Impact of RFID Technology on Health Care Organizations
Notice bibliographique
Résumé
Radio Frequency Identification (RFID) technology has been considered the “next revolution in supply chain management” (Srivastava, 2004, p. 60). Current research and development related to RFID focuses on the manufacturing and retail sectors with the aim of improving supply chain efficiency. After the manufacturing and retail sectors, health care is considered to be the next sector for RFID (Ericson, 2004). RFID technology’s potential to improve asset management in the health sector is considerable, especially with respect to asset management optimization. In fact, health expenses have increased substantially in Organisation for Economic Co-operation and Development (OECD) countries in recent years. In Canada, the public health budget amounted to $91.4 billion (CAD) for the year 2005–2006 compared to $79.9 billion in 2003–2004 (CIHI, 2005). Moreover, the health care industry has been the focus of intense public policy attention. In order to curb this upward trend, the public heath sector in Canada is subject to strict budget constraints. Among the different alternatives for reducing expenditures, the improvement of asset management within the different health institutions appears to be worthwhile. RFID technology seems to be a viable alternative to help hospitals effectively manage and locate medical equipment and other assets, track files, capture charges, detect and deter counterfeit products, and maintain and manage materials. In other words, health care organizations would benefit particularly from RFID applications. The main objective of this study is to investigate the potential for RFID technology within one specific supply chain in the health care sector. Based on a field study conducted in a large nonprofit hospital, this article tests some scenarios for integrating RFID technology in the context of two warehousing activities.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».