开篇:润墨网以专业的文秘视角,为您筛选了一篇埃博拉病毒传播模式的研究范文,如需获取更多写作素材,在线客服老师一对一协助。欢迎您的阅读与分享!
摘 要 本文针对埃博拉病毒的传播问题分别建立了自由传播状况下的SIR模型和有药物强力控制情况下的微分方程模型,利用MATLAB软件对模型进行求解,对求解结论进行分析,并对模型的优缺点进行评价。
关键词 埃博拉病毒 SIR模型 微分方程模型
中图分类号:R373.9 文献标识码:A
1病毒传播模型的假设
对于一种新型病毒,在没有药物干预和防治的情况下,病情的蔓延是相当迅速的。在应对新型病毒时,医疗卫生部门通常会采取隔离病患,药物治疗等措施。一般情况下,采取药物治疗对控制疫情扩散有显著效果。针对病情扩散情况,政府可以决定适当的隔离时间和药物投放比例。
首先,我们假设所考察人群总数恒定,且无病源的输入和输出;已治愈的患者二度感染的概率为0;所有患者均为“他人输入型”患者;各类人群在人群总体中分布均匀;已被隔离的人群之间不会发生交叉感染。
2问题分析与模型建立
我们把人群分为4类:正常人群、患病人群、治愈人群和死亡人群,分别用H(t)、X(t)、R(t)和D(t)表示。在新病毒爆发初期,由于整个社会对新病毒传播速度和危害程度认识不够,没有采取任何有效的隔离控制措施,疫情会不断蔓延。病毒的传播规律分为“控前”和“控后”两个阶段。控前模型为近乎自然传播的模型,控后模型为介入隔离强度后的微分方程模型。
基于以上分析,我们对控前和控后分别建模。设T为实施强力控制的时间(以d为单位)。当t
2.1控前模型
假设某地区产生第一例病例的时间为T0,在(T0,T)时段,是近乎自由传播的时段,隔离强度为0,每天感染病人人数r为常数。现在考虑在t到t+t这段时间内这4类人群的变化情况,并通过分析各类人群的状态转化关系,来建立微分方程模型。
(1)现有病人数。现有病人数是指在某一时间段内考察人群中所有确诊病人数。现有病人数的变化=新增病人数-(死亡人数+治愈人数)。我们设r为每个未被隔离的病人单位时间的人数,和分别为治愈率和死亡率。
当=t0时,有:=rX(t)-(L1+L2)X(t)
(2)累计死亡人数。累计死亡人数的变化=新增死亡人数,有D(t+t)-D(t)=L1X(t)t
当=t0时,有:=L2X(t)
(3)累计治愈人数。累计治愈人数的变化=新增治愈人数,有
R(t+t)-R(t)=L2X(t)t
当=t0时,有:=L2X(t)
(4)累计病人数。累计病人数=现有病人数+累计死亡人数+累计治愈人数,有Y(t)=X(t)+D(t)+R(t)
综上所述,我们得到埃博拉传播的控前模型:
其中,初始值为:
2.2控后模型
控后隔离强度从控前的0变为p。未被隔离的病人平均每人单位时间感染的人数r随时间逐渐变化,它从初始的最大值a+b逐渐减少至最小值a,a、b的值客观存在。设每个被隔离的病人单位时间感染的人数为r(t)=a+be-%d(t-T)。
其中,用来反映r(t)的变化快慢。类似于控前模型,我们得到埃博拉传播的控后模型:
其中,
3模型的求解
3.1控前模型求解
对于现有病人数X(t),可以根据病毒传播的控前方程式,求得解析解为X(t)=X(0)e(r-L1-L2)t,t≤T
其中,
再将X(t)分别代入病毒传播的控后方程,就可以给出D(t),R(t)以及Y(t)的数值解。
3.2控后模型的求解
同理,我们求得现有病人数的解析解为
X(t)=X(T)e,t≥T
其中
查阅资料,取P=65%,%d=0.02。
4求解结果分析与评价
4.1模型的优点
(1)对新型病毒疫情分别建立了控前、控后模型,并根据以往疫情统计数据估计参数,建立病人数随时间变化的一元函数。(2)微分方程稳定性较好,给出模型收敛性条件,对政府的决策有指导意义。(3)针对不同隔离强度进行分段研究,能够方便有效地预测疫情趋势,欲对某疫区进行预测,只需对参数进行估计,给出初值带入方程即可。
4.2模型的缺点
(1)微分方程中参数估计稍显简单,可对病毒进行分类,针对不同新型病毒,得到更准确的模型。(2)给出的模型忽略性别、年龄及地区差异对隔离措施强度、控制时间等参数的影响。