MétaCan
Menu
← Retour à la cohorte
Enregistrement W6921212065 · doi:10.6084/m9.figshare.c.3843532.v1

An economic analysis of a system wide Lean approach: cost estimations for the implementation of Lean in the Saskatchewan healthcare system for 2012â 2014

2017· other· en· W6921212065 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2017
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésKaizenLean manufacturingHealth carePromotion (chess)Order (exchange)Quality (philosophy)Quality costsAccountability

Résumé

récupéré en direct d'OpenAlex

Abstract Background The costs of investing in health care reform initiatives to improve quality and safety have been underreported and are often underestimated. This paper reports direct and indirect cost estimates for the initial phase of the province-wide implementation of Lean activities in Saskatchewan, Canada. Methods In order to obtain detailed information about each type of Lean event, as well as the total number of corresponding Lean events, we used the Provincial Kaizen Promotion Office (PKPO) Kaizen database. While the indirect cost of Lean implementation has been estimated using the corresponding wage rate for the event participants, the direct cost has been estimated using the fees paid to the consultant and other relevant expenses. Results The total cost for implementation of Lean over two years (2012â 2014), including consultants and new hires, ranged from $44 million CAD to $49.6 million CAD, depending upon the assumptions used. Consultant costs accounted for close to 50% of the total. The estimated cost of Lean events alone ranged from $16 million CAD to $19.5 million CAD, with Rapid Process Improvement Workshops requiring the highest input of resources. Conclusions Recognizing the substantial financial and human investments required to undertake reforms designed to improve quality and contain cost, policy makers must carefully consider whether and how these efforts result in the desired transformations. Evaluation of the outcomes of these investments must be part of the accountability framework, even prior to implementation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,944
Score d'incertitude au seuil0,880

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,019
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0050,008
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,089
Tête enseignante GPT0,381
Écart entre enseignants0,292 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshare→Travaux en français237 207→