جلد 27، شماره 3 - ( 9-1403 )
جلد 27 شماره 3 صفحات 69-54 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Kheradranjbar M, Khamseh A, Iranban fard S J. Evaluation of health services portfolio management based on information technology using adaptive neuro-fuzzy inference approach. jha 2024; 27 (3) :54-69
URL: http://jha.iums.ac.ir/article-1-4483-fa.html
URL: http://jha.iums.ac.ir/article-1-4483-fa.html
خردرنجبر مریم، خمسه عباس، ایرانبان فرد سیدجواد. ارزیابی مدیریت سبد پروژههای خدمات سلامت مبتنی بر فناوری اطلاعات با رویکرد استنتاج فازی عصبی-تطبیقی. فصلنامه مدیریت سلامت. 1403; 27 (3) :54-69
1- گروه مدیریت تکنولوژی، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران
2- گروه مدیریت صنعتی، واحد کرج، دانشگاه آزاد اسلامی، کرج ،abbas.khamseh@kiau.ac.ir
3- گروه مدیریت، واحد شیراز، دانشگاه آزاد اسلامی، شیراز
2- گروه مدیریت صنعتی، واحد کرج، دانشگاه آزاد اسلامی، کرج ،
3- گروه مدیریت، واحد شیراز، دانشگاه آزاد اسلامی، شیراز
چکیده: (53 مشاهده)
مقدمه: در چشم‌انداز پویای مدیریت بهداشت و درمان، مدیریت کارآمد سبد پروژههای خدمات سلامت مبتنی بر فناوری اطلاعات برای بهینه‌سازی تخصیص منابع، کاهش خطرات و بهبود نتایج بسیار مهم است. این پژوهش به اهمیت و ضرورت پیش‌بینی و ارزیابی شیوه‌های مدیریت سبد در پروژههای خدمات سلامت، با توجه به اتکای فزاینده به فناوری اطلاعات برای هدایت نوآوری و کارایی در ارائه خدمات می‌پردازد. هدف اصلی این پژوهش بررسی ابعاد و مؤلفه‌های مؤثر بر مدیریت سبد در پروژههای خدمات سلامت مبتنی بر فناوری اطلاعات و ارزیابی اهمیت آنها با استفاده از رویکرد استنتاج فازی عصبی تطبیقی است.
روش ها: این پژوهش شامل دو مرحله کلیدی است. در مرحله اول، تحلیل فراترکیب برای شناسایی ابعاد و مؤلفه‌های مؤثر بر مدیریت سبد در پروژههای سلامت انجام شد. سپس، مؤلفه‌های شناسایی‌شده با استفاده از رویکرد استنتاج فازی عصبی-تطبیقی برای اولویتبندی اهمیت آنها ارزیابی شد.
یافته ها: یافته‌های این پژوهش، عوامل حیاتی مؤثر بر مدیریت سبد در پروژههای خدمات سلامت، از جمله عوامل مدیریت فناوری اطلاعات، عوامل فرهنگی، مدیریت فناوری اطلاعات سلامت را در بعد کلان و عوامل مدیریت تحقیق و توسعه، مدیریت سبد پروژه و مدیریت مالی را در بعد خرد نشان داد.
نتیجه‌گیری با درک و اولویتبندی عوامل شناسایی شده، سازمانهای حوزه سلامت میتوانند قابلیتهای مدیریت سبد خود را افزایش دهند، تخصیص منابع را بهینه کنند و درنهایت خدمات سلامت برتر را ارائه دهند.
روش ها: این پژوهش شامل دو مرحله کلیدی است. در مرحله اول، تحلیل فراترکیب برای شناسایی ابعاد و مؤلفه‌های مؤثر بر مدیریت سبد در پروژههای سلامت انجام شد. سپس، مؤلفه‌های شناسایی‌شده با استفاده از رویکرد استنتاج فازی عصبی-تطبیقی برای اولویتبندی اهمیت آنها ارزیابی شد.
یافته ها: یافته‌های این پژوهش، عوامل حیاتی مؤثر بر مدیریت سبد در پروژههای خدمات سلامت، از جمله عوامل مدیریت فناوری اطلاعات، عوامل فرهنگی، مدیریت فناوری اطلاعات سلامت را در بعد کلان و عوامل مدیریت تحقیق و توسعه، مدیریت سبد پروژه و مدیریت مالی را در بعد خرد نشان داد.
نتیجه‌گیری با درک و اولویتبندی عوامل شناسایی شده، سازمانهای حوزه سلامت میتوانند قابلیتهای مدیریت سبد خود را افزایش دهند، تخصیص منابع را بهینه کنند و درنهایت خدمات سلامت برتر را ارائه دهند.
واژه‌های کلیدی: مدیریت سبد پروژه، پروژه های تحقیق و توسعه، خدمات سلامت، فناوری اطلاعات، سیستم استنتاج فازی
نوع مقاله: پژوهشي |
موضوع مقاله:
مدیریت اطلاعات سلامت
دریافت: 1403/1/10 | پذیرش: 1404/3/1 | انتشار: 1404/3/18
دریافت: 1403/1/10 | پذیرش: 1404/3/1 | انتشار: 1404/3/18
فهرست منابع
1. Zayas-Cabán T, Okubo TH, Posnack S. Priorities to accelerate workflow automation in health care. Journal of the American Medical Informatics Association. 2023;30(1):195-201. [DOI:10.1093/jamia/ocac197]
2. Crisan EL, Mihaila A. Health-care information systems adoption - a review of management practices. Vilakshan-XIMB Journal of Management. 2023;20(1):130-139. [DOI:10.1108/XJM-04-2021-0121]
3. Sheikh A, Anderson M, Albala S, Casadei B, Franklin BD, Richards M, et al. Health information technology and digital innovation for national learning health and care systems. Lancet Digital Health. 2021;3(6):e383-e396. [DOI:10.1016/S2589-7500(21)00005-4]
4. Yang CH, Hsu W, Wu YL. A hybrid multiple-criteria decision portfolio with the resource constraints model of a smart healthcare management system for public medical centers. Socio-Economic Planning Sciences. 2022;80:101073. [DOI:10.1016/j.seps.2021.101073]
5. Alzghaibi H, Alharbi AH, Mughal YH, Alwheeb MH, Alhlayl AS. Assessing primary health care readiness for large-scale electronic health record system implementation: project team perspective. Health Informatics Journal. 2023;29(1). doi:10.1177/14604582231152790 [DOI:10.1177/14604582231152790]
6. Saito K, Shofer FS, Saberi P, Green McKenzie J. Health care personnel perception of the privacy of electronic health records. Journal of Occupational and Environmental Medicine. 2017;59(6):535-8. [DOI:10.1097/JOM.0000000000001016]
7. Alolayyan M, Al-Rwaidan R, Hamadneh S, Ahmad A, AlHamad A, Al-Hawary S, et al. The mediating role of operational flexibility on the relationship between quality of health information technology and management capability. Uncertain Supply Chain Management. 2022;10(4):1131-1140. [DOI:10.5267/j.uscm.2022.8.014]
8. Tahvildarzadeh M, Zamani Z, Khani Yusefabad F. Electronic health and its role in delivering healthcare services. In: 19th International Conference on Information Technology, Computer, and Telecommunications; 2023. [In Persian] Available from: https://civilica.com/doc/1712775
9. Haji Ali Asgari F, Tabatabaeian H, Taghva MR, Abolhasani F. Development policies in health organizations: a maturity model for implementing ITIL. Iranian Journal Public Policy. 2018;3(4):29-50. doi:10.22059/ppolicy.2018.65590
10. Mahdavi A, Ebrahimi K, Mehrtak M, Mashoufi M. Scientific mapping of new developments in health information technology based on WoS articles: 2010-2017. Journal of Paramedical Sciences Rehabilitation. 2021;9(4):27-40. doi:10.22038/jpsr.2021.47200.2091
11. Sittig DF, Wright A, Coiera E, et al. Current challenges in health information technology-related patient safety. Health Informatics Journal. 2020;26(1):181-189. https://10.1177/1460458218814893 [DOI:10.1177/1460458218814893]
12. Salman A, Fakhraldeen S, Chun S, Jamil K, Gasana J, Al-Hunayan A. Enhancing research and development in the health sciences as a strategy to establish a knowledge-based economy in the state of Kuwait: A call for action. Journal of Healthcare. 2020;8(3):264. https://doi:10.3390/healthcare8030264 [DOI:10.3390/healthcare8030264]
13. Sandelowski M, Barroso J. Handbook for synthesizing qualitative research. New York: Springer Publishing Company; 2007.
14. Abraham A. Adaptation of fuzzy inference system using neural learning, studies in fuzziness and soft computing. Fuzzy System Engineering. 2005;181:53-83. [DOI:10.1007/11339366_3]
15. Azar A, Faraji H. Fuzzy management science. 5th ed. Tehran: Ketab Mehraban Publishing; 2016. [In Persian].
16. Pinheiro Gondim de Violoncellos E, Nunes Muritiba S, Muller Affonso Prado S, Dalva Caparroz Vancetto M, Morilha Muritiba P. Analyzing R&D projects on health products. INMR - Innovation Management Review. 2016:199-210. Available from: https://www.redalyc.org/pdf/973/97347030006.pdf [DOI:10.1016/j.rai.2016.06.001]
17. Katz A, Salamanca-Buentello R, Silva F, Diego S. R&D during public health emergencies: the value(s) of trust, governance and collaboration. BMJ Global Health. 2022;7(2):63-92. [DOI:10.1136/bmjgh-2021-007873]
18. Wissenburg R, Kusters R, Martin H. Relationships between IT Project Portfolio risk and IT Project portfolio health. In: 2023 IEEE 25th Conference on Business Informatics (CBI); 2023; Prague, Czech Republic. p. 1-10. doi:10.1109/CBI58679.2023.10187481. [DOI:10.1109/CBI58679.2023.10187481]
19. Abedi S, Hamidi F, Sanaei MR. Designing a fuzzy artificial intelligence system for selecting health technology in the foresight process. Journal of Future Studies Management. 2022; [cited 2025 Jan 24]. [In Persian]. Available from: [DOI:10.30495/jmfr.2022.20262]
20. Aghajanian S, Tabaian SK, Radfar R, Seyed Hossieni SM. Conceptual framework of the capabilities of open innovation project managers. Innovation Management in Defensive Organizations. 2021;3(4):1-28. doi: 10.22034/qjimdo.2020.218255.1266
21. Derakhshan S, Dalvi MR, Dehghan M. Project portfolio management and information technology projects. Health Information Management. 2015;12(2):150-161. Available from: https://him.mui.ac.ir/article_11399.html?lang=en
22. Baigi M, Morténius H, Amir. Promoting the creation of R&D intentions in primary healthcare measured by a validated instrument. Health Research Policy and Systems. 2019;17:107. [DOI:10.1186/s12961-019-0513-3]
23. Mikhailova D. Quality management system for R&D project and portfolio management in pharmaceutical company. In: Schweizer L, Dingermann T, Russe O, Jansen C, editors. Advances in pharma business management and research. Cham: Springer; 2020. [DOI:10.1007/978-3-030-35918-8_3]
24. Terry RF, Yamey G, Miyazaki-Krause R. Funding global health product R&D: The Portfolio-To-Impact Model (P2I), a new tool for modelling the impact of different research portfolios. Gates Open Research. 2018;6:2-24. [DOI:10.12688/gatesopenres.12816.2]
25. Biranvand A, Samadbeik M, Khasseh A. Mapping of knowledge structure in the field of health information management and technology: a co-word analysis. Depiction Health. 2020;11(2):117-136. [DOI:10.34172/doh.2020.13]
26. Provost LP, Murray SK. The health care data guide: learning from data for improvement. Hoboken: John Wiley & Sons; 2022.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
