Not logged in.

Quick Search - Contribution

Contribution Details

Type Bachelor's Thesis
Scope Discipline-based scholarship
Title Deriving Value from Ad Hoc Textual Patient Feedback
Organization Unit
Authors
  • Sebastian Richner
Supervisors
  • Mateusz Dolata
  • Gerhard Schwabe
Language
  • English
Institution University of Zurich
Faculty Faculty of Business, Economics and Informatics
Date 2019
Abstract Text The technological progress drives automation and allows for advanced machine learning applications in many industries. However, digital transformation in the still strongly paper-based healthcare industry is rather slow, as studies have shown. Digital, web-based patient feedback solutions at the point of experience transform the currently paper-based patient surveys and allow the collection and analysis of patient feedback in real-time. These solutions are available around the clock and increasingly used. Therefore, the amount of data can become hard to process and important comments by patients can get lost between irrelevant feedback. With a practical use case of a company providing a real-time patient feedback solution, this thesis explores different approaches on how to present stakeholders from healthcare institutions with the most valuable and relevant textual patient feedback by leveraging methods from machine learning and natural language processing. Based on the current feedback solution and preliminary interviews, requirements are derived and different prototypes implemented and evaluated. The findings from the development and evaluation of the prototypes show that new technologies can be leveraged to effectively indicate relevant comments and support stakeholders of healthcare institutions with the evaluation of textual patient feedback.
Zusammenfassung Der technologische Fortschritt treibt die Automatisierung voran und ermöglicht die Anwendung von Machine Learning in verschiedenen Branchen. Der digitale Wandel in der immer noch stark papierbasierten Gesundheitsbranche verläuft jedoch eher langsam, wie Studien zeigen. Digitale, webbasierte Patientenfeedback-Lösungen am Point of Experience transformieren die derzeit papierbasierten Patientenbefragungen und ermöglichen die Erfassung und Analyse von Patientenfeedback in Echtzeit. Diese Lösungen sind rund um die Uhr verfügbar und werden zunehmend genutzt. Die ständig wachsende Datenmenge kann schwer zu verarbeiten werden und wichtige Kommentare von Patienten können zwischen irrelevantem Feedback verloren gehen. Mit einem praktischen Anwendungsfall eines Unternehmens, das eine Echtzeit-Patientenfeedback-Lösung anbietet, untersucht diese Arbeit verschiedene Ansätze, wie man Interessengruppen aus Gesundheitseinrichtungen das relevanteste textuelle Patientenfeedback präsentieren kann, indem Methoden des Machine Learnings und der Computerlinguistik angewendet werden. Basierend auf der aktuellen Feedbacklösung und Interviews werden Anforderungen abgeleitet und verschiedene Prototypen implementiert und evaluiert. Die Ergebnisse aus der Entwicklung und Evaluierung der Prototypen zeigen, dass neue Technologien genutzt werden können, um relevante Kommentare darzustellen und Interessengruppen von Gesundheitseinrichtungen bei der Verarbeitung von textuellem Patientenfeedback zu unterstützen.
PDF File Download
Export BibTeX