Organizational transformation to a patient centric culture: a case study
Notice bibliographique
Résumé
Purpose The purpose of this case study is to identify areas of weakness in the patient‐centric organizational culture of Baylis Medical Company in Montreal, and to propose specific actions to address these deficiencies. Design/methodology/approach Following initial interviews with company management and observations of corporate environment, variations in organizational culture are measured using a company‐wide survey designed to evaluate customer satisfaction, accountability, empowerment, results focus and employee satisfaction. Survey data are analyzed across departments and experience levels. Findings Qualitative assessment of the company via interviews and observations revealed a lack of artifacts relating to organizational culture, no formal feedback channels from clients, and a diversity of corporate visions among management and employees. Survey analysis revealed lower organizational culture valuation among less experienced employees and non‐managerial workers. Specific areas of weakness include accountability, empowerment and results focus in non‐manufacturing employees. Research limitations/implications The qualitative assessment was limited to selected interviews. No visit was made to the Toronto office. No interviews or surveys were conducted with clients. No data are available to evaluate fluctuations in organizational culture over time. Practical implications Four alternative action plans are evaluated using specific decision criteria. The introduction of artifacts relating to the patient‐centric organizational culture is recommended in the short term. Long‐term recommendations include the development of client‐oriented key performance indicators for management and employee use, and a multi‐step training program describing the clinical importance of the company products. Originality/value This study proposes a novel model to evaluate the level of patient‐centricity in an organizational culture. Specific recommendations may apply across a variety of industries, but are especially applicable in health care delivery sectors.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,013 | 0,007 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».