TY - THES A1 - Beck, Udo T1 - Einfluss der Arbeitsbelastung des Personals auf die Patientenzufriedenheit im Krankenhaus - eine empirische Untersuchung N2 - Diese Arbeit ist eine wissenschaftliche Untersuchung von Zusammenhängen der Arbeitsbelastung und Patientenzufriedenheit in Krankenhäusern. Für die Analysen standen Leistungsdaten des Ärztlichen Dienstes und des Pflegedienstes sowie Ergebnisse einer kontinuierlichen Patientenbefragung aus insgesamt 36 Krankenhäusern in Deutschland zur Verfügung. Das methodische Vorgehen bestand im ersten Schritt aus einer systematischen Literaturrecherche. Anschließend wurde anhand eines gegebenen Datensatzes ein quantitatives Verfahren zur Prüfung der Hypothese/n „Die Arbeitsbelastung des Pflegedienstes/Ärztlichen Dienstes hat einen Einfluss auf die Patientenzufriedenheit mit dem Pflegedienst/Ärztlichen Dienst“ gewählt. Abschließend wurden die Ergebnisse anhand der identifizierten Fachliteratur diskutiert. Die statistischen Analysen kommen für den Pflegedienst und den Ärztlichen Dienst in Bezug auf den untersuchten Zusammenhang zu unterschiedlichen Ergebnissen. Für den Pflegedienst zeigte sich für das Datenjahr 2015 ein mittlerer positiver Zusammenhang zwischen der Arbeitsbelastung und der Unzufriedenheit der Patienten mit dem Pflegepersonal insgesamt (r-Wert = 0,389). Das heißt, mit der Zunahme der Arbeitsbelastung steigt die Unzufriedenheit der Patienten. Das Ergebnis ist mit einem p-Wert von ≤ 0,001 hoch signifikant und die Anzahl der untersuchten Stationen führt hier zu einer ausreichenden Teststärke mit einem Wert von 0,999. Durch eine erfolgte Messwiederholung mit den Daten des Jahres 2016 wurde dieses Ergebnis bestätigt. Für den Ärztlichen Dienst zeigte sich für das Datenjahr 2015 (r = 0,091) und die Messwiederholung 2016 (r = 0,046) bei einem p-Wert > 0,05 kein gesicherter Zusammenhang zwischen der Arbeitsbelastung und der Unzufriedenheit der Patienten mit dem Ärztlichen Dienst insgesamt. Die durch die Literaturrecherche identifizierte und in dieser Arbeit diskutierte Fachliteratur, hatte im Ergebnis überwiegend eine schwache Aussagekraft. Durch die klaren Ergebnisse der Zusammenhangsanalysen ist diese Arbeit für den aktuellen Stand der Forschung von Relevanz. N2 - This work is a scientific investigation of the correlation between workload and patient satisfaction in hospitals. Performance data from the medical service and the nursing service as well as the results of a continuous patient survey from 36 hospitals in Germany were available for the analyzes. In the first step, the methodological procedure consisted of a systematic literature search. Subsequently, a quantitative procedure to test the hypothesis/es “The workload of the nursing / medical service has an influence on the patient satisfaction with the nursing / medical service” was selected on the basis of a given data set. Finally, the results were discussed using the identified scientific literature. The statistical analyzes come to different results for the nursing service and the medical service with regard to the examined correlation. For the nursing service, there was a mean positive correlation between the workload and the dissatisfaction of the patients with the nursing staff overall for the data year 2015 (r-value = 0.389). That means, as the workload increases, so does patient dissatisfaction. The result is highly significant with a p-value of ≤ 0.001 and the number of stations examined leads to a sufficient test strength with a value of 0.999. This result was confirmed by repeating the measurement with the data from 2016. For the medical service, for the data year 2015 (r = 0.091) and the repeated measurements in 2016 (r = 0.046) with a p-value> 0.05, there was no reliable connection between the workload and the patient's dissatisfaction with the medical service all in all. The scientific literature identified through the literature search that was discussed in this paper had mostly a weak informative value as a result. Due to the clear results of the correlation analyzes, this work is relevant to the current state of research. KW - Patientenzufriedenheit KW - Patientenbefragung KW - Personalbesetzung KW - Leistungsdichte KW - Krankenhausplanung KW - Arbeitsbelastung KW - Verbraucherzufriedenheit KW - Patientenorientierung KW - Patientenwohl KW - Personalkennzahl Y1 - 2021 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:824-opus4-7214 ER - TY - THES A1 - Schulze Dieckhoff, Max T1 - From bag-of-words towards natural language: adapting topic models to avoid stop word removal N2 - Topic models such as latent Dirichlet allocation (LDA) aim to identify latent topics within text corpora. However, although LDA-type models fall into the category of Natural Language Processing, the actual model input is heavily modified from the original natural language. Among other things, this is typically done by removing specific terms, which arguably might also remove information. In this paper, an extension to LDA is proposed called uLDA, which seeks to incorporate some of these formerly eliminated terms -- namely stop words -- to match natural topics more closely. After developing and evaluating the new extension on established fit measures, uLDA is then tasked with approximating human-perceived topics. For this, a ground truth for topic labels is generated using a human-based experiment. These values are then used as a reference to be matched by the model output. Results show that the new extension outperforms traditional topic models regarding out-of-sample fit across all data sets and regarding human topic approximation for most data sets. These findings demonstrate that the novel extension can extract valuable information from the additional data conveyed by stop words and shows potential for better modeling natural language in the future. N2 - Topic-Modelle wie die latente Dirichlet-Allokation (LDA) zielen darauf ab, latente Themen in Textkorpora zu identifizieren. Obwohl Modelle vom Typ LDA in die Kategorie der Verarbeitung natürlicher Sprache fallen, wird die eigentliche Modelleingabe jedoch stark von der ursprünglichen natürlichen Sprache abgewandelt. Dies geschieht u. a. durch das Entfernen bestimmter Begriffe, wodurch allerdings auch Informationen verloren gehen können. In dieser Arbeit wird eine Erweiterung von LDA vorgeschlagen, die uLDA genannt wird und versucht, einige dieser zuvor eliminierten Begriffe - sogenannte Stoppwörter - in das Modell mit einzubeziehen, um die natürlichen Themen besser abzubilden. Nach der Entwicklung und Evaluierung der neuen Erweiterung anhand etablierter Anpassungsmaße wird uLDA dann mit der Aufgabe betraut, vom Menschen wahrgenommene Themen zu approximieren. Zu diesem Zweck wird eine Grundwahrheit für die Themenmarkierung durch ein Experiment mit menschlichen Teilnehmern erzeugt. Diese Werte werden dann als Referenz für den Abgleich mit den Modellergebnissen verwendet. Die Auswertungen zeigen, dass die neue Erweiterung die traditionellen Topic-Modelle in Bezug auf den Out-of-Sample Fit in allen Datensätzen und in Bezug auf die menschliche Themenannäherung in den meisten Datensätzen übertrifft. Diese Ergebnisse zeigen, dass die neue Erweiterung wertvolle Informationen aus den zusätzlichen Daten extrahieren kann, die durch Stoppwörter übermittelt werden, und dass sie das Potenzial hat, natürliche Sprache in Zukunft besser zu modellieren. KW - Bayes-Lernen KW - Unüberwachtes Lernen KW - Computerlinguistik KW - Hierarchical bayes model KW - LDA KW - Topic models Y1 - 2022 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:824-opus4-7266 ER -