この記事では、退院指示の明確さに関する患者調査からの回答を、最適なAI駆動アプローチと実証されたプロンプト技術を使用して分析するためのヒントを提供します。
患者調査データを分析するための適切なツールの選択
調査回答の分析アプローチは、データの形式と構造に依存します。定量データ（例：「何名の患者がはい/いいえと答えたか」）の場合、ExcelやGoogle Sheetsのようなツールを使うのが最適です。これらの馴染みのあるプログラムでは、回答をカウントし、グラフ化することが簡単で迅速です。
定量データ：これらは処理が簡単です。Google SheetsやExcelなどの一般的なツールを使って、回答を迅速にタリーしたり、平均を計算したり、グラフを作成したりできます。数字は「何を」伝えますが、「なぜ」を伝えるとは限りません。
定性データ：自由記述のフィードバックやフォローアップの回答がある場合、状況は複雑になります。特に数百人の患者がいる場合、すべての回答を手作業で読むのは不可能（かつ非生産的）です。ここでAIツールが非常に役立ち、人々の意見からトレンド、痛点、主要テーマを明らかにします。
定性回答を扱う際のツールには2つのアプローチがあります：
ChatGPTまたは類似のGPTツールによるAI分析
エクスポートされた調査回答を直接ChatGPTまたは類似のAIにコピーペーストすることができます。これが小規模なデータセットには使えますが、すぐに不便になります—入力制限のためにデータをしばしば省略したり分断したりする必要があります。また、手作業でプロンプトを入力したり、スプレッドシートをシャッフルしたり会話を分割して文脈を明確に保つ必要があります。少数の回答には問題なく機能しますが、数十以上の回答になると煩わしいです。
Specificのようなオールインワンツール
Specificはプロセス全体を摩擦なくするように設計されています。患者調査データを会話形式で収集することができます（AIによるフォローアップ質問は回答の質を高め、その仕組みはAIフォローアップ質問機能の概要で確認できます）。分析時には、Specificが定性的な回答を即座に要約し、再発するテーマを特定し、実行可能なインサイトを生成します—コピーペーストも手作業のスプレッドシートも不要です。
チャットスタイルでAIと調査結果について話すことができ、調査データのコンテキスト管理に特化した機能があります。これにより、結果をフィルタリング、クロッピング、または詳細を掘り下げることができ、すべてを制御されたワークスペース内で行います。詳細はSpecificによるAI駆動の調査回答分析で確認できます。
退院指示調査を分析するための有用なプロンプト
プロンプトは、ChatGPTやSpecificのような調査ツールを使って反応から価値を引き出す方法です。以下は退院指示の明確さに関する患者調査に最適なプロンプトです：
コアアイデアの抽出プロンプト：データから最も言及されたトピックや中心的なアイデアを浮き彫りにする標準方式です。Specificを利用すればこれは内蔵されていますが、ChatGPTやGPT-4でも利用可能です：
あなたのタスクは、太字でコアアイデア（各コアアイデアは4-5語）を抽出して、最大2文の説明文を付けることです。
出力要件：
- 不要な詳細を避ける
- 特定のコアアイデアを言及した人数を指定（単語ではなく数字を使用）、最も言及されたものを上に
- 提案なし
- 指示なし
例文出力:
1. **コアアイデアテキスト:** 説明文
2. **コアアイデアテキスト:** 説明文
3. **コアアイデアテキスト:** 説明文
AIはより多くの文脈を提供されるほど効果的に機能します。あなたの調査設定、患者の人口動態、目標、退院プロセスでの患者のインタラクションに関する独自の詳細を説明すれば、信頼性の高いインサイトを得ることができます。たとえば：
この調査は、アカデミックセンターで退院した心臓病患者からフィードバックを収集し、退院指示が明確で記憶に残り、患者が家庭での管理に自信を持っていたかどうかを重視しています。私たちの目標は、ギャップや実行可能な改善点を発見することです。
フォローアップトピックの探索：コアアイデアを抽出した後、さらに深く探ってください：
「薬の混乱」についてもっと教えてください
トピックの検証：特定のテーマの存在や詳細を検証するために：
誰かが書面指示の理解に問題を感じたかを話しましたか？引用を含めてください。
ペルソナの特定：回答された意見から反映される典型的な患者のタイプをまとめます：
調査回答に基づいて、製品管理で使われる「ペルソナ」に似た、異なるペルソナのリストを特定し、説明してください。各ペルソナについて、その主要な特徴、動機、目標、および会話で観察された関連する引用やパターンを要約します。
痛点と課題：患者にとって主要な障害、誤解、フラストレーションの原因を見つけます：
調査回答を分析して、最も一般的な痛点、フラストレーション、または言及された課題をリストします。それぞれを要約し、出現頻度またはパターンを記載します。
感情分析：全体的な感情を把握する—患者は退院指示について自信を持っていたのか、心配だったのか、それとも不確実だったのか？
調査回答に表された全体的な感情を評価します（例：肯定的、否定的、中立）。各感情カテゴリに寄与する重要なフレーズやフィードバックを強調します。
提案とアイデア：退院指示でサポートするべき人々から直接の実用的なヒントを抽出します：
調査参加者が提供したすべての提案、アイデア、または要望を特定してリストし、トピックまたは頻度ごとに整理し、関連する場合は直接の引用を含めます。
満たされていないニーズと機会：患者がもっと情報、明確さ、またはフォローアップを望んでいた点を見つけます：
調査回答を調べ、回答者が指摘した未満のニーズ、ギャップ、または改善の機会を明らかにします。
退院指示の明確さに合わせたプロンプト戦略についての詳細は、退院指示の明確さのための患者調査を作成する方法や退院指示の明確化のためのベスト質問のリソースを確認してください。
質問タイプに基づくSpecificによる定性データ分析
自由回答の質問（フォローアップあり/なし）：Specificはすべての回答と関連するフォローアップ回答をまとめ、テーマごとに包括的なビューを提供します。退院指示についての混乱や満足度についての人々の説明を正確に見ることができます—質問と一致しています。
フォローアップ付きの選択式回答：選択可能な回答ごとに（例：「薬の指示は明確だと感じましたか？」はい/いいえ）、Specificはその選択のすべてのフォローアップ回答を個別に要約します。このようにして、各経路の背後にあるWHYを区別でき、実行可能な病院改善に不可欠です。
NPSタイプの質問：ネトプロモータスコア調査では、Specificはフォロワー、パッシブ、ディトラクターカテゴリごとにフォローアップ回答をグループ化し要約します、各グループが何を喜ばせたのか、または心配させたのかを特定できます。
これらの構造をChatGPTでも再現可能ですが、多くの場合、手作業でのプロンプト入力と分類が必要です。
AIのコンテキスト制限への対処
AIツール—ChatGPTやSpecificのプラットフォームいずれでも—はコンテキストサイズの制限に直面します。多くの患者フィードバックを収集した場合、単一のAIセッションにすべての回答が収まらない上限に達することがあります。この問題を管理するための2つの堅牢な方法があります（Specificでは標準サポート）：
フィルタリング：ユーザーが選択した質問に回答したまたは特定の回答を選んだ会話にのみAI分析を集中させます。これによりデータがトリミングされ、各クエリに対して関連する部分のみをAIに送ります。
クロッピング：特定のトピックを深掘りしたりトレンドを洗い出したりする際に、AIのコンテキストに送る質問を選択します。これによりAIのメモリーを溢れさせることなく、クリティカルな詳細を省略せずに分析を行うことが可能です。
このスマートなスコープ設定により、通常のAIコンテキストウィンドウを圧倒することなく、大量の患者フィードバックからテーマを抽出することができます。
患者調査回答を分析するための協力機能
退院指示に関する微妙な患者フィードバックを確認する際、同僚との調整はしばしば難しいです。複数のチームメンバーがそれぞれ独自の方法でデータを分類したり、エッジケースに深く入り込{