基本信息
- 項目名稱：
- 人群高流動情形下傳染病傳播過程的模擬仿真及防控策略研究
- 小類：
- 生命科學
- 大類：
- 自然科學類學術論文
- 簡介：
- 本文以經(jīng)典的SIR模型為基礎，建立傳染病動力學模型，通過計算機模擬重現(xiàn)了傳染病傳播過程。研究發(fā)現(xiàn)，對于傳染性不是很強的情形，適當?shù)靥岣呷巳毫鲃有韵喈斢诩皶r進行了感染人群疏散，有利于避免傳染病的快速傳播。因此，通過針對特定傳染病的模擬我們可以計算得出在哪一個區(qū)間才是真正合適的免疫接種的范圍，以此來抑制傳染病的大爆發(fā)以及有效地控制傳染病的傳染程度。
- 詳細介紹：
- 人群的高流動性是新世紀以來SARS及H1N1病毒全球肆虐的關鍵性因素。本文以經(jīng)典的SIR模型為基礎，建立傳染病動力學模型，通過計算機模擬重現(xiàn)了傳染病傳播過程。研究發(fā)現(xiàn)，對于傳染性不是很強的情形，適當?shù)靥岣呷巳毫鲃有韵喈斢诩皶r進行了感染人群疏散，有利于避免傳染病的快速傳播。首次發(fā)現(xiàn)，合適的人群流動性情形下，其感染人群數(shù)目呈雙峰分布，也即相同感染能力的傳染病既有可能導致小爆發(fā)，也有可能導致大爆發(fā)；深入的研究表明，大爆發(fā)的關鍵成因是感染者無窮大傳播網(wǎng)絡的形成。而免疫接種的防控效果研究也發(fā)現(xiàn)，必須有足夠量的接種數(shù)目才能有效破壞具有傳染能力的無窮大傳播網(wǎng)絡的形成；過少的接種基本不能防止傳染病的爆發(fā)，只是在浪費成本；免疫數(shù)量存在一個閾值，更多的免疫接種提高了經(jīng)濟成本，卻不能以線性效率抑制感染的發(fā)生；在某種程度上具有物理相變的雙態(tài)轉變特征。因此，通過針對特定傳染病的模擬我們可以計算得出在哪一個區(qū)間才是真正合適的免疫接種的范圍，以此來抑制傳染病的大爆發(fā)以及有效地控制傳染病的傳染程度。 本研究基于經(jīng)典的SIR模型，用Monte Carlo模擬方法重現(xiàn)傳染病跨區(qū)域全局性傳播的行為特點。SIR模型是Kermack[11] 等人在1927年提出的一個傳染病的模型，這個模型得到了歷史上發(fā)生過的大規(guī)模的傳染?。ㄈ缟鲜兰o初在印度孟買發(fā)生的瘟疫）數(shù)據(jù)的有力支持，后來很多研究人員對SIR模型做了推廣。 首先假定某地區(qū)的人群是一個常數(shù)，把他們分為三個部分：易感人群、被感染者、恢復者。易感人群很容易被感染而且還沒被感染（Susceptible），用S(t)表示；被感染者是已經(jīng)被感染而且又將感染其他人（Infected），用I(t)表示；恢復者是他們從流行病中獲得免疫并恢復為健康的人（Recovered），用R(t)表示。 我們用一個二維的格子空間（a×a）去模擬人群，用周期邊界性條件去模擬一個無限的空間。在此模型當中，人群根據(jù)人群密度被隨機分布到整個格子空間中，以建立一個均勻的人群分布。在模型中產(chǎn)生的每一個人在某一時刻或某一天都有一個的運動范圍，我們用運動半徑去描述。例如它可以在最大的運動半徑范圍內跳躍到其他地方(如圖1)，而每一個人身邊都有四個與自己最鄰近的人，只有最相鄰的兩個人才能發(fā)生接觸。感染者可以感染易感人群，而同時自己也因為有pr的存在會有可能康復。 當模型初始化的時候，即t=0的時候，有N個感染者自動在模型中生成，而剩下的則是由隨機產(chǎn)生的易感人群組成。每次模擬我們都會進行m次，并且我們設定只要感染人群大于Nc，即可認為此次傳染病屬于一個會爆發(fā)的傳染病。 本文是基于SIR模型及累積感染基礎上使用Monte Carlo模擬方法對傳染病傳播過程進行了初步模擬。研究發(fā)現(xiàn)，對于傳染性不是很強的情形，適當?shù)奶岣呷巳毫鲃有苑炊鴷欣诒苊鈧魅静〉目焖賯鞑?，相當于及時進行了密集人群的疏散。研究首次發(fā)現(xiàn)，某種情形下，相同感染能力的傳染病既有可能導致小爆發(fā)，也有可能導致大爆發(fā)，其感染人群數(shù)目呈雙峰分布，也即看似已經(jīng)滅絕時，如果不繼續(xù)進行有效的免疫控制，它很可能會在某一時刻以迅雷不及掩耳之勢再來一次大爆發(fā)，讓群眾或者相關部門始料未及。對于個體接種的模擬發(fā)現(xiàn)，從經(jīng)濟的角度出發(fā)，對于免疫接種的數(shù)量也要準確把握，免疫數(shù)量存在一個閾值，過少的免疫接種無法抑制傳染病的肆虐，而過多的免疫接種卻會提高治療的成本。因此，通過模擬我們可以計算得出在哪一個區(qū)間才是真正合適的免疫接種的范圍，以此來抑制傳染病的大爆發(fā)以及有效地控制傳染病的傳染程度。
作品圖片
作品專業(yè)信息
撰寫目的和基本思路
- 基于計算機模擬方法，重點研究人群流動性對傳染病傳播動力學的影響。 1．建立特定情形下的傳染病傳播模型，在此基礎上通過計算機模擬重現(xiàn)傳染病過程； 2．基于個體的出差概率及活動半徑對人群流動性進行物理性描述； 3．模擬研究人群流動性與傳染病爆發(fā)概率、影響范圍之間的關系； 4. 對個體進行隨機免疫，研究不同免疫概率情形下傳染病的防治效果，進而提出恰當?shù)姆揽夭呗浴?
科學性、先進性及獨特之處
- 1. 不同于已有的基于點源擴散模式的流行病傳播理論，重點關注了新時代人群流動性對其傳播速度、感染范圍的影響； 2. 不同于已有數(shù)學模型及元胞自動機方法，本研究使用的格子蒙特卡洛模擬方法能夠有效重現(xiàn)傳染病跨區(qū)域性傳播這一特點。
應用價值和現(xiàn)實意義
- 廣東省是一個人口流動性大省，不但和國內其他地區(qū)有著密切的人口對流，而且和香港及境外區(qū)域國家有著頻繁的人員來往。本研究通過計算機模擬重現(xiàn)人群高流動情形下傳染病的傳播過程，為相關部門提出針對性防控措施的意見，以避免更多的傳染病大爆發(fā)。
學術論文摘要
- 人群的高流動性是新世紀以來SARS及H1N1病毒全球肆虐的關鍵性因素。本文以SIR模型和累積感染為基礎，建立傳染病動力學模型，通過計算機模擬重現(xiàn)了傳染病傳播過程。研究發(fā)現(xiàn)，對于傳染性不是很強的情形，適當?shù)奶岣呷巳毫鲃有韵喈斢诩皶r進行了感染人群疏散，有利于避免傳染病的快速傳播。首次發(fā)現(xiàn)，某種情形下，其感染人群數(shù)目呈雙峰分布，也即相同感染能力的傳染病既有可能導致小爆發(fā)，也有可能導致大爆發(fā)；深入的研究說明，大爆發(fā)的關鍵成因是傳播網(wǎng)絡的形成。而免疫接種的防控效果研究也發(fā)現(xiàn)，必須有足夠量的接種數(shù)目才能有效破壞傳播網(wǎng)絡的形成；過少的接種基本不能阻止傳染病的爆發(fā)，只是在浪費成本；免疫數(shù)量存在一個閾值，過多的免疫接種并不能進一步有效抑制感染的發(fā)生，卻會大大提高經(jīng)濟成本。因此，通過針對特定傳染病的模擬我們可以計算得出在哪一個區(qū)間才是真正合適的免疫接種的范圍，以此來抑制傳染病的大爆發(fā)以及有效地控制傳染病的感染程度。
獲獎情況
- 暫無
鑒定結果
- 暫無
參考文獻
- [1] M.J Keeling, and P.Rohani. Modeling Infectious Diseases in Humans and Animals, Princeton, N.J.: Princeton University Press(2007) [2] Z.MA,Y.Zhou, and J.Wu.Modeling and Dynamics of Infectious Diseases World Scientific Publishing Company(2009). [3] X.N. Han, S.J. de Vlas,L.Q.Fang,D. Feng, W.C. Cao.Mathematical modeling of SARS and other infectious disease in China:a review. Tropical Medicine & International Health,14:92-100(2009) [4] J.Li, and X.F.Zou. Modeling Spatial Spread of Infectious Diseases with a Fixed Latent Period in a Spatially Continuous Domain. Bulletin of Mathematical Biology,71(8): 2048-2079(2009) [5] 許田，張培培。姜玉梅，蘇蓓蓓，何大韌.流行病傳播模型與SARS.自然雜志，26（1）：20-25（2004） [6] 石耀霖.SARS傳染擴散的動力學隨機模型.科學通報，48(13):147-152（2004） [7] 余雷，薛惠鋒，李剛：傳染病傳播模型研究，計算機仿真，2007年，第24卷，04期 [8] B .Dybiec. Modelling control of epidemics spreading by long-range interactions. Journal of Royal Society Interface,6(39):941-950(2009)
同類課題研究水平概述
- 不同于其他的科學研究，對傳染病的研究一般不能采取實驗方式，主要有如下三種研究手段：描述性研究、理論性研究及模擬仿真研究。 描述性研究主要是針對各類傳染病的數(shù)據(jù)資料，使用已有的數(shù)學函數(shù)行進數(shù)值擬合，進而對傳染病過程及感染力度等進行相信分析描述；這種方法基于大量數(shù)據(jù)資料，分析客觀真實，具有很高的參考價值，但同時也是一種比較唯象的研究方法，不能揭示傳染病的傳播機制及空間分布情況。 理論性研究則首先建立確定的數(shù)學模型，通過建立各類個體（易感者、感染者、免疫者）數(shù)量隨時間動態(tài)變化的微分方程或偏微分來描述其傳播過程和機制；其中最有影響的是SIR和SIS模型，前者可以有效描述麻疹流行病。而后者可以有效描述肺結核和淋病等流行病。比較遺憾的是，現(xiàn)有的微分方程模型只能描述感染個體數(shù)量隨時間的變化過程，不能描述傳染病傳播的空間變化趨勢。近期也有學者做了不少嘗試，比如基于中心地理考慮了個體全球流動對SARS傳播的影響，或在數(shù)學模型中引入了反應擴散動力方程以便考慮空間因素。 近年來，得益于計算機計算能力及模擬仿真的技術的快速發(fā)展，元胞自動機模擬、人工神經(jīng)網(wǎng)絡模擬、隨即動力學模擬被成功地用來模擬傳染病在空間上的傳播過程。尤其是隨機動力學模擬方法被越來越多的使用，因為后者可以容易使人群在空間流動。國內外一些同行也已經(jīng)注意到了傳染病跨區(qū)域的空間“飛點”傳播特點，并利用遙感學方法或隨機動力學模擬方法進行了簡單探討，但是還沒有展開系統(tǒng)的研究，對其物理圖像仍然缺乏清晰的認識，更談不上對于此類傳染病防控策略的探究。
