10 min with Mr Jeff Mainland, Executive Vice-President of the Hospital for Sick Children, Toronto, Ontario, Canada
Notice bibliographique
Résumé
### Biography Mr Jeff Mainland, BSc, MBA is the Executive Vice-President at the Hospital for Sick Children in Toronto, Ontario, Canada. He has nearly 20 years of experience in leadership at Canadian paediatric academic health centres. Starting his career in Nuclear Medicine, Mr Mainland gained invaluable clinical experience working with patients and their families. He has since held several leadership roles in the public sector, including Executive Officer at the Office of the Chief Coroner, and Chief of Staff to the Deputy Premier for the Province of Ontario. Mr Mainland is an accomplished healthcare leader with extensive experience in quality improvement, patient safety, strategy, operations and communications. My key leadership messages are: (1) pursue and embrace the power of partnerships and collaboration, (2) strive for progress over perfection, (3) become comfortable leading through ambiguity and (4) consider data as one of your biggest assets in decision-making. Leaders have had to become more comfortable with ambiguity throughout the pandemic. For example, policy directions and the science around COVID-19 have been at times unclear. With the prevalence of social media, there is constant speculation and innuendo circulating. What we have had to learn is that decision-making needs to remain flexible and processes need to remain nimble. We will not always have perfect solutions and answers readily available during these times of uncertainty. We have had to make decisions based of the best information and data that are available at the time and recognise that things may not be perfect. The Hospital for Sick Children (SickKids) is striving to become a data-driven enterprise. When possible, I use data to inform my decisions and ensure they are communicated transparently to our staff. For example, at the beginning of the COVID-19 pandemic, there was significant uncertainty over personal protective equipment (PPE) supply. We developed a dashboard of …
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 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 ».