文章插图
1631年尼古拉斯·普桑绘制《阿什杜德的瘟疫》
在本文的第一部分我们已经熟悉了研究传染病的 SIR 模型(《传染病与网络爆红热点内容传播背后的数学模型》) 。
我们再来回顾一下,其基本思路很简单,人口被细分为三类:
- 【下 传染病与网络爆红热点传播背后的数学模型】S 类,易感者(Susceptible):可能会染病的目前尚且健康的人群
- I 类,染病者(Infectious):已感染患病且因此成为疾病传播媒介的人群
- R 类,痊愈者(Recovered):退出这个疫情场景的人群,或因被治愈或因死亡或因仍处于隔离
在该模型下,如何理解这三类人群的转变过程是如何发生?也就是说,这三种传染病学类型的数量是如何随时间变化:怎样用数学语言去描述 S(t), I(t) 和 R(t) 这三个函数的变化趋势 。为此,需要引入一些数学方法,但请注意这篇文章的目的只是展示在传染病领域是如何使用数学来构建一些相对简单模型 。
首先,我们需要更好地分析前面提到的类型转变过程其背后的机制 。比如,个体从 S 类变为 I 类这意味着什么?其实很简单:这个人被感染了,从而具有传染性 。这个过程要感染者与易感者之间产生了接触,把病毒传给了后者 。
在当今对 COVID-19 的关注中,困扰每个人的问题是:人们患病的几率是多大?用组合数学与概率知识就可以帮助我们对此进行估计 。
容易证明,在有总人口 N 中,两个对象可能接触的次数等于:
文章插图
举个例子,有五个人,他们分别是 Alberto, Beatrice, Carlo, Daniele 和 Elena,两两可能接触的总次数则由上面公式算出:
文章插图
准确列举 {{A,B},{A,C},{A,D},{A,E},{B,C},{B,D},{B,E},{C,D},{C,E},{D,E}}, 如下网络图所示:
文章插图
但在这些接触中,有多少是存在风险的? 这涉及到易感个体与感染个体之间的一次接触:在这种情况下,假设有可能易感者被感染了 。此类接触的次数,是由易感人群数量 S0 与感染人群数量 I0 的乘积给出,即:
文章插图
因此,任何一次接触可能存在感染风险的概率,就等于风险接触的次数与总接触次数之间的比值,即:
文章插图
继续之前那个例子,如果在我们这五个人当中,有两个是感染了的个体(假设是 B 和 D),即 I0 = 2,而另外三个人是易感者,则有风险的接触数量为 S0·I0 = 6(这种风险接触分别是 {{A,B},{A,D},{B,C},{B,E},{C,D},{D,E}},则其中之一发生的概率等于:
文章插图
文章插图
如果发生一次有风险的接触,病毒并不一定会传染易感者,健康的人还很可能保持健康状态 。很显然,这取决于该疾病的传染强度如何:那我们就用 来表示一次风险接触造成传染的概率 。我们随机地任取一次两人之间的接触,则这次接触造成了新感染的几率等于:
文章插图
为了简单起见,我们假设每个人平均每天都会与另一个人接触,则新感染的平均每日数量等于前面那个式子乘以总人数,即:
文章插图
那如果现在我们定义 β 为:
文章插图
我们发现每天会发生:
- 【游戏迷】绝地求生:PCL全明星迎来最终战,4AM韦神与XDD讨论“集体退役”
- 【游戏迷】魔兽TBC:奶萨刚满级4天就去BT打工,看下这身装备,完全符合标准
- 英雄联盟S10 英雄联盟超话 ES战队经理为私下评价阿水和UZI道
- 今天有条友下单了华为mate30RS保时捷版本!那么今天就来说说他吧
- 【游戏世界】赖神再冲巅峰榜一,直播连线好友树叶,树叶直接下战书
- 【游戏世界】原神:玩家与天理必有一战?冰神也要反抗天理,那愚人众必须洗白
- 双十一的时候入手了台华为65寸电视,用了一个来月分享下使用感受
- 【游戏世界】互联网寒冬之下,小象大鹅依然逆流而上
- 果粉女同事手持小米12,体验两天,今天和我说了下体验!
- 一加10 Pro最新测评出炉,关于优点缺点我简短给大家总结一下