全国将近10%的人口生活在滥用毒品的问题中，但是许多人都在努力寻找正确的帮助-由于没有标准的评级系统来确保专业药物治疗设施内的医疗质量，这项工作变得更加困难。宾夕法尼亚医学研究人员的一项新研究今天发表在《普通内科杂志》上，甚至连评估这些实体的确存在的努力也似乎与患者的中心关注不一致。

研究人员使用机器学习应用程序，在Google和Yelp上发现了与设施评论相关的最常见主题，然后将它们与物质滥用和精神卫生服务管理局(SAMSHA)进行的一项调查进行了比较，后者是目前使用最广泛的评估方法这些设施。但是，该调查旨在作为所提供服务的清单，而不是患者满意度，因此，只有7%的代码与患者评论中的主题保持一致。

急诊医学助理教授Anish Agarwal医师说：“我们应该有一套全面的方法来定义质量，捕获数据并调整护理，使之有意义并以患者为中心。“在没有这些考虑的情况下，我们试图解决阿片类药物流行的一个问题，而不考虑实际寻求帮助的人的声音。”

在线评论被认为是未经过滤的资源，直接来自患者及其支持系统，该资源由Agarwal和Raina Merchant医学博士，宾州数字健康医学中心主任，急诊医学副教授领导的资源，考虑相对未开发。该小组分析了2010年夏季至2018年夏季发布的539家宾夕法尼亚州设施的7,823条在线评论。Yelp和Google均使用五星级评级系统，研究人员发现43%的评论属于五星级类别，而另有34%的人是一星级，中级收视率只剩下23%。

阿加瓦尔说：“在涉及患者满意度的在线评论中，我们已经多次看到这种两极分化的趋势。”“如果人们觉得自己有很棒的经历或糟糕的经历，往往会主动发表评论，这通常表现为点击一星级或五星级。我们已经看到类似的趋势医院，急诊部门和急救中心的在线评论。”

几乎70%的评论都附有解释评论者想法的文字。但是带有文字的评论的评分(平均2.9星)明显低于没有文字的评论(3.8星)。

Agarwal解释说：“有强烈见解的人们倾向于在网上分享他们的经验。我想，没有文字的人们得分可能会更高，因为人们不太愿意发表强烈的见解。“当人们留下诸如一星之类的负面评论时，他们常常想以“为什么”来跟进它。这对像我们这样的研究人员非常有帮助，因为我们可以开始更多地了解该人的经历以及为什么经历可能不如人意，然后我们可以采取措施解决它。”

为了深入研究在线评论的文本，研究人员将评论文本输入到自动机器学习工具中，以在评论中识别和分组相同单词的实例。然后，他们应用了一种称为“差异语言分析”的技术来提取与某些在线评论相关的主题。当涉及到五星级评价时，提到的重点是康复，员工帮助，富有同情心的护理，经历“改变人生的时刻”和一般的专业精神。但是，与一星级评价最直接相关的主题包括漫长的等待时间，差的住宿，差的电话沟通，所提供的药物类型以及预约时间。

研究人员在SAMSHA调查中确定了14种服务类别中的3种，这些类别与患者在线评论得出的主要主题一致。此外，在总共162个调查中，调查中的12个服务代码解决了在线上的热门主题。看到调查与患者发表的内容之间的差异，可以提供新的信息来源，以帮助指导这些中心的质量改善。

展望未来，Agarwal，商人和他们的研究人员希望他们的发现能够帮助建立衡量药物治疗设施的码尺，以更好地反映那些患有吸毒症的人们的实际感受。

Merchant说：“未来的工作将集中于评估美国的评论，并与组织合作制定包括患者反馈和其他绩效指标在内的国家质量指标。”“我们还希望与在线评论平台合作，向这些门户网站添加针对患者和看护人最重要的针对性问题。”