疫情演化方程和对SARS疫情的预测.pdfVIP

疫情演化方程和对SARS 疫情的预测 郭东升*、 吴咏时** 为探讨、分析、和预测SARS 疫情，王正行[1]和叶沿林等人[2] 试图建立数理模型，进 行了有意义的讨论。为了更好地描述疫情走势和做出更方便合理的预测，我们建议如下的疫 情演化微分方程。求解方程，我们得到疫情随时间变化的发展函数和一个标志疫情受控程度 的指标。在此基础上我们提出一个理论模型，用此模型对北京的疫情发展做了数值拟合和预 测。虽然此次疫情高潮已过，为防反复，后期的监控仍很重要。这一理论模型对今后各种传 染病流行的监控都有积极意义。发表此结果也为促进各方对此问题的关注和讨论。 1. 疫情演化的微分方程 我们建议如下的疫情演化微分方程： (d/dt) N(t) = K [ N(t) – N(t – L) ] . (1) 我们采用与文 [2] 一致的记号：N 代表SARS 病人的总数，K (传染率)为平均每天每病人的 传染他人的人数，L 为平均每个病人可传染他人的天数。(d/dt)N(t) 为每天(单位时间) 发病 人数。N(t)-N(t-L) 表示可传染他人的病人总数为总病人数减去失去传染能力的病人数。 传染率 K 可以随时间变，也可以为某一时间段内的常数。 2. 方程的求解 如果假定有一个初始爆发时间，最初有 N0 个病人突然出现，在 L 天之内(t L)则 N(t-L)=0 。在这个初发期间内，方程(1) 给出的发病人数呈指数增长 N(t)=N0(1+K)t (t L) (2) 王正行已有详尽讨论[1]。在L 天之后，一部分病人已不具备传染力，作为方程(1) 的解，发 病人数则为 t t-L-1 N(t)= N0 [(1+K) –(t-L)K(1+K) ] (L t 2L) (3) 和 N(t)= N t 0 (1+K) –N(t-L) (2L t 3L) , (4) 并按此往后类推。这一结果正是叶沿林等人[2] 结果的公式化。 如果没有假定的初始暴发时间，或认为最初的一批病例发现时，其中有人已发病了若干 天，那么最恰当数学处理应是求解方程(1) 。经直接验证，下式为解析解， N(t)= C + C e-Wt (KL1 ，或 KL1) (5) 1 2 其中C1 和C2 为待定积分常数，W 为以后发生病例数的衰减率(其负值为增长率) ，满足如下 超越特征方程 WL+KL(1-e WL) = 0 . (6) 当 KL1 ， WL 的数值可按下式迭代求解 WL=KL(1-e WL) ; 当 KL1 ， WL 的数值可按下式迭代求解 WL= ln(1+WL/KL) ; 当 KL=1 ， WL=0 。此时方程有退化解 N(t)=C +C t, 1 2 表明总病人数呈线性增长。 WL 亦可按幂级数展开计算， 2 3 4 5 WL=2(1-KL) + (2/3)(1-KL) + (4/9)(1-KL) + (44/135)(1-KL) + (89/405)(1-KL) +… 3. 疫情受控程度指标 W (或WL) 当人们谈到“疫情得到控制” 或“ 尚未得到控制” 时，是否有一个明确的科学指标作为依据？ 我们认为W 正是这一指标。按以上分析，如已知K 和L ，则可用WL 。指标KL 实际上表 示单个病人在传染期内所传染的总人数。如KL1 ，表明以后被传染的人数越来越少；算出 的WL 为正值，表明疫情得到控制。如KL=1 ，表明传染源的人数恒定，得病人数会无止境 地增长；算出的