پیوندهای مفید
آمار
| تعداد نشریات | 22 |
| تعداد شمارهها | 705 |
| تعداد مقالات | 10,149 |
| تعداد مشاهده مقاله | 71,507,413 |
| تعداد دریافت فایل اصل مقاله | 63,219,324 |
عوامل موثر بر پذیرش فناوری دیجیتال در زنجیره ارزش سلامت در شرایط نوتروسوفیک در استان سمنان | ||
| مدیریت زنجیره ارزش راهبردی | ||
| مقاله 3، دوره 1، شماره 1، شهریور 1403، صفحه 51-71 اصل مقاله (774.19 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22075/svcm.2025.35409.1012 | ||
| نویسندگان | ||
| هانیه شامبیاتی* 1؛ فاطمه قهرمانی2 | ||
| 1دانشکده مدیریت، اقتصاد و علوم اداری، دانشگاه سمنان، سمنان، ایران | ||
| 2دستیار معاونت منابع انسانی، برنامه ریزی بودجه و امور شورای شهر شهرداری تهران، تهران، ایران | ||
| تاریخ دریافت: 01 مهر 1403، تاریخ بازنگری: 20 آذر 1403، تاریخ پذیرش: 26 دی 1403 | ||
| چکیده | ||
| پذیرش فناوری دیجیتال در مراقبتهای بهداشتی به دلیل اینکه مراقبت های بهداشتی یک صنعت استاندارد و پیچیده است معمولا به کندی انجام میگیرد. فناوری دیجیتال حوزههای مختلفی از مراقبتهای بهداشتی مانند مدیریت دادههای بیمار، تبادل اطلاعات سلامت، مدیریت زنجیره ارزش سلامت را در بر میگیرد. با این حال، در مورد چگونگی ارزیابی پذیرش و کمک به سازمانهای مراقبتهای بهداشتی در استفاده از فناوری دیجیتال تحقیقات بسیار کمی انجام شده است. هدف این تحقیق شناسایی و توسعه یک مدل امتیازدهی برای ارزیابی آمادگی سازمان بهداشت و درمان برای پذیرش فناوری دیجیتال برای مدیریت زنجیره ارزش سلامت می باشد. در این تحقیق ابتدا با مرور ادبیات عوامل موثر بر پذیرش فناوری دیجیتال در زنجیره ارزش سلامت شناسایی میشود. با توجه به نوظهور بودن عوامل موثر بر پذیرش فناوری دیجیتال، اطلاعات و قضاوت خبرگان معمولاً ناقص و متناقض میباشد، بنابراین، تصمیمگیری بر اساس قضاوت قطعی غیرممکن میباشد. با توجه به اینکه تصمیمگیرنده ترجیح میدهد به جای مقادیر دقیق به دلیل دانش جزئی در مورد ویژگی و عدم توانایی پردازش اطلاعات حوزه مسئله، ویژگیها را با استفاده از اصطلاحات زبانی ارزیابی کند. در گام دوم به اولویتبندی عوامل شناسایی شده مرحله اول در سیستم مراقبتهای بهداشتی سمنان با استفاده از روش تاپسیس نوتروسوفیک پرداخته میشود. نتایج نشان داد امنیت دادهها و اطلاعات با مقدار 7128/0 و هزینه و منابع مالی و زیرساخت با مقادیر 0.6685 و 0.6399 سه اولویت اول و توسعه پایدار، مالکیت و اندازه سازمان، با مقادیر 0.4626، 0.4480 و 0.4142 سه اولویت آخر پذیرش فناوری دیجیتال در زنجیره ارزش سلامت میباشند. | ||
| کلیدواژهها | ||
| زنجیره ارزش سلامت؛ فناوری دیجیتال؛ عدمقطعیت؛ نوتروسوفیک؛ تاپسیس | ||
| عنوان مقاله [English] | ||
| Factors affecting the adoption of digital technology in the healthcare value chain in neutrosophic conditions in Semnan province | ||
| نویسندگان [English] | ||
| Hanieh Shambayati1؛ Fatemeh Qahremani2 | ||
| 1Department of Industrial Management, Faculty of Economics, Management and Administrative Sciences, Semnan University, Semnan, Iran | ||
| 2Assistant manager at deputy of human resource, budget planning and city council affairs - municipality of Tehran | ||
| چکیده [English] | ||
| The slow integration of digital technology in this sector can be attributed to the standardized and complex nature of healthcare. This technology spans various domains, including patient data management, health information exchange, health value chain management. However, there has been limited research focused on evaluating the adoption of digital technology and assisting healthcare organizations in its implementation. This study aims to identify and develop a scoring model to assess the readiness of healthcare organizations for adopting digital technology in health value chain management. Initially, this research identifies the factors influencing the adoption of digital technology within the healthcare value chain through a thorough literature review. Given the decision-makers' partial knowledge and the complexity of the issues involved, we evaluate these factors using linguistic terms rather than precise numerical values. In the subsequent phase, we prioritize the identified factors within the Semnan healthcare system using the Neutrosophic TOPSIS method. The findings indicate that data and information security ranks as the highest priority with a score of 0.7128, followed closely by cost and financial resources (0.6685) and infrastructure (0.6399). Conversely, sustainable development, organizational ownership, and size are ranked as the lowest priorities, with scores of 0.4626, 0.4480, and 0.4142, respectively, in the context of adopting digital technology in the healthcare value chain. | ||
| کلیدواژهها [English] | ||
| Health value chain, Digital technology, Uncertainty, Neutrosophic, TOPSIS | ||
| مراجع | ||
|
پیرویان، فتاح و حسینی، سیدعظیم. (2020). شناسایی میزان عوامل موثر بر مدل کسب و کار با رویکرد تصمیمگیری چند معیاره. مهندسی و مدیریت ساخت، 5(2)، 27-35.
شفیعی نیک آبادی، محسن و شامبیاتی، هانیه. (1402). روشهای تصمیمگیری چندشاخصه در شرایط نوتروسوفیک. دانشگاه سمنان.
غفاری داراب، محسن، یارمحمدیان، محمدحسین، خراسانی، الهه.، و علاقمندان، حامد. (2015). نقش زنجیره ارزش در ارتقای کیفیت خدمات سلامت. مدیریت اطلاعات سلامت، 11(6)، 799-811.
منصوری، فاطمه، آذر، عادل و رجبزاده، علی. (1402). طراحی مدل زنجیره تامین ارزش آفرین خدمات: مطالعه موردی خدمات پزشکی و سلامت در بستر ویروس کرونا. فصلنامه رویکردهای پژوهشی نوین مدیریت و حسابداری، 7(24)، 1697-1717.
References Ahad, A., Ali, Z., Mateen, A., Tahir, M., Hannan, A., Garcia, N. M., & Pires, I. M. (2023). A Comprehensive review on 5G-based Smart Healthcare Network Security: Taxonomy, Issues, Solutions and Future research directions. Array, 18, 100290. aldouri, S. N. M., & Kumbhalkar, M. A. (2023). Use of value chain analusis to improve the quality of health service. 3C Empresa. Investigación y pensamiento crítico, 12(1), 423-438. Alzahrani, S., Daim, T., & Choo, K.-K. (2022). Assessment of the Blockchain Technology Adoption for the Management of the Electronic Health Record Systems. IEEE Transactions on Engineering Management, PP, 1-18. Alzahrani, S. M. (2021). Assessment of the Blockchain Technology Adoption for the Management of the Electronic Health Record Systems Portland State University. Baudier, P., Kondrateva, G., Ammi, C., Chang, V., & Schiavone, F. (2023). Digital transformation of healthcare during the COVID-19 pandemic: Patients’ teleconsultation acceptance and trusting beliefs. Technovation, 120, 102547. Beaulieu, M., & Bentahar, O. (2021). Digitalization of the healthcare supply chain: A roadmap to generate benefits and effectively support healthcare delivery. Technological Forecasting and Social Change, 167, 120717. Biswas, P., Pramanik, S., & Giri, B. C. (2016). TOPSIS method for multi-attribute group decision-making under single-valued neutrosophic environment. Neural Computing and Applications, 27(3), 727-737. Biswas, P., Pramanik, S., & Giri, B. C. (2018). TOPSIS strategy for multi-attribute decision making with trapezoidal neutrosophic numbers. Neutrosophic Sets and Systems, 19, 29-39. Biswas, P., Pramanik, S., & Giri, B. C. (2019). Neutrosophic TOPSIS with group decision making. In Fuzzy Multi-criteria Decision-Making Using Neutrosophic Sets (pp. 543-585). Springer. Chen, Z.-S., & Ruan, J.-Q. (2024). Metaverse healthcare supply chain: Conceptual framework and barrier identification. Engineering Applications of Artificial Intelligence, 133, 108113. Dhingra, S., Raut, R., Gunasekaran, A., Rao Naik, B. K., & Masuna, V. (2024). Analysis of the challenges for blockchain technology adoption in the Indian health-care sector. Journal of Modelling in Management, 19(2), 375-406. Dhingra, S., Raut, R., Kumar, M., & Naik, B. K. R. (2024). Factors impacting Indian healthcare supply chain performance and influence in the public and private sector: the mediating role of blockchain technology adoption. Benchmarking: An International Journal, ahead-of-print(ahead-of-print). Faloye, S., Ndlanzi, S., & Ajayi, N. (2021). Factors Affecting e-Health Adoption in South African Public Hospitals: A Case of Edendale Hospital. Ghaffari Darab, M., Yarmohammadian, M. H., Khorasani, E., & Alaghemandan, H. (2015). The Role of Value chain for improving health care quality. Health Information Management, 11(6), 799-811. (In Persian) Golhar, S. P., & Kekapure, S. S. (2022). Artificial Intelligence in Healthcare - A Review. International Journal of Scientific Research in Science and Technology. Gómez, L. K. Á., Intriago, D. A. V., Morán, A. M. I., Gómez, L. R. M., Armas, J. A. A., Alcívar, M. A. M., & Villanueva, L. K. B. (2019). Use of neutrosophy for the detection of operational risk in corporate financial management for administrative excellence. Neutrosophic Sets and Systems, 75. Gopal, G., Suter-Crazzolara, C., Toldo, L., & Eberhardt, W. (2018). Digital transformation in healthcare – architectures of present and future information technologies. Clinical Chemistry and Laboratory Medicine (CCLM), 57, 328 - 335. Govindan, K., Nasr, A. K., Saeed Heidary, M., Nosrati-Abarghooee, S., & Mina, H. (2023). Prioritizing adoption barriers of platforms based on blockchain technology from balanced scorecard perspectives in healthcare industry: a structural approach. International Journal of Production Research, 61(11), 3512-3526. Hossain, M. K., & Thakur, V. (2021). Benchmarking health-care supply chain by implementing Industry 4.0: a fuzzy-AHP-DEMATEL approach. Benchmarking: An International Journal, 28(2), 556-581. Coetzer, J. A., Loukili, I., Goedhart, N. S., Ket, J. C., Schuitmaker-Warnaar, T. J., Zuiderent-Jerak, T., & Dedding, C. (2024). The potential and paradoxes of eHealth research for digitally marginalised groups: A qualitative meta-review. Social Science & Medicine, 116895. Kulkov, I., Ivanova-Gongne, M., Bertello, A., Makkonen, H., Kulkova, J., Rohrbeck, R., & Ferraris, A. (2023). Technology entrepreneurship in healthcare: Challenges and opportunities for value creation. Journal of Innovation & Knowledge, 8(2), 100365. Marais, A., Grobbelaar, S. S., Meyer, I., Kennon, D., & Herselman, M. (2020). Supporting the formation and functioning of innovation platforms in healthcare value chains. Science and Public Policy, 48(1), 105-121. Mansuri, F., Azar, A., Rajabzade, A. (2023). Designing a Service Value Chain Model: A Case Study of Medical and Health Services in the Context of the Coronavirus. Quarterly Journal of New Research Approaches in Management and Accounting, 7(24), 1697-1717.(In Persian) Mhlauli, L. (2023). The factors influencing the adoption and sustainability of digital technologies by healthcare providers in South Africa University of the Witwatersrand to fulfil]. Peiravian, F. and A. Hosseini, (2020). Identification of Factors Affecting a Business Model Using a Fuzzy Approach. Journal of engineering and construction management. 5(2), 27-35. (In Persian) Peng, X., & Dai, J. (2018). Approaches to single-valued neutrosophic MADM based on MABAC, TOPSIS and new similarity measure with score function. Neural Computing and Applications, 29(10), 939-954. Pitta, D., & Laric, M. (2004). Value chains in health care. Journal of Consumer Marketing, 21, 451-464. Raoof, S., & Durai, M. A. S. (2022). A Comprehensive Review on Smart Health Care: Applications, Paradigms, and Challenges with Case Studies. Contrast Media & Molecular Imaging, 2022, 1-18. Said, G. R. E. (2022). Factors affecting mHealth technology adoption in developing countries: the case of Egypt. Computers, 12(1), 9. Sathiya, V., Nagalakshmi, K., Jeevamalar, J., Anand Babu, R., Karthi, R., Acevedo-Duque, Á., Lavanya, R., & Ramabalan, S. (2023). Reshaping healthcare supply chain using chain-of-things technology and key lessons experienced from COVID-19 pandemic. Socio-Economic Planning Sciences, 85, 101510. Shafiei Nikabadi, M., Shambayati, H., (2024). Multi-attribute decision-making methods in neutrosophic conditions. University Semnan. (In Persian) Shambayati, H., Nikabadi, M. S., Firouzabadi, S. M. A. K., & Rahmanimanesh, M. (2020). Partner selection in Virtual enterprises using the Interval Neutrosophic fuzzy approach. Neutrosophic Sets and Systems, 35(1), 387-406. Sharan, A. D., Schroeder, G. D., West, M. E., & Vaccaro, A. R. (2015). Understanding a Value Chain in Health Care. J Spinal Disord Tech, 28(8), 291-293. Smarandache, F., Ali, M., & Khan, M. (2019). Arithmetic Operations of Neutrosophic Sets, Interval Neutrosophic Sets and Rough Neutrosophic Sets. In Fuzzy Multi-criteria Decision-Making Using Neutrosophic Sets (pp. 25-42). Springer. Smidt, H. J., & Jokonya, O. (2022). Factors affecting digital technology adoption by small-scale farmers in agriculture value chains (AVCs) in South Africa. Information Technology for Development, 28(3), 558-584. Stoumpos, A. I., Kitsios, F., & Talias, M. A. (2023). Digital transformation in healthcare: technology acceptance and its applications. International journal of environmental research and public health, 20(4), 3407. Tortorella, G. L., Fogliatto, F. S., Espôsto, K. F., Vergara, A. M. C., Vassolo, R., Mendoza, D. T., & Narayanamurthy, G. (2020). Effects of contingencies on healthcare 4.0 technologies adoption and barriers in emerging economies. Technological Forecasting and Social Change, 156, 120048. Tortorella, G. L., Prashar, A., Antony, J., Fogliatto, F. S., Gonzalez, V., & Godinho Filho, M. (2024). Industry 4.0 adoption for healthcare supply chain performance during COVID-19 pandemic in Brazil and India: the mediating role of resilience abilities development. Operations Management Research, 17(2), 389-405. Zaied, A. N. H., Gamal, A., & Ismail, M. (2019). An Integrated Neutrosophic and TOPSIS for Evaluating Airline Service Quality. Neutrosophic Sets and Systems, 30. Zayyad, M. A., & Toycan, M. (2018). Factors affecting sustainable adoption of e-health technology in developing countries: an exploratory survey of Nigerian hospitals from the perspective of healthcare professionals. PeerJ, 6, e4436. | ||
|
آمار تعداد مشاهده مقاله: 906 تعداد دریافت فایل اصل مقاله: 326 |
||