Enhancing Hospital Services: Achieving High Quality Under Resource Constraints
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Objectives: This research aims to enhance the quality of hospital services by utilizing Quality Function Deployment (QFD) with a novel Multi-Dimensional House of Quality (MD-HOQ) approach. This method integrates Service Quality (SERVQUAL) analysis and considers resource constraints, such as financial and workforce limitations, to select and prioritize technical requirements effectively. Methods: The proposed MD-HOQ approach was applied to a private hospital in Tehran, Iran. Data were gathered from a sample of 8 experts and a sample of 386 patients, using 2 in-depth interviews and 4 questionnaires. The process included identifying hospital sections and determining their importance using the Analytic Hierarchy Process. Patients' needs in each section were then identified and weighted through SERVQUAL analysis. Subsequently, technical requirements to meet these needs were listed and weighted using MD-HOQ. A mathematical model was employed to determine the optimal set of technical requirements under resource constraints. Results: Application of the MD-HOQ approach resulted in the identification of 50 patient needs across 5 hospital sections. Additionally, 40 technical requirements were identified. The highest implementation priorities were assigned to "training practitioners and nurses," "improving the staff's sense of responsibility," and "using experienced specialists, physicians, and surgeons." Conclusions: The integrated QFD approach, utilizing MD-HOQ and SERVQUAL analysis, provides a comprehensive framework for hospital managers to prioritize technical requirements effectively. By considering resource constraints and the gap between patient expectations and perceptions, this method ensures that resources are allocated to the most impactful technical requirements, leading to improved patient satisfaction and better overall hospital service quality. This approach not only enhances the quality of hospital services but also ensures efficient utilization of resources, ultimately benefiting patient satisfaction.
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.
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 | 0,002 | 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle