Understanding value in a healthcare setting: An application of the business model canvas
Notice bibliographique
Résumé
The business model canvas is a popular tool used to develop value-driven business models. Specific emphasis is placed on understanding what customers value and providing users with steps on how to design and deliver value for their customers. In health care, creating and delivering value for patients is an often-discussed topic, with the provision of patient-centered care becoming a standard for many health care organizations. While patients play a key role in determining value, providers are the key to delivering value. Therefore, effective health care management relies on integrating multiple perspectives from key stakeholders. This process requires consideration of the key needs that must be addressed, the resources and capabilities necessary to meet these needs, and the interests and values specific to each set of stakeholders. The business model canvas lends itself well to health care service planning as it incorporates the factors described above into the business model’s conceptualization and subsequent realization. This article outlines how the business model canvas was applied to assess the needs of physician stakeholders to help guide the expansion of a pharmacogenomic-based precision medicine clinic that conducts genetic testing for patients at risk of experiencing adverse drug reactions. The article provides a detailed description of how the business model canvas was used and adapted to understand physician’s responsibilities and challenges related to drug prescription and dosing, and how the clinic could address physician needs and create value by mapping clinic services onto physician needs and wants. Interviews were conducted with physicians and the data were analyzed following the recommendations of the developers of the business model canvas. The article examines the strengths and limitations of the business model canvas and discusses its applicability to a health care setting.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,010 |
| Communication savante | 0,016 | 0,018 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,004 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».