Public health leadership in the COVID-19 era: how does it fit? A scoping review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The COVID-19 pandemic has put a lot of pressure on all the world's health systems and public health leaders who have often found themselves unprepared to handle an emergency of this magnitude. This study aims to bring together published evidence on the qualities required to leaders to deal with a public health issue like the COVID-19 pandemic. This scoping literature review was conducted according to the Preferred Reporting Items for Systematic Reviews and Meta-Analyses extension for Scoping Reviews checklist. A search of relevant articles was performed in the PubMed, Scopus and Web of Science databases. A total of 2499 records were screened, and 45 articles were included, from which 93 characteristics of effective leadership were extrapolated and grouped into 6 clusters. The qualities most frequently reported in the articles were human traits and emotional intelligence (46.7%) and communication skills such as transparency and reliability (48.9%). Responsiveness and preparedness (40%), management skills (33.3%) and team working (35.6%) are considered by a significant percentage of the articles as necessary for the construction of rapid and effective measures in response to the emergency. A considerable proportion of articles also highlighted the need for leaders capable of making evidence-based decisions and driving innovation (31.1%). Although identifying leaders who possess all the skills described in this study appears complex, determining the key characteristics of effective public health leadership in a crisis, such as the COVID-19 pandemic, is useful not only in selecting future leaders but also in implementing training and education programmes for the public health workforce.
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.
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 | 0,009 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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 découle