Attending Physician Variability
Notice bibliographique
Résumé
PURPOSE: There is wide variability in how attending physician roles on teaching teams, including patient care and trainee learning, are enacted. This study sought to better understand variability by considering how different attendings configured and rationalized direct patient care, trainee oversight, and teaching activities. METHOD: Constructivist grounded theory guided iterative data collection and analyses. Data were interviews with 24 attending physicians from two academic centers in Ontario, Canada, in 2012. During interviews, participants heard a hypothetical presentation and reflected on it as though it were presented to their team during a typical admission case review. RESULTS: Four supervisory styles were identified: direct care, empowerment, mixed practice, and minimalist. Driven by concerns for patient safety, direct care involves delegating minimal patient care responsibility to trainees. Focused on supporting trainees' progressive independence, empowerment uses teaching and oversight strategies to ensure quality of care. In mixed practice, patient care is privileged over teaching and is adjusted on the basis of trainee competence and contextual features such as patient volume. Minimalist style involves a high degree of trust in senior residents, delegating most patient care, and teaching to them. Attendings rarely discussed their styles with the team. CONCLUSIONS: The model adds to the literature on variability in supervisory practice, showing that the four styles reflect different ways of responding to tensions in the role and context. This model could be refined through observational research exploring the impact of context on style development and enactment. Making supervisory styles explicit could support improvement of team competence.
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 | 0,003 | 0,007 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».