Defining Core Competencies and Training Priorities for Infectious Disease Dynamics as a Discipline
本研究は、e-デルファイ・プロセスを用いて、横断的スキル、応用モデリング、および理論的スキルの合意集合を検証することにより、感染症ダイナミクスにおける博士レベルの専門性に向けたコア・コンピテンシーの初の構造化された枠組みを確立するものであり、それによって、当該分野におけるカリキュラム開発および研修生の評価のための標準化されたガイドを提供するものである。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは査読を受けていないプレプリントのAI生成解説です。医学的助言ではありません。この内容に基づいて健康上の判断をしないでください。 免責事項の全文を読む
感染症の動態（インフェクシャス・ディジーズ・ダイナミクス）という、単に誰が病気になったかを追跡するだけでなく、なぜ病気が広がるのか、そしてどのようにしてそれを阻止できるのかを説明するための数学的な物語を構築することに捧げられた科学分野を想像してみてください。この分野は、過去20年間で急速に成長し、公衆衛生当局にとって不可欠なツールとなりました。それは生物学、数学、コンピュータサイエンスの交差点に位置しており、ウイルスや細菌の挙動をシミュレートするために複雑な計算を用いています。長い間、この分野で働く人々は、数学者であったり、生物学者や統計学者であったりと、さまざまなバックグラウンドからやってきており、それぞれが独自のやり方で技術を学んできました。彼らはしばしば、指導者の特定の関心に導かれてきました。このトレーニングに関する単一の地図が存在しなかったため、新しい専門家のスキルや知識は、大学ごとに大きく異なっていました。世界が重大な健康危機に直面する中で、これらのモデルに対する一貫した高品質な理解へのニーズが高まり、ある研究グループに、ある根本的な問いを投げかけさせました。すなわち、「科学者がこの分野の専門家であるためには、正確には何を理解していなければならないのか？」という問いです。
これに答えるため、ユタ大学の7人の研究者チームは、感染症の動態における博士課程レベルのトレーニングに必要な中核的スキルを定義するために着手しました。彼らは単に重要性を推測したわけではありません。彼らは、より広い科学界との慎重かつ構造化された対話を通じて、フレームワークを構築しました。まず、チームは一般的な科学的習慣から特定の数学的手法に至るまで、あらゆるものを網羅した膨大なスキルの候補リストを作成しました。次に、世界中の43人の専門家を招き、これらのアイデアを検討してもらいました。これらの専門家は、アカデミア、政府、ヘルスケアを含む多様なセクターから集まり、分野内の異なる専門領域を代表していました。研究者たちは、少なくとも70％のグループがそのスキルが不可欠であると感じるという強い合意を目指し、各スキルを重要度の尺度に基づいて評価するよう専門家に依頼しました。
プロセスには2回のフィードバックが含まれており、専門家が自らの見解を洗練させ、合意に達することを可能にしました。最終的に、数十個提案された元のリストは、焦点を絞った29個の中核的なコンピテンシーへと削減されました。これらは主に3つのグループに整理されました。第1のグループは「横断的コンピテンシー」と呼ばれ、特定の焦点に関わらず、すべての専門家に必要であると全員が同意した7つのスキルが含まれています。これらのスキルは、科学文献を読み解き批判する能力、文章や視覚資料を通じて複雑な概念を明確に伝える能力、そして自身の研究が現実世界の保健政策にどのように適用されるかを説明する能力に関わるものです。第2のグループは「応用モデリング」に焦点を当て、アウトブレイクの予測や備えの計画の指針となるような、公衆衛生上の問題を解決するためのモデルを構築する人々のための10のスキルを含んでいます。第第三のグループは「理論」を中心とし、モデル自体の数学的基礎を開発し、基礎となる方程式が健全であり、複雑な問題を解決できる能力を確保するための12のスキルを対象としています。
研究者たちは、専門家たちが何が最も重要であるかについて非常に明確であることを発見しました。最終的なリストは、特定のソフトウェアツールの習熟度や、出版プロセスをナビゲートするといった職業的なメカニズムよりも、深い概念的理解や、モデルの背後にある仮定を評価する能力を優先しました。例えば、チームは当初、訓練生は論文のための適切なジャーナルを選ぶ方法やプロジェクトの予算を管理する方法を知っておくべきだと提案していましたが、専門家たちは、これらはこの分野に特有のものではなく、この学問の核心的な知的アイデンティティの中心的なものではないと判断しました。同様に、健康の公平性（ヘルス・エクイティ）は極めて重要なトピックですが、専門家たちはそれを教えるための単一の硬直した手順については合意に至りませんでした。代わりに、彼らは、公平性の概念は、モデルの構築とテストにすでに組み込まれている「集団内の変異を理解する」という一般的な原則を通じて教えられるのが最適であると結論付けました。
この研究の注目すべき成果の一つは、データサイエンスのための特定のトラックを削除するという決定でした。チームは当初、データサイエンティストのための別個のスキルセットを含めたいと考えていましたが、その特定の領域において合意に達するための十分な数の専門家を集めることができませんでした。その結果、最終的なフレームワークは、応用モデリングと理論という2つの主要な経路に焦点を絞っています。研究者たちは、このフレームワークが完成品ではなく、出発点であることを認めています。これは、今日のこの分野における専門性の定義に関する共通の合意を表していますが、新しい手法や課題が生じるにつれて進化していくことを彼らは期待しています。これらの期待を明文化することで、本研究は、大学がより優れたトレーニングプログラムを設計し、学生が何を学ぶ必要があるかを理解するのを助け、そして明日の科学者たちが、厳密さと明晰さを持って、複雑で変化し続ける感染症の情勢に取り組む準備ができていることを確実にすることを目指しています。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。