağırlıklarının belirlenmesi |
| Delphi Uzman Danışma Formları | Bu çalışma (Depo / Ek Materyal) | İki turlu fikir birliği protokolü | Gösterge taraması ve içerik geçerliliği değerlendirmesi |
| IBM SPSS AMOS | IBM Corp., Armonk, NY, ABD | Versiyon 24.0 | CFA, SEM doğrulama ve tahmine dayalı modelleme |
| IBM SPSS Statistics | IBM Corp., Armonk, NY, ABD | Versiyon 26.0 | Veri yönetimi, MICE yerleştirme ve EFA |
| Yerelleştirilmiş AHP-SERVQUAL Anketi | Bu çalışma (Depo / Ek Materyal) | Son 5 boyutlu, 15 maddelik versiyon | Hasta algılanan hizmet kalitesinin değerlendirilmesi |
Bu JoVE makalesinin metnini veya şekillerini yeniden kullanmak için izin iste
İzin iste