The Integration of Clinical and Research Training: How and Why MD–PhD Programs Work
Notice bibliographique
Résumé
For over 60 years, MD-PhD programs have provided integrated clinical and research training to produce graduates primed for physician-scientist careers. Yet the nature of this integrated training is poorly characterized, with no program theory of MD-PhD training to guide program development or evaluation. The authors address this gap by proposing a program theory of integrated MD-PhD training applying constructs from cognitive psychology and medical education. The authors argue that integrated physician-scientist training requires development of at least three elements in trainees: cognitive synergy, sense of self, and professional capacity. First, integrated programs need to foster the cognitive ability to synergize and transfer knowledge between the clinical and research realms. Second, integrated programs need to facilitate development of a unique and emergent identity as a physician-scientist that is more than the sum of the individual roles of physician and scientist. Third, integrated programs should develop core competencies unique to physician-scientists in addition to those required of each independently. The authors describe how programs can promote development of these elements in trainees, summarized in a logic model. Activities and process measures are provided to assist institutions in enhancing integration. Specifically, programs can enact the proposed theory by providing tailored MD-PhD curricula, personal development planning, and a supportive community of practice. It is high time to establish a theory behind integrated MD-PhD training as the basis for designing interventions and evaluations to develop the foundations of physician-scientist expertise.
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 | 0,028 | 0,199 |
| 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 | 0,006 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».