Le niveau de maturité digitale de la chaîne logistique interne des établissements de santé de la pro

LE

NIVEAU DE

MATURITÉ DIGITALE

DE LA CHAÎNE

LOGISTIQUE

INTERNE DES ÉTABLISSEMENTS DE SANTÉ DE LA PROVINCE DE QUÉBEC : UNE ÉTUDE EXPLORATOIRE

Valérie Belanger, Martin Cousineau, Anne Snowdon, Martin Beaulieu

Management Prospective Ed. | « Management & Avenir Santé »

2022/1 N° 9 | pages 81 à 104

DOI 10.3917/mavs.009.0081

Article disponible en ligne à l'adresse :

https://www.cairn.info/revue-management-et-avenir-sante-2022-1-page-81.htm

Distribution électronique Cairn.info pour Management Prospective Ed..

© Management Prospective Ed.. Tous droits réservés pour tous pays.

La reproduction ou représentation de cet article, notamment par photocopie, n'est autorisée que dans les limites des conditions générales d'utilisation du site ou, le cas échéant, des conditions générales de la licence souscrite par votre établissement. Toute autre reproduction ou représentation, en tout ou partie, sous quelque forme et de quelque manière que ce soit, est interdite sauf accord préalable et écrit de l'éditeur, en dehors des cas prévus par la législation en vigueur en France. Il est précisé que son stockage dans une base de données est également interdit.

Résumé

Valérie BÉLANGER 2

Martin COUSINEAU3

Anne SNOWDON4

Martin BEAULIEU5

La digitalisation interpelle autant les praticiens que les chercheurs depuis quelques années. Elle s’impose naturellement dans le domaine de la gestion de la chaîne logistique où la gestion des flux d’information occupe une place prépondérante. Au Québec (Canada), la digitalisation de la chaîne logistique des établissements de santé semble présenter des lacunes historiques : présence de stocks importants dans les différents maillons de la chaîne logistique combinée simultanément à des pénuries ou des ruptures de stocks. Pourtant, la digitalisation peut constituer une avenue prometteuse afin de rehausser la performance des établissements de santé. En considérant les investissements nécessaires afin d’opérer un tel virage, la digitalisation des chaînes logistiques doit être réalisée de

1 Cette recherche a été financée par les Instituts de recherche en santé du Canada (IRSC) (VR5 172669), le Fonds de recherche du Québec - Nature et Technologie (FRQNT), l’Institut de valorisation des données (IVADO) et HEC Montréal.

2 Valérie BÉLANGER : professeure agrégée, HEC Montréalvalerie.3.belanger@hec.ca

3 Martin COUSINEAU : professeur adjoint, HEC Montréal.

4 Anne SNOWDON : professeure, Odette School of Business, University of Windsor - anne.snowdon@uwindsor.ca

5 Martin BEAULIEU : chercheur associé, Groupe de recherche CHAÎNE, HEC Montréal - martin.beaulieu@hec.ca

Le niveau de maturité digitale de la chaîne logistique interne des établissements de santé de la province de Québec : une étude exploratoire1

manière stratégique afin d’en maximiser les bénéfices. Il devient donc important de réaliser un diagnostic de l’état des pratiques dans les établissements de santé afin de guider le choix des décideurs. Le présent article vise donc à répondre à la question de recherche suivante : quel est le niveau de maturité digitale de la chaîne logistique interne des établissements de santé de la province de Québec ? Afin de collecter les données nécessaires pour répondre à la question de recherche, un questionnaire visant à mesurer la maturité digitale de la chaîne logistique interne des établissements de santé sur quatre dimensions, soit l’automatisation, l’analyse prédictive des données, l’intégration clinique, et le leadership et la gouvernance, a été administré. Les analyses réalisées permettent de constater que le niveau de maturité digitale des établissements de santé est généralement bas. Conséquemment, des efforts importants sont à déployer pour atteindre un niveau de maturité supérieur. En particulier, le leadership et la gouvernance semblent jouer un rôle important. Ainsi, les décideurs doivent prendre le temps nécessaire de bien évaluer la présence de leadership avant d’amorcer des projets plus élaborés de digitalisation.

The level of digital maturity of the internal supply chain of healthcare institutions in the province of Quebec: an exploratory study Abstract

Digitalization has been a concern for both practitioners and researchers for several years. It obviously applies to the field of supply chain management, where information flow management plays a major role. In Quebec (Canada), the digitalization of the supply chain of healthcare institutions seems to have historical shortcomings : the presence of large inventories in the various links of the supply chain combined with shortages or stock-outs. However, digitalization can be a promising avenue to improve the performance of healthcare institutions. Considering the investments required to make such a shift, supply chain digitalization must be carried out strategically in order to maximize the benefits. It is therefore important to diagnose the state of practices in healthcare institutions in order to guide decision-makers’ choices. The purpose of this article is to answer the following research question: What is

Le niveau de maturité digitale de la chaîne logistique interne des établissements de santé de la province de Québec...

the level of digital maturity of the internal supply chain in healthcare institutions in the province of Quebec? In order to collect the data necessary to answer the research question, a questionnaire was administered to measure the digital maturity of the internal supply chain of healthcare institutions on four dimensions: automation, predictive data analytics, clinical integration, and governance and leadership. The analyses conducted show that the level of digital maturity of healthcare institutions is generally low. Consequently, significant efforts are required to reach a higher level of maturity. In particular, governance and leadership seem to play an important role. Therefore, decision-makers must take the time to assess the presence of leadership before initiating more elaborate digitalization projects.

Introduction

La pandémie de la COVID-19 a mis en évidence l’importance de la gestion du flux d’information de la chaîne logistique du secteur de la santé (Bohmer et al., 2020) faisant ressortir, du même coup, des lacunes historiques dans ce domaine (Srivastava et al., 2021 ; Snowdon et al., 2021) : présence de stocks importants dans les différents maillons de la chaîne logistique combinée simultanément à des pénuries ou des ruptures de stocks (Beaulieu et Bentahar, 2021). Afin de dépasser ces lacunes, plusieurs acteurs de ce secteur plaident pour une chaîne logistique fondée sur la gestion des données (data-driven) (Benzidia et al., 2021 ; Hut, 2020 ; Kochan et al., 2018). Différentes initiatives de digitalisation, en particulier en soutien aux activités logistiques, peuvent donc être entreprises par les établissements de santé afin de rehausser leur performance (Beaulieu et Bentahar, 2021).

Le secteur public de la santé de la province de Québec (Canada) est emblématique des défis que pose la digitalisation de la chaîne logistique. Selon le ministère de la Santé et des Services sociaux (MSSS), plus de 700 systèmes informatiques différents sont utilisés par les établissements du réseau québécois de la santé. Au début de l’année 2021, le MSSS lançait un vaste chantier informatique visant à simplifier et à intégrer ces systèmes. Cette initiative n’était pas la première. « Depuis la fin des années 1990, le ministère promet cette révolution technologique. Il a d’ailleurs essayé de la réaliser depuis plus de 20 ans en injectant près de deux milliards de dollars » (Lachance, 2021). Pourtant, l’enquête de Beaulieu et Roy (2015) menée en 2014 montrait un retard dans la gestion des données logistiques dans les établissements de santé de la province de Québec. Par exemple, le suivi de la performance des activités de gestion des stocks ou de gestion des achats était effectué avec peu d’indicateurs et au mieux quelques fois par année. Il en était de même pour la révision des paramètres de gestion des stocks de fournitures médicales aux unités de soins ou dans les entrepôts

régionaux qui était réalisée seulement au besoin. La digitalisation présente donc des occasions importantes pour améliorer la gestion de différents flux logistiques et la coordination de multiples processus normalement indépendants les uns des autres (Benzidia et al., 2021).

En considérant les investissements nécessaires afin d’opérer un tel virage (Agrawal et Narain, 2021 ; Kane et al., 2017), la digitalisation des chaînes logistiques (Queiroz et al., 2021 ; Teubner et Stockhinger, 2020) doit être réalisée de manière stratégique afin d’en maximiser les bénéfices. Il devient donc important de réaliser un diagnostic de l’état des pratiques dans les établissements de santé afin de guider le choix des décideurs (Hartley et Sawaya, 2019). Cet exercice peut être réalisé avec l’appui d’un modèle de maturité. Un tel outil vise à déterminer le déploiement des tâches, des politiques ou le niveau de leadership actuel puis d’offrir une carte routière (road map) permettant de guider les organisations dans la mise en place de telles pratiques (Lameijer et al., 2017 ; Seong Leem et al., 2008). Une telle carte routière devient nécessaire puisque les décideurs ont généralement de la difficulté à reconnaître la séquence des actions à prendre (Facchini et al., 2020). Différents modèles de maturité peuvent être utilisés pour mesurer différentes dimensions d’une organisation, incluant la maturité digitale de la chaîne logistique.

Le présent article vise à répondre à la question de recherche suivante : quel est le niveau de maturité digitale de la chaîne logistique interne des établissements de santé de la province de Québec ? Le Québec a fait l’objet de nombreux travaux de recherche dans le domaine de la logistique hospitalière (Landry et Beaulieu, 2018), mais peu d’études y ont été menées sur la maturité digitale dans ce secteur. De plus, contrairement à d’autres travaux (Kochan et al., 2018), les établissements de santé sont ciblés puisqu’ils constituent le point d’utilisation des différents produits consommés dans cette chaîne logistique. Selon ce précepte, ils sont l’ultime point d’incertitude la chaîne logistique (Christopher, 1998). Dans ces circonstances, une amélioration de la gestion de l’information à ce maillon de la chaîne pourrait avoir des effets systémiques sur les partenaires en amont (Beaulieu et Bentahar, 2021). L’administration d’un questionnaire visant à mesurer la maturité digitale des établissements de santé, développé par Snowdon (2019), sera utilisé afin de collecter les données nécessaires pour répondre à la question de recherche. Bien que l’étude présente un caractère exploratoire, elle permettra de diversifier les travaux de recherche sur la maturité digitale. En effet, la plupart des travaux menés jusqu’à présent ont reposé sur des études de cas ou des simulations projetant les bénéfices potentiels d’initiatives de digitalisation (Senyo et al., 2019). Autrement, ces travaux se sont déroulés majoritairement dans le secteur manufacturier (Kunovjanek et al., 2022).

Cet article présente d’abord une recension des écrits qui vise à définir les concepts de digitalisation et de maturité. La section suivante précise la méthodologie. En particulier, elle décrit les outils utilisés pour la collecte et l’analyse des données. Les résultats sont ensuite présentés et discutés. Enfin, la conclusion pourra ouvrir de nouveaux axes de recherche.

Le niveau de maturité digitale de la chaîne logistique interne des établissements de santé de la province de Québec...

1. Recension des écrits

La présente section vise d’abord à définir le concept de digitalisation, puis celui de maturité, en particulier dans le secteur de la santé.

1.1. La digitalisation

Il ne semble pas exister de définition claire de la digitalisation (Hofmann et al., 2019 ; Vial, 2019 ; Queiroz et al., 2021). Les auteurs s’entendent toutefois sur le fait qu’elle implique l’utilisation de différentes technologies d’information récentes (p. ex., cloud computing) ou plus anciennes (p. ex., les progiciels de gestion intégrés) qui permettent à une organisation d’analyser des masses de données afin d’en exploiter le plein potentiel (Benzidia et al., 2021 ; Hartley et Sawaya, 2019 ; Oliveira-Dias et al., 2022). Plus concrètement, Han et al. (2021) parlent de solutions technologiques et de fonctionnalités qui permettent l’acquisition des données, la fusion des données, de même que le soutien à la prise de décision. Pour Han et al. (2021), ces trois fonctionnalités doivent se déployer de façon séquentielle. En effet, les difficultés à acquérir aisément des données deviennent une barrière à leur fusion ou à leur exploitation. Selon Hofmann et al (2019), l’exploitation de ces données génère, entre autres, les bénéfices suivants : une plus grande personnalisation de l’offre de service, une interconnexion des partenaires de la chaîne logistique, une visibilité sur les mouvements du flux des matières et des décisions proactives aux événements.

La digitalisation soutient la gestion de la chaîne logistique puisque cette dernière doit s’appuyer sur une gestion du flux d’information (Christopher, 1998 ; Holmström et al., 2019 ; Seyedghorban et al., 2020). La digitalisation de la chaîne logistique implique une transformation qui se décline en trois axes possibles : 1) une amélioration des opérations internes des organisations, 2) un changement profond dans les relations au sein de la chaîne logistique par l’élimination de certains intermédiaires et 3) une émergence de nouvelles occasions d’affaires en offrant des réponses mieux adaptées aux besoins des consommateurs (Kim et Lee, 2021). Dans ce contexte, la digitalisation de la chaîne logistique devient le prolongement des développements dans le domaine des technologies de l’information, incluant l’échange de données informatisé (EDI) et l’automatisation de certaines activités d’entreposage dans les années 1960 et 1970, l’émergence de progiciel de gestion intégrée (PGI ou ERP) dans les années 1970 et, plus récemment, les données massives (big data) ou l’Internet des objets (Internet of things) (Herold et al., 2021).

L’idée qu’une organisation doit s’approprier les technologies qu’elle implante afin d’en tirer le plein potentiel recoupe des théories qui ont été développées voilà plusieurs décennies. Ainsi, pour Rogers (1983), les innovations technologiques s’insèrent dans un système social complexe. Il y aura des phases de négociation interne en vue de déterminer la technologie la plus appropriée selon la nature des problèmes à résoudre et la nature des investissements pour assurer une

implantation réussie (Cooper et Zmud, 1990). Ettlie (1988) met en évidence que les innovations technologiques doivent s’accompagner d’innovations administratives, le système social évoqué précédemment n’est pas juste un récepteur de la technologie, il devra lui-même s’adapter.

Gopal et al. (2019) constatent que les hôpitaux constituent des milieux qui présentent de nombreuses barrières à l’adoption générale de technologies liées à la digitalisation. Selon la théorie institutionnelle, le soutien de la haute direction constitue une dimension importante pour faciliter l’adoption de nouvelles technologies (Molinillo et Japutra, 2017). La haute direction de l’organisation a donc un rôle critique à jouer dans la digitalisation de la chaîne logistique (Kane et al., 2017 ; Jones et al., 2021 ; Queiroz et al., 2021 ; Rader, 2019). La digitalisation exige aussi des investissements considérables (Garzoni et al., 2020) et une révision des façons de faire et du rôle des acteurs (Parviainen et al., 2017). Enfin, dans le contexte de la santé, la digitalisation doit généralement être réalisée en collaboration avec les professionnels cliniques. Ces derniers doivent donc présenter des prédispositions favorisant l’exploitation de ces technologies afin d’assurer le succès de telles initiatives (Konttila et al., 2019). Schneller et Smeltzer (2006) ont noté que les cliniciens avaient déjà un rôle critique dans la performance de la chaîne logistique du secteur de la santé ; leur contribution ne peut être ignorée en ce qui a trait à sa digitalisation. Burmann et Meister (2021) notent également que les hôpitaux se démarquent des organisations traditionnelles par la diversité de leurs missions rendant plus difficiles le développement et les investissements dans un seul modèle d’affaires. Cela peut expliquer, en partie, pourquoi la haute direction des établissements manque parfois d’intérêt pour les enjeux logistiques limitant ainsi les investissements dans ce domaine (Callender et Grasman, 2010 ; Elmuti et al., 2013 ; Fibuch et Ahmed, 2015). On constate donc un déficit technologique pour les activités logistiques des établissements de santé (Plescia, 2022).

1.2. Les modèles de maturité

Les modèles de maturité cherchent à mesurer et à évaluer les compétences d’une organisation dans un domaine donné, offrant une séquence de déploiement en vue d’un redressement de la performance sur une durée de temps (Van Looy et al., 2011). Ces modèles de maturité ont émergé des travaux de Crosby en 1979 traitant de la gestion de la qualité (Tarhan et al., 2016). Depuis, différents modèles ont été développés pour mesurer la maturité d’une organisation sur différentes dimensions, par exemple, le big data (Okuyucu et Yavuz, 2020), la cybersécurité (Rabii et al., 2020), la gestion de projets (Backlund et al., 2014) ou même le Lean Six Sigma (Lameijer et al., 2017). Ces modèles sont construits autour de grandes dimensions en lien avec l’objet analysé, par exemple, les tâches effectuées, les politiques organisationnelles, la formation des employés et le leadership (Lameijer et al., 2017 ; Seong Leem et al., 2008). Chacune des dimensions se décline ensuite en de multiples variables. Pour chaque variable, le répondant évalue son degré de maîtrise qui va généralement d’une phase

Le niveau de maturité digitale de la chaîne logistique interne des établissements de santé de la province de Québec...

d’éveil jusqu’à une phase de déploiement à grande échelle en passant par une phase d’exploration (Okuyucu et Yavuz, 2020). Comme le modèle vise à évaluer le niveau d’excellence, il devient une forme de benchmarking où l’organisation peut juger de l’écart entre ses pratiques et le niveau de maturité supérieur (Seong Leem et al., 2008).

Le secteur de la santé présente des particularités qui le distinguent des autres secteurs d’activités. Entre autres, afin de mener à bien l’ensemble de ses activités, un hôpital va généralement utiliser une dizaine de systèmes d’information qui sont rarement intégrés (Wieser, 2019). Ce faible niveau d’intégration amène les gestionnaires à se questionner sur les façons de tirer le plein potentiel des systèmes existants. Pour soutenir ces efforts, une vingtaine de modèles ont été développés pour évaluer la maturité des initiatives de technologies d’information dans le secteur de la santé (Burmann et Meister, 2021). La recension des écrits menée par Hellweg et al. (2021) démontre qu’il y a toutefois peu de modèles de maturité spécifiquement dédiés à la chaîne logistique. Bvuchete et al. (2021) proposent un modèle de maturité propre à la chaîne logistique de la santé centré sur la prévision de la demande de matériel. Leur modèle de maturité se compose de six dimensions : la structure organisationnelle, la gestion de la distribution, la visibilité de la demande, la technologie, la collaboration et les ressources humaines. Malgré l’utilité de ce modèle, il semble approprié de dépasser la seule activité de prévision de la demande pour prendre en compte toute la complexité et l’incertitude reliée à la gestion de la chaîne logistique dans le secteur de la santé, incluant un nombre non-négligeable d’incidents ou d’accidents lors de la prestation de soins (Tucker et al., 2020) qui viendront distorsionner la demande naturelle (Snowdon, 2019). Un modèle de maturité sur les activités logistiques dans un établissement de santé doit donc intégrer une perspective plus holistique ce qui permettrait, du même coup, de générer des bénéfices dépassant la performance logistique de l’hôpital pour assurer une amélioration globale des opérations de l’organisation (Kim et Song, 2022). Sur cette base, Snowdon (2019) a développé un tel outil intégrant cette perspective plus holistique où l’impact des activités logistiques n’est pas uniquement considéré par la présence ou l’absence de matériel, mais aussi par la contribution potentiel à des incidents/accidents pouvant influencer la qualité de soins.

Cette recension des écrits permet de constater une évolution technologique liée à la digitalisation de la chaîne logistique. Kane et al. (2017) parlent d’un plan de déploiement à développer sur plusieurs années et qui tendra alors à se décliner en de multiples projets (Rader, 2019), incluant, entre autres, la mise à niveau du personnel (Hartley et Sawaya, 2019 ; Kane et al., 2017 ; Ostmeier et Strobel, 2022). Dans ce contexte, une carte routière peut s’avérer nécessaire pour assurer la cohérence des différentes actions à prendre (Rader, 2019). Un modèle de maturité devient un point de départ pour évaluer l’état actuel de la digitalisation de la chaîne logistique, et même de procéder à un benchmarking externe avec d’autres organisations (Hartley et Sawaya, 2019), pour ainsi guider

les gestionnaires vers une mise en œuvre cohérente des initiatives de digitalisation (Hellweg et al., 2021).

2. Méthodologie

Le présent article s’appuie sur une stratégie de collecte des données par sondage grâce à un outil d’analyse de la maturité digitale de la chaîne logistique des établissements de santé (Snowdon, 2019). L’outil de collecte a été administré auprès des établissements de santé de la province de Québec.

2.1. L’outil de collecte de données

L’outil de collecte de données prend la forme d’un questionnaire servant à mesurer la maturité digitale de la logistique des établissements de santé. En reprenant la nomenclature de Pereira et Serrano (2020), ce questionnaire a été développé en 2019, en combinant les observations provenant d’une recension des écrits et une approche pragmatique fondée sur des échanges avec les professionnels du milieu. Cette stratégie s’imposait, puisqu’il existait peu d’outils sur la maturité digitale des activités logistiques des établissements de santé (Burmann et Meister, 2021). L’outil a été testé auprès de quelques établissements de santé américains, considérés comme des précurseurs dans le domaine de la digitalisation de la chaîne logistique.

L’outil de collecte de données comporte quatre dimensions : l’automatisation, l’analyse prédictive des données, l’intégration clinique, et le leadership et la gouvernance. Ces dimensions recoupent différents constats tirés de la recension des écrits. Ainsi, les dimensions liées à l’automatisation et à l’analyse prédictive des données rejoignent les propos de Han et al. (2021) concernant les trois fonctionnalités de la digitalisation, soit l’acquisition des données, la fusion des données et le soutien à la prise de décision. L’intégration clinique est plutôt liée aux propos de Schneller et Schmeltzer (2006) qui s’articulent autour de la collaboration avec les professionnels de la santé. Enfin, l’outil de mesure aborde le leadership et la gouvernance, comme cela a été discuté dans les articles de Callender et Grasman (2010), de Elmuti et al. (2013) et de Fibuch et Ahmed (2015). Le tableau 1 inclut une description plus précise de chacune de ces dimensions de même que les thèmes abordés et le nombre de questions associées dans le questionnaire. Au total, le questionnaire contient 146 questions réparties entre ces quatre dimensions. Pour chacune des questions, le répondant doit positionner son établissement par rapport à un énoncé grâce à une échelle à cinq niveaux : capacités non mises en place, capacités minimalement mises en place, capacités passablement mises en place, capacités en grande partie mises en place et capacités entièrement mises en place.

Le niveau de maturité digitale de la chaîne logistique interne des établissements de santé de la province de Québec...

Tableau 1 – Dimensions de l’outil de maturité digitale

Nombre de questions

Thèmes

• Automatisation des commandes de réapprovisionnement des unités de soins, du lancement des commandes vers les fournisseurs, des seuils de command e et de la réception des factures des fournisseurs

• Normalisation de l’étiquetage

• Communication électronique des ruptures de stock

• Mise à jour automatique des dossiers de patient

• Base de données des contrats

• Gestion des stocks par des prévisions de la demande

• Suivi des dates de péremption des produits, des rappels de produits, des produits de consignation et des incidents-accidents déclarés

• Liaison du prix des produits aux coûts des programmes cliniques

• Prévision de la santé populationnelle

• Analyse du rendement des produits selon les alertes générées, des cartes de préférences et des événements indésirables

• Développement des budgets selon des prévisions de la demande

• Évaluation de la qualité des programmes

• Gestion proactive des risques avec la capture des données aux points d’utilisation

• Analyse prédictive et suivi des risques

• Communication des analyses de rendement

• Indicateur de performance soulevant un manque de produit, de ressources cliniques, etc.

• Normalisation du prix des produits pour l’ensemble des activi tés cliniques

• Standardisation des produits et des protocoles cliniques

• Informations partagées concernant les implants

• Conformité des contrats

• Collaboration clinico-logistique

• Priorisation d’une gestion optimisée des stocks

• Objectifs d’économie, de qualité, de sécurité et de stratégie collaborative avec les fournisseurs

• Expertise logistique est considérée

• Tableau de bord stratégique

• Suivi des coûts de rappel de produits

• Prise de décision avec des données en temps réel

• Prévision sur le parcours des patients

Description

Dimension (autre appellation)

Cette dimension est centrée sur la gestion des stocks, en particulier l’automatisation du lancement des commandes. Cette section évalue aussi la codification des produits selon des normes internationales, comme le Global Standards 1 (GS1), de même que le degré de collaboration entre les équipes logistiques et celles cliniques pour faire les suivis des produits en rupture de stock ou pour retirer les produits expirés.

Automatisation (Automatisation)

Cette dimension concerne le partage des données de consommation des produits pour prévoir la demande de soins. Ces données pourraient détecter les événements anormaux qui exigeraient de réajuster l’offre de soins de façon préventive.

Analyse prédictive des données (Données)

Cette dimension concerne l’information partagée par les cliniciens en lien avec les besoins en produits et l’évolution des services de soins. Cette dimension inclut les analyses de la consommation afin de standardiser les produits.

Intégration clinique (Intégration)

Cette dimension traite du rôle des cadres supérieurs à soutenir les efforts pour une utilisation judicieuse des données, mais aussi à exploiter les données logistiques afin de les croiser avec des informations financières, de la qualité ou de sécurité des soins. De telles analyses devraient mener à améliorer la performance clinique pour le patient.

Leadership et gouvernance (Leadership)

L’outil a été initialement développé pour une population d’établissements de santé œuvrant dans un environnement anglophone. Il a donc été traduit en français pour répondre aux particularités de la province de Québec, les chercheurs convenant qu’un tel investissement était nécessaire pour assurer un bon taux de réponse. L’outil a été traduit par un professionnel qui réalise de nombreux travaux dans le domaine de la logistique. Par la suite, la version traduite a été révisée par trois chercheurs qui totalisent plus de 20 ans d’expérience dans le domaine de la logistique, incluant la logistique hospitalière. Cette révision finale a permis d’assurer que la terminologie retenue soit bien adaptée à l’auditoire de la province de Québec.

2.2. La collecte des données

Le questionnaire a été administré par l’entremise de la Direction du génie biomédical, de la logistique et de l’approvisionnement (DGBLA) du ministère de la Santé et des Services sociaux de la province de Québec. La DGBLA définit les grandes orientations communes avec les établissements du réseau (Beaulieu et al., 2022) et assure les relations avec les autres ministères de l’appareil gouvernemental concernant les enjeux logistiques et d’approvisionnement. La missive a été acheminée à la fin du mois de mai 2021 auprès des directeurs logistiques des établissements publics de santé de la province de Québec. Ces derniers ont vu à compléter le questionnaire ce qui pouvait signifier de demander de l’information à des collègues compte tenu du caractère holistique de l’outil.

Le questionnaire a été administré par l’entremise d’un lien électronique particulier pour les 34 établissements de santé de la province de Québec. L’équipe de recherche pouvait suivre la progression des répondants à remplir leur questionnaire. Ainsi, des efforts de relance ont été faits par la DGBLA auprès de l’ensemble des répondants à la fin du mois de juin 2021. Des messages plus spécifiques ont été envoyés par les chercheurs aux établissements qui avaient commencé à remplir le questionnaire pour les encourager à poursuivre l’exercice.

Compte tenu de la période des vacances estivales, les chercheurs ont convenu de laisser aux répondants potentiels jusqu’au 31 août 2021 pour accepter des répondants potentiels. À la fin de cette période, neuf questionnaires avaient été reçus pour être analysés. Le taux de réponse est donc de 26 % (9 établissements sur 34), ce qui est conforme au taux de réponse que l’on retrouve dans les enquêtes par questionnaires dans le domaine de la gestion en prenant en compte le nombre de questions formulées (Mellahi et Harris, 2016). Nous référons à ces neuf établissements par l’entremise des lettres A à I pour respecter leur confidentialité.

2.3. Caractéristiques des établissements répondants

Le tableau 2 résume les principales caractéristiques des neuf établissements répondants, soit leur vocation, leur milieu, leur budget d’exploitations de même

Le niveau de maturité digitale de la chaîne logistique interne des établissements de santé de la province de Québec...

que le nombre d’employés et de lits. Il est possible de constater que l’échantillon inclut une diversité d’établissements. Les établissements E et F sont de plus petite taille avec 770 et 670 lits respectivement, les établissements F et H sont de taille moyenne avec 1380 et 1450 lits respectivement, tandis que les établissements A, B, C, D et I sont de plus grande taille (plus de 2500 lits). Sans égard à leur taille, les établissements œuvrent dans une diversité de milieux. L’échantillon semble donc relativement représentatif de la population des 34 établissements que compte le réseau de la santé, qui incluent une trentaine d’établissements avec des activités d’envergure par la taille de la population desservie ou leurs missions suprarégionales. On note toutefois une légère surreprésentation des établissements ayant uniquement des vocations universitaires, mais dans l’ensemble, l’échantillon est fidèle à la répartition géographique des établissements entre les grands centres urbains et les milieux semi-urbains et ruraux de même que la répartition selon la taille de l’organisation.

Tableau 2 – Caractéristiques des établissements

2.4. Analyse des données

À ce jour, les analyses produites par l’outil sur les établissements participants n’avaient qu’un caractère de diagnostic où chaque établissement voyait son positionnement en fonction des réponses fournies. Le présent exercice permet de croiser les résultats pour dégager un autre niveau d’analyse. À l’aide de Python

3.8, les données ont d’abord été prétraitées afin d’encoder les réponses sur une échelle de 1 à 5 ; 1 correspondant à capacités non mises en place et 5 correspondant à capacités entièrement mises en place. Par la suite, différentes analyses (statistiques descriptives et visualisations) ont été effectuées par dimension et/ou par établissement, encore à l’aide de Python. De plus, un regroupement additionnel a été effectué avec la dimension Leadership d’un côté et les trois autres dimensions de nature technologique de l’autre côté. Le but de ce regroupement additionnel est de faire le contraste entre les questions qui touchent la technologie et celles qui touchent le leadership, un découpage qui est cohérent avec les travaux de Jones et al. (2021) ainsi que Queiroz et al. (2021).

3. Présentation des résultats

La présentation des résultats se divise en deux parties. D’abord, un aperçu des réponses des participants à l’enquête est présenté. Par la suite, les résultats de la collecte de données sont exposés plus en détail.

3.1. Caractéristiques des réponses des établissements

Le tableau 3 rapporte, pour chaque établissement, le nombre de questions répondues, le taux de réponse de même que la moyenne et l’écart-type obtenus pour l’ensemble des questions répondues. Il est d’abord possible de constater que tous ces établissements, sauf un, ont répondu à plus de 95 % des 146 questions. L’établissement E a toutefois omis de répondre à toutes les questions portant sur l’automatisation (32 questions) en plus de 13 et 7 questions en lien avec les dimensions Données et Intégration, respectivement, ce qui explique son faible taux de réponse. On peut aussi remarquer que les établissements D et G ont obtenu les plus faibles moyennes au niveau de la moyenne de leurs réponses, soit 1,50 et 1,35, respectivement. Ces deux établissements sont pourtant assez différents. L’établissement D est à vocation universitaire et généraliste, opère en milieu urbain et possède un grand nombre de lits, alors que l’établissement G est à vocation généraliste, opère en milieu rural et a un petit nombre de lits (voir tableau 2). L’établissement G est aussi celui qui possède le plus faible budget d’exploitations. Au contraire, l’établissement F a obtenu une très forte moyenne (3,90), suivi de l’établissement A (2,78). Ces deux établissements sont aussi assez différents. L’établissement F a une vocation universitaire et est de petite taille alors que l’établissement A a une vocation généraliste et est de grande taille. Ces deux établissements ont un budget d’exploitations moyen. Il ne semble donc pas y avoir de lien clair entre les caractéristiques de l’établissement et les résultats obtenus au niveau de leur maturité digitale. Il sera donc important d’approfondir les analyses en considérant chaque dimension et chaque établissement afin de voir si des tendances se dégagent.

Tableau 3 – Caractéristiques des réponses des établissements

3.2. Synthèse des résultats de l’enquête

La figure 1 présente les résultats obtenus pour chaque dimension. Il est alors possible d’observer que les résultats obtenus pour chaque dimension sont similaires

Le niveau de maturité digitale de la chaîne logistique interne des établissements de santé de la province de Québec...

(moyenne entre 2,34 et 2,41 ; écart-type entre 1,27 et 1,38). Aucune dimension ne semble se démarquer clairement. On note toutefois que le pourcentage de questions ayant obtenu la valeur 1, correspondant à capacités non mises en place, est légèrement plus faible pour la dimension Intégration. Il semble donc que les établissements ont davantage initialisé la mise en place de cette dimension.

Figure 1 – Histogrammes des réponses par dimension

La figure 2 présente plutôt les réponses par dimension et par établissement, en plus des résultats de tous les établissements ensemble. On peut observer que l’établissement F se démarque clairement des autres établissements de l’échantillon, et ce, pour toutes les dimensions. On note que, pour ce même établissement, la dimension Automatisation obtient une moyenne plus basse que les trois autres dimensions, alors que Leadership est sa dimension la plus forte. L’établissement A se démarque aussi, bien que de manière moins marquée que l’établissement F. Comme pour ce dernier établissement, Leadership est sa dimension la plus forte. Les établissements D et G sont quant à eux en dessous de la moyenne. Leur dimension la plus forte est Automatisation. Néanmoins, les résultats obtenus pour cette dimension demeurent en dessous de la moyenne des autres établissements.

Globalement, on peut observer que la dimension la plus forte est soit Automatisation (établissements B, C, D et G), Intégration (E, H et I) ou Leadership (A et F) ; il est important de rappeler que l’établissement E n’a pas répondu à la section sur l’automatisation. Les deux établissements pour lesquels Leadership est la dimension la plus forte sont aussi les établissements avec les meilleurs résultats à tous les niveaux (établissements A et F). Parmi les quatre établissements pour lesquels Automatisation est la dimension la plus forte, deux établissements (établissements B et D) ont Leadership comme dimension la plus faible. Au niveau de la dimension la plus faible, on retrouve soit Automatisation (établissements F et H), Données (C, E, G et I), Intégration (A) ou Leadership (B et D). Ainsi, bien que globalement, aucune dimension ne se démarque réellement, il semble y avoir certains constats à faire au niveau des établissements.

Nous avons par la suite regroupé les dimensions Automatisation, Données et Intégration sous le nom de Triplet technologique pour étudier l’association entre la dimension Leadership et les dimensions de nature technologique. La figure 3 permet d’observer la relation entre les moyennes obtenues pour les dimensions Leadership et Triplet technologique pour chaque établissement. Comme illustré à la figure 3, il semble y avoir une association assez forte entre les dimensions Leadership et Triplet technologique, comme démontré par la meilleure droite et son intervalle de confiance de 95 % : plus un établissement obtient une moyenne élevée au niveau de Leadership, plus sa moyenne est élevée au niveau de Triplet technologique. L’établissement B semble toutefois hors norme. Cet établissement semble avoir une forte moyenne pour Triplet technologique malgré une moyenne plutôt basse au niveau de Leadership

Figure 2 – Moyennes des réponses par établissement et dimension, avec intervalle de confiance de 95 %

Le niveau de maturité digitale de la chaîne logistique interne des établissements de santé de la province de Québec...

Toujours en considérant les dimensions Triplet technologique et Leadership, une analyse a été faite au niveau des questions. Ainsi, la figure 4 rapporte les résultats obtenus, c’est-à-dire la moyenne et l’écart-type, pour chaque question individuellement. Les questions sont divisées en quatre cadrans, déterminés à l’aide de la moyenne des moyennes et de la moyenne des écarts-types. Il est possible d’observer que les questions en lien avec la dimension Triplet technologique sont distribuées de façon assez uniforme au travers de ces quatre cadrans. Au contraire, les questions en lien avec la dimension Leadership se retrouvent majoritairement dans les deux cadrans du haut (écart-type élevé), ce qui indique que les capacités en lien avec ces questions ont été bien mises en place dans certains établissements alors qu’elles n’ont pas été mises en place dans d’autres ; en d’autres mots, les réponses à ces questions sont assez polarisées. On remarque aussi que le cadran en bas à droite contient seulement des questions provenant de Triplet technologique. Ces questions possèdent une forte moyenne et un faible écart-type indiquant que les capacités en lien avec ces questions ont bien été mises en place dans la majorité des établissements ; les réponses à ces questions font consensus.

Figure 3 – Valeur des dimensions Leadership et Triplet technologique pour chacun des établissements, avec meilleure droite et intervalle de confiance de 95 %

4. Discussion

Les résultats présentés à la section précédente nous permettent de faire quelques constats importants. Tout d’abord, il est approprié de répondre à notre question de recherche : quel est le niveau de maturité digitale de la chaîne logistique interne des établissements de santé de la province de Québec ? Selon les résultats obtenus auprès des établissements qui ont participé à l’étude, ces derniers tendent à présenter des niveaux de maturité digitale très variables, allant de 1,35 à 3,90. La plupart des établissements obtiennent une note moyenne globale inférieure à 2,5 ce qui signifie que les capacités nécessaires à leur maturité digitale ont été minimalement ou passablement mises en place. Le niveau de maturité digitale des établissements québécois est donc globalement peu élevé. Ces résultats rejoignent les propos de Burmann et Meister (2021) concernant la difficulté des hôpitaux à déployer des initiatives de digitalisation compte tenu de la complexité de ces organisations. Sur le caractère logistique de ces initiatives, les résultats confirment les propos de Srivastava et al. (2021) et Snowdon et al (2021) quant aux lacunes historiques de la gestion du flux d’information de la chaîne logistique du secteur de la santé. L’étude de Beaulieu et Roy (2015) qui évaluait la performance logistique des établissements de santé de la province de Québec dont un volet étudiait les technologies de l’information avait fait le même constat concernant ce dernier point.

Notre analyse offre une perspective plus holistique du concept de maturité digitale de la chaîne logistique des établissements comparativement au travail de Bvuchete et al. (2021) qui avait développé un modèle de maturité centré sur la prévision de la demande de matériel pour les partenaires de la chaîne logistique du secteur de la santé. L’outil d’analyse de la maturité digitale des

Figure 4 – Moyenne et écart-type des questions, par dimension

Le niveau de maturité digitale de la chaîne logistique interne des établissements de santé de la province de Québec...

établissements de santé développé par Snowdon (2019) et utilisé dans le cadre de cet article adopte une perspective plus holistique de la logistique au sein d’un établissement de santé. Cet outil comporte quatre dimensions recoupant des volets technologiques ou organisationnels évoqués par d’autres travaux dans le domaine de la digitalisation (Han et al., 2021 ; Jones et al., 2021 ; Queiroz et al., 2021). Quand on s’intéresse à ces quatre dimensions, aucune d’elles ne se distingue clairement pour l’ensemble des établissements. Les établissements sont toutefois assez différents dans leurs réponses, comme quoi chaque établissement a tracé son propre chemin en matière de digitalisation : tous les efforts n’ont pas été concentrés sur les mêmes dimensions (voir la figure 2). Sur la base de ces résultats, il serait donc difficile de proposer une « carte routière » guidant les décideurs puisqu’aucun parcours ne semble émerger.

De façon générale, Automatisation est une dimension plus forte dans plusieurs établissements. Intuitivement, cette dimension peut s’imposer, car une organisation peut plus aisément croiser et exploiter ses données et automatiser leur capture (Han et al., 2021). Néanmoins, il est intéressant de mettre en relation cette dimension avec celle de Leadership. On note alors que deux établissements se démarquent par leur leadership. Ces derniers sont aussi ceux qui ont un niveau de maturité digitale plus élevé. Le même constat émerge lorsque l’on met en relation la dimension Leadership et les autres dimensions de nature technologique : plus un établissement obtient une moyenne élevée au niveau de Leadership, plus sa moyenne est élevée au niveau de Triplet technologique. Une hypothèse potentielle serait qu’il faille avoir un leadership fort afin de pouvoir mettre en place les capacités de nature technologique. Puisque le leadership est un soutien aux initiatives plus technologiques, il permettrait de canaliser les investissements nécessaires et d’assurer d’exploiter leur plein potentiel. Ces observations recoupent celles de Kane et al. (2017), Jones et al., (2021), Queiroz et al., 2021 ainsi que Rader (2019).

Nous avons noté qu’il ne semble pas avoir de lien clair entre les caractéristiques de l’établissement, par exemple leur vocation, leur milieu ou le nombre de lits, et leur niveau de maturité digitale. Tous les établissements, peu importe leur taille, leur vocation ou leur milieu, ont des opportunités et des défis similaires quant à la digitalisation. Néanmoins, le leadership peut devenir une variable explicative d’une plus grande maturité. En effet, les deux établissements qui ont un niveau de maturité plus élevé (A et F) ne partagent pas de caractéristiques communes, mais leur dimension la plus forte est Leadership. Si l’on revient au concept de carte routière (Hartley et Sawaya, 2019), le leadership prend alors la forme d’une condition préalable. Un établissement de santé qui entend mettre en œuvre différentes initiatives de digitalisation devrait préciser la présence d’un tel leadership avant de démarrer une telle transformation organisationnelle. Cela rejoint les propos de Jones et al. (2021) et de Queiroz et al. (2021) comme quoi la haute direction de l’organisation a un rôle critique à jouer dans la digitalisation de la chaîne logistique.

Lorsque l’on s’intéresse plus spécifiquement à l’analyse des questions, il est possible de constater que les réponses en lien avec la dimension Triplet technologique sont distribuées de façon assez uniforme : certaines capacités ont été mises en place par l’ensemble des établissements (moyenne élevée, écart-type faible), d’autres capacités ont été mises en place par peu d’établissements (moyenne faible, écart-type faible) alors que d’autres capacités ont été mises en place de façon variable (écart-type élevé) peu importe le niveau de déploiement (moyenne faible ou élevée). De ces résultats, on voit se dessiner un parcours à suivre au niveau technologique pour un établissement qui souhaiterait augmenter son niveau de maturité digitale. En effet, certaines capacités semblent incontournables et à la portée de tous. Une organisation qui entreprend des projets de digitalisation pourrait donc concentrer ses premiers efforts sur la mise en place de ses capacités. Au contraire, certaines capacités sont peu déployées. On peut présumer qu’elles présentent des défis importants pour tous les établissements. Pour les autres capacités, il en revient aux gestionnaires d’établir les priorités en fonction des orientations stratégiques puisque toutes les initiatives ne peuvent être menées de front. Certaines capacités plus aisées à implanter peuvent être les premiers projets à mettre de l’avant afin de créer une séquence de transformations de l’organisation (Rader, 2019).

Enfin, les réponses aux questions en lien avec la dimension de Leadership présentent majoritairement des écarts-types élevés, ce qui indique que les capacités liées au leadership n’ont pas été mises en place de manière uniforme. Ainsi, selon nos propos précédents, bien que cette dimension soit importante, il est difficile de la caractériser de façon précise pour aider les décideurs. Elle demeure une dimension intuitive. Dans ce cas encore, on peut présumer que certains établissements ont misé sur le leadership et la gouvernance, alors que d’autres ont déployé leurs efforts ailleurs. Les établissements québécois étudiés semblent donc choisir des chemins ou une séquence d’actions différentes vers la digitalisation qui ont mené à des niveaux de maturité variables.

Conclusion

La digitalisation est un thème qui interpelle presque tous les secteurs d’activités et pour lequel le milieu académique accorde un intérêt depuis quelques années (Oztemel et Gursev, 2020 ; Senyo et al., 2019 ; Vial, 2019). Cependant, entre les intentions et leur application, il peut exister un écart. À cet effet, nous recourons à un outil de mesure de la maturité digitale de la chaîne logistique interne d’un établissement de la santé développé par Snowdon (2019), et qui dépasse les seules dimensions technologiques (Han et al., 2021) habituellement étudiées dans le secteur de la santé (Burmann et Meister, 2021). Cet outil intègre aussi une dimension associée au leadership organisationnel (Jones et al.,2021 ; Queiroz et al.,2021). L’outil offre donc une perspective plus holistique de la logistique dépassant les considérations plus traditionnelles telles que la prévision de la demande (Bvuchete et al., 2021). Cette perspective holistique ouvre de nouveaux horizons d’intervention pour la logistique dans un établissement de santé.

Le niveau de maturité digitale de la chaîne logistique interne des établissements de santé de la province de Québec...

Cet article offre des retombées pour les professionnels du milieu de la santé. Il réitère l’importance du leadership. Bien que nos résultats exigent des précisions supplémentaires, les gestionnaires peuvent s’inspirer des travaux de Rogers (1983) qui voit l’organisation comme un système social où ses acteurs cherchent à résoudre des problèmes en vue d’un objectif commun et dans cette optique la technologie serait là pour résoudre des problèmes (Cooper et Zmud, 1990). Dans cette perspective, le rôle de la haute direction n’est pas de prioriser les technologies à déployer, mais les problèmes à résoudre. Dans un milieu aussi complexe qu’un établissement de santé où le pouvoir est diffus entre différentes partiesprenantes (Glouberman et Mintzberg, 2001), ce leadership devient critique. Par son caractère exploratoire, cette étude a toutefois des limites qui ouvrent simultanément de nouveaux axes de recherche. D’abord, notre article se concentre sur les relations entre les grandes dimensions. Il y aurait lieu de poursuivre les analyses au niveau des thèmes de chacune des dimensions (voir tableau 1) afin de mieux cerner leur dynamique et leur hiérarchie. La poursuite des analyses permettrait de cibler des niveaux de maturité qui génèrent un impact positif pour l’organisation. La seconde limite tient au fait que notre échantillon est composé de neuf établissements provenant d’un seul milieu, la province de Québec, ce qui restreint la généralisation des résultats. Ainsi, la diversification des milieux de recherche permettrait de vérifier si le retard associé à certains établissements de la province de Québec est propre à cet environnement ou s’il est présent ailleurs. Une autre limite concerne l’interprétation des questions et de l’échelle de réponse qui peut varier d’un répondant à l’autre. Cette interprétation peut biaiser la comparaison des différents établissements. Finalement, cette étude transversale ne mesure l’état de la maturité qu’à un temps donné. Elle ne permet pas de reproduire la chronologie de la mise en œuvre des différentes dimensions ni de répondre à des questions de cause à effet. Afin de combler cette limite, il serait aussi intéressant d’effectuer une étude longitudinale pour étudier de quelle façon s’effectue la digitalisation des établissements de santé de la province de Québec et comprendre si tous les établissements suivent la même chronologie. Une observation qui rejoint les pistes futures de recherche formulées par Ostmeier et Strobel (2022).

Bibliographie

AGRAWAL P., NARAIN R. (2021), “Analysis of Enablers for the Digitalization of Supply Chain Using an Interpretive Structural Modelling Approach”, International Journal of Productivity and Performance Management , https://doi.org/10.1108/

IJPPM-09-2020-0481

BACKLUND F., CHRONÉER D., SUNDQVIST E. (2014), “Project Management

Maturity Models – A Critical Review: A Case Study within Swedish Engineering and Construction Organizations”, Procedia – Social and Behavioral Sciences , Vol. 119, p. 837-846.

BEAULIEU M., ROY J., REBOLLO C., LANDRY S. (2022), “The Management of Personal Protective Equipment During the COVID-19 Pandemic: The Case of the Province of Quebec”, Healthcare Management Forum, Vol. 35, n° 2, p. 48-52.

BEAULIEU M., BENTAHR O. (2021), “Digitalization of the Healthcare Supply Chain: A Roadmap to Generate Benefits and Effectively Support Healthcare Delivery”, Technological Forecasting and Social Change, Vol. 167, https://doi. org/10.1016/j.techfore.2021.120717.

BEAULIEU M., ROY J. (2015), « Benchmarking de la gestion des achats et des stocks en milieu hospitalier : une démarche canadienne », Logistique & Management , Vol. 23, n° 3, p. 17-27.

BENZIDIA S., MAKAOUI N., BENTAHAR O. (2021), “The Impact of Big Data Analytics and Artificial Intelligence on Green Supply Chain Process Integration and Hospital Environmental Performance”, Technological Forecasting and Social Change, Vol. 165, https://doi.org/10.1016/j.techfore.2020.120557

BOHMER R.M.J., PISANO G.P., SADUM R., TSAI T.C. (2020), “How Hospitals Can Manage Supply Shortages as Demand Surges”, April 3, www.hbr.org.

BURMANN A., MEISTER S. (2021), “Practical Application of Maturity Models in Healthcare: Findings from Multiple Digitalization Case Studies”, Proceedings of the 14th International Joint Conference on Biomedical Engineering Systems and Technologies – HEALTHINF, p. 100-110.

BVUCHETE M., GROBBELAAR S.S., VAN EEDEN J. (2021), “A Network Maturity Mapping Tool for Demand-Driven Supply Chain Management: A Case for the Public Healthcare Sector”, Sustainability, Vol. 13, n° 21, DOI:10.3390/su132111988

CALLENDER C., GRASMAN S.E. (2010), “Barriers and Best Practices for Material Management in the Healthcare Sector”, Engineering Management Journal, Vol. 22, n° 4, p. 11-19.

CHRISTOPHER M. (1998), Logistics and Supply Chain Management , Prentice Hall, London.

COOPER R.B., ZMUD R.W. (1990), “Information Technology Implementation Research: A Technological Diffusion Approach”, Management Science, Vol. 36, n° 2, p. 123-139.

CROSBY P. (1979), Quality is Free, McGraw-Hill, New York.

ELMUTI D., KHOURY G., OMRAN O., ABOU-ZAID A . (2013), “Challenges and Opportunities of Health Care Supply Chain Management in the United States”, Health Marketing Quarterly, Vol. 30, n° 2, p. 128-143.

ETTLIE J.E. (1988), Taking Charge of Manufacturing, San Francisco, JosseyBass Publishers.

FACCHINI F., OLEŚKÓW-SZŁAPKA J., RANIERI L., URBINATI A . (2020), “A Maturity Model for Logistics 4.0: An Empirical Analysis and a Roadmap for Future Research”, Sustainability, Vol. 12, n° 1, DOI: 10.3390/su12010086

Le niveau de maturité digitale de la chaîne logistique interne des établissements de santé de la province de Québec...

FIBUCH E., AHMED A. (2015), “Health Care’s Supply Chain: Issues to Consider”, Physician Leadership Journal, Vol. 2, n° 6, p. 26-30.

GARZONI A., DE TURI I., SECUNDO G., DEL VECCHIO P. (2020), “Fostering Digital Transformation of SMEs: A Four Levels Approach”, Management Decision, Vol. 58 No. 8, p. 1543-1562.

GLOUBERMAN S., MINTZBERG H. (2001), “Managing the Care of Health and the Cure of Disease--Part I: Differentiation”, Health care Management Review, Vol. 26, n° 1, p. 56-89.

GOPAL G., SUTER-CRAZZOLARA C., TOLDO L., EBERHARDT W. (2019), “Digital Transformation in Healthcare – Architectures of Present and Future Information Technologies”, Clinical Chemistry and Laboratory Medicine , Vol. 57, n° 3, p. 328-335.

HAN L., HOU H., BI Z.M., YANG J., ZHENG X. (2021), “Functional Requirements and Supply Chain Digitalization in Industry 4.0”, Information Systems Frontiers, https://doi.org/10.1007/s10796-021-10173-1

HARTLEY J.L., SAWAYA W.J. (2019), “Tortoise, not the Hare: Digital Transformation of Supply Chain Business Processes”, Business Horizons, Elsevier, Vol. 62, n° 6, p. 707-715.

HELLWEG F., LECHTENBERG S., HELLINGRATH B., TAVARES THOMÉ A.M. (2021), “Literature Review on Maturity Models for Digital Supply Chains”, Brazilian Journal of Operations & Production Management , Vol. 18, n° 3, https:// doi.org/10.14488/BJOPM.2021.022

HEROLD D.M., ĆWIKLICKI M., PILCH K., MIKL J. (2021), “The Emergence and Adoption of Digitalization in the Logistics and Supply Chain Industry: An Institutional Perspective”, Journal of Enterprise Information Management , Vol. 34, n° 6, p. 1917-1938.

HOFMANN E., STERNBERG H., CHEN H., PFLAUM A., PROCKL G . (2019), “Supply Chain Management and Industry 4.0: Conducting Research in the Digital Age”, International Journal of Physical Distribution & Logistics Management , Vol. 49, n° 10, p. 945-955.

HOLMSTRÖM J., HOLWEG M., LAWSON B., PIL F.K., WAGNER S.M. (2019), “The Digitalization of Operations and Supply Chain Management: Theoretical and Methodological Implications”, Journal of Operations Management , Vol. 65, n° 8, p. 728-734.

HUT N. (2020), “Reimagining the Healthcare Supply Chain to Bolster Resilience and Efficiency”, Healthcare Financial Management , Vol. 74, n° 9, p. 24-29.

JONES M.D., HUTCHESON S., CAMBA J.D. (2021), “Past, Present, and Future Barriers to Digital Transformation in Manufacturing: A Review”, Journal of Manufacturing Systems, Vol. 60, p. 936-948

N°9 - Décembre 2022

KANE G.C., PALMER D., NGUYEN-PHILLIPS A., KIRON D., BUCKLEY N. (2017), “Achieving Digital Maturity”, MIT Sloan Management Review, Vol. 59, n°1.

KIM H.K., LEE C.W. (2021), “Relationships among Healthcare Digitalization, Social Capital, and Supply Chain Performance in the Healthcare Manufacturing Industry”, International Journal of Environmental Research and Public Health, Vol. 18, n° 4, 1417.

KIM S.H., SONG H . (2022), “How Digital Transformation Can Improve Hospitals’ Operational Decisions”, https ://hbr.org/2022/01/how-digital-transformation-can-improve-hospitals-operational-decisions, January 18.

KOCHAN C.G., NOWICKI D.R., SAUSER B.J., RANDALL W.S. (2018), “Impact of Cloud-based Information Sharing on Hospital Supply Chain Performance: A System Dynamics Framework”, International Journal of Production Economics, Vol. 195, p. 168-185.

KONTTILA J., SIIRA H., KYNGÄS H., LAHTINEN M., ELO S., KÄÄRIÄINEN M., KAAKINEN P., OIKARINEN A., YAMAKAWA M., FUKUI S., UTSUMI M., HIGAMI Y., HIGUCHI A., MIKKONEN K. (2019), “Healthcare Professionals’ Competence in Digitalisation: A Systematic Review”, Journal of Clinical Nursing, Vol. 28, n° 5-6, p. 745-761.

KUNOVJANEK M., KNOFIUS N., REINER G. (2022), “Additive Manufacturing and Supply Chains – A Systematic Review”, Production Planning & Control, Vol. 33, n° 13, p. 1231-125.

LACHANCE N. (2021), « Informatisation du réseau de la santé : nouveau projet monstre après 2G$ et 20 ans d’échecs », Journal de Québec , 1er février. https ://www.journaldequebec.com/2021/02/01/ nouveau-projet-monstre-apres-2-g-et-20-ans-dechecs

LAMEIJER B.A., DE MAST J., DOES R.J.M.M. (2017), “Lean Six Sigma Deployment and Maturity Models: A Critical Review”, Quality Management Journal, Vol. 24, n° 4, p. 6-20.

LANDRY S., BEAULIEU M. (2018), « Formulation et mise en œuvre d’une stratégie logistique hospitalière : un exemple d’industrialisation », Management & Avenir Santé, Vol. 3, n°1, p. 31-48.

MELLAHI K., HARRIS L.C. (2016), “Response Rates in Business and Management Research: An Overview of Current Practice and Suggestions for Future Direction”, British Journal of Management , Vol. 27, n° 2, p. 426-437.

MOLINILLO S., JAPUTRA A. (2017), “Organizational Adoption of Digital Information and Technology: A Theoretical Review”, The Bottom Line, Vol. 30, n° 1, p. 33-46.

OKUYUCU A., YAVUZ N. (2020), “Big Data Maturity Models for the Public Sector: A Review of State and Organizational Level Models”, Transforming Government : People, Process and Policy, Vol. 14, n° 4, p. 681-699.

Le niveau de maturité digitale de la chaîne logistique interne des établissements de santé de la province de Québec...

OLIVEIRA-DIAS D., MAQUEIRA-MARÍN J.M., MOYANO-FUENTES J. (2022), “The Link Between Information and Digital Technologies of Industry 4.0 and Agile Supply Chain: Mapping Current Research and Establishing New Research Avenues”, Computers & Industrial Engineering, Vol. 167, DOI: 10.1016/j. cie.2022.108000

OSTMEIER E., STROBEL M. (2022), “Building Skills in the Context of Digital Transformation : How Industry Digital Maturity Drives Proactive Skill Development”, Journal of Business Research, Vol. 139, p. 718-730.

OZTEMEL E., GURSEV S . (2020), “Literature Review of Industry 4.0 and Related Technologies”, Journal of Intelligent Manufacturing, Vol. 31, n° 1, p. 127-182.

PARVIAINEN P., TIHINEN M., KÄÄRIÄINEN J., TEPPOLA S. (2017), “Tackling the Digitalisation Challenge : How to Benefit from Digitalisation in Practice”, International Journal of Information Systems and Project Management , Vol. 5, n°1, p. 63-77.

PEREIRA R., SERRANO J. (2020), “A Review of Methods Used on IT Maturity Models Development : A Systematic Literature Review and a Critical Analysis”, Journal of Information Technology, Vol. 35, n° 2, p. 161-178.

PLESCIA M. (2022), “Basement to Boardroom : Why Supply Chain Leaders Need a Higher Profile”, https ://www.beckershospitalreview.com/finance/2kpmg-execs-weigh-in-on-healthcare-companies-underinvestment-in-digitaltech-supply-chain.html, January 6th.

QUEIROZ M.M., PEREIRA S.C.F., TELLES R., MACHADO M.C. (2021), “Industry 4.0 and Digital Supply Chain Capabilities : A Framework for Understanding Digitalisation Challenges and Opportunities”, Benchmarking : An International Journal, Vol. 28, n° 5, p. 1761-1782.

RABII A., ASSOUL S., KHADIJA O.T., ROUDIES O. (2020), “Information and Cyber Security Maturity Models : A Systematic Literature Review”, Information and Computer Security, Vol. 28, n° 4, p. 627-644.

RADER D. (2019), “Digital maturity – the new competitive goal”, Strategy & Leadership, Vol. 47, n° 5, p. 28-35.

ROGERS E.M. (1983), Diffusion of Innovations (3rd ed.), New York, Free Press.

SCHNELLER E.S., SMELTZER L.R. (2006), Strategic Management of the Health Care Supply Chain, San Francisco, Jossey-Bass.

SENYO P.K., LIU K., EFFAH J. (2019), “Digital Business Ecosystem : Literature Review and a Framework for Future Research”, International Journal of Information Management , Vol. 47, p. 52-64.

SEONG LEEM C., WAN KIM B., JUNG YU E., HO PAEK M. (2008), “Information Technology Maturity Stages and Enterprise Benchmarking : An Empirical Study”, Industrial Management & Data Systems, Vol. 108, n° 9, p. 1200-1218.

N°9 - Décembre 2022

SEYEDGHORDAN Z., TAHERNEJAD H., MERITON R., GRAHAM G. (2020), “Supply Chain Digitalization : Past, Present and Future”, Production Planning & Control, Vol. 31, n° 2-3, p. 96-114.

SNOWDON A., SAUNDERS M., WRIGHT A. (2021), “Key Characteristics of a Fragile Healthcare Supply Chain : Learning from a Pandemic”, Healthcare Quarterly, vol. 24, n° 1.-

SNOWDON A. (2019), A Clinically Integrated Outcomes Strategy for Health Systems Globally, HIMSS, Windsor.

SRIVASTAVA S., GARG D., AGARWAL A. (2021), “A Step Towards Responsive Healthcare Supply Chain Management: An Overview”. In SINGARI R.M., MATHIYAZHAGA K., KUMAR H. (eds), Advances in Manufacturing and Industrial Engineering, Lecture Notes in Mechanical Engineering, Springer.

TARHAN A., TÜRETKEN O., REIJERS H.O. (2016), “Business Process Maturity Models: A Systematic Literature Review”, Information and Software Technology, Vol. 75, p. 122-134.

TEUBNER R.A., STOCKHINGER J. (2020), “Literature review : Understanding Information Systems Strategy in the Digital Age”, Journal of Strategic Information Systems, Vol. 29, n° 4, https://doi.org/10.1016/j.jsis.2020.101642

TUCKER A.L., ZHENG S., GARDNER J.W., BOHN R.E. (2020), “When Do Workarounds Help or Hurt Patient Outcomes? The Moderating Role of Operational Failures”, Journal of Operations Management , Vol. 66, n° 1-2, p. 67-90.

VAN LOOY A., DE BACKER M., POES G. (2011), “Defining Business Process Maturity. A Journey Towards Excellence”, Total Quality Management & Business Excellence, Vol. 22, n° 11, p. 1119-1137.

VIAL G. (2019), “Understanding Digital Transformation: A Review and a Research Agenda”, Journal of Strategic Information Systems , Vol. 28, n° 2, p. 118-144.

WIESER P. (2019), « Le supply chain management de la santé (health supply chain management) au regard de l’entreprise digitale », in BENTAHAR O., BENZIDIA S., Supply Chain Management de la Santé , Éditions EMS, Caen, p. 279-295.