ПРИМЕНЕНИЕ ВЕТВЯЩИХСЯ ПРОЦЕССОВ В МОДЕЛИРОВАНИИ РАСПРОСТРАНЕНИЯ ЭПИДЕМИЙ

Аннотация

This article reviews the basics of using branching processes to model the spread of infectious diseases and proposes a more complex model that takes into account variable infectivity, the presence of immune individuals, contact network structures, heterogeneity of individuals, and public health interventions. By analyzing the influence of various factors, such as vaccination and social distancing, this model makes it possible to more accurately predict the dynamics of the epidemic process and assess the effectiveness of epidemic control and prevention. Keywords: Branching processes, Epidemic modeling, Reproductive number R_0, Contact networks, Heterogeneity, Public health interventions, Stochastic models, Differential equations. Ветвящиеся процессы представляют собой математические модели, которые находят широкое применение в самых разнообразных областях — от теории очередей до биологии. Одним из наиболее актуальных и важных применений таких процессов является моделирование распространения инфекционных заболеваний, в особенности в условиях развивающихся эпидемий. В этой статье мы рассмотрим основы использования ветвящихся процессов для анализа эпидемий и приведем некоторые примеры их применения. Ветвящиеся процессы: основы. Ветвящиеся процессы — это стохастические (случайные) модели, описывающие эволюцию популяций, где каждый индивид (или "частица") независимо от других порождает некоторое количество потомков согласно заданному вероятностному распределению. Простейшим примером такого процесса является процесс Гальтона-Ватсона, в котором каждое поколение порождает следующее, исходя из фиксированного распределения вероятности числа потомков на одного предка. Применение в моделировании эпидемий. В контексте эпидемиологии, индивиды в модели ветвящегося процесса представляют собой инфицированных, каждый из которых может заразить некоторое количество других людей до того, как выздоровеет или умрет. 1 53 0 International scientific journal ISSN: 2181-3906 «MODERN SCIENCE АND RESEARCH» 2024 VOLUME 3 / ISSUE 5 / UIF:8.2 / MODERNSCIENCE.UZ Количество новых заражений, порожденных одним индивидом, может рассматриваться как потомство в терминологии ветвящихся процессов, а распространение инфекции — как эволюция популяции. Репродуктивное число 𝑹 . Одним из ключевых понятий при моделировании 𝟎 распространения болезней является базовое репродуктивное число 𝑅 , которое указывает 0 на среднее количество новых случаев, порожденных одним инфицированным в полностью восприимчивой популяции. Если 𝑅 > 1, эпидемия имеет потенциал к расширению, если 0 𝑅 < 1 — заболевание со временем затухает. 0 Моделирование и контроль эпидемий. Используя ветвящиеся процессы, можно моделировать различные сценарии эпидемии, включая влияние мер общественного здравоохранения на скорость и глубину распространения инфекции. Путем анализа моделей, учитывающих различные стратегии карантина, вакцинации и лечения, можно разрабатывать и оценивать эффективность эпидемиологических вмешательств. Модель ветвящегося процесса для базовой эпидемии Рассмотрим простую модель ветвящегося процесса, которая может служить отправной точкой для моделирования эпидемии. Для этого воспользуемся упрощенной концепцией, где каждый инфицированный индивид может передать инфекцию определенному количеству других людей до момента своего выздоровления. Предположения. Восприимчивая популяция: Вся популяция изначально восприимчива к инфекции. Фиксированное репродуктивное число 𝑅 : Каждый инфицированный в среднем 0 передает инфекцию 𝑅 другим людям на протяжении периода своей инфекционности. 0 Постоянная вероятность передачи: Вероятность передачи инфекции от инфицированного к восприимчивому индивиду постоянна. Игнорирование времени генерации: Для упрощения модели время от заражения до передачи инфекции другим не учитывается (оно одинаково для всех инфицированных). Модель. Обозначим начальное число инфицированных как 𝐼 , обычно 𝐼 равно 1, 0 0 представляя индексный случай. Пусть 𝐼 будет числом новых инфекций в (n)-ом поколении инфекции (т.е., (n) 𝑛 передач инфекции от первоначального инфицированного). Тогда, если предполагается, что каждый инфицированный передает инфекцию в среднем 𝑅 другим людям, распределение числа новых инфекций, порождаемых одним 0 инфицированным, может быть описано как распределение Пуассона с параметром 𝑅 . 0 При таких предположениях, количество новых инфекций в поколении (n+1), 𝐼 {𝑛+1} можно получить, используя числа из предыдущего поколения 𝐼 , умножая их на 𝑅 : 𝑛 0 𝐼 = 𝑅 ⋅𝐼 {𝑛+1} 0 𝑛 Пример. Предположим, что 𝑅 = 2.5 (характерное значение для гриппа) и 0 начальное число инфекций 𝐼 = 1. 0 Тогда количество инфекций в первом поколении: (𝐼 = 2.5∗ 1 = 2.5) (округляем до 2 для упрощения) 1 Во втором поколении: 1 53 1 International scientific journal ISSN: 2181-3906 «MODERN SCIENCE АND RESEARCH» 2024 VOLUME 3 / ISSUE 5 / UIF:8.2 / MODERNSCIENCE.UZ (𝐼 = 2.5 \𝑐𝑑𝑜𝑡 2 = 5) 2 И так далее. Выводы. Этот простой пример демонстрирует, как без вмешательства, количество инфицированных