MétaCan
Menu
Retour à la cohorte
Enregistrement W1647747847 · doi:10.5539/gjhs.v8n2p137

Performance Analysis of Hospital Managers Using Fuzzy AHP and Fuzzy TOPSIS: Iranian Experience

2015· article· en· W1647747847 sur OpenAlexvenueno aff
Milad Shafii, Mohammad Arab, Ezzatollah Asgharizadeh, Fereshteh Farzianpour

Notice bibliographique

RevueGlobal Journal of Health Science · 2015
Typearticle
Langueen
DomainePsychology
ThématiqueCompetency Development and Evaluation
Établissements canadiensnon disponible
Organismes subventionnairesTehran University of Medical Sciences and Health Services
Mots-clésTOPSISAnalytic hierarchy processViewpointsOrganizational performanceFuzzy logicPerformance measurementOperations managementEmployee Performance AppraisalComputer scienceKnowledge managementPsychologyProcess managementOperations researchMedicineNursingBusinessMarketingMathematicsArtificial intelligenceEngineering

Résumé

récupéré en direct d'OpenAlex

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,069
Tête enseignante GPT0,391
Écart entre enseignants0,322 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations38
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Journal of Health ScienceMême sujetCompetency Development and EvaluationTravaux en français237 207