Living, Leading & Medicine: A two‐tiered leadership development programme for family medicine residents
Notice bibliographique
Résumé
BACKGROUND: There is increasing awareness of the necessity and importance for physician leadership in health care. Despite this, formal leadership training is not widespread in medical education. APPROACH: We describe the structure, curriculum and development of a robust two-tiered leadership development programme within a community-based family medicine residency programme. Living, Leading & Medicine (LLM, tier 1) consists of nine 2.5-h discussion-based training sessions occurring thrice annually. The Advanced Leadership Track (ALT, tier 2) includes mentoring, additional readings, personal evaluations and leadership projects. EVALUATION: We used post-session surveys and exit surveys for LLM and ALT, respectively. We utilised the modified Kirkpatrick framework for programme evaluation to present outcomes from the first 3 years for each tier. Over three quarters (40 out of 53) of residents participated in LLM sessions. The post-session survey response rate for LLM was 95% (124 out of 130 participants). Eighteen out of 33 residents (54.5%) completed the ALT. Of these, 72% (13 of 18) returned exit surveys. Residents found the programme valuable and relevant (Kirkpatrick level 1). Residents demonstrated improvements in leadership knowledge and skills (3.85 v. 3.11, p < 0.0001; Kirkpatrick level 2) compared with an internal, historic control group. We noted changes in resident behaviour and attitudes towards leadership (Kirkpatrick level 3). Finally, the completion of leadership projects demonstrates Kirkpatrick level 4 outcomes. IMPLICATIONS: We have created a longitudinal, two-tiered leadership development programme that has improved the leadership capabilities of our family medicine residents.
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 | 0,017 | 0,006 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».