Technology in healthcare: A case study of healthcare supply chain management models in a general hospital in Singapore
Notice bibliographique
Résumé
Objective: To simulate and compare a manual hospital supply chain management model versus a process that is technologically integrated (either by Radio Frequency Identification [RFID] technology or automated guided vehicles [AGVs]), in a general hospital in Singapore.Methods: Design: Deterministic modelling of hospital supply chain management for manual and technologically integrated processes as part of the institutional quality improvement exercise. Setting: Study was conceptualised during re-location of a 355-bed general hospital to newer premises within Singapore with an increased capacity of 700 beds. Study duration was 1.5 years and data collection was performed from Sep 2014 to Sep 2015.Results: Automating the inventory check and use of automated guided vehicles for medical supplies can improve business and operational performance by saving time on no-value added activities that can be transferred to patient care. RFID intervention requires least number of man-hours per day reducing the total manpower requirements by about one third as compared to the manual process while improving productivity by about 40%, it also provides cost savings of about 25% over a period of 10 years. Sensitivity analysis shows that extent of these cost savings are dependent on overall staff utilisation. Although use of AGV alone is expensive in our model, combining AGVs with RFID technology provides the least manpower dependence among the different interventions studied, it also gives a positive return on investment as compared to manual process beyond 3 years of operations.Conclusions: Optimising supply chains within healthcare helps minimise manpower dependency and costs. However, prior to adopting a specific intervention, the unique characteristics of each healthcare setting should be considered. There is need for similar research into healthcare supply chains to identify key determinants to cost savings and improving productivity, both locally and regionally.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».