Resumo em Português:
Questionários para satisfação dos pacientes podem ser uma boa maneira para melhorar a qualidade e discutir aspectos do cuidado centrado no paciente. O objetivo foi conduzir uma revisão sistemática referente a instrumentos já validados para mensuração de satisfação de pacientes em serviços de saúde. A revisão sistemática realizou buscas nas bases MEDLINE/PubMed, LILACS, SciELO, Scopus and Web of Knowledge. A estratégia de busca foi: "Patient Satisfaction" AND "Patient centered care" AND "Healthcare survey OR Satisfaction questionnaire" AND "Psychometric properties". Trinta e sete estudos foram incluídos e quase todos demonstraram que a satisfação é um construto multidimensional. Foram encontrados 34 diferentes instrumentos e a maioria deles possuía as dimensões paciente-profissional da saúde, ambiente físico e processos gerenciais. A pontuação COSMIN em qualidade metodológica dos artigos indicou que a maioria apresenta um valor bom ou médio neste aspecto. Não existe um padrão ouro para mensuração da satisfação do paciente, mas algumas dimensões são essenciais para este construto.Resumo em Espanhol:
Los cuestionarios para la satisfacción del paciente pueden ser una buena opción de mejorar la calidad y discutir la atención centrada en el paciente. El objetivo era llevar a cabo una revisión sistemática, en relación con los instrumentos previamente validados para medir la satisfacción de los pacientes. La revisión sistemática realizó búsquedas en las bases de datos MEDLINE/PubMed, LILACS, SciELO, Scopus y Web of Knowledge. La estrategia de búsqueda fue: "Patient Satisfaction" AND "Patient centered care" AND "Healthcare survey OR Satisfaction questionnaire" AND "Psychometric properties". Se incluyeron treinta y siete estudios y casi todos han demostrado que la satisfacción es multidimensional. Se encontraron 34 instrumentos y la mayoría contaba con las dimensiones: interacción paciente-profesional de la salud, entorno físico y procesos administrativos. La puntuación COSMIN en calidad metodológica indica que la mayoría de los estudios tiene un valor bueno o medio. No existe un estándar clave para la medición de la satisfacción del paciente, pero algunas dimensiones son esenciales para este constructo.Resumo em Inglês:
Patient satisfaction surveys can be an interesting way to improve quality and discuss the concept of patient-centered care. This study aimed to conduct a systematic review of the validated patient satisfaction measurement instruments applied in healthcare. The systematic review searched the MEDLINE/PubMed, LILACS, SciELO, Scopus and Web of Knowledge. The search strategy used the terms: "Patient Satisfaction" AND "Patient centered care" AND "Healthcare survey OR Satisfaction questionnaire" AND "Psychometric properties". 37 studies were included and almost all studies showed that satisfaction is a multidimensional construct. In these studies, 34 different instruments were used and most surveys contained the dimension patient-healthcare professional interactions, physical environment and management process. The COSMIN score for methodological quality showed that most of them scored a good or fair average. We can conclude that there is not a gold standard instrument for patient satisfaction assessment but some dimensions are essential for this construct.Resumo em Português:
O objetivo deste estudo foi avaliar a acurácia das redes bayesianas no apoio ao diagnóstico de câncer de mama. Foram realizadas revisão sistemática e metanálise, que incluíram artigos e relatórios publicados entre Janeiro de 1990 e Março de 2013. Foram incluídos estudos transversais prospectivos e retrospectivos que avaliaram a acurácia do diagnóstico de lesões de mama (condição alvo) usando as redes bayesianas (teste em avaliação). Quatro estudos primários que incluíram 1.223 lesões de mama foram analisados, 89,52% (444/496) dos casos de câncer de mama e 6,33% (46/727) das lesões benignas foram positivas tendo-se como base a análise das redes bayesianas. A área dentro da curva SROC (característica de operação do receptor sumária) foi 0,97, com um valor Q* de 0,92. O uso de redes bayesianas no diagnóstico de lesões malignas aumentou a probabilidade pré-teste para um verdadeiro positivo de 40,03% para 90,05% e diminuiu a probabilidade de um falso negativo para 6,44%. Portanto, nossos resultados demonstraram que as redes bayesianas oferecem um método acurado e não invasivo no apoio ao diagnóstico de câncer de mama.Resumo em Espanhol:
El objetivo de este estudio fue evaluar la exactitud de las redes bayesianas para apoyar el diagnóstico de cáncer de mama. Se realizó una revisión sistemática y un metaanálisis, que incluyeron artículos y estudios publicados entre enero de 1990 y marzo de 2013. Se incluyeron estudios transversales prospectivos y retrospectivos, que evaluaron la exactitud del diagnóstico de lesiones mamarias (condición de destino), utilizando redes bayesianas (prueba de evaluación). Se analizaron cuatro estudios que incluyeron 1.223 lesiones de mama primarias, un 89,52% (444/496) de los casos de cáncer de mama, y un 6,33% (46/727) de las lesiones benignas se tomaron como base de análisis de las redes bayesianas. El área bajo la curva SROC (característica operativa del receptor) fue de un 0,97, con un valor de Q* de un 0,92. El uso de las redes bayesianas en el diagnóstico de las lesiones malignas aumentó la probabilidad pre test de un verdadero positivo desde un 40,03% a un 90,05%, y la disminución de la probabilidad de un falso negativo de un 6,44%. Por lo tanto, nuestros resultados demuestran que las redes bayesianas ofrecen un método preciso y no invasivo en el apoyo del diagnóstico del cáncer mamario.Resumo em Inglês:
The aim of this study was to determine the accuracy of Bayesian networks in supporting breast cancer diagnoses. Systematic review and meta-analysis were carried out, including articles and papers published between January 1990 and March 2013. We included prospective and retrospective cross-sectional studies of the accuracy of diagnoses of breast lesions (target conditions) made using Bayesian networks (index test). Four primary studies that included 1,223 breast lesions were analyzed, 89.52% (444/496) of the breast cancer cases and 6.33% (46/727) of the benign lesions were positive based on the Bayesian network analysis. The area under the curve (AUC) for the summary receiver operating characteristic curve (SROC) was 0.97, with a Q* value of 0.92. Using Bayesian networks to diagnose malignant lesions increased the pretest probability of a true positive from 40.03% to 90.05% and decreased the probability of a false negative to 6.44%. Therefore, our results demonstrated that Bayesian networks provide an accurate and non-invasive method to support breast cancer diagnosis.