Defining Core Competencies and Training Priorities for Infectious Disease Dynamics as a Discipline
Cette étude établit le premier cadre structuré de compétences clés pour l'expertise de niveau doctoral en dynamique des maladies infectieuses en utilisant un processus e-Delphi afin de valider un ensemble consensuel de compétences transversales, appliquées à la modélisation et théoriques, fournissant ainsi un guide normalisé pour le développement de programmes d'études et l'évaluation des stagiaires dans l'ensemble du domaine.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA d'un preprint qui n'a pas été évalué par des pairs. Ce n'est pas un avis médical. Ne prenez pas de décisions de santé basées sur ce contenu. Lire la clause de non-responsabilité complète
Imaginez un champ de la science dédié à la compréhension de la manière dont les maladies se propagent au sein des populations, non pas seulement en suivant qui tombe malade, mais en construisant des récits mathématiques qui expliquent pourquoi la maladie se propage et comment elle pourrait être arrêtée. Ce domaine, connu sous le nom de dynamique des maladies infectieuses, s'est développé rapidement au cours des vingt dernières années, devenant un outil vital pour les responsables de la santé publique. Il se situe à l'intersection de la biologie, des mathématiques et de l'informatique, utilisant des calculs complexes pour simuler le comportement des virus et des bactéries. Pendant longtemps, les personnes travaillant dans ce domaine arrivaient de contextes très divers — certains étaient mathématiciens, d'autres biologistes ou statisticiens — et apprenaient leur métier de manières uniques, souvent guidés par les intérêts spécifiques de leurs mentors. Comme il n'existait pas de carte unique pour cette formation, les compétences et les connaissances des nouveaux experts variaient considérablement d'une université à l'autre. Alors que le monde faisait face à des crises sanitaires majeures, le besoin d'une compréhension cohérente et de haute qualité de ces modèles est devenu urgent, incitant un groupe de chercheurs à poser une question fondamentale : que doit exactement savoir un scientifique pour être un expert dans cette discipline ?
Pour répondre à cela, une équipe de sept chercheurs de l'Université de l'Utah s'est donné pour mission de définir les compétences de base requises pour une formation de niveau doctoral en dynamique des maladies infectieuses. Ils ne se sont pas contentés de deviner ce qui était important ; ils ont construit un cadre grâce à une conversation structurée et minutieuse avec la communauté scientifique élargie. D'abord, l'équipe a élaboré une longue liste de compétences potentielles, couvrant tout, des habitudes scientifiques générales aux techniques mathématiques spécifiques. Ils ont ensuite invité quarante-trois experts du monde entier à examiner ces idées. Ces experts provenaient de secteurs divers, incluant le milieu universitaire, le gouvernement et les soins de santé, et représentaient différentes spécialités au sein du domaine. Les chercheurs ont demandé à ces experts d'évaluer chaque compétence sur une échelle d'importance, visant un accord solide où au moins soixante-dix pour cent du groupe estimait qu'une compétence était essentielle.
Le processus comprenait deux cycles de rétroaction, permettant aux experts d'affiner leurs points de vue et de parvenir à un consensus. Finalement, la liste originale de dizaines de compétences proposées a été réduite à un ensemble ciblé de vingt-neuf compétences fondamentales. Celles-ci ont été organisées en trois groupes principaux. Le premier groupe, appelé compétences transversales, comprenait sept compétences que les experts jugeaient nécessaires pour tout le monde, quel que soit le domaine de spécialisation. Ces compétences impliquent la capacité de lire et de critiquer la littérature scientifique, de communiquer clairement des idées complexes par l'écrit et le visuel, et d'expliquer comment leur travail s'applique aux politiques de santé réelles. Le deuxième groupe se concentrait sur la modélisation appliquée, contenant dix compétences destinées à ceux qui construisent des modèles pour résoudre des problèmes de santé publique immédiats, tels que la prévision d'épidémies ou l'orientation des plans de préparation. Le troisième groupe se concentrait sur la théorie, avec douze compétences pour ceux qui développent les fondements mathématiques des modèles eux-mêmes, garantissant que les équations sous-jacentes sont rigoureuses et capables de résoudre des problèmes complexes.
Les chercheurs ont constaté que les experts étaient très clairs sur ce qui importait le plus. La liste finale a privilégié la compréhension conceptuelle profonde et la capacité d'évaluer les hypothèses sous-jacentes à un modèle plutôt que la maîtrise d'outils logiciels spécifiques ou de mécanismes professionnels comme la gestion du processus de publication. Par exemple, bien que l'équipe ait suggéré initialement que les doctorants devraient savoir choisir la revue appropriée pour leurs articles ou gérer des budgets de projet, les experts ont décidé que ces éléments n'étaient pas propres au domaine et n'étaient pas centraux à l'identité intellectuelle fondamentale de la discipline. De même, bien que l'équité en santé soit un sujet critique, les experts ne se sont pas accordés sur un ensemble de étapes rigides pour l'enseigner. Au lieu de cela, ils ont conclu que le concept d'équité est mieux enseigné à travers le principe général de la compréhension de la variation dans les populations, qui est déjà tissé dans les compétences de base de la construction et du test de modèles.
Un résultat notable de l'étude fut la décision de supprimer une piste spécifique pour la science des données. Bien que l'équipe ait initialement espéré inclure un ensemble de compétences distinct pour les spécialistes des données, elle n'a pas pu rassembler suffisamment d'experts dans ce domaine spécifique pour atteindre un consensus. En conséquence, le cadre final se concentre sur deux voies principales : la modélisation appliquée et la théorie. Les chercheurs reconnaissent que ce cadre est un point de départ, et non un produit fini. Il représente un accord partagé sur ce qui définit l'expertise dans le domaine aujourd'hui, mais ils s'attendent à ce qu'il évolue à mesure que de nouvelles méthodes et de nouveaux défis apparaîtront. En rendant ces attentes explicites, l'étude vise à aider les universités à concevoir de meilleurs programmes de formation, à aider les étudiants à comprendre ce qu'ils doivent apprendre, et à garantir que les scientifiques de demain soient préparés à affronter le paysage complexe et changeant des maladies infectieuses avec rigueur et clarté.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.