KMKanatbek Mukanov

Kanatbek Mukanov

*This is an algorithmically generated author record based on publicly available information.

Kanatbek Mukanov has a total of 18 co-authors. Here are the top co-authors by number of shared publications:


Latest Publications

  • ПРИМЕНЕНИЕ МОДЕЛИ 4C/ID В РЕЗИДЕНТУРЕ ПО ОТОРИНОЛАРИНГОЛОГИИ: ВЛИЯНИЕ НА КАЧЕСТВО ОБУЧЕНИЯ И РАЗВИТИЕ ПРАКТИЧЕСКИХ НАВЫКОВ

    by Ж.т. Муканова, А.а. Имангалиева, Н.э. Махкамова, Ш.б. Жангелова, Л.б. Даньярова, Р.п. Суатбаева, С.ж. Карымсакова, Д.а. Капсултанова, К.н. Муканов, С.а. Апбасова, et al.

    Актуальность: Проанализирован опыт применения четырехкомпонентной модели педагогического дизайна (4C/ID) на кафедре оториноларингологии в учебном процессе резидентуры по специальности оториноларингология. Цель: Оценить эффективность внедрения методики 4C/ID в образовательный процесс резидентов-оториноларингологов. Материалы и методы: В исследовании приняли участие 37 резидентов-оториноларингологов. Для оценки эффективности методики 4C/ID использовался метод онлайн-анкетирования по специально разработанной анкете. Категориальные переменные анализировали путем вычисления доли (в процентах) каждого значения. При нормальном распределении данных использовали среднее арифметическое (М) и стандартное отклонение (SD) с применением Microsoft Excel 2013. Количественная переменная оценивалась по десятибалльной шкале до и после внедрения методики. Достоверность различий оценивалась с помощью непараметрического критерия Вилкоксона. Различия считались статистически значимыми при p < 0,05. Результаты: После внедрения методики 4C/ID значительно выросла субъективная оценка интереса к обучению (91,9%), качества знаний (97,3%), взаимодействия с преподавателем (89,2%) и уровня сформированных навыков. Средняя оценка практических навыков возросла с 6,05 ± 2,11 до 9,14 ± 1,25. Различия статистически значимы (p = 0,0000016, критерий Вилкоксона). Выводы: Модель 4C/ID является эффективным инструментом развития практических навыков резидентов-оториноларингологов и рекомендуется к внедрению в систему последипломного медицинского образования. Background: This study analyzes the experience of implementing the Four-Component Instructional Design model (4C/ID) in the educational process of the Department of Otorhinolaryngology within the residency program. Aim: To assess the effectiveness of the 4C/ID model in the educational process of otorhinolaryngology residents. Materials and Methods: The study involved 37 otorhinolaryngology residents. An online questionnaire was used to assess effectiveness. Categorical variables were analyzed as percentages. For normally distributed data, mean (M) and standard deviation (SD) were calculated using Microsoft Excel 2013. Quantitative variables were assessed on a ten-point scale before and after implementation. Statistical significance was evaluated using the non-parametric Wilcoxon test (p < 0.05). Results: Following implementation, subjective assessment of interest in learning (91.9%), perceived knowledge quality (97.3%), interaction with the instructor (89.2%), and practical skill development increased significantly. Mean practical skills score rose from 6.05 ± 2.11 to 9.14 ± 1.25 (p = 0.0000016, Wilcoxon test). Conclusion: The 4C/ID model is an effective tool for developing practical skills in otorhinolaryngology residents and is recommended for implementation in postgraduate medical education. Өзектілігі: Оториноларингология мамандығы бойынша резидентураның оқу процесінде оториноларингология кафедрасында педагогикалық дизайнның төрт компонентті моделін (4C/ID) қолдану тәжірибесі талданды. Мақсаты: Резидент-оториноларингологтардың білім беру процесінде 4C/ID әдістемесін енгізудің тиімділігін бағалау. Материал және әдістер: Зерттеуге 37 резидент-оториноларинголог қатысты. Педагогикалық дизайнның (4C/ID) төрт компонентті моделі әдістемесінің тиімділігін бағалау үшін арнайы сауалнама бойынша on-line сауалнама жүргізу әдісі пайдаланылды. Айырмашылықтардың маңыздылығы Вилкоксонның параметрлік емес критерийі арқылы бағаланды (p < 0,05). Нәтижелері: 4C/ID әдістемесін енгізгеннен кейін оқытуға қызығушылық (91,9%), білім сапасы (97,3%), оқытушымен өзара іс-қимыл (89,2%) және практикалық дағдылардың қалыптасу деңгейі едәуір өсті. Практикалық дағдылардың орташа бағасы 6,05 ± 2,11-ден 9,14 ± 1,25-ке дейін өсті (p = 0,0000016). Қорытынды: 4C/ID моделі оториноларингология резиденттерінің практикалық дағдыларын дамытудың тиімді құралы болып...

  • Open Access

    ARTIFICIAL INTELLIGENCE IN FORENSIC MEDICINE AND PHARMACOLOGY: INTERNATIONAL APPROACHES AND GUIDELINES FOR KAZAKHSTAN IN THE ANALYSIS OF NOVEL PSYCHOACTIVE SUBSTANCES. LITERATURE REVIEW

    by Murat Lepesbayev, D.SH. Tarzhanova, Zhanetta Mukanova, Kanatbek Mukanov, Saulesh Apbassova, Akmaral Zhakipova, Indira Uyzbayeva, Akmaral Zhantureyeva, Dariya Shabdarbayeva

    Introduction. The rapid and frequent emergence of novel psychoactive substances (NPS) contributes to increasing workload for forensic medical examination and clinical toxicology services. Existing analytical methods cannot cope with the growing volumes of data from modern high-resolution mass spectrometry, necessitating the introduction of advanced approaches, primarily artificial intelligence methods. Objective. To investigate and systematize international experience in applying artificial intelligence in forensic medicine and pharmacology for analyzing novel psychoactive substances, and to propose practical recommendations for implementation in Kazakhstan. Search strategy. A thorough narrative review of 78 international literature sources was conducted, covering analytical methods of liquid chromatography coupled with high-resolution mass spectrometry, data processing standards, substance identification libraries, machine learning algorithms, clinical protocols, and pharmacovigilance systems. Results. Key components of an integrated system were identified: standardization of data formats (mzML, mzTab-M), specialized computational processing tools (XCMS, MZmine, OpenMS, MS-DIAL), spectral libraries (MassBank, mzCloud), computational identification methods (SIRIUS, CFM-ID, GNPS), a grading system for result reliability (Schymanski confidence levels), clinical antidote therapy protocols, and international information exchange channels on emerging threats (EudraVigilance, FAERS, VigiBase, EU EWS, EMCDDA, UNODC). Conclusions. Effective implementation of artificial intelligence requires compliance with international data compatibility standards, rigorous validation of machine learning algorithms, and integration with international monitoring systems. The proposed recommendations ensure scalability of solutions regardless of local regulatory specificities. Введение. Быстрое и частое появление новых психоактивных веществ (НПВ) приводит к увеличению рабочей нагрузки на судебно-медицинские экспертизы и клиническую токсикологию. Существующие аналитические методы не справляются с растущими объемами данных, получаемых с помощью современной масс-спектрометрии высокого разрешения, что обусловливает необходимость внедрения передовых подходов, прежде всего методов искусственного интеллекта. Цель. Исследовать и систематизировать международный опыт применения искусственного интеллекта в судебной медицине и фармакологии для анализа новых психоактивных веществ и предложить практические рекомендации по его внедрению в Казахстане. Стратегия поиска. Проведен тщательный обзор 78 международных литературных источников, охватывающих аналитические методы жидкостной хроматографии в сочетании с масс-спектрометрией высокого разрешения, стандарты обработки данных, библиотеки идентификации веществ, алгоритмы машинного обучения, клинические протоколы и системы фармаконадзора. Результаты. Были определены ключевые компоненты интегрированной системы: стандартизация форматов данных (mzML, mzTab-M), специализированные инструменты вычислительной обработки (XCMS, MZmine, OpenMS, MS-DIAL), спектральные библиотеки (MassBank, mzCloud), методы вычислительной идентификации (SIRIUS, CFM-ID, GNPS), система оценки достоверности результатов (уровни доверия Шиманского), протоколы клинической антидотной терапии и международные каналы обмена информацией о возникающих угрозах (EudraVigilance, FAERS, VigiBase, EU EWS, EMCDDA, UNODC). Выводы. Эффективное внедрение искусственного интеллекта требует соблюдения международных стандартов совместимости данных, строгой проверки алгоритмов машинного обучения и интеграции с международными системами мониторинга. Предложенные рекомендации обеспечивают масштабируемость решений независимо от местных нормативных особенностей. Кіріспе. Жаңа психобелсенді заттардың (ЖПЗ) тез және жиі пайда болуы сот-медициналық сараптама және клиникалық токсикология қызметтеріне түсетін жүктеменің артуына әкеледі. Қолданыстағы талдау әдістері қазіргі заманғы жоғары ажыратымдылықтағы масс-спектрометриядан алынатын деректердің өсіп келе жатқан көлемін өңдеуге қауқарсыз, бұл озық тәсілдерді, ең алдымен...