MétaCan
Menu
Retour à la cohorte
Enregistrement W4387878409 · doi:10.1002/lrh2.10399

Enrichment of core competencies to maximize health system impact: An analysis of an embedded research training program

2023· article· en· W4387878409 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueLearning Health Systems · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensInstitute for Clinical Evaluative SciencesUniversity of TorontoSt. Michael's HospitalInstitute of Health Services and Policy Research
Organismes subventionnairesMemorial University of NewfoundlandUniversity of Toronto
Mots-clésMentorshipMedical educationDyadCore competencyPsychologySupervisorExperiential learningCareer developmentMedicinePedagogyManagement

Résumé

récupéré en direct d'OpenAlex

Abstract Introduction The Health System Impact (HSI) Fellowship is an embedded research training program that aims to prepare doctoral trainees and postdoctoral fellows for stronger career readiness and greater impact as emerging leaders within and beyond the academy, including in learning health systems (LHS). The program supports fellows to develop 10 leadership and research competencies that comprise the Enriched Core Competency Framework in Health Services and Policy Research through a combination of experiential learning, mentorship, and professional development training. This study tracks competency development of HSI fellows over time and examines fellows' perspectives on which program design elements support their competency development. Methods A competency assessment tool developed for the program was independently completed by 95 postdoctoral and 36 doctoral fellows (self‐assessments) and their respective 203 dyad (academic and health system) supervisors in the 2017 to 2019 program cohorts, who independently rated the strength of fellows' 10 competencies at baseline and several points thereafter. Competency strength ratings were analyzed to understand change over time and differences in ratings across groups (between fellows' sex, supervisor type, and supervisor vs. fellow). Program design element ratings were examined to understand perspectives on their contribution toward fellows' competency development. Results Fellows' competency strength significantly improved in all 10 domains over time, based on independent assessments by the fellows and their dyad supervisors. Supervisors tended to rate the fellows' competency strength higher than the fellows did. Differences in competency ratings between male and female fellows (self‐assessments) and between academic and health system supervisors were either negligble or not significant. Fellows identified all nine program design elements as enriching their competency development. Conclusion The HSI Fellowship provides an opportunity for fellows to develop the full suite of enriched core competencies and to prepare a cadre of emerging leaders with the skills and experience to contribute to the advancement of LHS.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,338
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0150,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,009
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,210
Tête enseignante GPT0,532
Écart entre enseignants0,321 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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