Defining Core Competencies and Training Priorities for Infectious Disease Dynamics as a Discipline
Diese Studie etabliert durch die Nutzung eines e-Delphi-Verfahrens zur Validierung eines Konsenssatzes aus fachübergreifenden, angewandten Modellierungs- und theoretischen Fähigkeiten den ersten strukturierten Rahmen für Kernkompetenzen auf Promotionsniveau im Bereich der Dynamik von Infektionskrankheiten und stellt damit einen standardisierten Leitfaden für die Curriculumsentwicklung und die Bewertung von Trainees in diesem Fachbereich bereit.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen
Stellen Sie sich ein wissenschaftliches Feld vor, das sich dem Verständnis widmet, wie Krankheiten durch Populationen wandern – nicht nur indem man verfolgt, wer krank wird, sondern indem man mathematische Geschichten konstruiert, die erklären, warum sich die Krankheit ausbreitet und wie sie gestoppt werden könnte. Dieses Feld, bekannt als Dynamik infektiöser Krankheiten (infectious disease dynamics), ist in den letzten zwanzig Jahren rasant gewachsen und zu einem unverzichtbaren Werkzeug für die öffentliche Gesundheit geworden. Es steht an der Schnittstelle von Biologie, Mathematik und Informatik und nutzt komplexe Berechnungen, um das Verhalten von Viren und Bakterien zu simulieren. Lange Zeit kamen die Menschen, die in diesem Bereich arbeiteten, aus vielen verschiedenen Hintergründen – einige waren Mathematiker, andere Biologen oder Statistiker – und sie erlernten ihr Handwerk auf einzigartige Weise, oft geleitet durch die spezifischen Interessen ihrer Mentoren. Da es keine einheitliche Landkarte für diese Ausbildung gab, variierten die Fähigkeiten und Kenntnisse neuer Experten von Universität zu Universität erheblich. Als die Welt mit großen Gesundheitskrisen konfrontiert wurde, wurde der Bedarf an einem konsistenten, qualitativ hochwertigen Verständnis dieser Modelle dringend, was eine Gruppe von Forschern dazu veranlasste, eine fundamentale Frage zu stellen: Was genau muss ein Wissenschaftler wissen, um ein Experte in dieser Disziplin zu sein?
Um dies zu beantworten, setzte sich ein Team von sieben Forschern der University of Utah zusammen, um die Kernkompetenzen zu definieren, die für eine Promotion in der Dynamik infektiöser Krankheiten erforderlich sind. Sie raten nicht einfach, was wichtig sei; sie entwickelten einen Rahmen durch einen sorgfältigen, strukturierten Dialog mit der breiteren wissenschaftlichen Gemeinschaft. Zuerst entwarf das Team eine lange Liste potenzieller Fähigkeiten, die von allgemeinen wissenschaftlichen Gewohnheiten bis hin zu spezifischen mathematischen Techniken reichten. Dann luden sie dreiundvierzig Experten aus der ganzen Welt ein, diese Ideen zu prüfen. Diese Experten stammten aus unterschiedlichen Sektoren, darunter Wissenschaft, Regierung und Gesundheitswesen, und repräsentierten verschiedene Fachgebiete innerhalb des Feldes. Die Forscher baten diese Experten, jede Fähigkeit auf einer Skala der Wichtigkeit zu bewerten, mit dem Ziel eines starken Konsenses, bei dem mindestens siebzig Prozent der Gruppe eine Fähigkeit als essenziell empfanden.
Der Prozess umfasste zwei Runden des Feedbacks, die es den Experten ermöglichten, ihre Ansichten zu verfeinern und einen Konsens zu erreichen. Am Ende wurde die ursprüngliche Liste mit Dutzenden vorgeschlagener Fähigkeiten auf einen fokussierten Satz von neunundzwanzig Kernkompetenzen reduziert. Diese wurden in drei Hauptgruppen unterteilt. Die erste Gruppe, genannt übergreifende Kompetenzen (cross-cutting competencies), umfasste sieben Fähigkeiten, bei denen sich alle Experten einig waren, dass sie für jeden notwendig seien, unabhängig von seinem spezifischen Schwerpunkt. Diese Fähigkeiten betreffen die Fähung, wissenschaftliche Literatur zu lesen und zu kritisieren, komplexe Ideen durch Schreiben und Visualisierung klar zu kommunizieren sowie zu erklären, wie die eigene Arbeit auf die reale Gesundheitspolitik Anwendung findet. Die zweite Gruppe konzentrierte sich auf die angewandte Modellierung (applied modeling) und enthielt zehn Fähigkeiten für diejenigen, die Modelle bauen, um unmittelbare gesundheitspolitische Probleme zu lösen, wie etwa die Vorhersage von Ausbrüsten oder die Gestaltung von Vorsorgeplänen. Die dritte Gruppe konzentrierte sich auf die Theorie (theory) mit zwölf Fähigkeiten für diejenigen, die die mathematischen Grundlagen der Modelle selbst entwickeln, um sicherzustellen, dass die zugrunde liegenden Gleichungen fundiert und in der Lage sind, komplexe Probleme zu lösen.
Die Forscher stellten fest, dass sich die Experten sehr klar darüber einig waren, was am wichtigsten ist. Die endgültige Liste priorisierte ein tiefes konzeptionelles Verständnis und die Fähigkeit, die Annahmen hinter einem Modell zu bewerten, gegenüber der Beherrschung spezifischer Software-Tools oder professioneller Abläufe wie dem Navigieren durch den Publikationsprozess. Zum Beispiel schlugen die Forscher anfangs vor, dass Auszubildende wissen sollten, wie man das richtige Journal für ihre Arbeiten auswählt oder Projektbudgets verwaltet, doch die Experten entschieden, dass dies nicht einzigartig für das Feld sei und nicht zum zentralen intellektuellen Kern der Disziplin gehöre. Ebenso war sich die Gruppe nicht einig, dass die Gesundheitsgerechtigkeit (health equity) ein fester Bestandteil der Ausbildung sein müsse; stattdessen kamen sie zu dem Schluss, dass das Konzept der Gerechtigkeit am besten durch das allgemeine Prinzip des Verständnisses von Variationen in Populationen gelehrt wird, welches bereits in die Kernkompetenzen des Bauens und Testens von Modellen eingewoben ist.
Ein bemerkenswertes Ergebnis der Studie war die Entscheidung, einen spezifischen Pfad für Data Science zu streichen. Obwohl das Team ursprünglich hoffte, einen separaten Satz von Fähigkeiten für Data Scientists einzubeziehen, konnte es nicht genügend Experten in diesem speziellen Bereich versammeln, um einen Konsens zu erreichen. Infolgedessen konzentriert sich der endgültige Rahmen auf zwei Hauptpfade: angewandte Modellierung und Theorie. Die Forscher räumen ein, dass dieser Rahmen ein Ausgangspunkt und kein fertiges Produkt ist. Er stellt eine gemeinsame Vereinbarung darüber dar, was die Expertise in diesem Feld heute definiert, aber sie erwarten, dass er sich mit neuen Methoden und Herausforderungen weiterentwickeln wird. Durch die Explizitmachung dieser Erwartungen zielt die Studie darauf ab, Universitäten bei der Gestaltung besserer Ausbildungsprogramme zu unterstützen, Studenten zu helfen zu verstehen, was sie lernen müssen, und sicherzustellen, dass die Wissenschaftler von morgen bereit sind, die komplexen, sich wandelnden Landschaften infektiöser Krankheiten mit Gründlichkeit und Klarheit anzugehen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.