The Nature of Excellent Clinicians at an Academic Health Science Center
Notice bibliographique
Résumé
PURPOSE: To understand the nature of excellent clinicians at an academic health science center by exploring how and why excellent clinicians achieve high performance. METHOD: From 2008 to 2010, the authors conducted a qualitative study using a grounded theory approach. Members of the Clinical Advisory Committee in the Department of Pediatrics at the University of Toronto nominated peers whom they saw as excellent clinicians. The authors then conducted in-depth interviews with the most frequently nominated clinicians. They audio-recorded and transcribed the interviews and coded the transcripts to identify emergent themes. RESULTS: From interviews with 13 peer-nominated, excellent clinicians, a model emerged. Dominant themes fell into three categories: (1) core philosophy, (2) deliberate activities, and (3) everyday practice. Excellent clinicians are driven by a core philosophy defined by high intrinsic motivation and passion for patient care and humility. They refine their clinical skills through two deliberate activities-reflective clinical practice and scholarship. Their high performance in everyday practice is characterized by clinical skills and cognitive ability, people skills, engagement, and adaptability. CONCLUSIONS: A rich theory emerged explaining how excellent clinicians, driven by a core philosophy and engaged in deliberate activities, achieve high performance in everyday practice. This theory of the nature of excellent clinicians provides a holistic perspective of individual performance, informs medical education, supports faculty career development, and promotes clinical excellence in the culture of academic medicine.
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 | 0,008 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 | 0,003 |
| 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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».