Математичні Моделі в Поширенні Хвороб – Основа для Розуміння Епідеміології

Компартаментні моделі: Основний підхід

Фундаментом багатьох епідеміологічних моделей є компартаментні моделі. Ці підходи розділяють популяцію на окремі групи (компартаменти), засновані на їхньому статусі щодо захворювання – зазвичай Сприйнятливі (S), Інфіковані (I), Одужені (R), і іноді також Експонентні (E). Кожен компартамент представляє собою стадію в інфекційному циклі хвороби.

Ключем до цих моделей є описування швидкостей, з яких особи переміщуються між компартаментами. Наприклад, швидкість нових інфекцій (β) відображає, наскільки швидко інфіковані особи передають хворобу сприйнятливим особам, а швидкість одужання (γ) визначає, як швидко інфіковані особи переміщуються до компартаменту одужалих.

dS/dt = -βSI/N  + γI

Модель SIR – Класичний Приклад

Найпростіша епідеміологічна модель – це модель SIR, яка передбачає закриту популяцію з однорідним змішуванням. Це означає, що кожен індивід має рівну ймовірність контактувати з будь-яким іншим індивідом у популяції.

Ця модель використовує диференціальні рівняння для опису зміни в кожному резервуарі з часом. Рівняння вище представляє швидкість зміни кількості сприйнятливих особин (dS/dt) – вона зменшується через інфекції (βSI/N) та збільшується через одужання (γI). Загальна популяція ‘N’ є нормалізуючим константою, яка забезпечує стабільний загальний розмір популяції.

dS/dt = -βSI/N  + γI

Розширення моделі SIR

Основна модель SIR може бути розширена для врахування більш складних факторів. Наприклад, модель SEIR додає резервну (E) зону, що представляє осіб, які заразилися, але ще не є заразливими. Це пояснює наявність латентного періоду в деяких захворюваннях.

Крім того, моделі можуть включати параметри, такі як рівні вакцинації (ν), рівні смертності (μ) та віково-структуровані популяції, що значно підвищує їхню реалістичність. Включення цих факторів дозволяє робити більш нюансовані прогнози щодо динаміки захворювань.

dS/dt = -βSI/N + νS - μS - γI

Мережеві моделі – врахування зв’язків

Моделі, що базуються на розділеннях (compartmental models), припускають однорідне змішування популяції, що часто є спрощенням. У реальності люди взаємодіють між собою по-різному, залежно від їхніх соціальних мереж та географічної близькості. Мережеві моделі представляють популяцію як вузли, з’єднані між собою ребрами, які відображають контакти.

Ці моделі використовують теорію графів для аналізу потоку інфекції через мережу. Структура мережі (наприклад, розподіл ступеня) відіграє важливу роль у визначенні швидкості та масштабу поширення хвороби. Основний принцип полягає в тому, що люди з більшою ймовірністю передають хворобу тим, з ким вони взаємодіють часто.

No single formula represents a network model; analysis relies on graph theory concepts like path lengths, node degrees, and adjacency matrices.

Оцінка параметрів – Налаштування моделей

Точність будь-якої епідеміологічної моделі залежить від точної оцінки її параметрів. До них належать передавальний коефіцієнт (β), коефіцієнт одужання (γ), коефіцієнт вакцинації (ν) та коефіцієнт смертності (μ). Ці значення часто отримують за допомогою статистичного аналізу реальних даних.

Методи, такі як оцінка максимальної правдоподібності або байєсівський висновок, можуть використовуватися для оцінки цих параметрів на основі спостережуваних показників інфекцій, кількості госпіталізацій та смертності. Валідація моделі є критично важливою – порівняння прогнозів моделі з фактичними спостережуваними результатами.

Parameter estimates are derived through statistical analysis of data; no single equation represents the entire process.

Застосування за межами простого поширення

Епідеміологічні моделі не використовуються виключно для прогнозування базового розповсюдження хвороби. Вони застосовуються для дослідження стратегій, таких як карантинні заходи, протоколи соціального дистанціювання та ефективності різних кампаній вакцинації. Їх також можна адаптувати для вивчення нових інфекційних захворювань.

Крім того, моделі все більше інтегруються з агентно-орієнтованим моделюванням, де окремі агенти (представляють людей) взаємодіють відповідно до визначених правил, створюючи більш деталізоване моделювання динаміки захворювання.

Agent-Based Models involve complex interactions and calculations at the individual level, often expressed as discrete event simulations.

Часті запитання

Спробуйте наживо

Усе, що вище, працює прямо у вашому браузері — відкрийте SPH Fluid і змінюйте параметри під час роботи. Нічого не встановлюється, нічого не завантажується на сервер, уся модель живе в одній вкладці.