Improving healthcare and operating room efficiency using lean six sigma
Notice bibliographique
Résumé
Wait times and availability of care are major issues within Manitoba’s healthcare system and to improve in these areas a new method for improvement is needed. The purpose of this research is to prove the efficacy of using Lean Six Sigma in healthcare to generate improvements and to promote the usage of continuous improvement methodologies in the healthcare environment. To demonstrate the effectiveness of using Lean Six Sigma, a project was completed at St. Boniface Hospital to reduce overtime in operating rooms. Lean Six Sigma was used to assess the entire system and identify multiple areas for improvement, with case duration estimates being found to have the most potential for reducing overtime. This resulted in predictive models being created and tested against the current method of surgeon estimates. All models improved on the surgeon estimates (45-63% increase in on-time cases, reduction in overtime error by 49-59%, and 71-89% improvement in overtime to undertime error ratio) and it is recommended that a predictive modeling approach be used in the future. The Lean Six Sigma project was successful and also resulted in multiple additional beneficial outcomes: identification of other areas needing improvement, ranked by potential impact; process analysis and mapping which can be used in future projects; and identification of other causes for error in scheduling. In addition, if Lean Six Sigma had not been used, the project would have focused on a less impactful area—first case on-time starts. As Lean Six Sigma is a data-driven process, the impact of bias was removed and thus it was found that first case on-time starts were not as influential to overtime as assumed. From this research, it can be concluded that Lean Six Sigma can be effectively applied in even the most complex of hospital environments. It is recommended that hospitals consider implementing experienced teams to lead and train hospital employees in Lean Six Sigma or other continuous improvement methods.
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 | 0,007 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».