Эболанын көп популяциялуу жугуу модели, өз ара аракеттенген бир нече адам же кожоюн топторунда Ebola virus disease (EVD; Эбола вирус оорусу) таралышын түздөн-түз жуккан адамдар, ооруканада жаткан жуккан адамдар, жугуштуу сөөктөр жана жалпы экологиялык вирустук резервуар аркылуу бирге чагылдырган детерминисттик кадимки дифференциалдык теңдемелер системасы. Изилдөө ар бир популяцияны сезгич, таасирге кабылган, жугуштуу, ооруканада жаткан, айыккан жана жугуштуу өлүк/сөөк бөлүмдөрүнө бөлөт; ошондой эле бардык топтор таасир бере ала турган жалпы экологиялык вирустук жүк өзгөрмөсүн колдонот. Математикалык талдоо чечимдердин оңдугун жана чектелгендигин, оорусуз жана эндемиялык тең салмактарды, негизги көбөйүү саны \(R_0\) менен аныкталган босого жүрүм-турумун жана ылайыктуу шарттарда инфекциянын туруктуу сакталышын изилдейт. Изилдөөнүн эң маанилүү чечмелөө чеги — 2018–2020-жылдардагы Конго Демократиялык Республикасындагы Эбола эпидемиясынын маалыматтары моделге статистикалык параметр баалоо же божомолду текшерүү үчүн колдонулган эмес; чыныгы эпидемия маалыматтары жана симуляциялар негизинен сапаттык эпидемиологиялык үлгүлөрдү салыштыруу үчүн колдонулган.

Моделдин негизги жыйынтыгы — босого логикасы. \(R_0<1\) болгондо оорусуз тең салмак локалдык асимптотикалык туруктуу болуп, изилдөөдө берилген кошумча шарттарда глобалдык туруктуулук да алынат. \(R_0>1\) болгондо оорусуз тең салмак туруксуз болуп калышы мүмкүн; жугуу тармагы ажыратылгыс болуп, персистенттүүлүк шарттары аткарылса, инфекция бөлүмдөрү менен экологиялык вирустук резервуар узак мөөнөттө нөлдөн алыс калып, оң эндемиялык тең салмак болушу мүмкүн. Бул жыйынтык “чыныгы эпидемияда \(R_0\) жалгыз өзү келечекти так божомолдойт” дегенди билдирбейт; жыйынтыктар изилдөөнүн туруктуу параметрлүү детерминисттик моделинин математикалык түзүмүнүн чегинде жарактуу.

Изилдөөнүн маанилүү жаңылыгы бөлүмдөрдүн санын гана көбөйтүү эмес. Модель \(i\) номердүү популяциянын жугуу коркунучун өзүнүн жуккан адамдары гана эмес, бардык \(j=1,\ldots,n\) популяцияларындагы жугуштуу адамдар, ооруканада жаткан жуккан адамдар, жугуштуу сөөктөр жана жалпы экологиялык вирустук жүк таасир эте тургандай аныктайт. Ошентип, коомчулук, саламаттык сактоо контексти, сөөк коюуга байланышкан контакт жана экологиялык жугуу математикалык жактан бир эле байланышкан системада чагылдырылышы мүмкүн.

Сандык көрсөтмөлөрдө жалпы \(n\)-популяциялуу модель популяциялар аралык жугуу динамикасын көрсөтүү үчүн \(n=2\) абалына кыскартылган. Дифференциалдык теңдемелер Python'до SciPy китепканасынын solve_ivp процедурасы менен адаптивдүү убакыт кадамын колдонуп чечилген; салыштырмалуу толеранттуулук \(10^{-6}\), абсолюттук толеранттуулук \(10^{-8}\) болуп тандалган. Модель убакытты күн менен аныктайт. Параметрлер эпидемиологиялык адабияттагы биологиялык жактан ылайыктуу аралыктардан тандалган, бирок бул изилдөөнүн алкагында расмий статистикалык калибрлөө же параметрлерди баалоо жүргүзүлгөн эмес.

Изилдөө чечүүгө аракет кылган маселе

Эболанын жугушун бир гана жана бир тектүү калктын ичинде болуп жаткандай моделдөө ар түрдүү коомчулуктардын бири-бири менен кантип аракеттенерин, ооруканага байланышкан жугушту, жугуштуу сөөктөрдүн салымын жана вирустун айлана-чөйрөдө сакталышы түзүшү мүмкүн болгон кыйыр жугуу жолун бирге чагылдырууда жетишсиз болушу мүмкүн. Изилдөөнүн баштапкы чекити ушул. Авторлор мурдагы көп моделдер бир же эки популяция менен чектелгенин; ал эми чыныгы эпидемияларда коомчулуктун мүчөлөрү, саламаттык сактоо кызматкерлери же оорукана чөйрөсү, кам көргөн адамдар, сөөк коюу процесстери жана ар башка жергиликтүү топтор арасында татаал байланыштар болушу мүмкүн экенин белгилешет.

Сунушталган алкак бул маселени өз ара байланышкан \(n\) популяция жана бардык популяциялардан вирустук материал ала алган жалпы экологиялык резервуар аркылуу карайт. Модель автономдуу: параметрлер убакыт боюнча ачык түрдө өзгөртүлбөйт. Башкача айтканда, жугуу коэффициенттери, айыгуу ылдамдыктары же ооруканага жаткыруу ылдамдыктары календардык убакыттын функциясы катары берилбейт; убакыттагы өзгөрүү абал өзгөрмөлөрүнүн дифференциалдык теңдемелер аркылуу бири-бирине таасир этүүсүнөн гана келип чыгат.

Эболанын Көп Популяциялуу Жугуу Модели Кантип Иштейт?

Эболанын көп популяциялуу модели ар бир \(i\) популяцияны сезгич \(S_i\), таасирге кабылган \(E_i\), жугуштуу \(I_i\), ооруканада жаткан жуккан \(H_i\), айыккан \(R_i\) жана жугуштуу сөөк \(D_i\) бөлүмдөрүнө бөлгөн; бардык популяцияларды жалпы экологиялык вирустук жүк \(W\) аркылуу да өз ара байланыштырган детерминисттик кадимки дифференциалдык теңдемелер системасы. Инфекция \(S_i\) тобунан \(E_i\) тобуна өтүү менен башталат; таасирге кабылган адамдар \(\sigma_i\) ылдамдыгы менен жугуштуу абалга өтөт, жугуштуу адамдар айыгышы, ооруканага жаткырылышы же оорудан өлүшү мүмкүн; ооруканада жаткандар айыгышы же өлүшү мүмкүн; жугуштуу адамдар, ооруканада жаткандар жана жугуштуу сөөктөр айлана-чөйрөгө вирустук материал бөлүп чыгарышы мүмкүн.

Моделдеги популяция бөлүмдөрү

Теңдеме (1): жалпы тирүү калк

\[ N_i(t)=S_i(t)+E_i(t)+I_i(t)+H_i(t)+R_i(t). \tag{1} \]

Бул теңдеме \(i\) тобунун жалпы тирүү калкын аныктайт. Эң маанилүү жагы \(D_i(t)\) суммадан тышкары калтырылат; анткени \(D_i\) жугуштуу сөөк бөлүмү. Экологиялык жүк \(W\) да адам популяциясы эмес жана табигый түрдө \(N_i\) ге киргизилбейт.

Теңдеме кошундулуу: ар бир тирүү адам моделде ушул беш тирүү бөлүмдүн биринде деп кабыл алынат. Ошондуктан \(N_i\) инфекция күчүн нормалдаштырууда колдонулган популяция өлчөмү болуп кызмат кылат.

Инфекция Күчү \(\lambda_i(t)\) Эмнени Билдирет?

\(\lambda_i(t)\), \(i\) популяциясындагы сезгич адам моделдеги бардык жугуу булактарынан туш болгон жалпы учурдагы инфекция басымын билдирет. Изилдөөдө бул басым бардык \(j\) популяцияларындагы жугуштуу адамдардан, ооруканада жаткан жуккан адамдардан, жугуштуу сөөктөрдөн жана жалпы экологиялык вирустук резервуардан келген төрт компоненттин суммасы катары аныкталган.

Булакта берилген Теңдеме (2):

\[ \lambda_i(t)= \sum_{j=1}^{n}\beta_{ij}\frac{I_j(t)}{N_j(t)+\varepsilon_j} + \sum_{j=1}^{n}\beta^{H}_{ij}\frac{H_j(t)}{N_j(t)+\varepsilon_j} + \sum_{j=1}^{n}\beta^{D}_{ij}\frac{D_j(t)}{N_j(t)+\varepsilon_j} + \xi_iW(t). \tag{2} \]

Биринчи мүчө: жугуштуу адамдардан жугуу

\[ \sum_{j=1}^{n}\beta_{ij}\frac{I_j}{N_j+\varepsilon_j} \]

\(\beta_{ij}\), \(j\) тобундагы жугуштуу адамдардын \(i\) тобундагы сезгич адамдарга түздөн-түз жугуу коэффициенти. Индекстердин багыты маанилүү: булак топ \(j\), таасирленген топ \(i\) деп окулат. Ошентип, модель топ ичиндеги \(i=j\) жугууну гана эмес, \(i\neq j\) болгондо топтор аралык жугууну да көрсөтө алат.

Экинчи мүчө: ооруканада жаткан жуккан адамдардан жугуу

\[ \sum_{j=1}^{n}\beta^{H}_{ij}\frac{H_j}{N_j+\varepsilon_j} \]

\(\beta^{H}_{ij}\), ооруканада жаткан жуккан адамдарга байланышкан жугуу коэффициенти. Ооруканага жаткырылган адамдын моделден автоматтык түрдө “жугуштуу эмес” деп чыгарылбашы маанилүү моделдөө тандоосу. Оорукана бөлүмү өзүнө тиешелүү жугуу, айыгуу жана ооруга байланышкан өлүм параметрлери менен сакталат.

Үчүнчү мүчө: жугуштуу сөөктөр

\[ \sum_{j=1}^{n}\beta^{D}_{ij}\frac{D_j}{N_j+\varepsilon_j} \]

\(\beta^{D}_{ij}\), \(j\) тобундагы жугуштуу сөөктөргө байланышкан контакттын \(i\) тобундагы сезгич адамдарга таасирин билдирет. \(D_j\) тирүү калкка кошулбаганы менен жугуу теңдемесине ачык түрдө кирет. Моделде сөөктүн жугуштуу системадан чыгышы \(\omega_i\) көмүү/жок кылуу ылдамдыгы менен жөнгө салынат.

Төртүнчү мүчө: экологиялык жугуу

\[ \xi_iW(t) \]

\(W(t)\) жалпы экологиялык вирустук жүктү, ал эми \(\xi_i\) \(i\) тобунун ушул экологиялык резервуарга байланышкан жугуу коэффициентин билдирет. Ошентип, жуккан адам менен түз контакт болбостон айлана-чөйрөнүн контаминациясы аркылуу моделденген кыйыр жугуу системага кошулат.

\(\varepsilon_j\) эмне үчүн колдонулат?

Булак \(\varepsilon_j>0\) маанисин \(N_j(t)\) нөлгө жакындаганда бөлүүчүнүн нөл болуп калышын жана математикалык сингулярдуулукту алдын алган кичине регулярлаштыруу туруктуусу катары аныктайт. \(\varepsilon_j\) үчүн булакта белгилүү сандык маани берилген эмес. \(N_j+\varepsilon_j\) суммасы өлчөмдүк жактан маанилүү болушу үчүн \(\varepsilon_j\) \(N_j\) менен шайкеш популяциялык масштабда каралышы керек; бул өлчөмдүк чечмелөө теңдеменин математикалык ырааттуулугунан келип чыгат, изилдөөнүн өзүнчө эксперименттик табылгасы эмес.

Теңдеме (3): бардык адам бөлүмдөрүнүн динамикалык системасы

\[ \frac{dS_i}{dt}=\Lambda_i-\lambda_i(t)S_i(t)-\mu_iS_i(t) \]

\[ \frac{dE_i}{dt}=\lambda_i(t)S_i(t)-(\mu_i+\sigma_i)E_i(t) \]

\[ \frac{dI_i}{dt}=\sigma_iE_i(t)-(\mu_i+\gamma_i+\kappa_i+\alpha_i)I_i(t) \]

\[ \frac{dH_i}{dt}=\kappa_iI_i(t)-(\mu_i+\gamma_i^{H}+\alpha_i^{H})H_i(t) \]

\[ \frac{dR_i}{dt}=\gamma_iI_i(t)+\gamma_i^{H}H_i(t)-\mu_iR_i(t) \]

\[ \frac{dD_i}{dt}=\alpha_iI_i(t)+\alpha_i^{H}H_i(t)-\omega_iD_i(t), \qquad i=1,2,\ldots,n. \tag{3} \]

Сезгич адамдар теңдемеси

\(\Lambda_i\), төрөлүү же миграция сыяктуу жолдор менен сезгич топко кирүү ылдамдыгы. \(-\lambda_iS_i\) инфекциядан улам сезгич топтон чыгууну; \(-\mu_iS_i\) болсо табигый өлүмдү билдирет. \(\lambda_i\) же \(S_i\) көбөйгөндө, башка өзгөрмөлөр туруктуу болсо, инфекциядан улам сезгич бөлүмдөн чыгуунун чоңдугу да өсөт.

Таасирге кабылган адамдар теңдемеси

Сезгич топтон инфекция жуктургандар \(+\lambda_iS_i\) аркылуу \(E_i\) ге кирет. Таасирге кабылган адамдар табигый өлүм \(\mu_i\) же жугуштуу абалга өтүү ылдамдыгы \(\sigma_i\) аркылуу бул бөлүмдөн чыгат.

Жугуштуу адамдар теңдемеси

\(I_i\) бөлүмүнө кирүү \(\sigma_iE_i\) аркылуу болот. Чыгуулар төрт каналдан турат: табигый өлүм \(\mu_i\), айыгуу \(\gamma_i\), ооруканага жаткыруу/изоляция \(\kappa_i\) жана ооруга байланышкан өлүм \(\alpha_i\).

Оорукана теңдемеси

\(H_i\) ге кирүү \(\kappa_iI_i\) аркылуу болот. Ооруканада жаткан жуккан адамдар табигый өлүм \(\mu_i\), айыгуу \(\gamma_i^H\) же Эболага байланышкан өлүм \(\alpha_i^H\) каналдары аркылуу чыгат.

Айыккан адамдар теңдемеси

Айыккандар жугуштуу \(I_i\) тобунан \(\gamma_iI_i\) жана ооруканадагы \(H_i\) тобунан \(\gamma_i^HH_i\) аркылуу \(R_i\) ге өтөт. Булак моделде айыккан адамдардын кайрадан сезгич абалга кайтышын же кайра жуктуруп алышын көрсөтүүчү мүчө жок.

Жугуштуу сөөк теңдемеси

\(D_i\) ге эки өлүм каналы кирүү берет: жугуштуу адамдардан \(\alpha_iI_i\), ооруканадагы жуккан адамдардан \(\alpha_i^HH_i\). Сөөктүн жугуштуу системадан чыгарылышы \(\omega_iD_i\) менен көрсөтүлөт. Демек, \(\omega_i\) чоңойгон сайын, башка шарттар бирдей болсо, \(D_i\) нин системада калуу мөөнөтү кыскарат.

Теңдеме (4): экологиялык вирустук резервуар

\[ \frac{dW}{dt} = \sum_{i=1}^{n} \left( \rho_i^{I}I_i(t) + \rho_i^{H}H_i(t) + \rho_i^{D}D_i(t) \right) -\delta W(t). \tag{4} \]

Бул теңдеме экологиялык резервуардын логикасын абдан ачык көрсөтөт. \(W\) ни көбөйткөн үч булак бар:

• \(\rho_i^I I_i\): жугуштуу адамдардан айлана-чөйрөгө вирустун бөлүнүшү,
• \(\rho_i^H H_i\): ооруканада жаткан жуккан адамдардан айлана-чөйрөгө вирустун бөлүнүшү,
• \(\rho_i^D D_i\): жугуштуу сөөктөрдөн айлана-чөйрөгө вирустун бөлүнүшү.

\(-\delta W\) вирустук материалдын айлана-чөйрөдө азайышын же санитардык тазалоо аркылуу чыгарылышын билдирет. \(\delta\) чоңойгон сайын, башка мүчөлөр бирдей болсо, экологиялык вирустук жүктүн тазалануу/бузулуу ылдамдыгы өсөт.

Модель параметрлери жана биологиялык жактан кабыл алынуучу аралыктар

Булак бардык эпидемиологиялык параметрлерди оң жана убакыт боюнча туруктуу деп кабыл алат. Ошондуктан модель автономдуу жана мезгилдүү эмес система. Булак өлүм көрсөткүчтөрүнүн аралыктары Zaire EVD үчүн билдирилген болжол менен %50–70 жогорку учур өлүм көрсөткүчтөрүнө жалпы ылайык келгендей тандалганын белгилейт. Бирок моделде пайда болгон учур өлүмүнүн жүрүм-туруму \(\alpha_i\) же \(\alpha_i^H\) параметрлеринин бирине гана тең эмес; ал оорунун өрчүшү, ооруканага жаткыруу, айыгуу жана өлүм каналдары бирге түзгөн динамикага көз каранды.

Таблицадагы параметр аралыктары расмий параметр баалоонун же калибрлөөнүн натыйжасы эмес. Авторлор аларды сапаттык сандык симуляциялар үчүн биологиялык жактан ылайыктуу аралыктар катары колдонушат.

Оорусуз тең салмак деген эмне?

Оорусуз тең салмак (disease-free equilibrium, DFE) — инфекцияга байланышкан бардык бөлүмдөр жана экологиялык вирустук жүк нөлгө барабар, бирок сезгич популяциялар демографиялык тең салмакта жашоосун уланткан математикалык абал.

Булактагы Теңдеме (5):

\[ E_0= \left( S_1^0,0,0,0,0,0,\ldots, S_n^0,0,0,0,0,0,0 \right). \tag{5} \]

Сезгич тең салмак мааниси Теңдеме (6) менен:

\[ S_i^0=\frac{\Lambda_i}{\mu_i}, \qquad i=1,2,\ldots,n. \tag{6} \]

түрүндө берилет. Мунун себеби инфекция жок кезде сезгич топко кирүү \(\Lambda_i\) менен табигый өлүм аркылуу чыгуу \(\mu_iS_i\) тең салмакта болот. Тең салмакта \(\Lambda_i=\mu_iS_i\) болгондуктан \(S_i^0=\Lambda_i/\mu_i\) алынат.

DFEде:

\[ E_i=I_i=H_i=D_i=0,\qquad W=0. \]

Булак ошондой эле айыккан бөлүмдүн да оорусуз тең салмак векторунда нөл экенин көрсөтөт.

Эндемиялык тең салмак деген эмне?

Эндемиялык тең салмак — система убакыт боюнча өзгөрбөгөн, бирок инфекцияга байланышкан кеминде бир компонент оң болуп калган тең салмак абалы. Булак Теңдеме (7) де жалпы тең салмак векторун:

\[ E^{*}= \left( S_1^{*},E_1^{*},I_1^{*},H_1^{*},R_1^{*},D_1^{*}, \ldots, S_n^{*},E_n^{*},I_n^{*},H_n^{*},R_n^{*},D_n^{*}, W^{*} \right) \tag{7} \]

деп аныктайт. Жогорку жылдызча \((*)\) тиешелүү өзгөрмөнүн тең салмак маанисин көрсөтөт. Эндемиялык абалда инфекцияга байланышкан компоненттердин кеминде бири нөлдөн чоң. Булак персистенттүүлүк шарттарында \(E_i^*\), \(I_i^*\), \(D_i^*\) жана \(W^*\) сыяктуу компоненттердин оң болушу аркылуу инфекциянын системада сакталышын талкуулайт.

Оңдук эмне үчүн математикалык жактан зарыл?

Популяциянын көлөмү же экологиялык вирустук жүк сыяктуу өзгөрмөлөрдүн терс маани алышы биологиялык жактан маанисиз. Ошондуктан модель математикалык жактан колдонулушу үчүн терс эмес баштапкы маанилерден башталганда бардык абал өзгөрмөлөрү келечекте да терс эмес аймакта калышы керек.

Булак төмөнкү баштапкы шартты колдонот:

\[ S_i(0),E_i(0),I_i(0),H_i(0),R_i(0),D_i(0),W(0)\geq0. \]

Теңдемелер “кирүү минус чыгуу” түрүндө түзүлгөндүктөн, абал өзгөрмөсү нөлгө жеткенде аны түздөн-түз терс аймакка түрткөн көз карандысыз терс булак мүчөсү жок. Бул түзүлүш оң ортанттын системанын агымы астында өзгөрбөс калышын камсыз кылат. Толук далил булакта Кошумча Материал S1ге калтырылган.

Чектелгендик эмне үчүн маанилүү?

Оң болушу гана жетишсиз; модель өзгөрмөлөрү чектүү болуп калышы да керек. Жалпы тирүү калк теңдемелери кошулганда булак:

\[ \frac{dN_i}{dt} = \Lambda_i-\mu_iN_i-\alpha_iI_i-\alpha_i^{H}H_i \leq \Lambda_i-\mu_iN_i \]

теңсиздигин алат.

Муну салыштыруу үчүн Теңдеме (9):

\[ \frac{dX}{dt}=\Lambda_i-\mu_iX \tag{9} \]

колдонулат. Натыйжада:

\[ 0\leq N_i(t)\leq\frac{\Lambda_i}{\mu_i}, \qquad t>0 \]

жогорку чек алынат. Математикалык мааниси мындай: ооруга байланышкан өлүм мүчөлөрү калкты көбөйтпөйт; тескерисинче тирүү калктын өсүшүн андан ары төмөндөтөт. Ошондуктан кирүүнү жана табигый өлүмдү гана камтыган салыштыруу системасы \(N_i\) үчүн колдонууга боло турган жогорку чекти берет.

Экологиялык вирустук жүктүн жогорку чеги

Булак Теңдеме (10) до:

\[ \frac{dW}{dt} \leq \sum_{i=1}^{n} \left( \rho_i^{I}N_i+ \rho_i^{H}N_i+ \rho_i^{D}N_i \right) -\delta W \tag{10} \]

түрүндөгү жогорку салыштырууну колдонуп, андан \(W(t)\) ни \(W_{\max}\) менен чектөөгө болорун көрсөтөт.

Кеңири өзгөрбөс аймак теоремасында жугуштуу сөөк үчүн:

\[ D_i^{\max} = \frac{\alpha_i+\alpha_i^{H}}{\omega_i} \frac{\Lambda_i}{\mu_i} \tag{12a} \]

жана экологиялык жүк үчүн:

\[ W_{\max} = \frac{1}{\delta} \sum_{i=1}^{n} \left[ (\rho_i^{I}+\rho_i^{H}) \frac{\Lambda_i}{\mu_i} + \rho_i^{D}D_i^{\max} \right] \tag{12b} \]

жогорку чектер берилет. Бул жерде \(1/\delta\) экологиялык вирустук материалдын системада сакталышы менен тескери байланышкан убакыт масштабы: башка чоңдуктар туруктуу болгондо чоңураак \(\delta\), төмөнүрөөк \(W_{\max}\) жогорку чеги менен байланышат.

Ылайыктуу аймак \(\Omega\) эмнени билдирет?

Булак Теңдеме (8) де моделдин биологиялык жактан маанилүү абал мейкиндигин \(\Omega\) менен аныктайт. Система \(6n+1\) өлчөмдүү: ар бир популяцияда алты абал өзгөрмөсү бар жана аларга бир жалпы экологиялык \(W\) өзгөрмөсү кошулат.

Кыскача:

\[ \Omega\subset\mathbb{R}_{+}^{6n+1}, \qquad 0\leq N_i\leq\frac{\Lambda_i}{\mu_i}, \qquad 0\leq W\leq W_{\max}. \tag{8} \]

Теорема бөлүмүндө бул аймак кошумча \(0\leq D_i\leq D_i^{\max}\) чеги менен күчөтүлөт. “Оң өзгөрбөс аймак” деген система ушул биологиялык жактан маанилүү аймактан башталганда чечим убакыт өткөн сайын аймактан сыртка чыкпайт дегенди билдирет.

Негизги Көбөйүү Саны \(R_0\) Бул Моделде Эмнени Билдирет?

Негизги көбөйүү саны \(R_0\) моделдин оорусуз тең салмактын айланасында инфекция жаратуу потенциалын жыйынтыктаган босого чоңдук болуп, изилдөө аны кийинки муун матрицасы ыкмасы менен \(R_0=\rho(FV^{-1})\) деп аныктайт. Бул жердеги \(\rho\) — матрицанын спектралдык радиусу; \(R_0<1\) оорусуз тең салмактын туруктуулугу менен, ал эми \(R_0>1\) ылайыктуу кошумча шарттарда инфекциянын персистенттүүлүгү жана эндемиялык тең салмак мүмкүнчүлүгү менен байланышкан.

Жуккан абал вектору булакта:

\[ x= (E_1,\ldots,E_n, I_1,\ldots,I_n, H_1,\ldots,H_n, D_1,\ldots,D_n, W)^T \]

деп аныкталат.

Жаңы инфекция матрицасы \(F\) жана башка жуккан-абал өтүүлөрүн көрсөтүүчү \(V\) матрицасы жуккан подсистеманы оорусуз тең салмак \(E_0\) айланасында сызыктуулаштыруу менен түзүлөт. Негизги көбөйүү саны:

\[ R_0=\rho(FV^{-1}). \]

Спектралдык радиус, матрицанын өздүк маанилеринин абсолюттук маанилеринин ичиндеги эң чоң маани. Кийинки муун матрицасы \(FV^{-1}\) инфекциянын ар түрдүү жуккан бөлүмдөр жана популяциялар арасында түзгөн кийинки муун салымдарын бирге көрсөтөт. Булак \(F\) жана \(V\) нин толук матрицалык түзүлүшүн негизги текстте бербейт, деталдарын Кошумча Материал S2ге калтырат. Ошондуктан бул жерде булакта жок матрица элементтери чыгарылган эмес.

Локалдык оорусуз тең салмактын туруктуулугу

Булактын жыйынтыгы:

• \(R_0<1\) болсо, \(E_0\) оорусуз тең салмак локалдык асимптотикалык туруктууболот.
• \(R_0>1\) ise \(E_0\) туруксузболот.

Локалдык туруктуулук оорусуз тең салмакка жетишерлик жакын баштапкы абалдардын убакыт өткөн сайын кайра ушул тең салмакка жакындашын билдирет. Толук Якобиан жана кийинки муун матрицасынын далили Кошумча Материал S3тө.

Глобалдык оорусуз тең салмактын туруктуулугу

Изилдөө \(R_0<1\) абалында салыштыруу принцибин колдонуп дагы күчтүү натыйжа берет. Булак жетишерлик кичине \(\eta>0\) үчүн:

\[ S_i(t)\leq S_i^0+\eta \]

жана инфекция мүчөлөрүнүн бөлүүчүлөрү үчүн ылайыктуу төмөнкү салыштыруу шартын түзөт. Андан соң:

\[ M_\eta=F_\eta-V \]

матрицасынын спектралдык өсүү критерийи:

\[ s(M_\eta) = \max\{\operatorname{Re}(\lambda):\lambda\in\sigma(M_\eta)\} <0 \]

болгондо оорусуз тең салмак \(E_0\) ылайыктуу \(\Omega\) аймагында глобалдык асимптотикалык туруктуу экенин билдирет. Теңдеме (13) жана салыштыруу системасынын толук түзүлүшү негизги PDFде чектелүү; толук далил Кошумча Материал S4кө калтырылган.

\(R_0>1\) болгондо персистенттүүлүк эмнени билдирет?

Персистенттүүлүк инфекциянын кыска убакытка гана нөлдөн чоң болушу эмес, узак убакыт чегинде инфекцияга байланышкан өзгөрмөлөрдүн нөлгө жакындабашы. Булак жугуу тармагы ажыратылгыс болуп, талап кылынган бир калыптагы персистенттүүлүк шарттары аткарылганда оң \(\varepsilon\) үчүн Теңдеме (14)тү берет:

\[ \min_{1\leq i\leq n} \left\{ \liminf_{t\to\infty}E_i(t), \liminf_{t\to\infty}I_i(t), \liminf_{t\to\infty}H_i(t), \liminf_{t\to\infty}D_i(t) \right\} >\varepsilon, \]

\[ \liminf_{t\to\infty}W(t)>\varepsilon. \tag{14} \]

\(\liminf\), өтө узак убакыттарда өзгөрмө кайра-кайра жакындай ала турган төмөнкү чек жүрүм-турумун билдирет. Бул жерде шарт инфекцияга байланышкан бөлүмдөр узак мөөнөттө нөлгө түшпөй турганын математикалык түрдө билдирет.

Булак бул шарттарда ылайыктуу аймактын ичинде кеминде бир оң эндемиялык тең салмак бар экенин билдирет. Толук далил Кошумча Материал S5те.

Эндемиялык тең салмактын шарттуу жалгыздыгы жана глобалдык туруктуулугу

Булак \(R_0>1\) жана Теңдеме (14)төгү персистенттүүлүк шарттары аткарылганда оң эндемиялык тең салмак белгилүү тартиптелген оң класстын ичинде шарттуу түрдө жалгыз болушу мүмкүн экенин билдирет. Монотондуу тартиптөө аргументи Кошумча Материал S6га калтырылган.

Андан кийин жалпы жугуу байланышын:

\[ B= \left[ \beta_{ij} + \beta_{ij}^{H} + \beta_{ij}^{D} \right]_{1\leq i,j\leq n} \]

матрицасы менен көрсөтөт. Жугуу тармагынын ажыратылгыс болушу системанын бири-биринен толук ажыратылган төмөнкү жугуу блокторуна бөлүнбөй турганын билдирген математикалык байланыштуулук шарты.

Булак Теңдеме (15)те оң эндемиялык тең салмакты:

\[ P^{*}= \left( S_1^{*},E_1^{*},I_1^{*},H_1^{*},R_1^{*},D_1^{*}, \ldots, S_n^{*},E_n^{*},I_n^{*},H_n^{*},R_n^{*},D_n^{*}, W^{*} \right) \in\operatorname{Int}(\Omega) \tag{15} \]

деп берет. Эндемиялык тең салмактын глобалдык туруктуулугу үчүн колдонулган кеңири Lyapunov функциясы жана туунду талдоосу Кошумча Материал S7де бар. Негизги PDF бул функциянын ачык туюнтмасын бербегендиктен, бул жерде кайра чыгарылган эмес.

Булак графиктеринде чыныгы 2018–2020 DRC эпидемиясы кантип колдонулат?

Изилдөө 2018–2020-жылдардагы Киву Эбола эпидемиясы учурунда Конго Демократиялык Республикасынын Саламаттык сактоо министрлиги жана Дүйнөлүк саламаттык сактоо уюму жарыялаган коомдук байкоо маалыматтарын колдонот. Бирок бул маалыматтардын милдети моделге параметрлерди ылайыкташтыруу эмес.

Күндөлүк байкоолор кыска мөөнөттүү отчет берүү термелүүлөрүн азайтуу үчүн 7 күндүк жылма суммаларга айландырылган. Булакта колдонулган графиктердин илимий милдеттери төмөнкүдөй:

Эмне үчүн 14 күндүк кечигүү менен CFR колдонулган?

Case-fatality ratio (CFR; учур өлүм катышы), билдирилген учурлар менен билдирилген өлүмдөрдүн байланышын жыйынтыктаган эпидемиологиялык көрсөткүч. Булак ошол эле жумадагы учурлар менен өлүмдөрдү түз бөлүү биологиялык убакыт кечигүүсүн эске албай калышы мүмкүн деген негизде учурлар менен кийин билдирилген өлүмдөрдүн ортосунда 14 күндүк кечигүүнү колдонгон.

Булак бул кечигүү менен эсептелген CFR убакыт бою маанилүү термелүүлөрдү көрсөткөнүн, жогорку жугуу мезгилдеринде жогору, эпидемиянын акырына жакын салыштырмалуу төмөн маанилер көрүнүшү мүмкүн экенин билдирет. Авторлор мүмкүн болгон түшүндүрмөлөр катары саламаттык сактоого жеткиликтүүлүк, байкоонун жакшырышы, отчет берүү же эпидемияны көзөмөлдөө чараларынын натыйжалуулугундагы өзгөрүүлөрдү талкуулашат. Бул түшүндүрмөлөр жалгыз графиктен далилденген себептик механизмдер эмес.

Саламаттык аймактары эмне үчүн бир убакта чокуга жетпейт?

Булактагы 4 жана 5-сүрөттөр DRCдеги ар башка саламаттык аймактарынын жумалык учур толкундары убакыт жана чоңдук жагынан олуттуу айырмаланарын көрсөтөт. Авторлор бул асинхрондук жүрүм-турум жергиликтүү жугуу шарттары, калктын мобилдүүлүгү, саламаттык сактоого жеткиликтүүлүк, кийлигишүүлөрдүн убактысы жана натыйжалуулугу сыяктуу факторлор менен байланыштуу болушу мүмкүн экенин талкуулашат.

Моделдөө жагынан маанилүү нерсе — бир гана бир тектүү калк ийри сызыгы бул ар башка жергиликтүү убакыттарды табигый түрдө көрсөтүүдө чектелүү болушу мүмкүн. Бул байкоо көп популяциялуу модель куруунун эпидемиологиялык негиздеринин бири.

6-сүрөттөгү \(R_0=0.8\), 1.0, 1.2 жана 2.6 ийри сызыктары эмнени билдирет?

Изилдөө ар башка жугуу босоголорун салыштыруу үчүн симуляция траекторияларын бирдей чоку чоңдугуна нормалдаштырган. Мунун максаты абсолюттук учурлар санын салыштыруу эмес, \(R_0\) өзгөргөндө эпидемиянын убакыт түзүмү, өчүү ылдамдыгы жана туруктуулугу кандай өзгөрөрүн көрсөтүү.

• \(R_0=0.8\): субкритикалык мисал; эпидемия тез өчөт.
• \(R_0=1.0\): критикалык босогого жакын мисал; төмөндөө жайыраак жана өтмө жүрүм-турум узарат.
• \(R_0=1.2\): суперкритикалык мисал; узагыраак жугуу/персистенттүүлүк жүрүм-туруму пайда болот.
• \(R_0=2.6\): жогорураак суперкритикалык мисал; чоку убактысы жана ийри сызыктын формасы олуттуу өзгөрөт.

Бул ийри сызыктар чыныгы 2018–2020 эпидемиясына “эң жакшы дал келген \(R_0\)” маанилерин аныктоо үчүн чыгарылбаганы өзгөчө маанилүү. Булак салыштыруу formal fitting же predictive validation эмес экенин ачык билдирет.

8-сүрөттө экологиялык вирустук жүк эмне үчүн айкын көрүнөт?

Булактагы 8-сүрөт суперкритикалык сценарийде \(I\), \(H\), \(D\) жана \(W\) бөлүмдөрүнүн теориялык убакыттык өнүгүшүн көрсөтөт. \(W\) жугуштуу адамдардан, ооруканадагы адамдардан жана жугуштуу сөөктөрдөн келген үч өзүнчө бөлүнүү мүчөсүнүн суммасын алгандыктан, моделде ушул каналдардын баарын топтогон жалпы экологиялык абал өзгөрмөсү.

Бирок 8-сүрөттүн тик огу шарттуу/нормалдаштырылган чоңдук катары берилген. Ошондуктан экологиялык ийри сызыктын башка ийри сызыктардан визуалдык чоң көрүнүшү чыныгы чөйрөдө өлчөнгөн белгилүү вирус концентрациясына туура келбейт жана клиникалык вирустук жүк өлчөмү катары чечмеленбеши керек.

Изилдөөнүн Ыкмасы жана Жыйынтыктары

Изилдөө дизайны

Бул изилдөө оригиналдуу математикалык эпидемиология жана сандык моделдөө изилдөөсү. Жаңы бейтаптарга клиникалык кийлигишүү жүргүзүлгөн эмес, биологиялык үлгүлөр алынган эмес жана эксперименттик лабораториялык инфекция жүргүзүлгөн эмес.

Изилдөө үч негизги катмардан турат:

1. Көп популяциялуу жана экологиялык резервуарлуу EVD дифференциалдык теңдемелер системасын түзүү.
2. Оңдук, чектелгендик, оорусуз/эндемиялык тең салмак, \(R_0\), локалдык жана глобалдык туруктуулук жана бир калыптагы персистенттүүлүк сыяктуу математикалык касиеттерди талдоо.
3. 2018–2020 DRC эпидемиясынын байкоо маалыматтары менен гана сапаттык салыштыруу жүргүзүлгөн сандык симуляциялар.

Модель божомолдору

• Жалпы \(n\) өз ара аракеттенген популяция бар.
• Ар бир популяция \(S,E,I,H,R,D\) бөлүмдөрүнө бөлүнөт.
• Бардык популяциялар жалпы экологиялык вирустук резервуар \(W\) га таасир бере алат.
• Түз, ооруканага байланышкан, сөөккө байланышкан жана экологиялык жугуу жолдору бирге колдонулат.
• Бардык эпидемиологиялык параметрлер оң туруктуулар.
• Параметрлер убакыттын ачык функциясы эмес.
• Модель детерминисттик; кокустук окуя мүчөлөрүн камтыбайт.
• Модель убактысы күн менен өлчөнөт.
• Абал өзгөрмөлөрү баштапкы учурда терс эмес.
• \(D_i\), жалпы тирүү калк \(N_i\) ге кирбейт.
• Экологиялык резервуар бир жалпы \(W\) бөлүмү менен көрсөтүлөт.

Сандык чечүү ыкмасы

Жалпы \(n\)-популяциялуу модель топтор аралык динамиканы визуалдаштыруу үчүн сандык мисалдарда \(n=2\) ге чейин кыскартылган. Ошого карабастан, теңдемелердин байланышкан көп популяциялуу логикасы сакталган.

Модель Чыныгы Эбола Учурларын Божомолдоо Үчүн Калибрленгенби?

Жок. Изилдөө 2018–2020-жылдардагы Конго Демократиялык Республикасынын эпидемия маалыматтарын расмий параметр баалоо, goodness-of-fit оптималдаштыруу же келечектеги божомолду текшерүү үчүн колдонгон эмес; байкоо маалыматтары моделдин эпидемиянын өсүшү, чоку убактысы, төмөндөө, аймактык гетерогендүүлүк жана босого жүрүм-турум сыяктуу сапаттык өзгөчөлүктөрү менен салыштырылган.

Булак байкалган жумалык инциденттүүлүктү \(C_{\mathrm{obs}}(t_k)\), ал эми симуляцияланган жумалык инциденттүүлүктү \(C_{\mathrm{sim}}(t_k)\) деп атайт. Симуляцияланган инциденттүүлүк өз ара аракеттенген популяциялардагы жугуштуу бөлүмдөрдүн суммасы менен байланышкан.

Mean absolute error (MAE; орточо абсолюттук ката) жана root mean square error (RMSE; орточо квадраттык катанын тамыры) сыяктуу сүрөттөөчү ката өлчөмдөрү байкалган жана симуляцияланган эпидемия үлгүлөрүнүн окшоштугун сүрөттөө үчүн гана колдонулганы айтылат. Бул метрикалар параметр баалоо, калибрлөө же предиктивдүү текшерүү үчүн колдонулган эмес.

2018–2020 DRC маалыматтарын иштетүү

Байкоо маалыматтары WHO абал отчетторунан жана DRC Саламаттык сактоо министрлигинин жаңыртууларынан кайра түзүлгөн. Күндөлүк жазуулар кыска мөөнөттүү отчет өзгөрмөлүүлүгүн азайтуу үчүн 7 күндүк жылма суммалар аркылуу жумалык инциденттүүлүккө айландырылган.

Булак маалыматтарында:

• 2018-жылдын акыркы айларындагы өсүү,
• 2019-жылдын ортосуна чейин күчтүү эпидемия активдүүлүгү,
• андан кийин акырындык менен азайуу,
• ар башка саламаттык аймактарында бир убакта болбогон чоку мезгилдери

көрүнөт. Авторлор бул гетерогендүүлүктү көп популяциялуу модель куруунун эпидемиологиялык негизи катары баалашат.

Аналитикалык жыйынтык: оорусуз тең салмак

Изилдөөнүн аналитикалык алкагында \(R_0<1\) негизги босого болуп саналат. Оорусуз тең салмак бул учурда локалдык асимптотикалык туруктуу. Салыштыруу принциби астында берилген кошумча шарттар менен изилдөө \(E_0\) нун \(\Omega\) ичинде глобалдык асимптотикалык туруктуулугун да алат.

Бул жыйынтык моделдин математикалык божомолдорунда инфекция динамикасы узак мөөнөттө оорусуз абалга жакындай аларын билдирет. Чыныгы эпидемияда бардык кийлигишүүлөрдүн ийгилигин өзү кепилдеген клиникалык босого катары чечмеленбеши керек.

Аналитикалык жыйынтык: суперкритикалык режим жана персистенттүүлүк

\(R_0>1\) болгондо оорусуз тең салмак туруксуз. Мындан тышкары, жугуу тармагы ажыратылгыс болуп, бир калыптагы персистенттүүлүк үчүн зарыл шарттар аткарылса, инфекцияга байланышкан бөлүмдөр узак мөөнөттө оң болуп калышы мүмкүн.

Изилдөө бул шарттарда:

• кеминде бир оң эндемиялык тең салмактын бар экенин,
• белгилүү тартиптелген оң класс ичинде эндемиялык тең салмактын шарттуу жалгыздыгын,
• кошумча Lyapunov шарттары астында эндемиялык тең салмак үчүн глобалдык туруктуулук жыйынтыгын

талкуулайт. Толук далилдердин маанилүү бөлүктөрү тиешелүү түрдө Кошумча Материал S5, S6 жана S7ге калтырылган.

Сандык жыйынтык: босого жакын жай өчүү

Симуляциялар \(R_0\) критикалык 1 маанисине жакындаганда эпидемия траекториясы субкритикалык бойдон калса да, кичирээк \(R_0\) маанилерине салыштырмалуу жайыраак өчүшү мүмкүн экенин көрсөтөт. Ошондуктан “акырында нөлгө барабы?” деген суроо гана эмес, өтмө мезгил канча узакка созулары да эпидемиологиялык жактан маанилүү.

Суперкритикалык режимдерде модель чоку убактысы кечигиши жана эпидемия активдүүлүгү узагыраак созулушу мүмкүн болгон траекторияларды чыгарат.

Сандык жыйынтык: экологиялык резервуардын персистенттүүлүктөгү ролу

\(W\) бөлүмү \(I\), \(H\) жана \(D\) булактарынан үзгүлтүксүз кирүү ала алгандыктан, коомчулуктагы түз инциденттүүлүк азая баштагандан кийин да моделдин ичинде кечигип келген экологиялык салым түзүлүшү мүмкүн. Изилдөөнүн талкуусуна ылайык, бул түзүлүш экологиялык санитардык тазалоо жана адамдан адамга жугууну гана эмес, экологиялык контаминацияны да бутага алган интеграцияланган көзөмөл стратегиялары эмне үчүн математикалык жактан маанилүү болушу мүмкүн экенин көрсөтөт.

Бул жыйынтык изилдөө чыныгы санитардык кийлигишүүнүн натыйжалуулугун талаа тажрыйбасы менен өлчөдү дегенди билдирбейт. Тыянак моделдин түзүлүшүнөн жана теориялык симуляция жүрүм-турумунан келип чыгат.

Популяциялар аралык кайчылаш байланыштын мааниси

Моделде \(\beta_{ij}\), \(\beta_{ij}^H\) жана \(\beta_{ij}^D\) коэффициенттери \(i\neq j\) болгондо популяциялар аралык жугууну көрсөтөт. Ошентип, бир топтогу жогорку жугуу ошол топтун өз динамикасы менен гана чектелбейт; байланыш матрицасы аркылуу башка топторго да таасир бере алат.

Авторлор өзгөчө жогорку байланышкан же жогорку коркунучтагы популяциялар жалпы системанын спектралдык касиеттери аркылуу эпидемиянын персистенттүүлүгүнө жана жугуу интенсивдүүлүгүнө пропорциясыз таасир бере аларын талкуулашат.

Изилдөө колдогон жыйынтыктар

• Бир нече өз ара аракеттенген популяция, ооруканадагы жугуу, жугуштуу сөөктөр жана экологиялык вирустук резервуар бир детерминисттик EVD моделинин ичинде көрсөтүлө алат.
• Модель терс эмес баштапкы шарттарда оң чечимдерди берет.
• Тирүү популяциялар жана экологиялык вирустук жүк математикалык жактан чектелиши мүмкүн.
• \(R_0=\rho(FV^{-1})\) системанын негизги босого параметри.
• \(R_0<1\) режиминде оорусуз тең салмак туруктуу.
• Ылайыктуу байланыштуулук жана персистенттүүлүк шарттарында \(R_0>1\) режими туруктуу инфекция жана оң эндемиялык тең салмак менен шайкеш.
• DRC саламаттык аймактарындагы эпидемия чокуларынын убактысы жана интенсивдүүлүгү ачык гетерогендүү.
• Бул гетерогендүүлүк бир тектүү жалгыз популяция божомолуна альтернатива болгон көп популяциялуу түзүлүш үчүн эпидемиологиялык негиз берет.
• Экологиялык резервуар модели түз, оорукана жана сөөккө байланышкан жугууга салыштырмалуу кечиккен/кыйыр персистенттүүлүк каналын көрсөтө алат.

Изилдөө колдобогон жыйынтыктар

• Модель 2018–2020 DRC эпидемиясына статистикалык жактан калибрленген божомол модели эмес.
• Сүрөттөрдөгү симуляция ийри сызыктары чыныгы учурлар санынын сандык божомолу катары чечмеленбеши керек.
• Булак белгилүү бир кийлигишүү канча учурду же өлүмдү алдын аларын көрсөткөн таасир өлчөмүн эсептебейт.
• Safe burial, оорукана инфекциясын көзөмөлдөө, карантин же экологиялык санитардык тазалоо үчүн оптималдуу көзөмөл чечими бул изилдөөдө эсептелген эмес.
• Модель параметрлери убакыт боюнча өзгөрбөгөндүктөн, жүрүм-турум өзгөрүшү, кийлигишүү убактысы же саламаттык сактоо системасынын жооп реакциясынын динамикалык өзгөрүшү түздөн-түз моделденбейт.
• Бир гана \(W\) резервуары колдонулгандыктан, оорукана, үй, сөөк коюу жайы же башка экологиялык чөйрөлөр өзүнчө резервуарлар катары моделденбейт.
• Стохастикалык эпидемиянын өчүшү же кокустук жеке окуялар түздөн-түз моделденбейт.
• Миграция жана калктын көчүшү учурдагы детерминисттик системада ачык абал процесстери катары берилген эмес.
• Модель башка өлкөлөрдө же келечектеги эпидемияларда ушул эле параметрлер менен текшерилген эмес.

Изилдөөнүн негизги чектөөлөрү

1. Убакыт боюнча туруктуу параметрлер: Чыныгы эпидемияда жүрүм-турум, кийлигишүүлөр, саламаттык сактоо системасынын жооп реакциясы жана отчет берүү өзгөрүп турганда, модель муну убакыт боюнча туруктуу параметрлер менен көрсөтөт.

2. Жалгыз экологиялык резервуар: Оорукана чөйрөсү, турак жай, сөөк коюу жайы же башка контаминация чөйрөлөрүнүн бири-биринен айырмаланган динамикасы өзүнчө аныкталбайт.

3. Көп сандагы параметрлер: Популяция саны көбөйгөн сайын \(\beta_{ij}\), \(\beta_{ij}^{H}\) жана \(\beta_{ij}^{D}\) сыяктуу кайчылаш байланыш параметрлеринин саны тез өсөт. Чектелүү же ызы-чуулуу байкоо маалыматтарында аларды аныктоо кыйындашы мүмкүн.

4. Детерминисттик түзүлүш: Демографиялык стохастика, кокустук эпидемия өчүшү жана аз учурлардагы кокустук окуялар системада түздөн-түз жок.

5. Миграция жана көчүү: Чыр-чатак жана ресурсу чектелген аймактарда маанилүү болушу мүмкүн болгон калк кыймылдары түздөн-түз моделденбейт.

6. Божомол максаты чектелүү: Учурдагы изилдөө негизинен Эбола жугушунун көп модалдуу түзүлүшүн теориялык жана сапаттык жактан түшүнүүгө багытталган; келечектеги учурлар санын статистикалык божомолдой турган forecasting модели катары сунушталбайт.

Келечекте сунушталган кеңейтүүлөр

Авторлор учурдагы алкак келечекте төмөнкү багыттарда кеңейтиле аларын белгилешет:

• убакыт боюнча өзгөргөн эпидемиологиялык параметрлер,
• коопсуз сөөк коюу практикалары үчүн ачык көзөмөл функциялары,
• оорукана инфекциясын алдын алуу көзөмөлдөрү,
• карантин стратегиялары,
• экологиялык санитариялык көзөмөлдөр,
• оптималдуу башкаруу жана чыгым-натыйжалуулук талдоолору,
• мобилдүүлүк маалыматтарына негизделген байланыш тармактары,
• аймактар аралык өз ара аракеттенүү матрицалары,
• статистикалык параметрлерди жана белгисиздикти баалоо,
• стохастикалык моделдин жалпылоолору,
• мейкиндик боюнча ачык моделдер.

Булар азыркы макалада аяктаган талдоолор эмес, келечекте изилдөө сунушталган кеңейтүүлөр.

Булак жана Ыкма Жөнүндө Эскертүү

Түпнуска аталыш: A generalized multi-population model for Ebola virus transmission incorporating environmental reservoir dynamics

Авторлор: Muhammad Farhan Hakeem; Shajar Abbas; Imran Siddique; Ilyas Khan; Mohsen Bakouri; Rashid Jan; Rakhmonjon Akhmadjonov; Rasul Turaev.

Corresponding authors: Shajar Abbas жана Mohsen Bakouri.

Тең салым: Каралган булакта тең салым/тең биринчи автордук жөнүндө билдирүү жок.

Мекеме a: School of Computer Science and Technology, North University of China, Taiyuan, China.

Мекеме b: Department of Computer Engineering, Biruni University, Istanbul, Turkey.

Мекеме c: Department of Mathematics, University of Sargodha, Sargodha, Pakistan.

Мекеме d: Center for Theoretical Physics, Khazar University, Baku, Azerbaijan.

Мекеме e: Department of Mathematical Sciences, Saveetha School of Engineering, Saveetha Institute of Medical and Technical Sciences, Chennai, India.

Мекеме f: Hourani Center for Applied Scientific Research, Al-Ahliyya Amman University, Amman, Jordan.

Мекеме g: Széchenyi István University, Győr, Hungary.

Мекеме h: Department of Mathematics, College of Science Al-Zulfi, Majmaah University, Al-Majmaah, Saudi Arabia.

Мекеме i: Department of Medical Equipment Technology, College of Applied Medical Science, Majmaah University, Al-Majmaah, Saudi Arabia.

Мекеме j: Department of Mathematics, College of Science, Qassim University, Buraydah, Saudi Arabia.

Мекеме k: School of Exact Sciences, National Pedagogical University of Uzbekistan named after Nizami, Tashkent, Uzbekistan.

Мекеме l: Department of Exact and Natural Sciences, Termez State University of Engineering and Agrotechnologies, Termez, Uzbekistan.

Журнал: Infectious Medicine.

Том / сан / макала номери: Том 5, Сан 3, 100278.

Булак түрү: Original Article; математикалык эпидемиология, детерминисттик дифференциалдык теңдемелерди моделдөө жана сапаттык сандык текшерүү изилдөөсү.

DOI: 10.1016/j.imj.2026.100278.

Келип түшкөн дата: 26-март 2026.

Кайра кароо датасы: 20-май 2026.

Кабыл алынган дата: 1-июль 2026.

Онлайн жарыяланган дата: Расмий ScienceDirect жазуусу 5-август 2026 датасын көрсөтөт.

Басма/issue библиографиясы: PubMed жазуусу сентябрь 2026, Том 5, Сан 3 жана 100278 макаласы тууралуу маалымат берет.

Басмакана: Tsinghua University Press атынан Elsevier Ltd.

Лицензия: Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0).

Рецензия/жарыялоо абалы: Булак кабыл алуу датасын билдирген жана Infectious Medicine журналында Original Article катары жарыяланган журналдык макала.

Preprint маалыматы: Каралган булакта бул изилдөө үчүн өзүнчө preprint жазуусу көрсөтүлгөн эмес.

Илимий тармак: Математикалык эпидемиология, жугуштуу оорулардын динамикасы жана дифференциалдык теңдемелерге негизделген моделдөө.

Негизги ыкма: \(n\) өз ара аракеттенген популяция үчүн \(S_i\), \(E_i\), \(I_i\), \(H_i\), \(R_i\), \(D_i\) бөлүктөрүн жана жалпы \(W\) экологиялык вирустук резервуарын колдонгон автономдуу ODE системасы; оңдукту жана чектелгендикти талдоо; жаңы муун матрицасы ыкмасы менен \(R_0\); тең салмак жана туруктуулук талдоосу; персистенттүүлүк жана Lyapunov негизиндеги теориялык натыйжалар; Python/SciPy сандык симуляциялары.

Чыныгы эпидемиологиялык маалымат: 2018–2020-жылдардагы Конго Демократиялык Республикасынын Киву Эбола эпидемиясы үчүн WHO жана DRC Саламаттык сактоо министрлиги жарыялаган ачык байкоо маалыматтары.

Маалыматты колдонуу максаты: Сапаттык эпидемиологиялык салыштыруу жана визуалдаштыруу. Формалдуу статистикалык параметр баалоосу, model fitting же предиктивдүү текшерүү жүргүзүлгөн эмес.

Сандык чечүүчү: Python, SciPy solve_ivp, адаптивдүү убакыт кадамдары; салыштырмалуу толеранттуулук \(10^{-6}\), абсолюттук толеранттуулук \(10^{-8}\).

Кошумча материал: Оңдук/чектелгендик жана инварианттык аймак үчүн S1; жаңы муун \(F,V\) матрицаларынын чоо-жайы үчүн S2; DFE жергиликтүү туруктуулугу үчүн S3; DFE глобалдык туруктуулугу үчүн S4; бир калыптагы персистенттүүлүк үчүн S5; эндемиялык тең салмактын жалгыздыгы үчүн S6; Lyapunov негизиндеги эндемиялык тең салмактын глобалдык туруктуулугу үчүн S7 булак тарабынан кошумча материалга калтырылган. Бул кошумча далилдердин мазмуну жүктөлгөн негизги PDFте жок болгондуктан, Verianla текстинде кайрадан ойлоп табылган эмес.

Маалыматтын жеткиликтүүлүгү: Булак маалыматтарды corresponding author-дан негиздүү суроо-талап боюнча алууга болорун билдирет. Ошондой эле иштетилген эпидемиологиялык маалыматтар жана Python симуляция коддору corresponding author-дан негиздүү суроо-талап боюнча берилиши мүмкүн экени негизги текстте айтылат.

CRediT автордук салымдары: Muhammad Farhan Hakeem — Investigation; Shajar Abbas — Supervision; Imran Siddique — Methodology; Ilyas Khan — Data curation; Mohsen Bakouri — Software; Rashid Jan — Formal analysis; Rakhmonjon Akhmadjonov — Validation; Rasul Turaev — Writing – original draft.

Маалымдалган макулдук: Булак “Nothing to report” деп билдирет.

Organ donation: Not applicable.

Этикалык билдирүү: Булак “Nothing to report” деп билдирет.

Жаныбарлар боюнча изилдөө: Not applicable.

Generative AI: None.

Каржылоо: None.

Кызыкчылыктардын кагылышы: Авторлор изилдөөгө таасир этиши мүмкүн болгон белгилүү атаандаш финансылык кызыкчылык же жеке мамиле жок экенин билдиришет.

Acknowledgements: Not applicable.

Маанилүү терминологиялык эскертүү: Булактын 1-таблицасында \(\kappa_i\), \(\gamma_i\) жана \(\gamma_i^H\) түшүндүрмөлөрүндө “proportion/percentage” сыяктуу сөз айкаштары колдонулган; бирок параметрлердин бирдиги убакыт\(^{-1}\), ал эми дифференциалдык теңдемелердеги математикалык ролу өтүү/айыгуу ылдамдыктары болуп саналат. Кыргызча баяндамада ушул математикалык роль негизге алынып, булакта билдирилбеген жаңы мааниси түзүлгөн жок.

Негизги чечмелөө чеги: Бул изилдөө учурдагы Эбола эпидемиясынын так санарип көчүрмөсү же клиникалык божомол куралы эмес. Ал туруктуу параметрлүү, детерминисттик жана теориялык көп популяциялуу модель. Чыныгы эпидемия маалыматтары моделди калибрлөө үчүн эмес, сапаттык салыштыруу үчүн колдонулган. Ошондуктан симуляцияланган ийри сызыктар келечектеги чыныгы учурларды, өлүмдөрдү же айлана-чөйрөдөгү вирустун көлөмүн түздөн-түз божомолдойт деп айтууга болбойт.