Abstract
Резюме. Підготовка молодшого медичного персоналу вимагає глибокого розуміння не лише основ своєї спеціальності, але й широкого спектра знань, пов'язаних з інфекційними захворюваннями та їх поширенням. Одним із ключових аспектів цієї підготовки є вивчення математичного моделювання поширення інфекцій, яке є важливим інструментом встановлення закономірностей та прогнозування розвитку захворювань. Тому, розгляд підходів до навчання студентів медичних коледжів моделюванню поширення епідемій, зокрема, аналізу процесів поширення вірусу у популяції та факторів, які впливають на швидкість і величину зони його поширення, є актуальною задачею. Дана стаття має за мету ознайомити майбутніх медичних працівників з основними принципами епідеміології та моделювання; допомогти зрозуміти, як вірус чи інфекційне захворювання поширюється всередині популяції; навчити аналізувати, критично оцінювати та інтерпретувати наукові дані та дослідження, не виходячи за рамки базових знань з математики.
У роботі проаналізовано особливості математичного моделювання у медицині та під час навчання майбутніх медичних працівників, та обґрунтовано, що для здобувачів фахової передвищої освіти при моделюванні поширення інфекцій оптимальним є використання найпростіших аналітичних моделей та дещо складнішого імітаційного моделювання за допомогою уже розробленого програмного забезпечення, що обумовлено певним рівнем математичних знань на даному освітньому рівні. Показано, що одним із підходів, які дають можливість досягнення вище вказаної мети, є використання міжнародної безкоштовної навчальної платформи Go-Lab при навчанні молодшого медичного персоналу моделюванню поширення інфекції. Зокрема, моделювання засобами навчальної платформи Go-Lab дає можливість встановити вплив стартових параметрів, що характеризують епідемію, на динаміку поширення вірусу та прогнозувати подальші параметри поширення епідемії і, відповідно, необхідні протиепідеміологічні заходи.
Publisher
Ivano-Frankivsk National Medical University
Reference8 articles.
1. Steinberg D, Balicer R, Benjamini Y, De-Leon H, Gazit D, Rossman H, Sprecher E. The role of models in the covid-19 pandemic. Isr J Health Policy Res. 2022;11(36). DOI: https://doi.org/10.1186/s13584-022-00546-5.
2. Huppert A, Katriel G. Mathematical modelling and prediction in infectious disease epidemiology. Clin Microbiol Infect. 2013;19(11):999-1005. DOI: https://doi.org/10.1111/1469-0691.12308.
3. Ojokoh B, Sarumi O, Salako K, Gabriel A, Taiwo A, Johnson O, Adegun I, Babalola O. 16 - Modeling and predicting the spread of COVID-19: a continental analysis. Data Sci COVID 19. 2022;2:299-317. DOI: https://doi.org/10.1016/B978-0-323-90769-9.00039-6.
4. Home | Golabz [Internet]. Home | Golabz; [tsytovano 27 veres. 2023]. Available from: https://www.golabz.eu
5. Go-Lab Ecosystem | Go-Lab [Internet]. Go-Lab Initiative | Go-Lab; [tsytovano 27 veres. 2023]. Available from: https://premium.golabz.eu/about/go-lab-initiative.