Моделирование эпидемического процесса в подготовке врача-эпидемиолога

Резюме

Для качественной подготовки современных врачей-эпидемиологов необходимо обучение навыкам моделирования эпидемического процесса, знания особенностей возникновения и распространения инфекционных болезней.

Цель исследования - разработка интерактивного педагогического подхода для симуляции и моделирования случайной вспышки инфекционного заболевания в реальном времени.

Материал и методы. Проведено физическое моделирование вымышленного инфекционного заболевания ("Омская математическая лихорадка") среди обучающихся IV, V и VI курсов медико-профилактического факультета ФГБОУ ВО ОмГМУ Минздрава России по адаптированной методике S.E. Bellan.

Результаты. Особенность интерактивного педагогического подхода - участие студентов в симуляции вспышки инфекционного заболевания, которую они впоследствии анализируют под руководством преподавателя.

Заключение. Успешное применение интерактивного подхода позволяет формировать готовность будущих врачей-эпидемиологов к самостоятельной научно-исследовательской работе, повышает мотивацию к использованию методов математического моделирования в будущей профессиональной деятельности.

Ключевые слова:эпидемиология, моделирование, эпидемический процесс, обучение, симуляция

Финансирование. Исследование не имело спонсорской поддержки.

Конфликт интересов. Авторы заявляют об отсутствии конфликта интересов.

Для цитирования: Блох А.И., Пасечник О.А., Котенко Е.Н. Моделирование эпидемического процесса в подготовке врача-эпидемиолога // Медицинское образование и профессиональное развитие. 2020. Т. 11, № 3. С. 21-28. DOI: https://doi.org/10.24411/2220-8453-2020-13002

Эпидемиология - "диагностическая дисциплина общественного здравоохранения", а эпидемиологические исследования служат инструментом, помогающим принимать управленческие решения в сфере общественного здравоохранения, основанные на научных данных, вскрытых причинно-следственных связях и здравом смысле [1].

Специфика деятельности будущего врача-эпидемиолога предъявляет особые требования к уровню подготовки студентов к предстоящей профессиональной деятельности. Только хорошо подготовленные выпускники с наибольшей вероятностью смогут успешно работать в отрасли на протяжении длительного времени. Современный профессиональный стандарт требует от врача-эпидемиолога компетенций выполнения функций по организации и проведению эпидемиологического мониторинга при инфекционных болезнях, по стратификации полученных данных при выявлении групп, территорий и факторов риска, по анализу и интерпретации данных эпидемиологического мониторинга, умений выявлять основные закономерности развития эпидемического процесса для выбора эффективных профилактических мероприятий [2].

Актуальность этих требований определяется наблюдаемыми в последние десятилетия вспышками особо опасных инфекционных заболеваний - атипичной пневмонии (SARS), лихорадки Эбола, лихорадки Зика, пандемического гриппа А/H1N1/pdm09, ближневосточного респираторного синдрома (MERS), новой коронавирусной инфекции (COVID-19), которые продемонстрировали высокий эпидемический потенциал к пандемическому распространению и значительную нагрузку на системы здравоохранения стран [3]. Современные специалисты должны хорошо понимать возможность регионального и международного распространения инфекционных болезней и брать на себя общую ответственность за глобальную биологическую безопасность населения, окружающей среды, сельскохозяйственных животных [4].

Помимо знаний теоретических основ классической эпидемиологии, важно понимание динамики развития эпидемического процесса для прогноза заболеваемости населения, определения наиболее приоритетных профилактических и противоэпидемических мероприятий, оценки их эффективности и необходимости корректировки мероприятий с течением времени.

Множество современных исследований как в мире, так и в нашей стране посвящены вопросам создания математических моделей развития эпидемических процессов различных актуальных инфекционных заболеваний, что диктует необходимость дополнительной подготовки специалистов по вопросам информатики, биологии, молекулярной эпидемиологии, статистики, в области цифровых технологий [1,4].

Обучение математическому моделированию эпидемического процесса ставит значительные методологические проблемы. Традиционный репродуктивный подход к обучению не позволяет в полной мере овладеть компетенциями, позволяющими моделировать эпидемический процесс, анализировать и правильно интерпретировать полученные результаты [3, 5].

Цель исследования - разработка интерактивного педагогического подхода для симуляции и моделирования случайной вспышки инфекционного заболевания в реальном времени среди участников-студентов, обучающихся на кафедре эпидемиологии.

Материал и методы

Нами адаптирован разработанный S.E. Bellan педагогический подход, позволяющий "объединить классическую и динамическую эпидемиологию" [5]. Было проведено физическое моделирование вымышленного инфекционного заболевания, которое условно получило название "Омская математическая лихорадка" (ОМЛ), среди обучающихся IV, V и VI курсов медико-профилактического факультета нашего университета. Исследование проводили в период февраль-март 2020 г.

В качестве "инфекционного агента" использовался "заразный листок" (небольшой лист бумаги, маркированный термином "заразный").

После общего инструктажа студентов, пояснения цели, задач исследования, основных вопросов технологии участия в исследовании студентам курсов были розданы листы, 3 из которых были "заразными". В качестве "источника" инфекции выступал один из преподавателей кафедры, который "контактировал" с каждым обучающимся посредством передачи им листков бумаги, в том числе "заразных". Таким образом происходил "занос" заболевания в организованный коллектив обучающихся. "Заразный листок" содержал минимальные сведения, включающие фамилию, имя, отчество источника (ФИО), дату и время передачи листка. Каждый полученный "заразный листок" регистрировался обучающимися на образовательном портале вуза, в специальной электронной форме. В ходе регистрации "заразного листка" обучающийся получал случайное число, определяющее количество "заразных листков", которое он скрытно должен был передать кому-либо из своих однокурсников по собственному выбору. Биологически правдоподобно в данном случае использование переменной, имеющей распределение Пуассона, но из-за технической сложности реализации такого генератора в среде образовательного портала мы обращались к сайту www.random.org, возвращающей одно равномерно распределенное целое число в диапазоне от 0 до 4. Таким образом, физическое моделирование проводилось со средним показателем репродукции (R0), равным 2.

Каждый переданный "заразный листок" также регистрировался в отдельной форме для двойного контроля полноты учета (от "передающей" и "принимающей" сторон). Передача "заразных листков" проводилась в течение 4 дней после дня заноса. Через 5 дней после начала исследования из указанного раздела портала выгружались 2 сформированные базы данных регистрации переданных и полученных "заразных листков" по каждому курсу. На их основе формировались единые базы данных о передаче случаев ОМЛ на каждом курсе, которые и подвергались детальному анализу.

Дополнительно каждый обучающийся заполнял небольшую анкету по потенциальным факторам риска ОМЛ, включающую набор утверждений о респонденте, с которыми нужно было согласиться или не согласиться. Полученные данные позволили сформировать базу данных о факторах риска ОМЛ и проанализировать ее.

Базы данных анализировались в 2 направлениях: построение и анализ динамической сети контактов и оценка факторов риска ОМЛ. Динамическая сеть контактов строилась с помощью приложения Gephi [6], для чего по каждой передаче "заразного листка" определялись ФИО источника, ФИО контактного, дата и время передачи, результат передачи. С динамической сетью контактов тесно связан привычный для эпидемиологов способ изображения динамики вспышки - эпидемическая кривая, которую строили с помощью MS Excel. Дополнительно вычисляли важные эпидемиологические параметры: базовый и эффективный показатели репродукции, длительность латентного и заразного периодов ОМЛ. Данные параметры имеют существенное значение для понимания возможностей управления эпидемическим процессом ОМЛ. Для оценки связи потенциальных факторов риска с заражением ОМЛ полученные данные анализировали по типу исследования "случай-контроль" с вычислением отношения шансов (ОШ): группу "случаев" составляли обучающиеся, в ходе симуляции "заразившиеся" ОМЛ, группу "контроля" - прочие обучающиеся.

Результаты

Вводный инструктаж об исследовании проводил один и тот же преподаватель, который затем и осуществлял "занос" случая ОМЛ на соответствующий курс. При этом доля обучающихся, принявших участие в физическом моделировании эпидемического процесса ОМЛ, существенно отличалась: так, приняли участие почти 100% обучающихся V и VI курсов, но лишь около 1/з (21 из 68) обучающихся IV курса. Такой результат может указывать на недостаточный интерес студентов IV курса к исследованию, так как они только приступили к изучению эпидемиологии, в то время как студенты V и VI курсов уже имели определенный опыт изучения дисциплины - 2 и 4 семестра соответственно, получили теоретические знания по разделам общей и частной эпидемиологии инфекционных и паразитарных заболеваний, принимали участие в работе студенческого научного кружка, в научных внеучебных мероприятиях, проводимых вузом.

Анализ полученных данных позволил визуализировать динамику передачи возбудителя в разных организованных коллективах - среди студентов V и VI курсов меди ко-профилактического факультета (рис. 1).

Рис. 1. Распространение "Омской математической лихорадки" среди обучающихся V и VI курсов медико-профилактического факультета (выходные дни исключены)

Продемонстрировано распространение случаев ОМЛ в течение времени исследования (120 ч) с построением графика динамики заболеваемости участников (рис. 2).

Рис. 2. Эпидемическая кривая распространения "Омской математической лихорадки" среди обучающихся V и VI курсов медико-профилактического факультета (выходные дни исключены)

Сопоставление сетей передачи с временными рядами случаев инфекции, расчет серийных интервалов распространения инфекции дают представление о влиянии случайных эффектов, которые различают вспышки одного и того же инфекционного заболевания в разных организованных коллективах.

Среди студентов V курса всего было 48 "заразившихся" из 82 человек, серийный интервал составил 0,07 [доверительные интервал (ДИ) 0,01-1,89] дня. На VI курсе были "заражены" 34 студента из 76, что соответствовало серийному интервалу 0,51 (ДИ 0,07-4,55) дня (рис. 3).

Рис. 3. Распределение серийных интервалов распространения "Омской математической лихорадки" среди обучающихся V и VI курсов медико-профилактического факультета

Для обучения оценке влияния различных факторов риска на возникновение случаев заболевания была разработана анкета для сбора эпидемиологического анамнеза, данные которой позволили в аналитическом эпидемиологическом исследовании "случай-контроль" рассчитать показатель ОШ и его ДИ для каждого фактора и сравнить его величину в разных исследуемых когортах (см. таблицу).

Факторы риска "Омской математической лихорадки" по итогам моделирования (когорты студентов V и VI курсов медико-профилактического факультета)

Обсуждение

Традиционно на практических занятиях по дисциплине "эпидемиология" со студентами, обучающимися на медико-профилактическом факультете, изучают приемы определения причинно-следственных связей между заболеваемостью населения и различными факторами риска. Студенты получают знания по методике эпидемиологического обследования эпидемических очагов инфекционных заболеваний, обучаются технологиям сбора эпидемиологического анамнеза, расследованию случаев заболевания, выявлению возможных причин и условий формирования эпидемического очага для разработки адекватных противоэпидемических мероприятий.

Вместе с тем инфекционные заболевания представляют собой сложные явления, которые возникают в результате различных взаимодействий и в зависимости от биологии возбудителя, индивидуальных характеристик хозяина, особенностей окружающей среды [7]. Биологические, поведенческие, эволюционные и экологические особенности каждой паразитарной системы "хозяин-патоген" определяют динамику заболеваемости, и их характеристики необходимы для разработки профилактических и противоэпидемических мероприятий и оценки их эффективности [1,5].

Для понимания будущими специалистами динамики распространения патогена в популяции, цепи передачи возбудителя инфекции, лежащей в основе вспышек и эпидемий, наряду с основными эпидемиологическими терминами (иммунитет, восприимчивость, источник возбудителя, инкубационный период и пр.) важны такие понятия, как время генерации, серийный интервал, базовое число репродукции, фактор роста эпидемии или время удвоения случаев болезни.

В настоящее время существует потребность в разработке учебных модулей, в которых изучается моделирование эпидемического процесса в зависимости от различных условий. Особенность данного педагогического подхода - участие студентов в симуляции вспышки инфекционного заболевания, которую они впоследствии анализируют под руководством преподавателя. Успешное применение указанного подхода позволяет формировать готовность будущих врачей-эпидемиологов к самостоятельной научно-исследовательской работе, повышает мотивацию к использованию методов математического моделирования в будущей профессиональной деятельности.

Участие студентов в симуляции вспышки инфекционного заболевания в режиме реального времени с последующим детальным анализом ее развития позволяет лучше понять процесс передачи инфекционных заболеваний, оценить влияние факторов риска, развить навыки моделирования эпидемического процесса.

В ходе организации и проведения исследования были разработаны дидактические материалы - методические рекомендации по моделированию эпидемического процесса для студентов в виде рабочей тетради, алгоритм анализа вспышки, проблемная лекция.

Заключение

Описанный адаптированный педагогический подход представляет собой симуляционное упражнение, позволяющее посредством активных образовательных технологий добиться повышения эффективности обучения студентов актуальным аспектам эпидемиологии, связанным с моделированием эпидемий, оценкой факторов риска, прогнозированием и разработкой адекватных противоэпидемических мероприятий.

Литература

1. Брико Н.И. Теоретические обобщения в эпидемиологии: от истории к современности // Эпидемиология и вакцинопрофилактика. 2018. Т. 17, № 5. С. 5-16.

2. Об утверждении профессионального стандарта "Врач-эпидемиолог": проект Приказа от 27.11.2018 / РФ, Минтруд // КонсультантПлюс: справочно-правовая система.

3. Cremin I., Watson O., Heffernan A. et al. An infectious way to teach students about outbreaks // Epidemics. 2018. Vol. 23. P. 42-48.

4. Bensyl D.M., King M.E., Greiner A. Applied epidemiology training needs for the modern epidemiologist // Am. J. Epidemiol. 2019. Vol. 188, N 5. P. 830-835.

5. Bellan S.E., Pulliam J.R., Scott J.C., Dushoff J.; MMED Organizing Committee. How to make epidemiological training infectious // PLoS Biol. 2012. Vol. 10, N 4. Article ID e1001295.

6. Bastian M., Heymann S., Jacomy M. Gephi: an open source software for exploring and manipulating networks // International AAAI Conference on Weblogs and Social Media. 2009. URL: https://gephi.org/

7. Galea S., Riddle M., Kaplan G.A. Causal thinking and complex system approaches in epidemiology // Int. J. Epidemiol. 2010. Vol. 39, N 1. P. 97-106.