An Approach to Leadership Development and Patient Safety and Quality Improvement Education in the Context of Professional Identity Formation in Pre-Clinical Medical Students
Notice bibliographique
Résumé
ObjectivesLeadership and patient safety and quality improvement (PSQI) are recognized as essential parts of a physician's role and identity, which are important for residency training. Providing adequate opportunities for undergraduate medical students to learn skills related to these areas, and their importance, is challenging.MethodsThe Western University Professional Identity Course (WUPIC) was introduced to develop leadership and PSQI skills in second-year medical students while also aiming to instill these topics into their identities. The experiential learning portion was a series of student-led and physician-mentored PSQI projects in clinical settings that synthesized leadership and PSQI principles. Course evaluation was done through pre/post-student surveys and physician mentor semi-structured interviews.ResultsA total of 108 of 188 medical students (57.4%), and 11 mentors (20.7%), participated in the course evaluation. Student surveys and mentor interviews illustrated improved student ability to work in teams, self-lead, and engage in systems-level thinking through the course. Students improved their PSQI knowledge and comfort levels while also appreciating its importance.ConclusionThe findings from our study suggest that undergraduate medical students can be provided with an enriching leadership and PSQI experience through the implementation of faculty-mentored but student-led groups at the core of the curricular intervention. As students enter their clinical years, their first-hand PSQI experience will serve them well in increasing their capacity and confidence to take on leadership roles.
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 | 0,019 | 0,001 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».