MétaCan
Menu
Retour à la cohorte
Enregistrement W2338294695 · doi:10.3138/jmvfh.3659

Leading change in Canadian military medicine: determinants of success, 1685–2016

2016· article· en· W2338294695 sur OpenAlexaffvenueabout
Robert C. Engen, Allan English

Notice bibliographique

RevueJournal of Military Veteran and Family Health · 2016
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth and Conflict Studies
Établissements canadiensQueen's UniversityRoyal Military College of Canada
Organismes subventionnairesnon disponible
Mots-clésPublic relationsBest practiceMilitary medicineMilitary healthPolitical scienceMilitary personnelBusinessHealth careLaw

Résumé

récupéré en direct d'OpenAlex

Success in military force health protection has more to do with the creation of systems of knowledge, efficient organizations, and command responsibility for the implementation of best practices than it does with the development of novel medical technologies or treatments. To achieve success, military leaders, both commanders and senior medical personnel, must be able to lead change effectively to create these systems in their organizations. Even in recent times, military forces have suffered crippling preventable losses when public health best practices were not implemented properly. Yet at various times in Canadian history, certain military leaders achieved noteworthy success in force health protection by systemic implementation of best practices. This article uses concepts articulated in Canadian Armed Forces leadership publications, especially those related to institutional and strategic leadership, as the analytical framework to assess which determinants of military medical leadership might still be applicable today.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,185
Score d'incertitude au seuil0,582

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,115
Tête enseignante GPT0,436
Écart entre enseignants0,321 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Military Veteran and Family HealthMême sujetHealth and Conflict StudiesTravaux en français237 207