H1N1甲型流感PPT.ppt

* * 对甲型H1N1流感疫情的预测与控制及经济影响的模型 讲解人： 目录 建模思路和想法 模型假设 建立模型 模型求解 模型一建模思路 H1N1流感于大多数传染病传播方式相似，因此我们在SIR模型基础上结合现代社会的对疑似病人严格控制的实际情况，将人群分为四类——易感染者，感染者，疑似者和移出者。其次结合实际定性或定量的分析各因素内在关系，建立微分方程模型；最后用数值方法求解、作图，并利用数据拟合出参数κ的值。 模型假设 人群分为四类－易感染者S(t) ，感染者I（t） ，疑似者E（t） ，移出者R（t） 。且总人数N在单位时间内不变。 每天被治愈的病人占总病人的比例为常数 μ 每个病人每天有效接触人数数常数λ 单位时间由疑似类进入感染类的比例 κ 建模 由假设显然有 S＋E＋I＋R＝1 再由各人群的转换关系： 模型求解 1.参数确立 λ ＝1.5 μ =0.98653 κ＝0.2513 S(0)=0.999;E(0)=0.0008;I(0)=0.0002;R(0)=0 用MATLAB编程计算得到 由数值解看出在145天没有新病例产生 分析与检验 由于模型的实际意义，我们在区域 D={(S,E,I) | S≥0,E≥0,I≥0,S+E+I≤1} 中研究模型的解即可，定义模型的基本再生数为 R0 =令模型中前三个方程右端为零，即 可以求出模型的平衡解。当然可以看出： 1. 当R01时，即λμ,模型仅有一个无病平衡解E1（1，0，0），且该模型无病平衡解E1必然是全局渐近稳定的； 2. 当R01时，即λμ,模型还有一个地方病平衡解E2（S,E,I)，且该模型的无病平衡解E1是不稳定的，但是地方病平衡解E2是全局渐近稳定的。当然也可以看出随时间的增大, I ( t) 将增大到最大值以后开始减少, 最后消亡. 这表明当R0 1 时, 传染病会流行. 可见R0= 1 是个很重要的数值.R0 为再生数, 1/R0为传染病流行与否的阈值.当S（0）大于阀值时，传染病就会蔓延，当然，这时减小传染接触数λ，即提高阀值，使得S（0）小于阀值，传染病就不会蔓延。并且，即使是S（0）大于阀值，我们也可以在一定程度上控制传染病蔓延的程度。我们还可以注意到 R0 = λ/μ 所以说，在人们的生活中，卫生水平越高，日接触率λ越小；医疗水平越高，日治愈率μ越大，于是R0越小，所以提高卫生水平和医疗水平有助于控制传染病的蔓延。[3] 从我们的数值解中可以明确地看出在第58天59天感染者达到最大值；第90天疫情得到了控制；第142天将会治愈所有患者；在第157天可以清除所有疑似病例，可以除去所有警报。 结果分析和模型评价 由于该病传播有限性，结合数据，我们假设N=6000000,再有模型得到预测的感染者数目为NI=6000000I。将实际感染人数与我们预测的人数作图进行比较，结果如下图： 1.由上图为H1N1疫情变化与模拟结果的比较图, 图中实线为计算曲线, 星号为实际数据. 从疫情变化图及统计数据分析H1N1流行特征, 发现有明显的发病高峰时段. 在刚开始的一段时间内，每日虽有确诊和疑似病例报告, 但染病人数较少.当二十天以后， 疫情迅猛发展, 患病人数每天都迅速增长, 这种状态大约持续到发病的80天左右. 由上图可以看出这段时间累计感染人约占目前总患病人数的90% 左右, 可以看作是发病高峰. 从发病九十天以后 疫情出现平缓趋势, 且出现稳中渐降势态走势, 预示疫情已被基本控制. 2. 如前所述, 再生数R0是一个重要的数值, 当R0 1 时,传染病将逐渐消失而不流行, 而 当R0 1 时, 传染病会流行. 因此, 为防止传染病流行, 理论上应设法减小再生数R0, 使其小于1. 从R0的影响因素可以看出, 通过加强治疗可以缩短病程; 当然也可以减小传染率λ 同时应设法减少易感者人数S 0, 为此, 医学上应该加强防疫, 及时研制疫苗以增加易感者免疫力; 等等, 都是控制易感者数目的重要措施. 将E(0)扩大10倍 将κ系数增加到0.6 当然，在H1N1传染病中，整个过程中是很复杂的，在这里我们仅仅只给出了一个很简单的具有疑似病例的传染病模型，并假设一旦发现为疑似病例就立即隔离。但是通过我们的验证，实际情况与我们得到的曲线吻合的非常好，充分体现了隔离对疫情控制的重要性，这也与各国积极采取隔离措施的实际情况相符合。已可以在一定的程度上对该传染病的未来发展趋势做一个预测，对该传染病的控制以及应对做到一定的预警作用！ 当然对于该传染病，我们还应该考虑一些潜伏期间的问题，为此, 应在模型中加入时