关于传染病数学建模.docx

第30题 传染 病传播的数学模型 由于人体的疾病难以控制和变化莫测， 医学中的数学模型也是较为复杂的。 在研究传染病传播问题时， 人们发现传染病传播所涉及的因素很多， 例如，传染病人的多少，易受感染者的多少，免疫者 (或感染后痊愈者 )的多少等。在将某一地区，某种传染病的统计数据进行处理和分析后，人们发现了以下的规律性： 设 Sk表示在开始观察传染病之后第 k天易受感染者的 人数，Hk表示在开始观察后第 k天传染病人的人数， Ik表示在开始观察后第 k天免疫者 (或感染后痊愈者 )的人数，那么 Sk+1= (1) Hk+1=＋ (2) Ik+1=Ik+ (3) 其中 (1)式表示从第 k 天到第 k＋1 天有 1％的易受感染者得病而离开了易受感染者的人群； (2)式表示在第 k+1 天的传染病人的人数是第 k 天的传染病人的人数减去痊愈的人数 (假设该病的患病期为 5 (3)式表示在第 k＋ 1 天免疫者的人数是第 k 天免疫者的人数加上 k 天后病人痊愈的人数。将 (1)，(2)和(3)式化简得 如果已知 S0，H0，I0 的值，利用上式可以求得 S1，H1，I1 的值， 将这组值再代入上式，又可求得 S2， H2，I2 的值，这样做下去， 我们可以逐个地，递推地求出各组 Sk，Hk，Ik 的值。因此，我们 把 Sk+1，Hk＋1，Ik+1 和 Sk， Hk，Ik 之间的关系式叫做递推关系式。 现在假设开始观察时易受感染者，传染病人和免疫者的人数分别为 将上述数据 (5)代入 (4)式右边得 利用递推关系式 (4)反复计算得表 30-1。 在建立上述数学模型的过程中，如果还要考虑该地区人员的迁入和迁出，人口的出生和死亡所引起的总人数的变化等因素，那么传染病传播的数学模型变得非常复杂。所以必须舍去次要因素，抓住主要因素，把问题简化，建立相应的数学模型。如果将由该数学模型计算的结果与实际比较后，与传染病传播的情况大致吻合，那么我们就可以利用该模型对得病人数进行预测和估计。例如，可以预测若干天后传染病人的人数等等，便于有关的医疗卫生部门作出相应的决策。 在上述模型中，易受感染者每天的发病率是 1％，它只与易受感 染者的人数 Sk 有关。对于有些传染病，情形更为复杂，它不仅与 易受感染者的人数有关， 也与传染病人的人数 Hk 有关，因为传染 病人的人数越多，传染病的发病率也就越高。这样，就必须将由(1)，(2)和 (3)式所给出的模型加以修改。这里，我们假设该地区人口总数为 N，是一个常数。于是， Sk=N-(Hk＋Ik) (7) 其中 Ik 为在开始观察后第 k 天免疫者 (或感染后痊愈者 )的人数。 设传染病人每天的痊愈率为α，则 Ik+1=Ik+α Hk (8) 最后，假设每天发病人数与易受感染者的人数 Sk 和传染病人的人 数 Hk 均成正比，且其比例因子为β，那么 Hk+1=Hk+βSkHk-αHk (9) 将 (7)，(8)和(9)组合起来，就得到关于 Sk，Hk，Ik 的递推关系式： 如果已知 N，α和β，并 定 S0，H0 和 I0，那么利用上式就可以 算 H1 和 I1，利用 H1 和 I1 ，由 (7)式，可以 算 S1，然后 算 H2 和 I2，再 算 S2，?? ， (10)式就 出了关于 染病 播的第 个数学模式。 利用数学模型 (4)或(10)式可以 染病 播的情形作一些定性的分析。 Sk=Sk＋1-Sk 表示从第 k 天到第 k+1 天易受感染者人数的 化， Ik=Ik+1-Ik 表示从第 k 天到第 k＋1 天免疫者 (或感染后痊愈者 )人数 的 化。从数学模型 (4)式可以看到 Sk=≤ 0 Ik=≥0 所以易受感染者人数只可能减少不会增加，而免疫者人数只可能 增加不会减少。 数学模型 (10)式来 ，易受感染者的人数，免疫者的人数以及 染病人的人数各有什么 化 律 分析： 似于数学模式 (4)式的情形，分 算 Sk， Ik 与 Hk(=Hk+1-Hk)，然后加以分析。 解 由(10)式得： Sk=N-(Hk+1＋Ik+1)-[N-(Hk+Ik)] =(Ik-Ik+1)+(Hk-Hk+1) =-α Hk-β SkHk+α Hk =-β SkHk 所以 Sk≤ 0， k=1， 2，?，即易受感染者人数只可能减少不会 增加。 因 Ik=Ik+α Hk-Ik =αHk 所以 Ik≥0，k=1，2，?，即免疫者人数只可能增加不会减少。 在 Hk=Hk+1-Hk 表示从第 k 天到第 k＋1 天 染病人的人数的 化， 由 (10)式得 Hk=βSkHk-αHk =(β Sk-α)Hk， 所以当 (βSk-α )＞0 ， 染病人的人数第 k＋ 1 天比第 k 天增加； (