Einflussfaktoren auf die Krankenhausbewertungen im Internet in NRW am Beispiel von Klinikbewertungen.de und Google.de

Zusammenfassung

Ziel der Studie Klinikgeschäftsführer sehen sich häufig mit den negativen Bewertungen im Internet konfrontiert. Für die Online-Bewertung von Krankenhäusern stehen keine aktuellen Daten zur Verfügung, mit denen ermittelt werden kann, welche Faktoren die Bewertungen neben der tatsächlichen Qualität in Krankenhäusern beeinflussen. Das Ziel dieser Studie war die Erhebung der im Internet geäußerten Zufriedenheit zusammen mit den Grunddaten der Krankenhäuser wie sie über den Qualitätsbericht veröffentlicht werden. Hierdurch sollten Faktoren ermittelt werden, die unabhängig von der Qualität in Krankenhäusern das Bewertungsbild im Internet prägen.

Methodik Zunächst wurden die Daten zu 364 Krankenhäusern in NRW aus den gesetzlichen Qualitätsberichten und den Bewertungsplattformen Klinikbewertungen.de und Google.de zusammengetragen. Eingeschlossen wurden nur Krankenhäuser mit mindestens drei somatischen, bettenführenden Abteilungen zu denen aktuelle Daten im Qualitätsbericht verfügbar waren und beide Bewertungsplattformen Bewertungen enthielten. Mittels deskriptiver Methoden und einer schrittweise ausschließenden, multiplen linearen Regression wurden die Daten der Krankenhäuser analysiert und signifikante Einflussfaktoren identifiziert. Es wurde ein Signifikanzniveau von 5% zugrunde gelegt.

Ergebnisse Es wurden 190 Krankenhäuser in die Analyse eingeschlossen. Davon 71% in freigemeinnütziger, 16% in öffentlicher und 13% privater Trägerschaft. Die durchschnittliche Zufriedenheit auf den online-Plattformen über alle Krankenhäuser betrug 66,82%. Einen signifikanten Einfluss auf die online Bewertungen hatten nur der Anteil der Bewertungen im Verhältnis zur stationären Fallzahl und die Facharztquote. Die P-Werte lagen hier bei 0,0000 und 0,0072 respektive. Die Regression hatte ein Bestimmtheitsmaß von 0,34 und war insgesamt zum angegeben alpha-Level von 5% signifikant. Der größere Effekt lag hierbei auf der Bewertungsmenge, ein Prozent mehr Bewertungen führt zu 4 Prozentpunkten Steigerung in der online geäußerten Patientenzufriedenheit.

Schlussfolgerung In dieser Studie konnte nachgewiesen werden, dass sich über 30% der Varianz bei den online Bewertungen durch Faktoren erklären lässt, die nicht direkt kausal mit der Qualität der Versorgung verbunden sind. Eine Annährung an interne Bewertungsergebnisse wäre damit durch eine reine Erhöhung der Portalnutzung möglich.

Abstract

Study objectives Hospital Managers in Germany see themselves confronted with negative reviews on the internet. There was no study performed looking at the online reviews in order to estimate the key factors that are influencing this positive or negative image. Goal of this study was the identification of factors apart from the quality of a hospital on the online reviews using free available data form the quality reports on the hospitals.

Methods Data on 364 Hospitals in North-Rhine Westphalia were gathered from open available sources. The main platforms Klinikbewertungen.de and Google.de were checked for available reviews. The study included only hospitals with data on the platforms and the obligatory quality report. In order to exclude discipline based bias the hospitals included required at least three different somatic departments. In order to analyze the dataset apart from performing basic descriptive analyses a stepwise multiple linear regression approach was choosien with the dropping of insignificant variables.

Results The analyses included 190 hospitals with different types of sponsorship where the majority were independent non-profit organizations. The mean percentage of satisfaction was an overall of 66.82%. Two independent variables had a significant influence on patient satisfaction. Those were the number of reviews proportional to the number of inpatient cases and the share of medical specialists on all physicians. The P-Values were 0.0000 and 0.0072 respectively. The overall regression model showed significance to the alpha level of 5 % and a coefficient of determination of 0.34. The higher effect came from the number of reviews where one percent more reviews led to four percentage points higher satisfaction rates.

Conclusion This study proves that more than 30% of the variance concerning the patient satisfaction on the internet can be explained by factors that are not primarily caused by the actions during the treatment process. Rising the quantity of reviews can provide better outcomes by approximating the consent in internal reviews.

Schlüsselwörter

Bewertungen - Krankenhäuser - Patientenzufriedenheit - Routinedaten - Regression

Key words

reviews - inpatient - patient satisfaction - routine data - regression

Publication History

Article published online:
20 September 2022

• Literatur

• 1 Emmert M, Becker S, Meszmer N. et al. Spiegeln Facebook-Bewertungen die Versorgungsqualität und Patientenzufriedenheit von Krankenhäusern wider? Eine Querschnittstudie am Beispiel der Geburtshilfe in Deutschland. Das Gesundheitswesen 2018; 82: 541-547
• 2 Techniker Krankenkasse (Hrsg.) Patienten beurteilen Krankenhäuser in Niedersachsen, TK spezial Niedersachsen 2014; 1/2014: 2.
• 3 Engel R.. Bewertung von Ärzten in Internetportalen: Was kann man gegen unberechtigte Bewertungen tun? (German). Geburtshilfe und Frauenheilkunde 2020; 80: 473-475
• 4 Statistisches Bundesamt Krankenhäuser 2019 nach Trägern und Bundesländern, Statistischer Bundesamt. Wiesbaden: 2015.
• 5 Ministerium für Arbeit, Gesundheit und Soziales NRW, Gesamte Liste der Krankenhäuser in NRW, https://www.mags.nrw/krankenhausdatenbank [abgerufen am 24.08.2021]
• 6 Zich K, Tisch T. Bertelsmann Stiftung. Krankenhausqualität aus Patientensicht, Untersuchung auf Basis der PEQ-Daten der Weissen Liste. Bertelsmann Stiftung. 2018
• 7 Paul H, Nikolaev A.. Fake review detection on online E-commerce platforms: a systematic literature review. Data Mining and Knowledge Discovery 2021; 35: 1830-1881