Systems Thinking and Human Resource Management in Healthcare: A Scoping Review of Core Applications Across Health System Levels
Notice bibliographique
Résumé
Background: Systems thinking (ST) is an approach to problem-solving that views systems through a holistic perspective, focusing on the interconnections and relationships between various elements. In healthcare, the World Health Organization’s 2009 report marked a paradigm shift toward ST, prompting the development and use of ST tools to address complex challenges. Despite this, limited attention has been given to ST’s application in healthcare human resource management (HRM). This paper aims to provide a scoping review of ST application in healthcare HRM to explore its value in workforce management. Methods: Following Arksey and O’Malley’s framework, a scoping review was conducted to map how ST has been applied in healthcare HRM. Peer-reviewed articles published between 1999 and December 2024 were identified through Scopus and PubMed, using search terms such as systems thinking, human resources, and workforce. Data were extracted using a structured tool, and findings were analyzed through the lens of the system level of application. Results: The review identified 19 studies from 15 countries, with the majority using qualitative or mixed methods approaches across diverse settings. Core applications were applied at the macro, meso, and micro system levels to address workforce challenges, map feedback loops, identify leverage points, and strengthen stakeholder collaboration. ST was commonly applied at regional and national levels and supported improved workforce planning, policy development, and service coordination. Most studies employed soft systems modeling. Conclusions: This review highlights ST’s potential to enhance HRM by recognizing interdependencies across workforce functions. Findings suggest that ST enables more integrated strategies, promotes collaboration, and supports systemic decision-making. The adoption of ST in healthcare HRM may address persistent workforce challenges, though implementation remains limited by reductionist perspectives and unfamiliarity with ST tools.
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 | 0,019 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,022 | 0,027 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».