Développement d’une approche multicritère pour le déploiement et le pilotage de la performance organisationnelle dans le réseau de la santé et des services sociaux
Bibliographic record
Abstract
Afin d'atteindre les objectifs des établissements de santé, tels que la satisfaction des clients (exemple, la qualité des services reçus), il est nécessaire de mettre en place un système efficace de gestion de la performance. Ce rapport propose une approche pour la mise en place d'un système de mesure de performance (SMP) pour un grand réseau de santé dans la région de Montréal (CIUSSS Centre-Sud-de-l'île-de-Montréal - CCSMTL). \n \nNotre contribution s’articule autour de trois parties principales : Premièrement, on présente la méthode de collecte des données dans laquelle on a utilisé la pratique de l'entrevue, l'observation et la revue de documents dans le but de comprendre la situation actuelle. Par la suite, on a utilisé la méthode FFOM (Forces, Faiblesses, Opportunités, Menaces) pour analyser les données. À partir de cette analyse, on a identifié plusieurs points à améliorer au sein du CCSMTL. Deuxièmement, sur la base d'une revue de la littérature et de l'analyse FFOM, on a proposé une approche pour adapter le Tableau de Bord Équilibré (TBE) dans le contexte du CCSMTL. Troisièmement, en vue de soutenir l'opérationnalisation du TBE, on présente notre approche en cinq phases pour mettre en place un SMP. Pour ce faire, on a utilisé l’Analyse Hiérarchique des Procédés (AHP), la normalisation Min-Max et d'autres outils mathématiques qui seront présentés. \n \nPar la suite, on présente une étude de cas pour implanter notre modèle dans le service DI-TSADP (Déficience -Physique - Déficience Intellectuelle - Trouble du Spectre de l'Autisme) du CCSMTL. Cela nous a permis à la fois de simuler l'approche dans des conditions réelles et de proposer des améliorations à notre modèle. On présente également un programme informatique qu'on a développé en utilisant le langage Visual Basic pour Applications (VBA) pour faciliter la mise en oeuvre du SMP au sein du CCSMTL. Enfin, on utilise le programme informatique pour simuler un scénario afin d’analyser les résultats et d’améliorer notre approche.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.017 | 0.027 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.004 | 0.004 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".