Residents’ perspectives: Does the Saudi general surgery residency training program apply CanMEDS competencies and prepare future leaders?
Notice bibliographique
Résumé
BACKGROUND: This study investigates leadership skills and Canadian Medical Education Directives for Specialists (CanMEDS) competencies acquisition within the General Surgery Residency Training Program (GSRTP). The Saudi Commission for Health Specialties (SCFHS) incorporates the CanMEDS Competency Framework into its curriculum to prepare the resident for healthcare needs. METHODS: This is a descriptive-analytical study. A questionnaire was used to collect data from 117 General Surgery residents (GS) at seven institutes in Jeddah, Saudi Arabia. RESULTS: The GS residents reported an acceptable self-perceived level of Clinical Leadership Skills (mean ± standard deviation). The most dominant skill was working with others (1.98 ± 1.03), followed by demonstrating personal qualities (2.07 ± 0.88), the ability to manage services (2.21 ± 1.37), improving services (2.22 ± 1.84) and last, setting directions (2.39 ± 0.95). Regarding the CanMEDS competencies, the respondents showed a generally positive perception with an "agree" level (Mean = 1.83). Of the CanMEDS competency roles, Collaborator ranked first followed by Professional and then Communicator. Leader competency ranked fourth followed by Health Advocate, Medical Expert and last, Scholar. CONCLUSION: The GSRTP residents showed satisfactory self-assessed clinical leadership skills and acquirement of the CanMEDS competencies during their training, which will prepare them to lead in the future.
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 | 0,005 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».