医師のオンラインでのパフォーマンスを特定し,サービス属性を優先する:側面ベースのセンチメント分析と経験的調査による枠組み

科学分野:

• 医療サービス研究
• 医療における人工知能
• 消費者の行動分析

背景:

• オンラインヘルスケアプラットフォーム (OHP) は,患者と医師のやり取りにとってますます重要になっています.
• 医療の質を向上させるには 患者のサービス属性に対する認識を理解することが重要です
• サービス属性を優先するには 強力な分析フレームワークが必要です

研究 の 目的:

• OHPの患者レビューに基づいて医師のサービス属性を優先する.
• 患者のフィードバックを分析するための枠組みを開発し,医師のパフォーマンスを向上させる.
• 患者の満足度や診療需要に影響を与える 重要な要因を特定する.

主な方法:

• 側面ベースのセンチメント分析のためのディープラーニングを統合した3段階のフレームワークです.
• エクストリーム・グラデーション・ブーストとエコノメトリック・モデルを使って 属性の優先順位を決める.
• 医者の強みと弱みを評価するために,重要性-パフォーマンスの分析を適用します.

主要な成果:

• 44万5435件のレビューを分析した結果,患者の満足度に影響を与える主要なサービス属性が特定されました.
• 医者の態度など 認知の不確実性を軽減する属性は もっと影響力があることが分かりました
• 専門的なスキルや全体的な経験の属性は,態度に比べて影響が少ない.

結論:

• 開発された3段階のフレームワークは,患者のレビューから認識されたサービス属性を効果的に採掘し,ランク付けします.
• OHPのサービス戦略を洗練し,品質を向上させるための実践的な洞察を医師に提供しています.
• 認知不確実性を軽減する特性を優先することで 患者の満足度と相談の需要を高めることができます