MétaCan
Menu
Retour à la cohorte
Enregistrement W1967114104 · doi:10.1016/s0840-4704(10)60576-5

Organizational Learning and Continuous Quality Improvement: Examining the Impact on Nursing Home Performance

2002· article· en· W1967114104 sur OpenAlexaffabout
Kent V. Rondeau, Terry H. Wagar

Notice bibliographique

RevueHealthcare Management Forum · 2002
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare Quality and Management
Établissements canadiensSaint Mary's UniversityUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésTotal quality managementOrganizational cultureOrganizational learningQuality managementOrganizational performanceBusinessHealth careKnowledge managementOrganization developmentQuality (philosophy)Learning organizationPsychologyNursingProcess managementMarketingMedicineComputer sciencePublic relationsLean manufacturingPolitical science

Résumé

récupéré en direct d'OpenAlex

Interest is growing in learning more about the ability of total quality management and continuous quality improvement (TQM/CQI) initiatives to contribute to the performance of healthcare organizations. A major factor in the successful implementation of TQM/CQI is the seminal contribution of an organization's culture. Many implementation efforts have not succeeded because of a corporate culture that failed to stress broader organizational learning. This may help to explain why some TQM/CQI programs have been unsuccessful in improving healthcare organization performance. Organizational performance variables and organizational learning orientation were assessed in a sample of 181 Canadian long-term care organizations that had implemented a formal TQM/CQI program. Categorical regression analysis shows that, in the absence of a strong corporAte culture that stresses organizational learning and employee development, few performance enhancements are reported. The results of the assessment suggest that a TQM/CQI program without the backing of a strong organizational learning culture may be insufficient to achieve augmented organizational performance.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
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 enseignants0,548
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,086
Tête enseignante GPT0,422
Écart entre enseignants0,336 · 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 tête enseignante, pas un consensus.

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

Citations26
Publié2002
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealthcare Management ForumMême sujetHealthcare Quality and ManagementTravaux en français237 207