How to be a good clerk on the clinical teaching team: a scoping review
Notice bibliographique
Résumé
Background: As medical institutions shift towards Competency Based Education, more effort is being directed towards understanding how healthcare teams' function competently. While many have studied the competencies required to be a successful clerk, few have examined this question within the context of team function and integration. Our primary objective is to identify how medical clerks successfully integrate and contribute to clinical teaching teams. Methods: We performed a scoping review of the literature using the Ovid MEDLINE database. Data was extracted and thematically analysed in accordance with Arksey and O'Malley's (2005) approach to descriptive analysis. Results: Out of 1368 papers returned by our search, 12 studies were included in this review. Seven main themes were identified amongst the included studies: (1) Communication (2) Taking Responsibility and Appropriate Autonomy (3) Humility and Knowing When to Ask for Help (4) Identity as a Team Member, (5) Self-Efficacy (6) Rapport and Relationship Building (7) Patient Advocacy. Conclusion: Analysis of these themes revealed four major findings: (i) The importance of documentation skills and communication towards team contribution (ii) The important connection between professional identity development and self-efficacy (iii) The impact of rapport on the reciprocity of trust between team members (iv) The role of clerks as patient advocates is poorly understood. This review also illustrates that there is a relative dearth of literature in this area. Future studies are needed to develop clear guidance on how clerks should perform these competencies in the context of team function and integration.
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 | 0,018 | 0,083 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,023 | 0,024 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,005 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».