肖冰芯,薛亞奎
(中北大學(xué) 理學(xué)院, 太原 030051)
描述傳染病傳播的數(shù)學(xué)模型是數(shù)學(xué)在生物數(shù)學(xué)中最成功的應(yīng)用之一[1],但他們是通過(guò)使用統(tǒng)計(jì)力學(xué)中平均理論的方法得到的。換句話說(shuō),施動(dòng)者是人或者動(dòng)物,粒子近似,這可能構(gòu)成了數(shù)學(xué)流行病中經(jīng)典方法的主要限制:參與傳染病傳播的主體不是粒子,他們的行為包括心理方面,在形成人口動(dòng)態(tài)中是最重要的。這是 Capasso和Serio在70年代首次強(qiáng)調(diào),但只在最近幾年清楚地認(rèn)識(shí)到:人類(lèi)行為包括不端行為應(yīng)該被包括在傳染病蔓延的某種方式的建模上,這引發(fā)了大量的科學(xué)研究。盡管各有各的方法,但所有的這些工作都明確包括了關(guān)于傳染病的信息對(duì)病原體行為的反饋,從而反映出對(duì)目標(biāo)疾病的傳播的反饋[2-7]。
我們關(guān)注的是與疾病有關(guān)的信息對(duì)健康受試者行為的影響而給出的反饋,它在文獻(xiàn)[2]中首次在SIR流行病模型中引入,其中,感染力被建模為感染主體比例的遞減函數(shù)。在文獻(xiàn)[3]中,Capasso和Serio的開(kāi)創(chuàng)性工作得到了擴(kuò)展,考慮到導(dǎo)致接觸率降低的行為實(shí)際上受到了傳播信息的影響,由于延遲和過(guò)去對(duì)流行病的了解,這些信息不僅反映了目前的傳播狀況,也反映了過(guò)去的傳播狀況。例如在指數(shù)衰減記憶核的情況下,存在一個(gè)唯一的地方病平衡點(diǎn)(EEP),且局部穩(wěn)定。
傳染病作為一種嚴(yán)重危害人類(lèi)的疾病,接觸率在疾病傳播過(guò)程中發(fā)揮著重要作用,當(dāng)有關(guān)的傳染病信息被媒體報(bào)道后,人們之間的接觸率會(huì)下降,從而使染病者的數(shù)量減少[8-10]。介紹了一種SEIR模型,并定義信息相關(guān)行為對(duì)疾病感染力(FoI)的影響,通過(guò)構(gòu)造適當(dāng)?shù)腖yapunov函數(shù)來(lái)研究它的全局穩(wěn)定性[8]。
根據(jù)倉(cāng)室模型思想,建立如下的常微分方程模型:
(1)
將總?cè)丝贜(t)分為4類(lèi):易感者S(t),潛伏者E(t),感染者I(t)和恢復(fù)者R(t)。參數(shù)b(b>0)表示人口輸入率與自然死亡率,不考慮因病死亡;易感者以比例β(M)SI感染并成為潛伏者,潛伏者以比例v(v>0)成為感染者,潛伏者和感染者的治愈率分別為r1,r2(r1,r2>0),對(duì)感染者的治療只有一部分q是成功的,即剩下的感染者p(p=1-q)治療失敗,治療失敗的感染者重新成為潛伏者。接觸率是某一信息指標(biāo)M(t)的函數(shù)[4]:
在本文中有:
(2)
函數(shù)g(I)描述的是傳染量在信息動(dòng)力學(xué)中所起作用的函數(shù)。
根據(jù)模型(1)和方程(2),得到了一個(gè)新的模型:
(3)
模型(3)的初始條件:S(0)>0,E(0)≥0,I(0)>0,M(0)≥0
(4)
對(duì)于函數(shù)β(M)和g(I)有以下假設(shè):
(H1):β(0)>0;β(M)>0;M>0
(H2):β′(M)>0;M>0
(H3):g(0)=0;g(I)>0;I>0
(H4):g′(I)>0;I>0
模型(3)有唯一的無(wú)病平衡點(diǎn)P0=(1,0,0,0)。
根據(jù)基本再生數(shù)的定義[11],模型(3)基本再生數(shù)R0的表達(dá)式為:
(5)
定理2.1當(dāng)R0>1時(shí),模型(3)存在唯一的地方病平衡點(diǎn),記為P*=(S*,E*,I*,M*)。
證明令模型(3)的方程右端均等于0,求解得
且I*的解滿(mǎn)足下式:
(6)
方程(6)的解可以看做是F1(I)和F2(I)的圖像在第一象限的交點(diǎn)
使用假設(shè)(H1)和(H3),及(5)中R0的表達(dá)式,可得
(7)
計(jì)算F1(I)的導(dǎo)數(shù)有
對(duì)于負(fù)反饋模型,使用以下的Lyapunov型函數(shù)[12-13]
(8)
使用假設(shè)(H1)和(H2),可以驗(yàn)證函數(shù)U(M)在M=M*有一個(gè)全局最小值,并且滿(mǎn)足U(M)≥U(M*)當(dāng)且僅當(dāng)M=M*時(shí)取“=”。
使用Volterra型Lyapunov函數(shù):
V(x)=x-1-lnx
(9)
函數(shù)V(x)在x=1有一個(gè)全局最小值,且滿(mǎn)足V(x)≥V(1),當(dāng)x=1時(shí),兩邊相等。
β(M)滿(mǎn)足假設(shè)(H1)和(H2),對(duì)易感者的接觸率β(M)進(jìn)行了如下假設(shè):
(H5): (Mβ(M))′>0,M>0。
引理3.1假設(shè)(H2)和(H5)成立,則
定理3.1當(dāng)R0<1時(shí),模型(3)的無(wú)病平衡點(diǎn)P0在可行域Γ內(nèi)是全局漸近穩(wěn)定的。
證明令WS=V(S),計(jì)算WS(S)的導(dǎo)數(shù),得到
(10)
(11)
定義Lyapunov函數(shù)W:{(S,E,I,M)∈?!肧>0}→R
W(S,E,I,M)=cWS+cWei
(12)
其中,c∈R+,將上式相加得到W的導(dǎo)數(shù):
由假設(shè)(H2)可知β(M)<β(0)
在特定條件g(I)=ωI下,證明地方病平衡點(diǎn)P*的全局穩(wěn)定性。
定理3.2當(dāng)R0>1時(shí),模型(3)的地方病平衡點(diǎn)P*在可行域Γ內(nèi)是全局漸近穩(wěn)定的。
證明在EEP點(diǎn),有
b=bS*+I*S*β(M*)
(13)
(14)
(15)
M*=ωI*
(16)
(17)
(18)
(19)
令Lm=U(M),將式(16)代入,有:
(20)
構(gòu)造Lyapunov函數(shù)
(21)
其中k∈R+,計(jì)算上式的導(dǎo)數(shù),有
(22)
將式(17)~(19)代入式(22),有:
(23)
式(23)中方括號(hào)之間的項(xiàng)是Volterra型函數(shù),這些函數(shù)是正定的。
利用Matlab對(duì)研究的流行病模型進(jìn)行數(shù)值模擬,驗(yàn)證模型(3)的無(wú)病平衡點(diǎn)及地方病平衡點(diǎn)的穩(wěn)定性,考慮如下的情形:
取初始值S(0)=0.34,E(0)=0.31,I(0)=0.14,R(0)=0.21。
圖1表示了無(wú)病平衡點(diǎn)的穩(wěn)定性。當(dāng)R0<1時(shí),無(wú)病平衡點(diǎn)P0在可行域Γ內(nèi)是全局漸近穩(wěn)定的。通過(guò)合理提高潛伏期人群的治愈率和降低治療失敗的比例可以發(fā)現(xiàn):R0減小有效地縮短了疾病趨于消亡的時(shí)間。
b=0.03,β(0)=0.05,v=0.04,r1=0.006,r2=0.003,p=0.01,q=0.99
圖2表示了地方病平衡點(diǎn)的穩(wěn)定性。當(dāng)R0>1時(shí),在特定條件g(I)=ωI下,地方病平衡點(diǎn)P*在可行域Γ內(nèi)是全局漸近穩(wěn)定的。通過(guò)合理提高潛伏期人群的治愈率和降低治療失敗的比例可以發(fā)現(xiàn):R0減小有效地縮短了疾病趨于穩(wěn)定的時(shí)間。
b=0.003,β(0)=0.05,v=0.04,r1=0.01,r2=0.008,p=0.01,q=0.99
研究了一種具有信息變量M的SEIR模型(3),一個(gè)對(duì)易感對(duì)象行為β(M)的負(fù)反饋,以及一個(gè)描述傳染規(guī)模在信息動(dòng)力學(xué)g(I)中所起作用的函數(shù),給出了基本再生數(shù)R0,分析了無(wú)病平衡點(diǎn)P0及在特定條件下地方病平衡點(diǎn)P*的全局穩(wěn)定性。
模型(3)地方病平衡點(diǎn)存在和唯一性的一個(gè)重要的流行病學(xué)結(jié)果是分析信息相關(guān)行為對(duì)感染力的抑制作用。信息的作用:① 增加易感者的平衡數(shù)量;② 減少感染和潛伏者的平衡數(shù)量;③ 使易感者增強(qiáng)防范意識(shí),增強(qiáng)自身免疫力;④ 降低治療失敗的比例率,確保每位患者都痊愈再停止治療措施。