Starting the lean journey: The effect of lean awareness on nurses’ knowledge and readiness for lean transformation in the hospital
Notice bibliographique
Résumé
Background and objective: Lean is a form of quality improvement which receiving an increased attention and rapidly becoming the latest approach in healthcare. Lean presents a set of philosophies, principles, and tools for (re)designing hospitals to maximize value and minimize waste, improving performance and care quality. Leading the journey of Lean transformation (LT) in the nursing units is a natural role of nurses. It has been indicated that enhancing nurses’ awareness and knowledge about Lean approach is essential for increasing nurses’ readiness in order to assume an active role in LT Journey in hospitals. The aim of this study was to determine the effect of lean awareness on nurses’ knowledge and readiness for LT at a private hospital.Methods: A quai-experimental research with one group pre-post- test design was conducted with all nurses (N = 90) who are working in a private hospital, Egypt. Lean Awareness Sessions (LASs) were introduced to nurses as the study intervention. Lean knowledge questionnaire and Organizational Change Recipients’ Belief Scale were used for assessing nurses’ knowledge and their readiness for LT, respectively.Results: Nurses’ knowledge of Lean concept significantly improved after attending LASs compared with pretest knowledge questionnaire (p < .001). A strong significant positive correlation increased between overall nurses’ knowledge of Lean and their readiness for LT after attending LASs (r = 0.697, p < .001). These results prove that the knowledge nurses acquired through LASs increased their readiness in a significant way for LT.Conclusion and recommendations: For a successful transformation towards Lean hospital, significant factors should be considered by hospital and nursing managers such as: training programs, nurses’ empowerment, and effective communication. The readiness for Lean should be supported by understanding the necessity for change, having clear and endless leadership direction, and a strong change agent. Future longitudinal study may permit stronger statements regarding the causal relationship between Lean knowledge and readiness and to understand how Lean adoption impacts nurses’ outcomes.
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 | 0,005 | 0,001 |
| 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 | 0,000 | 0,001 |
| 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 ».