发布时间 : 星期六 文章传染病传播的数学模型更新完毕开始阅读90f0abdff78a6529647d53e5
传染病
传播的数学模型
很多医学工作者试图从医学的不同角度来解释传染病传播时的一种现象，这种现象就是在某一民族或地区，某种传染病传播时，每次所涉及的人数大体上是一常数。结果都不能令人满意，后来由于数学工作者的参与，用建立数学模型来对这一现象进行模拟和论证，得到了较满意的解答。
一种疾病的传播过程是一种非常复杂的过程，它受很多社会因素的制约和影响，如传染病人的多少，易受传染者的多少，传染率的大小，排除率的大小，人口的出生和死亡，还有人员的迁入和迁出，潜伏期的长短，预防疾病的宣传以及人的个体差异等。如何建立一个与实际比较吻合的数学模型，开始显然不能将所有因素都考虑进去。为此，必须从诸多因素中，抓住主要因素，去掉次要因素。先把问题简化，建立相应的数学模型。将所得结果与实际比较，找出问题，修改原有假设，再建立一个与实际比较吻合的模型。从而使模型逐步完善。下面是一个由简单到复杂的建模过程，很有代表性，读者应从中体会这一建模过程的方法和思路。
一.最简单的模型
假设：(1) 每个病人在单位时间内传染的人数是常数k；(2) 一个人得病后经久不愈，并在传染期内不会死亡。
以i(t)表示t时刻的病人数，k0表示每个病人单位时间内传染的人数，i(0)= i0表示最初时有i0个传染病人，则在?t时间内增加的病人数为
i?t??t??i?t??k0i?t??t
两边除以?t，并令?t→0得微分方程
?di?t??k0i?t??dt ? ???? （2.1） ?i?0??i0?其解为
i?t??i0ek0t
这表明传染病的转播是按指数函数增加的。这结果与传染病传播初期比较吻合，传染病传播初期，传播很快，被传染人数按指数函数增长。但由(2.1)的解可知，当t→∞时，i(t)→∞，这显然不符合实际情况。最多所有的人都传染上就是了。那么问题在那里呢？问题是就出在于两条假设对时间较长时不合理。特别是假设(1)，每个病人单位时间内传染的人数是常数与实际情况不符。因为随着时间的推移，病人越来越多，而未被传染的人数却越来越少，因而不同时期的传播情况是不同的。为了与实际情况较吻合，我们在原有的基础上修改假设建立新的模型。
二. 模型的修改
将人群分成两类：一类为传染病人，另一类为未被传染的人，分别用i(t)和s(t)表示t时刻这两类人的人数。i (0)=
i0。
假设：(1) 每个病人单位时间内传染的人数与这时未被传染的人数成正比。即k0?ks?t?；
(2) 一人得病后，经久不愈，并在传染期内不会死亡。 由以上假设可得微分方程
?di?t??ks?t?i?t??dt???s?t??i?t??n ? ???? (2.2)
?i?0??i??这是变量分离方程，用分离变量法可求得其解为
i?t??n?n?knt1???1?e?i0? ???? (2.3)
其图形如下图2-1所示
模型 (2.2) 可以用来预报传染较快的疾病前期传染病高峰到来
的时询。
di医学上称?t为传染病曲线，它表示传染病人的增加率与时
dt间的关系，如图2-2所示。
由 (2.3)式可得
?n??kntkn??1?ei0?di??2 dt??n??knt? ???? （2.4)
?1???1?e???i0??2di?t?d2i?t??0，可解得极大点为 2再求二阶导数，并令2dtdt2?n?ln??1?i0?? t1? ???? (2.5)
kn从 (2.5) 式可以看出，当传染病强度k或人口总数n增加时，t1都将变小，即传染病高峰来得快。这与实际情况吻合。同时，如果知道了传染率k(k由统计数据得到)，即可预报传染病高峰t1到来的时间，这对于预防传染病是有益处的。
模型 (2.2) 的缺点是：当t→∞时，由(2.3)式可知i(t)→n，即最后人人都要得病。这显然与实袜情况不符。造成这个结果的原因是假设 (2) 中假设一人得病后经久不愈，也不会死亡。
为了得到与实际情况更吻合的模型，必须修改假设 (2) 。实际上不是每个人得病后都会传染别人，因为其中一部份会被隔离，还有由于医治和人的身抵抗力会痊愈，有的人会死亡从而也就不再会传染