Améliorer le leadership dans les services de santé au Canada
Notice bibliographique
Résumé
Building Better Health Care Leadership for Canada explains the development and implementation of the Executive Training in Research Application (EXTRA) program. Managed and funded by the Canadian Health Services Research Foundation in partnership with the Canadian Medical Association, the Canadian Nursing Association, and the Canadian College of Health Care executives, EXTRA is a two-year national fellowship program that uses the principles of adult learning theory as well as practical projects to educate senior health care leaders in making more consistent use of research evidence in their management roles. Fellows apply the theory learned in residency sessions and educational activities to projects within their home organizations. The authors identify the imperative for better use of evidence, outline the core elements of the curriculum, and capture the real-world experience of regional leaders and fellows involved in making specific changes informed by research-based evidence within their organization. Contributors include Jean-Louis Denis (École nationale d'administration publique), Terrence Sullivan (Cancer Care Ontario), Owen Adams (Canadian Medical Association), Malcolm Anderson (Queen's University), Lynda Atack, Robert Bell (University Health Network), Sam G Campbell (Queen Elizabeth II Health Sciences Centre), Sylvie Cantin (Régie régionale de la santé et des services sociaux de la Montérégie), Ward Flemons (Calgary Health Region), Dorothy Forbes, J. Sonja Glass (Grey Bruce Health Services), Paula Goering (Centre for Addiction & Mental Health, Toronto), Karen Golden-Biddle (Boston University School of Management), Jeffrey S. Hoch (University of Toronto), Paul Lamarche (Université de Montréal), Ann Langley (École des hautes études commerciales), John N. Lavis (McMaster University), Jonathan Lomas (Canadian Health Services Research Foundation), Margo Orchard (Ministry of Health and Long Term Care, Ontario), Raynald Pineault (University of Montreal), Brian D. Postl (Winnipeg Regional Health Authority), Christine Power (Capital District Health Authority, Halifax), Trish Reay (University of Alberta), Jean Rochon (National Public Health Institute of Quebec), Denis A. Roy (Agence de la santé et des services sociaux de la Montérégie Longueuil), Andrea Seymour (Government of New Brunswick), Samuel B. Sheps (University of British Columbia), Micheline Ste-Marie (McGill University Health Centre), Nina Stipich (Canadian Health Services Research Foundation), David Streiner (Baycrest Centre for Geriatric Care, Toronto), Carl Taillon (Centre hospitalier universitaire de Québec), and Muriah Umoquit (Cancer Care Ontario).
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 | 0,006 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,012 | 0,005 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».