Identifying leadership in medical trainees: evaluation of a competency-based approach
Notice bibliographique
Résumé
BACKGROUND: As medical professional roles diversify, it is essential to understand what makes effective medical leaders. This study develops and validates a medical leadership competency framework that can be used to develop and evaluate leaders across all levels of medical organisations. METHOD: In Phase One, the authors derived desired leadership traits and behaviours in the medical context from a panel of subject matter experts (SMEs). Traits and behaviours were then combined into multifaceted competencies which were ranked and further refined through evaluation with additional SMEs. In Phase Two, the final seven competencies were evaluated with 181 medical trainees and 167 supervisors between 2017 and 2018 to determine the validity of rapid-form and long-form leadership assessments of medical trainees. Self and supervisor reports of the seven competencies were compared with validated trait and leadership behaviour measures as well as clinical performance evaluations. RESULTS: The final seven leadership competencies were: Ethical and Social Responsibility, Civility, Self-Leadership, Team Management, Vision and Strategy, Creativity and Innovation, and Communication and Interpersonal Influence. Results demonstrate initial validity for rapid-form and long-form leadership evaluations; however, perceptions of good leadership may differ between trainees and supervisors. Further, negative leadership behaviours (eg, incivility) are generally not punished by supervisors and some positive leadership behaviours (eg, ethical leadership) were associated with poor leadership and clinical performance evaluations by supervisors. Supervisor perceptions of leadership were significantly driven by trainee scores on social boldness (a facet of extraversion). CONCLUSIONS: A multicompetency framework effectively evaluates leadership in medicine. To more effectively reinforcepositive leadership behaviours and discourage negative leadership behaviours in medical students and resident physicians, we recommend that medical educators:: (1) Use validated frameworks to build leadership curriculum and evaluations. (2) Use short-term and long-term assessment tools. (3) Teach assessors how to evaluate leaders and encourage positive leadership behaviours early in training.
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 | 0,027 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».