The Need for an Executive Leadership Curriculum in Scientist-Clinician Training Programs
Notice bibliographique
Résumé
The health of Canadians depends on effective leadership among health care providers to facilitate the translation of new health discoveries into clinical practice. Clinician-scientists play an important role in bridging the gap between research and clinical practice, and require effective leadership skills to advance clinical practice successfully. To accelerate the leadership development in clinician scientist trainees, with the aim of developing strong leaders in administration and health advocacy, the Leaders in Medicine (LIM) training program at the University of Calgary created an Executive Leadership Coaching Program involving three phases: 1) an evidence-based evaluation tool, the Core Values IndexTM (CVI), that was used to identify the key drivers behind how individuals can be most effective in making their contribution; 2) small group workshops to debrief the results of the CVI assessment; and 3) one-on-one executive coaching sessions to facilitate the discovery, development and deployment of individual leadership capabilities. Coaching in leadership strategies enables clinician-scientist trainees to lead, influence, manage and deliver science-based improvements into the practice of medicine. We strongly recommend that other Canadian scientist-clinician training programs consider opportunities like the ones we offer to our LIM trainees. This training has important implications for the delivery of healthcare in Canada.
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 | 0,060 | 0,102 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,013 | 0,004 |
| Communication savante | 0,010 | 0,005 |
| Science ouverte | 0,005 | 0,010 |
| Intégrité de la recherche | 0,005 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,002 |
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 ».