Lean transformation to reduce costs in healthcare: A public hospital case in Turkey
Notice bibliographique
Résumé
Until recently, hospitals have adapted a series of quality standards to improve the quality of their services. However, these standards do not provide any cost reduction that is worth mentioning within which qualified personnel, material and indirect costs are already very high. To overcome this problem, lean production techniques have been integrated to the healthcare processes in the last few years. This study aimed to reduce costs by both improving and shortening the time of Social Security Instituition (SSI) based invoicing processes of a public hospital in Bursa, Turkey during the period of 2013-2014. To accomplish this goal various lean tools such as value stream mapping, poka-yoke, kaizen and standardization were presented and implemented. For validation purposes, montly SSI cuts, total income and process times before and after the lean transformation were analysed and compared. Furthermore, patient satisfaction surveys were carried out in order to investigate the negative effects of cost oriented lean studies. Results reveal that a clear improvement in total income is achievable, while maintaining the patient satisfaction levels. In this case, an eight percent improvement in SSI cuts resulting in a clear improvement on total income values has been obtained. Findings indicate that implementing lean tools on hospital processes is an effective way to reduce the healthcare costs while maintaining the patient satisfaction levels. The results of this study will stimulate the research in adopting lean techniques not only for patient satisfaction, but also for cost reduction purposes in hospitals.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,004 |
| 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 ».