Knowledge management in health care: an integrative and result-driven clinical staff management model
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 This paper aims to propose an integrative and result-driven health-care knowledge management (HKM) model and discuss the findings of a research that examines how the KM initiatives of a major private Brazilian hospital system are linked to its health-care performance outcomes. Design/methodology/approach Data were collected from a top-level Brazilian private hospital system (Mater Dei Healthcare System – MDHS), which is composed of three large hospitals internationally accredited by ISO 9001/2000, NIAHO and JCI. Multiple qualitative approaches were used to collect data such as 16 in-depth interviews with health professionals and managers, document analysis, participatory observation and benchmarking interviews with two reference hospital networks in Brazil. Findings The proposed health-oriented KM model is an expansion of the organizational knowing cycle model (Choo, 1996), adding absorptive capacity (ACAP) as a new construct. The paper discusses how ACAP integrates with sense-making, knowledge creation and decision-making processes within the health-care context. Information technology and clinical governance were identified as support factors to the HKM processes. Practical implications The paper presents a pragmatic and result-driven knowledge management (KM) model using health-care-welfare key performance indicators, as well as the emergence of KM as an integrative and strategic approach to hospital management. Originality/value The present study presents a knowledge-based perspective to clinical staff management, demonstrating the tangible results of KM initiatives that contribute to health and management performance 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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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