Természetesnyelv-feldolgozás alkalmazása a betegelégedettség vizsgálatában

Absztrakt:

A betegek elégedettsége az egészségügyi szolgáltatások kiemelt minőségparamétere és egyben stratégiai célja is, amely a betegek elvárásai és a ténylegesen tapasztalt ellátás közötti különbséget tükrözi. Mérési módszertanként jellemzően betegelégedettségi kérdőíveket alkalmaznak az egyes egyészségügyi intézmények a gyors adatfelvétel és statisztikai kiértékelés, valamint a tendenciakövetés érdekében. Azonban a kérdőíves felmérésnek számos korlátja van, ilyen például az alacsony válaszadási arány, torzítások, a valós idejű visszacsatolás hiánya, az elégedettségi skála nem kellő differenciáltsága. Napjaink robbanásszerűen fejlődő IT-technológiája, a mesterséges intelligencia (Artificial Intelligence, AI) már képes a természetes nyelvi feldolgozás (Natural Language Process, NLP) algoritmusával a kérdőívek Likert-skáláján mért betegelégedettségénél sokkal mélyebb elemzésre is. A természetes nyelvi feldolgozás lehetővé teszi a szabad szöveges betegvélemények elemzését. Ez a betegelégedettségi vizsgálatban kiemelt jelentőségű, tekintettel arra, hogy a betegek gyakran részletesebb és őszintébb visszajelzést adnak szöveges formában, mint strukturált kérdőívekben. Jelen tanulmány célja a természetes nyelvi feldolgozás módszertanának és gyakorlati alkalmazhatóságának bemutatása a betegelégedettségi vizsgálatban.

Abstract:

Patient satisfaction represents a key quality indicator and strategic objective of healthcare services, reflecting the discrepancy between patients’ expectations and the care they actually experience. As a measurement methodology, healthcare institutions typically employ patient satisfaction questionnaires to enable rapid data collection, statistical evaluation, and longitudinal trend analysis. However, questionnaire-based surveys present several limitations, including low response rates, various forms of bias, lack of real-time feedback, and insufficient granularity of satisfaction scales.

With the rapid advancement of contemporary information technologies, Artificial Intelligence (AI) — particularly Natural Language Processing (NLP) — now enables substantially deeper analysis than what can be achieved through Likert-scale questionnaire data alone. NLP techniques allow the analysis of free-text patient feedback, which is of special significance in patient satisfaction research, given that patients frequently provide more detailed and candid insights in narrative responses than in structured survey instruments.

The aim of the present study is to demonstrate the methodological foundations and practical applicability of Natural Language Processing in the assessment of patient satisfaction.