数理流行病学供参习.doc

数理流行病学 数理流行病学是通过建立、分析和应用数学模型来研究疾病在人群中分布和流行的数量规律的流行性病学分支。虽然Farrw早在十九世纪四十年代就用统计方法对有关疾病和死亡率的大范围现象作了比较广泛的研究，试图揭示流行病爆发的经验规律，然而其真正借用数学模拟的方法研究流行规律，至20世纪初才开始。Hamerwh于1906年提出了这样的设想：一个流行过程必然依赖于易感人数及易感者与感染者之间的接触率。这个简单的数理假设为以后人们提出种种流行病学数学模型提供了重要的理论基础。 20世纪70年代以来，借助于电子计算机作数值分析和模拟研究，数理流行病学发展很快，现在日益认识到：数学模型在寻找疾病传播的重要因素，认识疾病传播过程的机制和特点，验证假说，制定和评价流行病的防治对象，以及在流行病的教学上，都能发挥积极的作用。 流行病数学模型是反映疾病传播过程中诸重要因素(主因素)之间相互联系的数学方程。为了建立模型，通常将人群分成属于各种流行病学状态的若干类别。虽然在疾病的传播过程中，每个成员都会改变其流行病学状态的类别，比如，一个易感者经过感染从易感类进入到感染类，或者一个感染病例因死亡或隔离从感染类转入移除类，但是在确定的时间，各个类别是互不相交的，即每个成员都归属于确定的一个类别，不能同时属于两类或更多类。 一种疾病的传播，受很多社会因素和自然因素的制约和影响，人的个体差异很大，所以，任何一个流行过程本质上是一种随机现象，要对它作出精确的数学描述，必然包含着概率和概率分布的概念。按此说法，流行病学的数学模型似乎都应该是随机性模型。可是，实践表明，在某些具体场合，采用确定性模型也能很好地反映实际的流行过程。当处理大量的易感人数和感染病例时，我们可预期随机扰动对大范围现象的影响将大为减小，因而采用确定模型作为初步近似是合理的。 下面介绍几种常用模型 一、无移除的简单模型 我们考虑最简单的一类流行病模型，它对于理解如何建立流行病学数学模型是有益的。假定感染通过一个团体内成员之间的接触而传播，感染者不因死亡、痊愈或隔离而被移除，则所有的易感者最终都将转变为感染者。显然，这种假设对实际情况而言是太简单化了。但可近似地适用于下述情况：疾病有高度的传染力，但尚未严重到发生死亡或需要隔离的程度，例如某种上呼吸道感染；也可近似地表示这样一种疾病的流行：从流行中移除的时间一般要比感染传遍团体的时间更长。 为了建立这类流行病的数学模型。我们把在时间t的易感染人数和感染人数分别记为S和I，并假设： （1）团体是封闭的，总人数为N，开始时不防假定只有一个感染者； （2）团体中各成员之间接触均匀，因而易感者转为感染者的变化率与当时的易感人数和感染人数的乘积成正比。 据此我们可建立如下的数学模型： （1） （2） 初始条件是t=0，I（0）=1，方程（1）中的比例系数称为感染率 将（2）代入（1）得 （3） 这是一个变量可分离的一阶常微分方程，分离变量后两边织分： 解之得： 式中C为积分常数，可由初始条件求得： 代入上式得： 整理后得： （4） 此方程描述了易感人数随时间变化的动态关系。 二、催化模型 Muench 将关于催化作用机理的思想移植于流行病学领域，提出了一组流行病学催化模型应用于沙眼，乙型肝炎，血吸虫等的年龄分布资料，借以定量估计某病在一个地区的“感染力”，评价防治效果，以及检验疾病分布和流行特点的某些假设，受到人们的重视。 Muench 的催化模型是建立在下述假设的基础上的： 在出生时（t=0），被研究的人群全为易感者，相当于化学中的初始反应物 某病在该人群中的感染力是恒定的。易感者由于受感染力的作用而被变成感染者。这种感染力可用单位人口在单位时间（通常是一年）内的有效接触数来衡量。所谓有效接触系指足以使易感者感染的接触。例如，某地百日咳的感染力为0.129，即表示每年平均1000个易感者中有129个有效接触——感染了百日咳。显然，应将感染力理解为有关疾病传播的许多重要因素综合作用大小的一种度量。 感染某病后，可用血清学，皮肤试验或临床流行病学等方法检查出来，从而可对在时间t被感染的比率(相当于已发生化学反应的分量)y作出估计。 被研究的人群中，发生流动、死亡等因素可略而不计。 简单催化模型 设开始时（t=0），未发生变化的反应物分子或易感者的总量为1，经过时间t，已发生的部分为y，从而1—y是当时没有变化的相对量，这是“催化力”或“感染力”仍能起作用的部分。如果在单位时间内每个个体的有效接触数为r，则反应进行的速率可表示为： （1） 初始条件是t=0 , y=0，解之得 (2) 受催化剂作用的反应物不一定是纯的，可能在变化的单位量中仅有一部分k能发生催化作用。在流行病学中