艾滋病数学建模.doc
《艾滋病数学建模.doc》由会员分享,可在线阅读,更多相关《艾滋病数学建模.doc(4页珍藏版)》请在冰点文库上搜索。
![艾滋病数学建模.doc](https://file1.bingdoc.com/fileroot1/2023-5/2/4fcf1679-8041-461f-a341-50d325472fa3/4fcf1679-8041-461f-a341-50d325472fa31.gif)
模型的建立
1.建模思想
建立HIV/AIDS的传播模型,利用模型对不同控制措施下的感染情况进行预测。
对AIDS建立模型应考虑一下方面因素:
1)传染病的一般传播原理;
2)AIDS的特殊性,例如从感染病毒到发病,其潜伏期不定,且潜伏期期间没有明显症状,一旦感染将不能治疗痊愈;
3)艾滋病感染人群层次广泛,包括各个阶层,知识分子,农民,学生等,在吸毒人群,嫖客人群,暗娼人群等高危人群中流行更为广泛;
4)每年新出生人口中会有艾滋病感染者;
5)每年都有一般人群通过不同途径进入高危人群,成为易感人群;
6)艾滋病感染者是否具有较高的道德修养,发现自己感染后能否控制自己的行为,不传染给其他人;
7)感染艾滋病后,二次感染的可能性;
8)
国家采取一些措施,例如加大对艾滋病知识的宣传,发放避孕套等,对高危发病人群的影响。
考虑这些方面,进行条件的合理假设和参数确定。
2.假设条件
1)研究高危人群,主要包括吸毒人群,嫖客人群,暗娼人群;
2)一个艾滋病病人被感染后不会被二度感染;
3)假设一个艾滋病病毒感染者具有较高的道德修养,自己感染后不会再传染他人即不考虑对周围人群的影响;
4)假设HIV的潜伏期为8年。
3.参数确定
1)针对艾滋病的特点,我们将人群分为三类:
S:
易感者(susceptible),即未感染HIV病毒的健康人,但有可能被感染的人;
E:
潜伏着(exposed),已经感染HIV病毒,但未被发现,仍处于潜伏期者;
I:
患病者(infectious),感染HIV病毒,有明显的发病症状,到医院注册治疗者。
t时刻以上各类人数分别用S(t),E(t),I(t)表示,用N(t)表示t时刻人口总规模N(t)=S(t)+E(t)+I(t)
2)p----------------------------每年新出生人口中HIV病毒携带者所占比例
3)---------------------------感染率,即单位时间内一个病毒携带者对易感人群的感染率
4)b----------------------------自然出生率
5)d----------------------------自然死亡率
6)k----------------------------每一年进入与退出高危人群的比例之差
7)----------------------------处于潜伏期的病人的每年发病率
8)----------------------------每年因艾滋病死亡的死亡率
4.模型的建立
根据艾滋病的流行规律,易感者受到感染后先变为潜伏着,潜伏者发病后变为感染者,感染者转变为移出者,不属于我们模型的考虑范围。
建立SEI(有垂直感染且有输入输出)模型,建立如下仓室转移框图:
S
I
E
其中:
:
每年新增的易感者;
:
每年进入与退出高危人群人数之差;
:
每年易感者的自然死亡数;
:
表示新增患者人数;
:
出生就是HIV感染者的人数;
:
HIV感染者成为艾滋病病人的人数;
:
在潜伏期就死亡的人数
:
自然死亡的让人数;
:
因HIV死亡的人数;
5.建立微分方程:
对上述模型进行离散就可以得到差分方程:
假设t=0时,取来自于中国卫生部1993年的数据
即可以得出:
1)根据中国卫生部的统计资料可得;
2)根据中国统计的数据得出中国每年自然出生率和自然死亡率分别为:
b=1.3464%,d=0..6432%;
3)由前面的假设条件中潜伏期平均为8年,所以通过数学概率可以算的每年的发病率为;
4)根据WHO统计数据,全世界每年有2400万感染HIV的妇女生产,导致每年60万婴儿感染HIV,因此,可以得出每年出生的婴儿中艾滋病患儿的比例为p=;
5)通过中国卫生部每年的艾滋病死亡率的数据,可以得到;
6)通过对1993到2000年实际感染人数与公式得的数据进行拟合得出。
6.编程求解:
假设未来7年,即估算到2000的数据,k=0.1,
用MATLAB软件编写代码如下:
b=0.013464;
d=0.006432;
p=0.025;
gama=0.1926;
beta=0.05;
epsi=0.125;
c=0.045;
S
(1)=565133;
E
(1)=1243;
I
(1)=36;
k=0.8;
fort=1:
7
N(t+1)=S(t)+E(t)+I(t);
S(t+1)=S(t)+(1-p)*b*N(t)-d*S(t)-(beta*S(t)*E(t))/(1+c*S(t)^1.2)+k*S(t);
E(t+1)=E(t)+p*b*N(t)+(beta*S(t)*E(t))/(1+c*S(t)^1.2)-d*E(t)-epsi*E(t);
I(t+1)=I(t)+epsi*E(t)+d*I(t)-gama*I(t);
S,E,I,N
end
输出数据:
S=
1.0e+006*
0.56510.62530.69120.76400.84440.93341.03171.1404
E=
1.0e+003*
1.24301.36761.48381.61181.75251.90712.07702.26371.7151
I=
36.0000184.6730321.2396446.9100565.1834679.0211790.9907903.3551
N=
1.0e+006*
0.56530.56640.62690.69300.76600.84670.93601.0345