A critical review of implementing lean and simulation to improve resource utilization and patient experience in outpatient clinics
Notice bibliographique
Résumé
Purpose The purpose of this paper is to explore and critically review the existing literature on applications of Lean Methodology (LM) and Discrete-Event Simulation (DES) to improve resource utilization and patient experience in outpatient clinics. In doing, it is aimed to identify how to implement LM in outpatient clinics and discuss the advantages of integrating both lean and simulation tools towards achieving the desired outpatient clinics outcomes. Design/methodology/approach A theoretical background of LM and DES to define a proper implementation approach is developed. The search strategy of available literature on LM and DES used to improve outpatient clinic operations is discussed. Bibliometric analysis to identify patterns in the literature including trends, associated frameworks, DES software used, and objective and solutions implemented are presented. Next, an analysis of the identified work offering critical insights to improve the implementation of LM and DES in outpatient clinics is presented. Findings Critical analysis of the literature on LM and DES reveals three main obstacles hindering the successful implementation of LM and DES. To address the obstacles, a framework that integrates DES with LM has been recommended and proposed. The paper provides an example of such a framework and identifies the role of LM and DES towards improving the performance of their implementation in outpatient clinics. Originality/value This study provides a critical review and analysis of the existing implementation of LM and DES. The current roadblocks hindering LM and DES from achieving their expected potential has been identified. In addition, this study demonstrates how LM with DES combined to achieve the desired outpatient clinic objectives.
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 | 0,039 | 0,145 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,019 | 0,014 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».