Dimensions of performance and related key performance indicators addressed in healthcare organisations: A literature review
Notice bibliographique
Résumé
INTRODUCTION: Performance measurement systems have become essential managerial tools for healthcare organisations in the last few decades. They allow hospital managers to pilot their institution and assess the development of the organisation in helping managers in decision-making and viewing the different impacts of these decisions. However, there is a need to investigate further the dimensions of performance those performance measurement systems address. METHODS: A literature review was primarily conduced about performance measures in healthcare organisations. A comparative study was secondly made to identify the different performance dimensions that are present in the literature during the last decade. Forty-nine studies were considered and sixteen proposal frameworks were used to make the comparative analyses. RESULTS: We classified dimensions depending on the frequency of mobilisation of their components in four categories: the stars, the first runners-up, the opportunists and the forgotten ones. For each of the dimensions presented in this classification, the main types of KPIs proposed in the theoretical frameworks are presented. A discussion on relevance and possible blind spots is then conducted. CONCLUSION: Although they were a lot of proposal frameworks of KPI proposed in the last decades to assess healthcare organisations, some dimensions remain underrepresented. There is still a need to develop structure KPI and describe their links. To go further, the development of dashboards asks the question of the definition of KPI, the description of their interconnections and their temporality of driving, because static performance reporting systems are not able to completely satisfy healthcare manager's decision support needs.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 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 ».