经典的传染病模型简介 + SIS情况分析

简介

研究传染病模型,对社会经济和维持秩序有重大意义,尤其在过去的2020年,新冠疫情爆发。从数学领域对疫情进行分析,根据经典的传染病模型,考虑新的因素,加入新的变量,也是疫情追踪和防控的一种有力手段。

最近刚好有机会用到传染病模型,趁此机会先对其有一个大致的了解。

常见的传染病模型按照具体的传染病的特点可分为 SI、SIS、SIR、SIRS、SEIR 模型。其中“S”、“E”、“I”、“R”的现实含义如下:

S (Susceptible),易感者,指缺乏免疫能力健康人,与感染者接触后容易受到感染;
E (Exposed),暴露者 ,指接触过感染者但暂无传染性的人,可用于存在潜伏期的传染病;
I (Infectious),患病者,指有传染性的病人,可以传播给 S,将其变为 E 或 I ;
R (Recovered/Resistance),康复者/抵抗者,指病愈后具有免疫力的人,如是终身免疫性传染病,则不可被重新变为 S 、E 或 I ,如果免疫期有限,就可以重新变为 S 类,进而被感染。

若是致死性疾病, 一般的做法认为死者也算进R项里,。当死者妥善处理以后无法被感染也无法感染别人时, 和恢复者的传播性质一样。

根据病种的不同,可以选用不同的基础模型,在此基础上可以优化和拓展。如在新冠病毒预测模型中增加诸如病床资源、药物资源、加入隔离等变量,或是放入空间网络,以实现更符合现实的时空和空间的预测。

各类经典传染病模型(基础形式)

  • SIS
    在这里插入图片描述
    如普通流感,流感变异性很强,大部分人都几乎会再次患流感。
    在这里插入图片描述
    N = S + I

  • SIR
    在这里插入图片描述
    急性传染病发病迅速, 没有潜伏期, 发病后一段时间痊愈。
    在这里插入图片描述
    N = S + I + R

  • SEIR
    在这里插入图片描述
    常规的传染病带潜伏期,其历程为:潜伏, 感染, 然后痊愈。

    其数学模型比较复杂, 且没有显式解, 所以一般通过名为相轨线的方式来研究。
    在这里插入图片描述
    N = S + E + I + R

SIS

根据前面的简介,可以得知像普通流感、细菌性痢疾这样治愈后免疫力很低或因其他因素易再感染的疾病,都能用SIS进行分析。此外,传染病模型也可以应用于其他领域,如网络谣言(rumour)或毒品传播等问题。

模型假设

  1. 易感者与患病者有效接触即被感染,变为患病者,可被治愈再次变为易感者,无潜伏期、无免疫力;
  2. 总人数为N,不考虑人口的出生与死亡,迁入与迁出,此总人数不变;
  3. 以一天作为模型的最小时间单元。

符号说明

  1. t 时刻各类人群占总人数的比率分别记为s(t)、i(t);
  2. 每一个时刻的每个感染者(这里感染者作为主体)有λ 的平均概率把毒传染给邻居,前提是邻居属于S群体
  3. 初始时刻 t=0 时,各类人数量所占初始比率为s0、i0;
  4. 每天被治愈的患病者人数占病人总数的比率为 μ ,即日治愈率;注意的是,患病者被治愈后成为易感者,且1/μ 为该传染病的平均传染期,即从患病到治愈的天数;
  5. μ,v = 0
  6. 以一天作为模型的最小时间单元,套入上面提到的各概率因子。

注意,这是一个可以演变的概率模型。而S中个体的传染能力,以概率形式体现,且先不考虑一人传多人。

微分方程组

在这里插入图片描述

由前面提到的条件,可得微分方程组:
在这里插入图片描述
s(t) + i(t) = 1 —(3)

(1)左右式表示 t时刻下日变化感染人数,其中N = S + I(大写),即该模型范围内总人口。Ni(t)λs(t)的意思是,一共有N i(t)个患者,每个人有 λ 的比率感染别人,那么被感染的人的概率就有λ s(t) 。

模型结论

在这里插入图片描述
在这里插入图片描述

经典传染病模型的缺陷

当情况细化且复杂化时,想要提高模型的性能,首先需要看到经典传染病模型的不足。

由前面提到的可知,通过对 SIS、SIR、SEIR 等基础模型的研究, 可以预测一个封闭地区疫情的爆发情况, 最大峰值, 感染人数等等。

然而,显然没有任何地区是封闭的,正如我们不能天真指望把病毒锁死在武汉以尽快掐灭这把火,不使其跨外传播。这时,就要引入网络结点模型,把各个地区看成图的节点,每个节点各自跑各自的SEIR模型。一个经典的做法是用马尔可夫转移来刻画地区之间的流动,对每个结点单独跑 SEIR 模型。

一般认为,当我们开始把问题个体置入与外部相联系的一张网络时,需同时考虑内外因素。常见的内部因素有当地面积、当地的事件相关资源等,常见的外部因素有相对距离、外部区域人口、外部区域人口流动等等。

我们现在知道,经典的基础模型难以刻画地理因素,而这只是不足之一。当我们解决实际问题时,还有许多待完善的地方。这里,先补充常见的两点不足:

1.无法刻画超级传播者:原模型中的感染率只考虑了平均值。尤其是在病毒传播初期,要做的恰恰是充分考虑超级传播者的影响。

2.潜伏期问题:病人在潜伏期内,也可能具有传染性。

参考知乎答主Matthew zz,对于SIR模型,有一种解法:
在这里插入图片描述
图4中x(t), y(t), z(t)分别对应着S(t), I(t), R(t);而在这里插入图片描述就是时间滞后。

猜你喜欢

转载自blog.csdn.net/u013598957/article/details/113406616