Nexus of COVID-19 Crises and Health Care Performance in Jordan: The Moderation Role of Telemedicine, Innovation, and Infrastructure
Notice bibliographique
Résumé
The ongoing COVID-19 pandemic in Jordan has brought terrifying effects on hospital management performance worldwide.The ultimate purpose is to generate empirical knowledge and open research opportunities into future studies.Investigating critical resourcebased factors would significantly contribute to the growing body of knowledge that informs policies and programs for mitigating the negative effects of the pandemic on the administration of Jordan's healthcare sector.To this end, we surveyed a sample of 418 managers in the Jordanian health sector.To produce numeric data and to test the hypotheses, the researchers employed structural equation modeling, specifically using the PLS-SEM technique.This study argues that the COVID-19 pandemic has had a profound negative impact on hospital performance in Jordan.Telemedicine, innovation, and infrastructure exhibit a significant and positive direct influence on management performance.As a result, this study accepts two hypotheses pertaining to the moderating influence of telemedicine and infrastructure in mitigating the negative consequences of COVID-19 on performance.However, the hypothesis related to the moderating role of innovation in the impact of COVID-19 on performance is rejected.The pandemic has presented unprecedented challenges to the healthcare sector, necessitating the development of effective management strategies to address the surge in patient volume and resource constraints.Telemedicine and healthcare infrastructure have been identified as critical resources with a significant moderating effect on healthcare management performance during this crisis.Telemedicine, as a technology-related resource, enables remote healthcare delivery, virtual consultations, and monitoring, which have become crucial during the pandemic.
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 | 0,001 | 0,000 |
| 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 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 ».