دانشگاه علامه طباطبایی

  اخبار و اعلانات

 آمار

تعداد نشریات61
تعداد شماره‌ها2,213
تعداد مقالات18,002
تعداد مشاهده مقاله55,457,324
تعداد دریافت فایل اصل مقاله28,951,756
صفرپور, شرمینه, امیرتیموری, علیرضا, کردرستمی, سهراب, خوش اندام, لیلا. (1403). تحلیل کارایی تکنیکی و توان مدیریتی در بخش سلامت ایران. سامانه مدیریت نشریات علمی, 22(72), 37-72. doi: 10.22054/jims.2024.77283.2892
شرمینه صفرپور; علیرضا امیرتیموری; سهراب کردرستمی; لیلا خوش اندام. "تحلیل کارایی تکنیکی و توان مدیریتی در بخش سلامت ایران". سامانه مدیریت نشریات علمی, 22, 72, 1403, 37-72. doi: 10.22054/jims.2024.77283.2892
صفرپور, شرمینه, امیرتیموری, علیرضا, کردرستمی, سهراب, خوش اندام, لیلا. (1403). 'تحلیل کارایی تکنیکی و توان مدیریتی در بخش سلامت ایران', سامانه مدیریت نشریات علمی, 22(72), pp. 37-72. doi: 10.22054/jims.2024.77283.2892
صفرپور, شرمینه, امیرتیموری, علیرضا, کردرستمی, سهراب, خوش اندام, لیلا. تحلیل کارایی تکنیکی و توان مدیریتی در بخش سلامت ایران. سامانه مدیریت نشریات علمی, 1403; 22(72): 37-72. doi: 10.22054/jims.2024.77283.2892

تحلیل کارایی تکنیکی و توان مدیریتی در بخش سلامت ایران

مطالعات مدیریت صنعتی
مقاله 2، دوره 22، شماره 72، فروردین 1403، صفحه 37-72    اصل مقاله (1.58 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22054/jims.2024.77283.2892
نویسندگان
شرمینه صفرپور1؛ علیرضا امیرتیموری* 2؛ سهراب کردرستمی3؛ لیلا خوش اندام4
1دانشجوی دکتری، گروه ریاضی کاربردی،دانشکده علوم پایه، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران
2استاد گروه ریاضی کاربردی، دانشکده علوم پایه،واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران
3استاد گروه ریاضی کاربردی،دانشکده علوم پایه، واحد لاهیجان، دانشگاه آزاد اسلامی، لاهیجان، ایران
4استادیار گروه ریاضی کاربردی، دانشکده علوم پایه،واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران
چکیده
ازآنجا که نظام سلامت یکی از مهم ترین ارکان سلامت جامعه است و با توجه به اینکه تأمین خدمات درمانی مردم از ارکان توسعه‌ی فردی هر کشور می‌باشد، لذا توجه و نظارت بر این بخش می تواند منجر به توسعه و رفاه اجتماعی گردد. برای حصول اطمینان از ارائه ی بهتر و کیفی تر خدمات بهداشتی، درمانی و مراقبتی، ارزیابی عملکرد در بخش سلامت نقش تعیین‌کننده‌ای را بازی می کند. در راستای تحقق این امر، استفاده ی صحیح و متناسب از امکانات و دارایی های موجود امری اجتناب‌ناپذیر است. در این مطالعه یک کاربردی در حوزه ی سیستم های مراقبتی و بهداشتی بیمارستان های کل کشور ارایه شده است. برای این منظور داده های مربوط به 31 بیمارستان دولتی کشور جمع آوری شده و سپس با شناسایی متغیرهای زمینه ای و حضور عامل نامطلوب سعی در ارزیابی کارایی و محاسبه توان مدیریتی هر واحد بیمارستانی شده است. برای نیل به این هدف در گام نخست کارایی تکنیکی با حضور عوامل نامطلوب، با استفاده از تکنیک تحلیل پوششی داده ها محاسبه شد و سپس لگاریتم کارایی تکنیکی حاصل از مرحله ی اول بر روی مجموعه ای از متغیرهای زمینه ای که بر عملکرد بیمارستان ها تأثیرگذار هستند رگرسیون شد. در مرحله ی بعد، توان مدیریتی از باقی مانده ی رگرسیون حاصل از مرحله ی قبل استخراج گردید. در پایان یک رتبه بندی منحصر به فرد بر اساس معیار توان مدیریتی هر واحد ارائه گردید. در نهایت نتایج حاصل به منظور ارائه‌ی پیشنهاداتی ارزنده مورد تحلیل و بررسی قرار گرفتند.
کلیدواژه‌ها
بخش سلامت؛ تحلیل پوششی داده ها؛ توان مدیریتی؛ متغیر های زمینه ای؛ کارایی
مراجع
  1. کوشکی، فرشته. (1402). روش تحلیل پوششی داده‌های متمرکز برای اندازه‌گیری مقادیر کارایی شعب ارزی بانک‌ها، مطالعات مدیریت صنعتی، 80(22)821-835.
  2. پورعلیزاده، مژگان، امیرتیموری، علیرضا، و واعظ قاسمی محسن. (1400). یک مدل DEA برای ارزیابی اجرای زنجیره تأمین پایدار با حضور خروجی‌های نامطلوب و شاخص‌های دو نقش ورودی و خروجی: کاربردی از صنعت برق. مطالعات مدیریت صنعتی،19 (62)، 139-192.
  3. مرادی، اکبر، امیرتیموری، علیرضا، کردرستمی، سهراب، و واعظ قاسمی محسن، (1399). بهبود عملکرد واحدهای تصمیم‌گیرنده کارا با استفاده از روش تقاطع ابر صفحه سازی‌های مجموعه امکان تولید در تحلیل پوششی داده‌ها، مطالعات مدیریت صنعتی،18(58)،
  4. Darabi, N., Ebrahimvandi, A., Hosseinichimeh, N., & Triantis K. (2021) A DEA evaluation of U.S. States’ healthcare systems in terms of their birth outcomes. Expert Systems With Applications.182, http://dx.doi.org/10.1016/j.eswa.2021.115278.
  5. Ortega-D ́ıaz, M. I., & Mart ́ın, J. C. (2022). How to detect hospitals where quality would not be jeopardized by health cost savings? A methodological approach using DEA with SBM analysis. Health Policy, 126(10), 1069-1074, https://doi.org/10.1016/‌healthpol.‌2022.07.010.
  6. Adner, R., & Helfat, C. (2003). Corporate effects and dynamic managerial capabilities. Strategic Management Journal, 24(10), 1011–1025, http://dx.doi.org/10.1002/smj.331.
  7. Al-Shayea, A. M. (2011). Measuring Hospital’s units Efficiency: A Data Envelopment Analysis Approach. International Journal of Engineering & Technology IJET-IJENS Vol: 11 No: 06.
  8. Asanduluia, L., Romanb, M., & Fatulescua, P. (2014). The efficiency of healthcare systems in Europe: a Data Envelopment Analysis Approach. Procedia Economics and Finance 10 261 – 268, DOI:1016/S2212-5671(14)00301-3.
  9. Banker R. D., Natarajan R., & Zhang, D. (2019). Two-stage estimation of the impact of contextual variables in stochastic frontier production function models using data envelopment analysis: second stage OLS versus bootstrap approaches. European Journal of Operational Research, 278(2),368–84, https://doi.org/10.1016/j.ejor.2018.10.050.
  10. Banker, R. D., & Natarajan, R. (2008). Evaluating Contextual Variables Affecting Productivity Using Data Envelopment Analysis. Operations research, 56(1), 48-58, https://doi.org/10.1287/opre.1070.0460.
  11. Banker, R. D., & Park, H. (2020). A Statistical Foundation for the Measurement of Managerial Ability. Working Paper, Temple University, Philadelphia, PA.
  12. Banker, R. D., Charnes, A., & Cooper, W.W. (1984). Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis. Management Science, 30(9), 1078-1092.
  13. Banker, R. D., Luo, J. & Oh, H. (2021). Measuring managerial ability in the insurance industry. Data Envelopment Analysis Journal, 5(1), 115-143, http://dx.doi.org/10.1561/103.00000033.
  14. Barr, R., & T. Siems. (1997). Bank failure prediction using DEA to measure management quality, http://dx.doi.org/10.1007/978-1-4615-4102-8_15.
  15. Caballer-Tarazona,M.,Moya Clemente, I., Vivas-Consuelo, D., & Barrachina-Martínez, I. (2010) A model to measure the efficiency of hospital performance. Mathematical and Computer Modelling, 52 1095–1102, DOI:1016/j.mcm.2010.03.006.
  16. Castanias, R. P., & Helfat, C. E. (1991). Managerial resources and rents. Journal of Management, 17(1),155–171, https://doi.org/10.1177‌/014920639101700110.
  17. Charnes, A., Cooper, W. W., Golany, B., Seiford, L., & Stutz, J. (1985). Foundations of data envelopment analysis for Pareto-Koopmans efficient empirical production functions. Journal of econometrics, 30(1-2), 91-107, https://doi.org/10.1016/0304-4076(85)90133-2.
  18. Charnes,, Cooper, W.W., & Rhodes, E. (1978). Measuring the efficiency of decision making units. European Journal of Operational Research, 2(6), 429-444, https://doi.org/10.1016/0377-2217(78)90138-8.
  19. Chu, J., Wu J., Zhu, Q., An, Q., & Xiong, B. (2016). Analysis of China’s Regional Eco-efficiency: A DEA Two-stage Network Approach with Equitable Efficiency Decomposition. Computational Economics, In press, https://doi.org/10.1007/s10614-015-9558-8.
  20. Coelli, J., Rao, D. S. P., O'Donnell, C. J., & Battese, G. E. (2005). An introduction to efficiency and productivity analysis. Springer Science & Business Media, https://doi.org/10.1007/b136381.
  21. Cooper, W. Seiford. LM & Tone, K. (2007) Data Envelopment Analysis: A Comprehensive Text with Models, Applications, References and DEA-Solver Software. Boston: Kluwer Academic Publishers, http://dx.doi.org/10.1007/978-0-387-45283-8.
  22. Cvetkoska, V., Eftimov, L., Ivanovsky, I. & Kamenjarska, T. (2022). Measuring the managerial ability in the insurance companies in the Republic of North Macedonia, Croatia, Serbia and Slovenia and identifying its determinants. International Journal of Banking, Risk and Insurance,10(1), forthcoming.
  23. Demerijian, P, Lewis-Western,Melissa & McVay, S. (2020). How Does Intentional Earnings Smoothing vary with Managerial Ability? Journal of Accounting, Auditing & Finance, 35(2),1-32, https://doi.org/10.1177/0148558X17748405.
  24. Demerjian, P., Lev, B., & McVay, S. (2012). Quantifying Managerial Ability: A New Measure and Validity Tests. Management Science, 58(7), 1229-1248, https://doi.org/10.1287/mnsc.1110.1487.
  25. Dyson, R. G., Allen, R., Camanho, A. S., Podinovski, V. V., Sarrico, C. S., & Shale, E. A. (2001). Pitfalls and protocols in DEA. European Journal of Operational Research, 132(2), pp. 245-259, https://doi.org/10.1016/S0377-2217(00)00149-1.
  26. Emrouznejad, A., Tavares, G., & Parker, B. (2008). Evaluation of research in efficiency and productivity: A survey and analysis of the first 30 years of scholarly literature in DEA. Socio Economic Planning Science, 42(3), 151-157, https://doi.org/10.1016/j.seps.2007.07.002.
  27. Ewa,KosycarzMonika, DędysWiesława, Dominika Wranik., (2023). The effects of provider contract types and fiscal decentralization on the efficiency of the Polish hospital sector: A data envelopment analysis across 16 health regions. Health Policy28 January 2023, https://doi.org/10.1016/j.healthpol.2023.104714.
  28. Fare, R., & Grosskopf, S., (2003). Nonparametric Productivity Analysis with Undesirable Outputs: Comment. American Journal of Agricultural Economics,85, 1070-74, https://doi.org/10.1111/1467-8276.00510.
  29. Farell, M. J. (1957). The measurement of productive efficiency. Journal of the royal statistical society, Series A (General), 120(3), 253-290, https://doi.org/10.2307/2343100.
  30. Green, R. H., Cook, W., & Doyle, J. (1997). A note on the additive data envelopment analysis model. Journal of the Operational Research Society48(4), 446-448, https://doi.org/10.1057/palgrave.jors.2600386.
  31. Helfat, C., & Peteraf, M. (2015). Managerial cognitive capabilities and the micro foundations of dynamic capabilities. Strategic Management Journal, 36(6), 831–850, https://doi.org/10.1002/smj.2247.
  32. Ibrahim, M. D., & Daneshvar, S. (2018) Efficiency Analysis of Healthcare System in Lebanon Using Modified Data Envelopment Analysis, Journal of Healthcare Engineering 6 pages, https://doi.org/10.1155/2018/2060138.
  33. Kocisova, K., Hass-Symotiuk, M., & Kludacz-Alessandr M. (2018) Use of the DEA method to verify the performance model for hospitals. Ekonomika a management 21(4):125-140, http://dx.doi.org/10.15240‌/tul/001/2018-4-009.
  34. Kuosmanen, T., (2005). Weak Disposability in Nonparametric Productivity Analysis with Undesirable Outputs. American Journal of Agricultural Economics, 87,1077-1082, https://doi.org/10.1111/‌1467-8276.2005.00788.x.
  35. Kweh QL, Chan YC, & Ting IWK. (2013). Measuring intellectual capital efficiency in the Malaysian software sector. Journal of Intellectual Capital, 14(2), 310–324, http://dx.doi.org/10.1108/‌146919313‌
  36. Leverty T., & Grace MF. (2012). Dupes or incompetents? An examination of management’s impact on firm distress. The Journal of Risk and Insurance, 79(3): 751–783, https://doi.org/10.1111/j.1539-6975.2011.01443.x.
  37. Liu, H., Wu, W., & Yao, P. (2022). A study on the efficiency of pediatric healthcare services and its influencing factors in China estimation of a three-stage DEA model based on provincial-level data. Socio-Economic Planning Sciences, 84, https://doi.org/10.1016/‌seps.2022.101315.
  38. Mohd Ridzwan Shahari, Kok Fong See, Noor Syahireen Mohammed, Ming-Miin Yu., (2023).Constructing the performance index of Malaysia’s district health centers using effectiveness-based hierarchical data envelopment analysis. Socio-Economic Planning Sciences. Volume 89, October 2023, 101662, https://doi.org/10.1016/‌seps.2023.101662.
  39. Murthi B, Srinivasan K, & Kalyanaram G. (1996). Controlling for observed and unobserved managerial skills in determining first-mover market share advantage. Journal of Marketing Research, 33(3), 329–336, https://doi.org/10.2307/3152129.
  40. Rivera, B. (2010). The effects of public health spending on self-assessed health status: an ordered probit model. Applied Economics, 33 (10), 1313 -1319, http://dx.doi.org/10.1080/00036840010007146.
  41. Russell, R. (1988). Measures of technical efficiency. Journal of Economic Theory, 35, 109–126.
  42. Shephard, R.W., (1970). Theory of Cost and Production Functions. Princeton: Princeton University Press.
  43. Shwartz, M., BurgessJr,F., & Zhu, J. (2016). A DEA based composite measure of quality and its associated data uncertainty interval for health care provider profiling and pay-for-performance. European Journal of Operational Research, 489-502, https://doi.org/‌10.1016/j.ejor.2016.02.049.
  44. Stefko1, R., Gavurova2, B., & Kocisova, K. (2018). Healthcare efficiency assessment using DEA analysis in the Slovak Republic. Health Economics Review, 806, https://doi.org/10.1186/s13561-018-0191-9.
  45. Sueyoshi, T. (1990). A special algorithm for an additive model in data envelopment analysis. Journal of the Operational Research Society, 41(3), 249-257, https://doi.org/10.2307/2583820.
  46. Toloo, M., & Jalili, R. (2016). LU Decomposition in DEA with an Application to Hospitals. Computational Economics, 47(3), 473-488 https://doi.org/10.1007/s10614-015-9501-z,.
  47. Tone, K. (2001). A slacks-based measure of efficiency in data envelopment analysis. European journal of operational research, 130(3), 498-509, https://doi.org/10.1016/S0377-2217(99)00407-5.
  48. Wu, J., Zhu Q., Chu, J.,& Liang, L. (2015). Two-Stage Network Structures with Undesirable Intermediate Outputs Reused: A DEA Based Approach. Computational Economics, 46(3), 455-477, https://doi.org/10.1007/s10614-015-9498-3.
  49. YEŞİLAYDIN, G., (2017). Health efficiency measurment in turkey by using data envelopment analysis: a systematic review. Ankara Sağlık Bilimleri Dergisi (1-2-3), 49-69, DOI:1501/Asbd_0000000062.
  50. Zhu, J. (2009). Quantitative models for performance evaluation and benchmarking: data envelopment analysis with spreadsheets. International Series in Operations Research & Management Science, 126, pp. 14-40, http://dx.doi.org/10.1007/978-0-387-85982-8.
  51. Zhu, J. (2009). Quantitative Models for Performance Evaluation and Benchmarking: Data Envelopment Analysis with Spreadsheets and DEA Excel Solver, Kluwer Academic Publishers, Boston, http://dx.doi.org/10.1007/978-0-387-85982-8.
  52. Zhu, J., & Cook, W. D. (2007). Modeling data irregularities and structural complexities in data envelopment analysis. Springer Science & Business Media, https://doi.org/10.1007/978-0-387-71607-7_1
آمار
تعداد مشاهده مقاله: 1,050
تعداد دریافت فایل اصل مقاله: 736


login