一、模型简介
传染病预测问题
- 不同类型的传染病的发病机理和传播途径各有特点
- 有的传染病,在得过一次后可获得免疫力,但有的则不会
- 有的传染病具有潜伏期,有的则没有
- 需要对不同类型的传染病建立相应合适的预测模型
本篇介绍4个不同情况的模型:指数传播模型、SI模型、SIS模型、SIR模型
本篇重点:模型假设与模型改进的思想
二、模型分析
1.指数传播模型
①模型假设
- 假设所研究的区域是封闭区域,在一定时期内人口总量不变,不考虑迁入和迁出
- 在t时刻患病人数N(t)是随时间连续变化的、可微的函数
- 每个病人在单位时间内会传染到的人数为大于0的常数λ
②模型建立
- 设N(t)为t时刻患病人数,则t+△t时刻的患病人数为N(t+△t)
- 则从t→t+△t时间内,净增的患病人数为N(t+△t) - N(t)
- 根据假设3(每个病人在单位时间内会传染到的人数为大于0的常数λ),有:N(t+△t) - N(t) = λN(t)△t
- 注意,λ在模型中始终是常数
③微分方程
- 基于假设2,在N(t+△t) - N(t) = λN(t)△t等号两边同时除以△t,并令△t→0
- 可得微分方程
- 可求得该模型的解析解
④结果分析
- 该模型显示,患病人数是指数型增长的
- 该模型一般适用于传染病爆发初期
- 因为在初期,传染源和传染途径往往未知,难以防范
- 但是按照模型,t→∞时N(t)→∞,这显然是不符合实际的
⑤模型改进
- 封闭区域内人数有限,当患病人数越来越多时,健康人群的数量也就越来越少
- 那么单位时间内新增的人数(N(t)的导数)也会减少,毕竟没多少人可以被感染了
- 基于以上分析,对模型进行改进,建立SI模型
2.SI模型
①模型假设
- 人口总数:所研究的区域内人口总数为常数N,既不考虑生死,也不考虑迁移
- 两类人群:人群分为易感染者(susceptible)和已感染者(infective),设t时刻两类人群在总人口中所占的比例分别为s(t)和i(t),显然s(t) + i(t) = 1
- 日感染率:每个病人在单位时间(每天)内接触的平均人数为常数λ,称为日感染率;当病人所接触的是健康者时,会将其感染成病人
- 不考虑治愈:每个病人得病后会在传染期内无法治愈,且不会死亡
注意事项
- 现实中,地区人数并不会真的为常数,总有出生率、死亡率、迁入和迁出率等
- 但如果把这些因素考虑进模型,模型会非常复杂;而本题的重心是传染病
- 再次强调模型假设的目的:简化问题
②模型建立和微分方程
- 细节:假设3中λ是1个病人单位时间接触的平均人数,接触的人中既有病人也有健康者
- 则1个病人单位时间内可使λs(t)个健康者变为病人
- 在t时刻病人总数Ni(t),△t时间内会新增λs(t)Ni(t)△t个病人,则单位时间内新增病人数为
- 令△t→0,得微分方程
- 根据假设2,由于s(t) + i(t) = 1,所以可写作
- 设t = 0时,患病人数占总人口的比例为i(0) = i0,则SI模型:
- 求解该微分方程,得
- 该模型其实就是Logistic模型,i(t)是病人占总人口的比例,最大值为1,即当t→∞时,区域内所有人都被感染
③结果分析
- 医学上称di(t)/dt为传染病曲线,表示传染病人增加率与时间的关系,如下图所示
- 预测结果如下图所示,随着时间的推移,病人比例接近100%
- 当病人总量占总人口比值达到50%,即i = 0.5时,di/dt达到最大值,此时为传染高峰期
- 根据i(t)的表达式,可得高峰期对应时刻
- 高峰期对应时刻在医学上具有重要意义
- 提前预防:若已知日接触率λ(统计调查等),可预测高峰期到来的时间,做好应对准备
- 由于高峰期时刻与λ成反比,若能减小λ(隔离、戴口罩等),则高峰期时刻将变大
- 也就意味着传染病高峰期来得越晚,现实中可能在高峰期到来之前就彻底解决了该传染病
- 注意:比赛时需要根据数学结果,分析求解结果的现实意义,写进论文
④模型改进
- 但SI模型中未考虑病人得病后可以治愈,t→∞是i(t)→1,即最后所有人都被感染
- 问题源自模型假设中只有健康者变为病人,但病人不会变为健康者,显然不合理
- 进一步分析问题,可建立SIS模型
3.SIS模型
①模型假设
SIS模型在SI模型假设的基础上,进一步假设
- 治愈比例:每天被治愈的病人人数占病人总数的比例为μ,且1/μ 为该传染病的平均传染期,即从患病到治愈的天数
- 无免疫性:病人被治愈后成为仍可被感染的健康者
②模型建立和微分方程
由假设可得SIS模型:
该模型的解析解为:
令σ = λ / μ为传染强度,代表的是每个患病者在整个传染期 1/μ 天内,有效接触的易感者人数,即接触数,带入上面的公式,得微分方程和解析解:
③结果分析
根据解析解,当t→∞时,可得:
④模型改进
- SIS分析是建立在假设“无免疫性:病人被治愈后成为仍可被感染的健康者”的基础上
- 进一步考虑现实中天花、麻疹、流感、肝炎等疾病经治愈后均有很强的免疫力
- 病愈后的人因已具有免疫力,既非易感染者也非病人(已感染者),即这部分人已退出感染系统,再也不会被感染成患者
- 因此,考虑免疫性,改进为SIR模型
4.SIR模型
①模型假设
- 人群分易感者(susceptible)、病人(infective)和病愈后有免疫力而退出系统的移除者(removal)
- 设任意时刻t,这三类人群占总人口的比例分别为s(t),i(t)和r(t)
- 病人的日接触率为λ,日治愈率为μ
- 人口总数N为固定常数,既不考虑生死,也不考虑迁移
②模型建立
- 对于全体人群:s(t) + i(t) + r(t) = 1
- 对于移除者:Ndr/dt = μNi(t)
- 对于患者:Ndi/dt = λNs(t)i(t) - μNi(t)
- 对于健康者:Nds/dt = -λNs(t)i(t)
则有
③模型分析
- SIR模型形式是多个相互关联的系统变量之间的常微分方程组,属于典型的系统动力学模型
- 更复杂的情况,考虑有些传染病具有潜伏期,考虑一类人为潜伏者,建立SEIR模型
- 类似的问题:河流各类污染物质的耗氧、复氧、吸附、沉降等
- 该类问题往往难以求得精确的解析解,可以使用MATLAB求数值解