A landscape analysis of leadership training in postgraduate medical education training programs at the University of Ottawa
Notice bibliographique
Résumé
BACKGROUND: There is growing recognition of the importance of physician leadership in healthcare. At the same time, becoming an effective leader requires significant training. While educational opportunities for practicing physicians exist to develop their leadership skills, there is a paucity of leadership opportunities for post graduate trainees. In response to this gap, both the Royal College of Physicians and Surgeons of Canada and the Association of Faculties of Medicine of Canada have recommended that leadership training be considered a focus in Post Graduate Medical Education (PGME). However, post-graduate leadership curricula and opportunities in PGME training programs in Canada are not well described. The goal of this study was to determine the motivation for PGME leadership training, the opportunities available, and educational barriers experienced by PGME programs at the University of Ottawa. METHODS: An electronic survey was distributed to all 70 PGME Program Directors (PDs) at the University of Ottawa. Two PDs were selected, based on strong leadership programs, for individual interviews. RESULTS: The survey response rate was 55.7%. Seventy-seven percent of responding PDs reported resident participation in leadership training as being "important," while only 37.8% of programs incorporated assessment of resident leadership knowledge and/or skills into their PGME program. Similarly, only 29.7% of responding residency programs offered chief resident leadership training. CONCLUSIONS: While there is strong recognition of the importance of training future physician leaders, the nature and design of PGME leadership training is highly variable. These data can be used to potentially inform future PGME leadership training curricula.
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 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,023 | 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 ».