Teaching Mathematical Modeling in Epidemiology: Organizational Issues

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

BACKGROUND: One of the current tasks of higher medical education in epidemiology is the teaching of mathematical and statistical modeling methods for the spread of mass diseases.

AIM: To investigate the existing systems of teaching mathematical modeling and forecasting, with an emphasis on agent-based simulation approaches, in medical universities compared to non-medical and technical universities in Russia.

METHODS: As part of this descriptive and evaluative study, the curricula for the teaching of mathematical modeling, implemented at universities at various educational levels, were explored. The study included the curricula of non-medical universities (n = 31) and medical education institutions (n = 16).

RESULTS: In medical universities, the teaching of mathematical modeling is organized at various levels, including specialist, undergraduate, graduate and postgraduate levels. The total workload of such curricula ranges from 18 to 324 hours. The following specific topics were mentioned in the thematic plans: mathematical epidemiology; the SIR model and its modifications; ordinary differential equations; machine learning and simulation modeling systems in medicine and healthcare; simulation modeling of medical and biological processes, and others. Based on the results of the study, significant differences in the organization of teaching mathematical modeling in non-medical universities were identified.

CONCLUSION: Various levels of education in medical universities include certain aspects of forecasting and modeling the spread of infections. There is a substantial potential for teaching relevant topics in residency and postgraduate programs. In medical universities, mathematical modeling in the field of preventive medicine and epidemiology serves as a tool to foster intellectual curiosity, promote the development of thinking, positively impact the professional orientation of future health system specialists, and contribute to the mathematical component of professional competence in medical education.

About the authors

Nikolay V. Saperkin

Privolzhsky Research Medical University

Author for correspondence.
Email: saperkinnv@mail.ru
ORCID iD: 0000-0002-3629-4712
SPIN-code: 3318-6323

MD, Cand. Sci. (Medicine), Associate Professor

Russian Federation, Nizhny Novgorod

References

  1. Gelman VYa, Ushveridze LA, Serdyukov YuP. Teaching mathematical disciplines at the medical university. Education and science journal. 2018;20(2):88–107. doi: 10.17853/1994-5639-2018-2-88-107 EDN: YRHOFE
  2. Zharkova YuS. Teaching elements of mathematical modeling in the pedagogical institute a means of developing professional competencies. Herald of Chelyabinsk state pedagogical university. 2014;(9-1):85–93. EDN: TIGNML
  3. Silkova EW. The role of mathematical modelling for the formation of professional competence in applicants for medical education. In: The 6th International scientific and practical conference “Science, innovations and education: Problems and prospects”, 2022 Jan 13–15. Tokyo, Japan; 2022. P. 411–417.
  4. Kapkaeva LS. Formation of mathematical modeling methods of pedagogical students in the process of solving practice-oriented problems. Modern high technologies. 2022;(12-2):323–331. doi: 10.17513/snt.39480 EDN: BTEGVG
  5. Pushkareva TP. Mathematical modelling as necessary component of mathematical preparation. Sovremennye problemy nauki i obrazovaniya. 2014;(5):796. EDN: SZVUMD
  6. Samerhanova EK. Formation of competences in the field of mathematical modeling among teachers of vocational training in the conditions of the information and educational environment of the university. Vestnik Mininskogo universiteta. 2019;7(2):4. doi: 10.26795/2307-1281-2019-7-2-4 EDN: QOZYVM
  7. Ilyashenko LK, Krivosheeva YS, Razakov ShA, Minnebaeva EI. Modelling and methods of teaching mathematics in technical universities. Problemy i perspektivy razvitiya obrazovaniya v Rossii. 2014;(27):131–135. (In Russ.) EDN: SCTCFN
  8. Spooner K. Using mathematical modelling to provide students with a contextual learning experience of differential equations. Int J Mathem Educ Sci Technol. 2024;55(2):565–573. doi: 10.1080/0020739x.2023.2244472 EDN: EBJMOW
  9. Chiel HJ, McManus JM, Shaw KM. From biology to mathematical models and back: Teaching modeling to biology students, and biology to math and engineering students. CBE Life Sci Educ. 2010;9(3):248–265. doi: 10.1187/cbe.10-03-0022 EDN: NZKYJN
  10. Bazarbaev MI, Marasulov AF, Sayfullaeva DI. Mathematical modelling in biology and medicine. Tashkent: Tibbiyot nashriyoti matbaa uy; 2022. 216 p. (In Russ.)
  11. Toropova SI. Mathematical modeling in the content of students-ecologists’ training of mathematics. Statistics and economics. 2018;15(3):67–83. doi: 10.21686/2500-3925-2018-3-67-83 EDN: USKEDB
  12. Blokh AI, Pasechnik OA, Kotenko EN. Training general physicians in otoscopy skills applying simulator. Medical education and professional development. 2020;11(3):21–28. doi: 10.24411/2220-8453-2020-13002 EDN: SFFFSK
  13. Kosova AA, Chalapa VI, Kovtun OP. Methods for modellind and forecasting dynamics of infectious diseases. Ural medical journal. 2023;22(4):102–112. doi: 10.52420/2071-5943-2023-22-4-102-112 EDN: WBUHBG
  14. Galbraith P, Holton D. Mathematical modelling: A guidebook for teachers and teams. ACER IM2C; 2018. 85 p.
  15. Gaff H, Lyons M, Watson G. Classroom manipulative to engage students in mathematical modeling of disease spread: 1+1 = Achoo! Math Model Nat Phenom. 2011;6(6):215–226. doi: 10.1051/mmnp/20116611

Supplementary files

Supplementary Files
Action
1. JATS XML
Download
2. Fig. 1. Description of the workload of the courses as specified in the syllabi.

Download (598KB)
Indexing metadata

Copyright (c) 2025 Eco-vector

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
 


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».