“基本再生数”的版本间的差异
标签:移动网页编辑 移动版编辑 |
标签:移动网页编辑 移动版编辑 |
||
第15行: | 第15行: | ||
\lim_{\Delta t\to0}(1-\gamma\Delta t)^{t/\Delta t}=e^{-\gamma t}, | \lim_{\Delta t\to0}(1-\gamma\Delta t)^{t/\Delta t}=e^{-\gamma t}, | ||
\end{equation}</math> | \end{equation}</math> | ||
− | 同时,个体保持感染状态,然后在t到<math>t+dt/math>区间恢复的概率<math>p(t)dt</math>可以表示为上述概率与<math>\gamma dt</math>的乘积,即 | + | 同时,个体保持感染状态,然后在t到<math>t+dt</math>区间恢复的概率<math>p(t)dt</math>可以表示为上述概率与<math>\gamma dt</math>的乘积,即 |
<math>\begin{equation} | <math>\begin{equation} | ||
p(t)dt=\gamma e^{-\gamma t}dt, | p(t)dt=\gamma e^{-\gamma t}dt, |
2022年6月12日 (日) 12:57的版本
此词条由Potatozh初译,由水手9303校核整理,若有错误,请见谅,并恳请告知。
基本再生数(basic reproduction number)是传染病研究中一个重要的参量,记为R0,下面给出它的定义。考虑疾病传播的最初阶段,此时只有少数的疾病案例,其他人都是易感个体,传染病学术语中,通常称为本地人口(native population)。假如,其中一个易感个体,在疾病爆发以后被感染,那么,基本再生数指的是,这个被传染的人,在他恢复之前(恢复健康,不再具有传染性),将疾病平均传染给了多少个人。例如,如果每个被感染者将疾病平均又传染给了其他两个人,则R0=2。如果初始感染者中,有一半的人,将疾病分别又传染给另一个人,而剩余的一半人没有传染给其他任何人,那么R0=1/2,依次类推。
如果R0=2,那么,每个得病的人,就会平均传染两个人,而这两个人中的每一个,又会再传染另外两个人。如此下去,每一轮,新的病例,都会加倍,从而出现指数增长规律。相反,如果R0=1/2,那么,疾病就会以指数形式衰减。R0=1,是增长和减少的分界点。因此,它也表示传播临界值(epidemic threshold),偏离此值时,疾病要么增长,要么消亡。
以SIR模型为例【将特定人群的人口结构,划分为了易感染人群(S)、感染人群(R)以及移出者人群(R),通过对三种人群的动态变化的研究,来模拟流行病的发展规律】,其R0值,可以通过如下方式计算得到:
由于SIR模型中,任意时间间隔[math]\displaystyle{ \Delta t }[/math]内,个体恢复的概率为[math]\displaystyle{ \gamma\Delta t }[/math],不能恢复的概率为[math]\displaystyle{ 1-\gamma\Delta t }[/math]。因此,在总时间t后,个体仍然处于感染状态的概率为[math]\displaystyle{
\begin{equation}
\lim_{\Delta t\to0}(1-\gamma\Delta t)^{t/\Delta t}=e^{-\gamma t},
\end{equation} }[/math]
同时,个体保持感染状态,然后在t到[math]\displaystyle{ t+dt }[/math]区间恢复的概率[math]\displaystyle{ p(t)dt }[/math]可以表示为上述概率与[math]\displaystyle{ \gamma dt }[/math]的乘积,即
[math]\displaystyle{ \begin{equation}
p(t)dt=\gamma e^{-\gamma t}dt,
\end{equation} }[/math]
通过上式我们得到了感染个体在恢复以前处于感染态的时间长度t的分布。因为,基本再生数R0指的就是,这个被传染的人,在他恢复之前,将疾病平均传染给了多少个人。所以,对于SIR模型的R0值,如果一个人在时间t内仍然具有传染性,则在这段时间内,与之接触的人的期望值为[math]\displaystyle{ \beta t }[/math]。R0的定义是针对本地人口给出的,而在本地人口中,他接触到的所有人都是易感者,他接触到的所有人,都有可能被传染。因此,[math]\displaystyle{ \beta t }[/math]也就是感染个体将传染的总人数。对[math]\displaystyle{ \beta t }[/math]中的t的分布取平均,就可以得到R0的平均值:[math]\displaystyle{
\begin{equation}
R_0=\beta\gamma\int^\infty_0 t e^{-\gamma t}dt=\frac{\beta}{\gamma}.
\end{equation} }[/math]
此页参考来源: 网络科学引论. M. E. J. Newman著 郭世泽 陈哲 译 电子工业出版社