MétaCan
Menu
Retour à la cohorte
Enregistrement W4416093640 · doi:10.3390/systems13111001

Systems Thinking and Human Resource Management in Healthcare: A Scoping Review of Core Applications Across Health System Levels

2025· review· en· W4416093640 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueSystems · 2025
Typereview
Langueen
DomaineDecision Sciences
ThématiqueComplex Systems and Decision Making
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésSystems thinkingWorkforceWorkforce developmentInterdependenceHealth careWorkforce planningHuman resourcesSoft systems methodologyHealthcare system

Résumé

récupéré en direct d'OpenAlex

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,025
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,417
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0250,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0080,001
Bibliométrie0,0010,004
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,390
Tête enseignante GPT0,551
Écart entre enseignants0,161 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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