Discipline-specific competency-based curricula for leadership learning in medical specialty training
Notice bibliographique
Résumé
Purpose Doctors play a central role in leading improvements to healthcare systems. Leadership knowledge and skills are not inherent, however, and need to be learned. General frameworks for medical leadership guide curriculum development in this area. Explicit discipline-linked competency sets and programmes provide context for learning and likely enhance specialty trainees' capability for leadership at all levels. The aim of this review was to summarise the scholarly literature available around medical specialty-specific competency-based curricula for leadership in the post-graduate training space. Design/methodology/approach A systematic literature search method was applied using the Medline, EMBASE and ERIC (education) online databases. Documents were reviewed for a complete match to the research question. Partial matches to the study topic were noted for comparison. Findings In this study, 39 articles were retrieved in full text for detailed examination, of which 32 did not comply with the full inclusion criteria. Seven articles defining discipline-linked competencies/curricula specific to medical leadership training were identified. These related to the areas of emergency medicine, general practice, maternal and child health, obstetrics and gynaecology, pathology, radiology and radiation oncology. Leadership interventions were critiqued in relation to key features of their design, development and content, with reference to modern leadership concepts. Practical implications There is limited discipline-specific guidance for the learning and teaching of leadership within medical specialty training programmes. The competency sets identified through this review may aid the development of learning interventions and tools for other medical disciplines. Originality/value The findings of this study provide a baseline for the further development, implementation and evaluation work required to embed leadership learning across all medical specialty training programmes.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».