传染病传播的数学模型.pdf

《传染病传播的数学模型.pdf》由会员分享，可在线阅读，更多相关《传染病传播的数学模型.pdf（11页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、.实用文档.传传染染病病传播的数学模型传播的数学模型很多医学工作者试图从医学的不同角度来解释传染病传播时的一种现象，这种现象就是在某一民族或地区，某种传染病传播时，每次所涉及的人数大体上是一常数。结果都不能令人满意，后来由于数学工作者的参与，用建立数学模型来对这一现象进行模拟和论证，得到了较满意的解答。一种疾病的传播过程是一种非常复杂的过程，它受很多社会因素的制约和影响，如传染病人的多少，易受传染者的多少，传染率的大小，排除率的大小，人口的出生和死亡，还有人员的迁入和迁出，潜伏期的长短，预防疾病的宣传以及人的个体差异等。如何建立一个与实际比较吻合的数学模型，开始显然不能将所有因素都考虑进去。为

2、此，必须从诸多因素中，抓住主要因素，去掉次要因素。先把问题简化，建立相应的数学模型。将所得结果与实际比较，找出问题，修改原有假设，再建立一个与实际比较吻合的模型。从而使模型逐步完善。下面是一个由简单到复杂的建模过程，很有代表性，读者应从中体会这一建模过程的方法和思路。一一.最简单的模型最简单的模型假设：(1)每个病人在单位时间内传染的人数是常数 k；(2)一个人得病后经久不愈，并在传染期内不会死亡。以 i(t)表示 t 时刻的病人数，k0表示每个病人单位时间内传染的人数，i(0)=i0表示最初时有i0个传染病人，那么在t时间内增加的病人数为.实用文档.it tit k0itt两边除以t，并令t

3、0 得微分方程dit k0itdt2.1i0 i0其解为iti0ek0t这说明传染病的转播是按指数函数增加的。这结果与传染病传播初期比较吻合，传染病传播初期，传播很快，被传染人数按指数函数增长。但由(2.1)的解可知，当 t时，i(t)，这显然不符合实际情况。最多所有的人都传染上就是了。那么问题在那里呢？问题是就出在于两条假设对时间较长时不合理。特别是假设(1)，每个病人单位时间内传染的人数是常数与实际情况不符。因为随着时间的推移，病人越来越多，而未被传染的人数却越来越少，因而不同时期的传播情况是不同的。为了与实际情况较吻合，我们在原有的根底上修改假设建立新的模型。二二.模型的修改模型的修改将

4、人群分成两类：一类为传染病人，另一类为未被传染的人，分别用 i(t)和 s(t)表示 t 时刻这两类人的人数。i(0)=i0。假设：(1)每个病人单位时间内传染的人数与这时未被传染的人数成正比。即k0 kst；(2)一人得病后，经久不愈，并在传染期内不会死亡。由以上假设可得微分方程.实用文档.dit kstitdtstit n(2.2)i0 i这是变量别离方程，用别离变量法可求得其解为itn nknt11ei0(2.3)其图形如以下列图 2-1 所示模型(2.2)可以用来预报传染较快的疾病前期传染病顶峰到来.实用文档.的时询。di医学上称t为传染病曲线，它表示传染病人的增加率与时dt间的关系，

5、如图 2-2 所示。由(2.3)式可得 nkntkn1ei0di2dt nknt2.4)11ei02d itd2it 0，可解得极大点为2再求二阶导数，并令2dtdt2 nln1i0t1(2.5)kn从(2.5)式可以看出，当传染病强度 k 或人口总数 n 增加时，t1都将变小，即传染病顶峰来得快。这与实际情况吻合。同时，如果知道了传染率k(k由统计数据得到)，即可预报传染病顶峰t1到来的时间，这对于预防传染病是有益处的。模型(2.2)的缺点是：当t时，由(2.3)式可知 i(t)n，即最后人人都要得病。这显然与实袜情况不符。造成这个结果的原因是假设(2)中假设一人得病后经久不愈，也不会死亡。

6、为了得到与实际情况更吻合的模型，必须修改假设(2)。实际上不是每个人得病后都会传染别人，因为其中一部份会被隔离，还有由于医治和人的身抵抗力会痊愈，有的人会死亡从而也就不再会传染.实用文档.给别人了。因此必须对模型作进一步的修改，建立新的模型。三三.模型的进一步完善模型的进一步完善从上面的分析我们看到模型(2.2)的假设(2)是不合理的。即不可能一人得病后会经久不愈，必有一部份人因医治或自身的免疫力，或是被隔离，或是死去而成为不会再继续传染给别人的第三类人。因此我们把人群分成三类：第一类由能够把疾病传染给别人的那些传染者组成的。用I(t)表示 t 时刻第一类人数。第二类是由并非传染者但能够得病而

7、成为传染者的那些人组成的，用 S(t)表示 t 时刻第二类人数。第三类包括患病后死去的人，病愈后具有长期免疫力的人，以及在得病后被隔离起来的人。用 R(t)表示 t 时刻第三类人数。假设疾病传染服从以下法那么：(1)在所考虑的时期内人口总数保持在固定水平N，即不考虑出生及其他原因引起的死亡，以及人口的迁入迁出的情况。(2)易受传染者人数 S(t)的变化率正比于第一类的人数 I(t)与第二类人粉 S(t)的乘积。(3)由第一类向第三类转变的速度与第一类的人数成正比。在这三条假设情况下可得如下微分方程：.实用文档.dSdt rsIdI rsI IdtdRdtI(2.6)其中 r、为比例常数，r 为

8、传染率，为排除率。由方程(2.6)的三个方程相加得dSt It Rt 0dt那么StItRt常数 N人口总数Rt N StIt故因此只要求出 S(t)、I(t)即可求出 R(t)。方程组(2.6)的第一个和第二个方程与 R(t)无关。因此，由dS rSI dtdI rSI Idt(2.7)得dIrSI I 1dSrSIrSIS S(2.8)r积分得lnS c并 记由 初 始 条 件：当t t0时,It0 I0,St0 S0.实用文档.r代入上式可确定常数c I0S0lnS0SIS I0 S0S lnS0最后得(2.9)下面我们讨论积分曲线(2.9)的性质，由(2.8)知S0,IS 1 0S S

9、S0所以当 S时，I(S)是 S 的增函数，S时，I(S)是 S 的减函数。又有 I(0)=，IS0 I00,由连续函数的中间值定理及单调性知，存在唯一 点S，0SS0，使得IS00,而当SS S0时，I(S)0。dSdI 0,0，所以S,0为方程组由(2.7)知 I=0 时，dtdt(2.7)的平衡点。当t t0时，方程(2.9)的的图形如图 2-3。当 t 由t0变到 时，点(S(t)，I(t)沿曲线(2.9)移动，并沿 S 减少的方向移动，因为 S(t)随时间的增加而单调减少。因此，如果S0小于，那么 I(t)单调减少到零，S(t)单调减少到S。所以，如果为数不多的一群传染者I0分散在居

10、民S0中，且S0，那么这种病会很快被消灭。.实用文档.如果S0，那么随着 S(t)减少到时，I(t)增加，且当S=时，I(t)到达最大值。当 S(t)时 I(t)才开始减少。由上分析可以得出如不结论：只有当居民中的易受传染者的人数超过阈值时传染r病才会蔓延。用一般常识来检验上面的结论也是符合的。当人口拥挤，密度高，缺少应有的科学文化知识，缺乏必要的医疗条件，隔离不良而排除率低时，传染病会很快蔓延；反之，人口密度低，社会条件好，有良好的医疗条件和较好的管理而排除率高时，那么传染病在有限范围内出现会很快被消灭。传染病学中的阈值定理阈值定理设S0r，且假设r同 1 相比是小量。并设最初传染者人数I0

11、很小，那么最终患病人数为2r。即是易受传染者的人数最初比阈值高多少，那么最终就会比阈值低多少。这就是有名的传染病阈值定理阈值定理。生物数学家 Kermack 和 Mekendrick在 1927 年首先证明了这个定理(证明从略).实用文档.根据阈值定理就可以由起初易受传染者的人数来估计最终患病的人数。这定理解释了研究人员长期以来难以解释的为什么对于某一民族或地区，某种传染病传播时，每次所涉及的人数大体上是一常数的现象。在传染病发生的过程中，不可能准确地调查每一天或每一星期的得病人数。因为只有那些来医院就医者才能被人知道他们得了病，并把他们隔离起来防止传染。因此，统计的记录是每一天或星期新排除者

12、的人数，而不是新得病的人数。所以，为了把数学模型所预示的结果同疾病的实际情况进行比较，必须解出(2.6)中的第三个方程。dRI N R Sdt因为dSdSdRrSIrS/S dRdtdtIdSdR SR所以SR S0eRdRN RS0e(2.10)从而有dt方程(2.10)虽是可别离变量的方程，但是不能用显式求解，如果传染病不严重，那么 R/是小量，取泰勒级数前三项有eR1 R 12R2.实用文档.2dRR1 R N RS01dt2 从而2 S0S0 R N S01R2 其解2S01Rt1atanhat S022 S2S0N S00a 112其中1 S0 tanh1a1dRa2221secha

13、t(2.11)因此dt2S02dR方程(2.11)在tdt平面上定义了一条对称钟形曲线，称为疾病传染曲线。疾病传染曲线很好地说明了实际发生的传染病的情况：每天报告的新病案的数目逐渐上升到峰值，然后又减少下来。Kermak 和 Mekendrick 把(2.11)得到的值，同取自 1905 年下半年至 1906 年上半年在印度孟买发生的瘟疫资料进行比较，他们假设dR890sec h20.2t 3.4dt其中 t 按星期计，在图 2-4 中的实际数字(图中用“.表示)同理论曲.实用文档.线非常一致。这就说明模型(2.6)是在固定居民中传染病传播的准确而可靠的数学模型。对于传染病传播的数学模型还有人用随机模型，这不是本章的内容，读者可参看有关的其他资料。本节所介绍的传染病传播的数学模型的建模方法，是实际数学建模步骤和方法的典型例子。在实际建模过程中往往都是从简单的开始得出数学模型，再和实际比较逐步修改假设和模型，最终到达完善的地步。这是值得大家仿效和学习的。.