An integrated DEA-based approach for evaluating and sizing health care supply chains
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose Evaluating the performance of supply chains is a convoluted task because of the complexity that is inextricably linked to the structure of the aforesaid chains. Therefore, the purpose of this paper is to present an integrated approach for evaluating and sizing real-life health-care supply chains in the presence of interval data. Design/methodology/approach To achieve the objective, this paper illustrates an approach called Latin hypercube sampling by replacement (LHSR) to identify a set of precise data from the interval data; then the standard data envelopment analysis (DEA) models can be used to assess the relative efficiencies of the supply chains under evaluation. A certain level of data aggregation is suggested to improve the discriminatory power of the DEA models and an experimental design is conducted to size the supply chains under assessment. Findings The newly developed integrated methodology assists the decision-makers (DMs) in comparing their real-life supply chains against peers and sizing their resources to achieve a certain level of production. Practical implications The proposed integrated DEA-based approach has been successfully implemented to suggest an appropriate structure to the actual public pharmaceutical supply chain in Morocco. Originality/value The originality of the proposed approach comes from the development of an integrated methodology to evaluate and size real-life health-care supply chains while taking into account interval data. This developed integrated technique certainly adds value to the health-care DMs for modelling their supply chains in today's world.
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.
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 | 0,013 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle