Evaluation of System Modelling Techniques for Waste Identification in Lean Healthcare Applications
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: Waste identification plays a vital role in lean healthcare applications. While the value stream map (VSM) is among the most commonly used tools for waste identification, it may be limited to visualize the behaviour of dynamic and complex healthcare systems. To address this limitation, system modelling techniques (SMTs) can be used to provide a comprehensive picture of various system-wide wastes. However, there is a lack of evidence in the current literature about the potential contribution of SMTs for waste identification in healthcare processes. METHODS: This study evaluates the usability and utility of six types of SMTs along with the VSM. For the evaluation, interview-based questionnaires were conducted with twelve stakeholders from the outpatient clinic at the Heart and Vascular Institute at Cleveland Clinic Abu Dhabi. RESULTS: VSM was found to be the most useful diagram in waste identification in general. However, some SMTs that represent the system behaviour outperformed the VSM in identifying particular waste types, e.g., communication diagram in identifying over-processing waste and flow diagram in identifying transportation waste. CONCLUSION: As behavioural SMTs and VSM have unique strengths in identifying particular waste types, the use of multiple diagrams is recommended for a comprehensive waste identification in lean. However, limited resources and time, as well as limited experience of stakeholders with SMTs, may still present obstacles for their potential contribution in lean healthcare applications.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découle