Defining Core Competencies and Training Priorities for Infectious Disease Dynamics as a Discipline
本研究通过利用 e-Delphi 法验证了一套由交叉学科、应用建模及理论技能组成的共识集，建立了首个针对传染病动力学博士级专业能力的结构化框架，从而为该领域的课程开发和受训者评估提供了标准化指南。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
想象一下这样一个科学领域，它致力于理解疾病如何在人群中传播，不仅是通过追踪谁生病了，更是通过构建数学故事来解释疾病为何扩散以及如何可能将其阻止。这个被称为传染病动力学（infectious disease dynamics）的领域在过去二十年里迅速发展，成为了公共卫生官员的重要工具。它处于生物学、数学和计算机科学的交汇点，利用复杂的计算来模拟病毒和细菌的行为。长期以来，该领域的研究人员来自许多不同的背景——有些是数学家，有些是生物学家或统计学家——他们以独特的方式学习他们的技艺，通常受到其导师特定兴趣的引导。由于缺乏统一的培训地图，不同大学培养出的新专家的技能和知识差异巨大。随着世界面临重大的健康危机，对这些模型进行一致且高质量理解的需求变得紧迫，这促使一群研究人员提出了一个根本性的问题：一名科学家究竟应该具备哪些知识，才能成为该学科的专家？
为了回答这个问题，犹他大学的一个由七名研究人员组成的团队着手定义传染病动力学博士级培训所需的核核心技能。他们并非仅仅凭直觉猜测什么重要，而是通过与更广泛的科学界进行仔细、有结构的对话来建立一个框架。首先，该团队起草了一份涵盖从一般科学习惯到特定数学技术的长长的潜在技能清单。随后，他们邀请了来自世界各地的43位专家来评审这些想法。这些专家来自学术界、政府和医疗保健等不同部门，并代表了该领域内的不同专业领域。研究人员要求这些专家根据重要性对每项技能进行评分，目标是达成至少70%的专家认为某项技能至关重要的强共识。
这一过程涉及两轮反馈，允许专家们完善观点并达成共识。最终，最初由数十项拟定技能组成的名单被精简为一套由29项核心胜任力组成的聚焦集合。这些胜任力被分为三个主要组别。第一组被称为“交叉领域胜任力”，包括7项所有专家都一致认为每个人都必须具备的技能。这些技能涉及阅读和评判科学文献的能力、通过写作和视觉化手段清晰传达复杂思想的能力，以及解释其工作如何应用于现实世界卫生政策的能力。第二组侧重于“应用建模”，包含10项针对那些通过构建模型来解决紧迫公共卫生问题（如预测疫情爆发或指导准备计划）的人员的技能。第三组则以“理论”为中心，包含12项针对那些开发模型本身数学基础的人员的技能，以确保底层的方程是可靠的并能够解决复杂问题。
研究人员发现，专家们对于什么最重要有着非常明确的看法。最终的名单优先考虑了深刻的概念理解以及评估模型背后假设的能力，而非对特定软件工具的熟练程度或诸如处理出版流程等职业机制的掌握。例如，虽然团队最初建议受训者应当了解如何为论文选择合适的期刊或管理项目预算，但专家们认为这些并不属于该领域的特有内容，也不是该学科核心智力身份的核心。同样，虽然健康公平是一个至关重要的课题，但专家们并未就如何教授它达成单一、僵化的步骤达成一致。相反，他们得出结论，公平的概念最好是通过理解人群差异性的普遍原则来进行教学，而这一原则已经编织进构建和测试模型的核核心技能之中。
该研究的一个显著结果是放弃了设立专门的数据科学路径的决定。尽管团队最初希望包含一套专门针对数据科学家的技能集，但他们无法收集到足够的数据科学领域专家来达成共识。因此，最终的框架侧重于两条主要路径：应用建模和理论。研究人员承认，这一框架是一个起点，而非最终成品。它代表了目前对于该领域何为专家的共同协议，但他们预计随着新方法和新挑战的出现，它将会不断演变。通过使这些预期变得明确，这项研究旨在帮助大学设计更好的培训课程，帮助学生了解他们需要学习的内容，并确保未来的科学家能够以严谨和清晰的态度，应对传染病复杂且多变的格局。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。