Effect of Professional Background and Gender on Residents’ Perceptions of Leadership
Notice bibliographique
Résumé
PURPOSE: To examine the impact of professional background and gender of a resuscitation team leader on residents' perceptions of leadership skills. METHOD: The authors video-recorded a scripted, simulated resuscitation scenario twice, with either a male or a female team leader. They copied each video and labeled the leader as physician (MD) or nurse practitioner (NP), creating 4 conditions: female NP, female MD, male NP, or male MD. The authors recruited resident participants from 5 specialties at 4 institutions; they randomly assigned residents to view one version of the video and rate the team leader's performance using the Ottawa Crisis Resource Management Global Rating Scale (Ottawa CRM) in an online survey. The authors conducted 2-way ANOVA to examine interactions between team leader gender and profession on Ottawa CRM ratings. RESULTS: One hundred sixty residents responded (89 females, 71 males). A statistically significant main effect of team leader gender on residents' ratings was found in 2 of the 6 Ottawa CRM domains, leadership (F1,156 = 6.97, P = .009) and communication skills (F1,156 = 8.53, P = .004), due to lower ratings for female than male leaders (5.29 ± 0.95 vs 5.74 ± 1.17; 5.05 ± 1.20 vs 5.57 ± 1.06). There was no effect of profession on ratings and no significant interaction between profession and gender of the team leader on ratings for any of the domains. CONCLUSIONS: These findings indicate bias among residents against females as team leaders. Mitigating such bias is essential to successfully establish shared leadership models in health care.
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 | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 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 ».