Embracing relational competencies in applying the LEADS framework for health-care leaders in transformational change and the COVID-19 pandemic
Notice bibliographique
Résumé
PURPOSE: The purpose of this paper is to assess the extent to which the LEADS Framework guided health-care leaders through organizational change and the COVID-19 pandemic in a western Canadian province. DESIGN/METHODOLOGY/APPROACH: A qualitative exploratory inquiry assessed the extent to which health leaders applied competencies that aligned with the LEADS Framework. A purposeful sample of 22 health-care leaders participated in the study representing senior, mid-level and front-line health-care leaders in various health-care organizations to ensure diverse representation of leader competencies. The authors conducted semi-structured interviews to collect the data and used Braun and Clarke's (2006) six-phase approach to guide data analysis. FINDINGS: The analysis suggests that health-care leaders found Engaging with Others and Developing Coalitions were the most critical themes of the LEADS Framework for change management and for navigating the COVID-19 pandemic. Findings reveal that during transformational change and a crisis context, leaders embrace relational approaches to adapt and improve performance in dynamic organizations. PRACTICAL IMPLICATIONS: These findings have implications for a relational approach to improve teamwork and decrease emotional strain; a focus on mobilizing and sharing power with nurses; and educational programs to advance relational and self-management skills, shared leadership, communication, change management, human resource and talent development as critical learning components for current and future health-care leaders. ORIGINALITY/VALUE: The LEADS Framework is used to examine how health-care leaders responded to transformational change in the organization while situated in a pandemic context.
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 | 0,014 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| 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 ».