新闻详情

新闻详情

首页 / 资讯中心 / 详情

随访机制设计:为什么病人不回来第二次

发布时间:2026/11/16 17:35:44来源:尧图网络
随访机制设计:为什么病人不回来第二次
写在前面我是郭凤英。早年在三甲一个上午几十个号病人来不来第二次我基本顾不上问。现在号少了我才有工夫回头看这件事。看下来发现复诊率低很少是因为病人不重视更多是我们的随访设计有问题。一、复诊率低的四个真实原因不是猜的是这些年一个一个问出来的。交代模糊“过阵子再来一趟”——这句等于没说。病人不知道过阵子是两周还是两个月回去一忙就忘了。没说清为什么还要来第一次看完觉得好些了就认为不用再来了。她不知道复诊是为了确认不是因为没治好。没有触发提醒靠病人自己记靠不住。尤其是独居的、家里没人问的。上一次体验不好等太久、话没说透、觉得自己不被当回事——这些不会当场说但会体现在不来了上面。第 4 条最难被发现因为没人会来告诉你。二、四个设计要点要点一把时间说成具体数字❌ 模糊说法✅ 具体说法过阵子再来一个月后的这几号你挑一天定期复查三个月我给你记在本子上有情况随时来出现这三种情况立刻来要点二解释为什么还要来一句话就够“这次是让你舒服下次是确认它没反复。两件事不一样。”病人理解了目的才会把复诊当流程的一部分而不是又去看病。要点三在病历上留一个触发点除了病情我会多写一行处境信息患者独自就诊家中不理解跑长途久坐饮水少下次她来我先问这行字对应的事。病人会觉得她还记得我——这个感觉比什么都管用。要点四断了的主动问一句中间断了不来主动打个电话。不是催就一句最近怎么样。这通电话的价值远超它的成本。很多人是被这一句拉回来的。三、一份可复用的动作清单每次看诊结束前四件事复查节点——说具体日期或周数预警信号——明确什么情况必须立刻回来处境记录——病历上多写一行留口——“中间拿不准就打电话别自己扛”四件事加起来不到两分钟。四、一个反直觉的发现主动劝病人先别来反而提高复诊率。比如告诉她你这个不用急着处理一年查一次就行——她反而记得住这个一年因为觉得你没在套她。反过来让她一周来一次又讲不清为什么她第三次就不来了。总结问题设计动作交代模糊时间说成具体数字不知道为啥来一句话解释复诊目的没人提醒病历留触发点 断了主动问体验不好结束前四件事必做第一次来是信任第二次来是验证。做了几十年我越来越觉得复诊率不是运营指标是信任指标。她愿不愿意再来一次比什么都说明问题。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/17 5:42:44

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/16 19:23:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/17 6:55:04

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/17 5:57:47

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/16 17:28:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉