A conceptual model of Lean culture adoption in healthcare
Notice bibliographique
Résumé
Purpose This work seeks to offer a greater understanding of Lean healthcare implementation challenges conceptually taking a situated cultural organizational change perspective. Design/methodology/approach A descriptive model of healthcare organizations’ Lean adoption trajectories is built using ripple and bridging modelization strategies from elements of three classic organizational change theories and knowledge from Lean, organizational culture, healthcare and operations management literature. Findings The “contingent Lean culture adoption” (CLCA) model suggests five theoretical trajectories the healthcare organizations may experience when conducting a Lean transformation. These trajectories evolve from a new concept of Lean cultural friction (LCF) which represents cultural friction that a healthcare organization encounters toward an ultimate Lean culture proficiency state through time. From high to low initial LCF, a healthcare organization may in its Lean proficiency course end up in three states: lower, similar or higher LCF situation. Research limitations/implications The CLCA model demonstrates the potential to be developed into a framework and possibly a Lean cultural friction theory pending further qualitative and quantitative validation. Practical implications The CLCA model may help healthcare managers to use more appropriate cultural change strategies during their organization’s Lean journey. Originality/value This work enriches the concept of Lean cultural change which may apply not only to healthcare organizations but also to other ones. It suggests the existence of a healthcare organization Lean culture proficiency archetype and introduces the notion of Lean cultural friction.
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 | 0,001 | 0,000 |
| 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 ».