Performance Analysis of Hospital Managers Using Fuzzy AHP and Fuzzy TOPSIS: Iranian Experience
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Hospitals are complex organizations that require strong and effective management. The success of such organizations depends on the performance of managers. This study provides a comprehensive set of indicators to assess the performance of hospital managers in Iranian Ministry of Health owned hospitals. METHODS: This research was a cross-sectional study. First, reviewing the literature and using experts' viewpoints and convening a panel of experts, the dimensions of performance have been selected and came in the form of a performance model. Then, using Fuzzy Analytic Hierarchy Process (FAHP), the chosen dimensions were weighted. Finally, based on the weighted performance dimensions, a questionnaire was designed and after confirming the reliability and validity, through a census, 407 senior and middle managers from 10 hospitals in Yazd, Iran completed it and performance of CEOs in these hospitals was evaluated using the Fuzzy Technique for Order Preference by Similarity Ideal Solution (FTOPSIS). RESULTS: To measure the performance of hospital managers, a performance assessment model consisted of 19 sub-dimensions in 5 main dimensions (Functional, Professional, Organizational, Individual and Human) was developed. The functional area had the most weight and the individual area had the least weight, as well. The hospital managers had different performance levels in each category and sub-dimensions. In terms of overall performance, the hospital managers C and H had the best and the worst performance, respectively. CONCLUSIONS: The use of appropriate dimensions for performance, prioritizing them and evaluating the performance of hospital managers using appropriate techniques, can play an effective role in the selection of qualified managers, identifying strengths and weaknesses in performance and continuous improvement of them.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle