The Impact of Leadership Training Programs on Physicians in Academic Medical Centers
Notice bibliographique
Résumé
PURPOSE: To identify the impact of leadership training programs at academic medical centers (AMCs) on physicians' knowledge, skills, attitudes, behaviors, and outcomes. METHOD: In 2011, the authors conducted a systematic review of the literature, identifying relevant studies by searching electronic databases (MEDLINE, EMBASE, CINAHL, Cochrane Central Register), scanning reference lists, and consulting experts. They deemed eligible any qualitative or quantitative study reporting on the implementation and evaluation of a leadership program for physicians in AMCs. Two independent reviewers conducted the review, screening studies, abstracting data, and assessing quality. RESULTS: The authors initially identified 2,310 citations. After the screening process, they had 11 articles describing 10 studies. Three were controlled before-and-after studies, four were before-and-after case series, and three were cross-sectional surveys. The authors did not conduct a meta-analysis because of the methodological heterogeneity across studies. Although all studies were at substantial risk of bias, the highest-quality ones showed that leadership training programs affected participants' advancement in academic rank (48% versus 21%, P=.005) and hospital leadership position (30% versus 9%, P=.008) and that participants were more successful in publishing papers (3.5 per year versus 2.1 per year, P<.001) compared with nonparticipants. CONCLUSIONS: The authors concluded that leadership programs have modest effects on outcomes important to AMCs. Given AMCs' substantial investment in these programs, rigorous evaluation of their impact is essential. High-quality studies, including qualitative research, will allow the community to identify which programs are most effective.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».