Improving laboratory quality and capacity through leadership and management training: Lessons from Zambia 2016–2018
Notice bibliographique
Résumé
BACKGROUND: Competent leadership and management are imperative for delivering quality laboratory services; however, few laboratory managers receive job-specific training in organisational management and leadership. OBJECTIVE: To develop and evaluate participants' competencies in organisational leadership and management as measured through learner and laboratory quality improvement assessments. METHODS: This professional development programme employed a mentored, blended learning approach, utilising in-person didactic and online training, with the practical application of a capstone project in the laboratories. Programme impact was evaluated through a series of pre- and post-laboartory assessments using the Stepwise Laboratory Improvement Process Towards Accreditation checklist, as well as learner-competency assessments through online quizzes and discussions. RESULTS: From 2016 to 2018, 31 managers and quality officers from 16 individual laboratories graduated from the programme having completed capstone projects addressing areas in the entire laboratory testing process. Laboratories increased their compliance with the International Organization for Standardization 15189 standard and all but two laboratories significantly increased their accreditation scores. Two laboratories gained three stars, two laboratories gained two stars, and five laboratories gained one star. Five laboratories subsequently achieved International Organization for Standardization 15189 accreditation in 2019. CONCLUSION: This programme taught leadership theory to laboratory managers and allowed them to implement leadership and management practices in the laboratory setting. Programmes such as this complement existing laboratory quality management training programmes such as Strengthening Laboratory Management Toward Accreditation.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».