Optimizing Quality of Hospital Services and Inpatient Satisfaction through Lean Principles
Notice bibliographique
Résumé
Aim: The aim of this study is to evaluate the impact of Lean principles on improving hospital service quality and inpatient satisfaction tertiary care hospital in Pune, India. It focuses on reducing key inefficiencies to enhance patient experiences and operational efficiency. Information & Methods: This quantitative study was conducted at tertiary care hospital in Pune, India, with 110 inpatients who had been admitted for at least three days. Data were collected through a closed-ended questionnaire based on Lean’s seven waste categories. Methods: A cross-sectional design was used, and data were analyzed using SPSS version 20. Descriptive statistics summarized demographics and survey responses, while chi-square tests and multivariate logistic regression assessed the relationships between Lean variables and inpatient satisfaction. Findings: The findings reveal that Lean principles significantly improved hospital service quality and inpatient satisfaction. Reductions in "waiting" and "motion" wastes were strongly correlated with higher patient satisfaction, highlighting the importance of streamlined processes and reduced wait times. Efficient inventory management also emerged as a key factor in enhancing satisfaction, while "excess processing" and "overproduction" showed less influence on patient satisfaction, indicating areas for further improvement. These results underscore the effectiveness of Lean in optimizing healthcare delivery and improving patient experiences. Conclusion: The study concludes that Lean principles effectively improve hospital service quality and inpatient satisfaction by reducing key wastes such as waiting, motion, and inventory inefficiencies. Continuous implementation of Lean practices can lead to more efficient and patient-centered healthcare delivery.
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 | 0,011 | 0,004 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».