【摘要】：目的:(1)分析湖南省長沙市水痘的發(fā)病和流行情況以及其一般特征;(2)通過Logistic微分方程模型擬合,探討長沙市水痘流行周期的時間特點,找出流行周期內(nèi)的疫情速度變化拐點,得出預(yù)警周;(3)建立湖南省長沙市水痘傳播的SEIR(Susceptible-Exposed-Infective-Removal)模型,預(yù)測水痘發(fā)病趨勢,探討病例隔離、疫苗接種、通風消毒等防控措施在水痘疫情暴發(fā)中的防控效果。方法:(1)通過湖南省長沙市疾病預(yù)防控制中心,國家疾病監(jiān)測信息系統(tǒng)提取湖南省長沙市2008-2017年所有水痘患者基本信息;(2)根據(jù)患者發(fā)病時間將其整理為周發(fā)病例數(shù),從而分析長沙市水痘流行的周期規(guī)律,利用Logistic微分方程模型對所有流行周期分別進行擬合,獲得方程中各周期內(nèi)的參數(shù)K和N,進而根據(jù)微分方程求得參數(shù)C,獲得“疫情加速周”和“預(yù)警周”;(3)以長沙市某學校某一次水痘暴發(fā)情況為對象,根據(jù)傳染病群體模型方法中的水痘基本傳播模型,結(jié)合長沙市水痘傳播特點,構(gòu)建湖南省長沙市水痘傳播模型,通過查閱相關(guān)文獻、調(diào)查報告、統(tǒng)計學資料等獲取模型中相關(guān)參數(shù),借助1stopt、Matlab7.1和Berkeley Madonna8.3.18等工具,對傳染概率(β)進行擬合估計,通過數(shù)據(jù)擬合,預(yù)測水痘暴發(fā)疫情的發(fā)展趨勢,并通過改變模型倉室以及模型參數(shù)或條件,探討隔離病人、疫苗接種等防控措施對水痘疫情暴發(fā)的防控效果。結(jié)果:(1)本研究從湖南省長沙市疾病預(yù)防控制中心,通過國家疾病監(jiān)測信息系統(tǒng)收集2008-2017年間上報的所有水痘病例,共58528例,其中死亡3例;分析發(fā)現(xiàn),2009年發(fā)病率最低(5.22/萬);2017年最高(13.04/萬);且各年度之間水痘的發(fā)病率差異具有統(tǒng)計學意義(P0.05)。(2)長沙市2008-2017年水痘患者上報人數(shù)平均發(fā)展速度112.97%,平均增長速度為12.97%,其發(fā)病率呈現(xiàn)明顯的逐年增長趨勢。(3)分析所有水痘患者的上報時間發(fā)現(xiàn),長沙市水痘發(fā)病每年呈現(xiàn)兩次高峰,分別在4-7月和11月至次年1月,且各個月份間均有病例的發(fā)生,其中12月平均報告病例數(shù)最多(約為917.3例),9月份報告病例數(shù)最少(約為194.3例)。(4)長沙市水痘每年的兩個高峰期分別定義為夏秋季流行高峰和冬春季流行高峰。夏秋季所對應(yīng)時間為:每年的第8周至第37周;冬春季流行周期為每年的第38周至次年的第7周。(5)通過Logistic模型擬合分析得,夏秋季流行周期的平均“疫情加速周”約為第16周,冬春季流行周期約為第45周,且標準差均約為1周;本研究建議將每年的第15周和第44周作為長沙市水痘的預(yù)警周,提高水痘的關(guān)注,從而更好地預(yù)防水痘暴發(fā)。(6)通過統(tǒng)計分析可得,SEIR模型的模擬理論值與實際值之間差異無統(tǒng)計學意義(c~2(28)0.608,P(29).005),通過擬合優(yōu)度檢驗顯示R~2為0.816,P0.01,構(gòu)建的SEIR模型與水痘暴發(fā)疫情擬合效果較好。(7)通過SEIR模型模擬分析顯示,當對水痘患者進行嚴格隔離時,疫情累計病例最高達13人,可使累計發(fā)病人數(shù)明顯減少;疫苗接種對水痘疫情有明顯的防控效果,且接種率越高,防控效果越好,當接種率達到50%時,可使累計罹患率TAR降為0.56%;通風、消毒有效率對水痘疫情的控制無明顯效果,隨著通風、消毒有效率的升高,累積患病人數(shù)無明顯差異,只是高峰時間發(fā)生延后。通風消毒有效率越高,疫情高峰日后移越久,疫情持續(xù)時間越長。只有當消毒有效率達到90%時,可稍微較少累計發(fā)病人數(shù),但也明顯延長了疫情的持續(xù)時間。(8)另外對不同干預(yù)措施的聯(lián)合防控進行模擬比較,結(jié)果發(fā)現(xiàn)“隔離+疫苗接種”組合防控效果較好,當疫苗接種率達0.3時可使TAR降為0.28%;三種防控措施同時聯(lián)合采取時防控效果最為顯著,且當接種率達到0.2時,便可使TAR控制在1.0%以下;另外研究發(fā)現(xiàn)當通風、消毒有效率較低時,其聯(lián)合防控效果與去除其之后效果相近,只有當通風、消毒有效率達0.7時,才可使TAR%明顯降低。結(jié)論:(1)長沙市2008-2017年水痘患者平均增長速度為12.97%,其發(fā)病率整體上呈逐年增長趨勢;長沙市水痘每年有兩個流行周期,分別為夏秋季流行周期和冬春季流行周期。(2)研究發(fā)現(xiàn),長沙市水痘夏秋季流行周期的平均“疫情加速周”約為第16周,冬春季的約為第45周,且標準差均約為1周;因此,本研究建議將每年的第15周和第44周作為長沙市水痘的預(yù)警周,提高水痘的關(guān)注,從而更好地預(yù)防水痘暴發(fā)。(3)分析發(fā)現(xiàn)病例隔離、疫苗接種均可以有效的控制學校水痘疫情的發(fā)展,且接種率越大,防控效果越好;通風、消毒等防控措施對學校水痘疫情的發(fā)展無明顯的防控效果;病例隔離和疫苗接種聯(lián)合防控效果優(yōu)于單項措施;學校水痘暴發(fā)時可以采取病例隔離與疫苗接種的綜合干預(yù)措施,且疫苗接種率越大,防控效果越好,同時可加強通風、消毒作為輔助。
【學位授予單位】：湖南師范大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：R181.3;R511.5
【圖文】：

圖 2-2 Logistic 模型曲線變化速度圖用時間 t 對方程 2-2 進行一階導數(shù)轉(zhuǎn)換，可得新發(fā)病例與時間 t 的關(guān)系表達式：()2()(1)kecktceNkedtdn （2-3）該方程是對新發(fā)病例數(shù)隨時間變化的表示，若進一步對方程 2-3 求導，也就是對方程 2-2 進行二階求導，便可以得到新發(fā)病例數(shù)變化速度的曲線方程。通過分析可得，當疾病疫情發(fā)展到最高峰時，新發(fā)病例數(shù)的變化速度減少至 0。因此令方程 2-2 的二階導數(shù)等于 0 時，通過求解，即可得疾病發(fā)展過程中新發(fā)病例由增加到減少時的拐點，也就是疾病處于高峰時的具體時間 ()22kctt 。此外，對方程 2-3 進行二階求導（方程 2-2 的三階導數(shù)），便可獲得新發(fā)病例數(shù)增減速度的變化速度方程，此時，另方程結(jié)果為 0 時，可得新發(fā)病例數(shù)增長速度變化的拐點，即

圖 2-3 Logistic 微分方程模型變化時間特點2.1.2.3 模型的建立首先確定 Logistic 微分方程模型，根據(jù)模型需要將所有水痘患者根據(jù)發(fā)病時間，按照 2008-2017 年周歷表，整理為周發(fā)病例及累計病例數(shù)，并進行初步清洗，分析長沙市 2008 年到 2017 年水痘的周發(fā)病情況及周發(fā)病數(shù)的變化規(guī)律，根據(jù)水痘流行特點，將 10 年的所有水痘發(fā)病數(shù)據(jù)整理為若干個流行周期。利用 Logistic微分方程模型對每個流行周期進行曲線擬合，從而獲得各周期中的參數(shù) N 與 k，進而通過數(shù)理統(tǒng)計中的帶入法求得（方程 2-2）中每個流行周期所對應(yīng)的參數(shù) c。2.1.2.4 預(yù)警周的確定由于衛(wèi)生決策以及干預(yù)措施的實施等均需要一定時間[51]，所以當疫情發(fā)展到

首先確定 Logistic 微分方程模型，根據(jù)模型需要將所有水痘患者根據(jù)發(fā)病時間，按照 2008-2017 年周歷表，整理為周發(fā)病例及累計病例數(shù)，并進行初步清洗，分析長沙市 2008 年到 2017 年水痘的周發(fā)病情況及周發(fā)病數(shù)的變化規(guī)律，根據(jù)水痘流行特點，將 10 年的所有水痘發(fā)病數(shù)據(jù)整理為若干個流行周期。利用 Logistic微分方程模型對每個流行周期進行曲線擬合，從而獲得各周期中的參數(shù) N 與 k，進而通過數(shù)理統(tǒng)計中的帶入法求得（方程 2-2）中每個流行周期所對應(yīng)的參數(shù) c。2.1.2.4 預(yù)警周的確定由于衛(wèi)生決策以及干預(yù)措施的實施等均需要一定時間[51]，所以當疫情發(fā)展到“疫情加速周”時進行預(yù)警，往往會導致出現(xiàn)一定的滯后現(xiàn)象，因此本研究擬選擇在“疫情加速周”提前一個標準差的時間作為水痘疫情的“預(yù)警周”，即建議預(yù)警周，具體方法如圖 2-4 所示。

【相似文獻】

相關(guān)期刊論文 前10條

1 邱文珠;;傳染病動力學的常微分子方程模型[J];河北師范大學學報;1987年02期

2 張海峰;王陽陽;汪秉宏;;行為反應(yīng)對復雜網(wǎng)絡(luò)上傳染病動力學的影響[J];復雜系統(tǒng)與復雜性科學;2012年03期

3 劉宏崴;劉巍;于躍;;傳染病動力學模型基本形式與計算機模擬計算分析[J];衛(wèi)生職業(yè)教育;2014年04期

4 徐致靖;祖正虎;許晴;鄭濤;;傳染病動力學建模研究進展[J];軍事醫(yī)學;2011年11期

5 韓立欽;劉桂榮;;基于雙層網(wǎng)絡(luò)的傳染病動力學模型及分析[J];生物數(shù)學學報;2019年01期

6 魏巍;舒云星;;具有時滯的傳染病動力學模型數(shù)值仿真[J];計算機工程與應(yīng)用;2006年34期

7 程衛(wèi)生;傳染病動力學偏微分方程模型的數(shù)值解法[J];數(shù)理醫(yī)藥學雜志;1995年04期

8 唐榮榮;;具有潛伏期的無免疫型傳染病動力學模型的分析[J];生物數(shù)學學報;2009年04期

9 陳軍杰,潘國衛(wèi);一個具暫時免疫且總?cè)藬?shù)可變的傳染病動力學模型[J];生物數(shù)學學報;2003年04期

10 閆萍;;具潛伏期的無免疫型傳染病動力學模型解的適定性[J];生物數(shù)學學報;2008年02期

相關(guān)會議論文 前5條

1 劉博洋;肖建華;王洪斌;;傳染病動力學模型在醫(yī)學和獸醫(yī)學領(lǐng)域的應(yīng)用[A];中國畜牧獸醫(yī)學會信息技術(shù)分會第十二屆學術(shù)研討會論文集[C];2017年

2 屠小明;陳峰;;隨機微分方程及其在傳染病動力學中的應(yīng)用[A];2011年中國衛(wèi)生統(tǒng)計學年會會議論文集[C];2011年

3 吳慶初;傅新楚;;BA網(wǎng)絡(luò)上的混合傳染病動力學[A];現(xiàn)代數(shù)學和力學(MMM-XI)：第十一屆全國現(xiàn)代數(shù)學和力學學術(shù)會議論文集[C];2009年

4 羅成;許青;李秀君;;狀態(tài)空間模型在山東省麻疹流行趨勢研究中的應(yīng)用[A];2017年中國衛(wèi)生統(tǒng)計學學術(shù)年會論文集[C];2017年

5 裴利軍;王萬永;楊俊平;;免疫響應(yīng)系統(tǒng)的全局穩(wěn)定性[A];第十一屆全國非線性振動學術(shù)會議暨第八屆全國非線性動力學和運動穩(wěn)定性學術(shù)會議論文摘要集[C];2007年

相關(guān)博士學位論文 前10條

1 劉思宇;混合控制策略在傳染病動力學中的應(yīng)用研究[D];吉林大學;2018年

2 王拉娣;傳染病動力學模型及控制策略研究[D];上海大學;2005年

3 曹宇;傳染病動力學模型研究[D];東北大學;2014年

4 周林華;具有限醫(yī)療資源傳染病動力學模型分析[D];東北師范大學;2012年

5 倪順江;基于復雜網(wǎng)絡(luò)理論的傳染病動力學建模與研究[D];清華大學;2009年

6 楊偉;傳染病動力學的一些數(shù)學模型及其分析[D];復旦大學;2010年

7 宋海濤;幾類時滯傳染病動力學模型的穩(wěn)定性和Hopf分支研究[D];哈爾濱工業(yè)大學;2015年

8 程巖;具有脈沖效應(yīng)與周期環(huán)境的傳染病動力學模型研究[D];大連理工大學;2015年

9 張海峰;復雜網(wǎng)絡(luò)上個體的不同行為導致多樣的整體行為[D];中國科學技術(shù)大學;2011年

10 張?zhí)?幾類傳染病動力學模型研究[D];新疆大學;2008年

相關(guān)碩士學位論文 前10條

1 吳彬;湖南省手足口病傳染病動力學模型研究[D];湖南師范大學;2019年

2 龐鳳蕊;傳染病動力學模型在長沙市水痘疫情預(yù)警及干預(yù)措施效果評價中的應(yīng)用[D];湖南師范大學;2019年

3 李兆青;兩類免疫-傳染病動力學模型的建立與研究[D];信陽師范學院;2019年

4 喬建琴;兩類網(wǎng)絡(luò)傳染病動力學模型的建立與分析[D];山西大學;2018年

5 王璐璐;環(huán)境污染中的傳染病動力學建模與研究[D];山西大學;2018年

6 李偉強;聚類對復雜網(wǎng)絡(luò)上SIR類傳染病動力學的影響[D];山西大學;2018年

7 王毅;復雜網(wǎng)絡(luò)多途徑傳染病動力學模型分析[D];中北大學;2012年

8 尹禮壽;基于復雜網(wǎng)絡(luò)的傳染病動力學模型研究[D];中北大學;2010年

9 李麗君;傳染病動力學模型的穩(wěn)定性研究[D];電子科技大學;2012年

10 徐婧;幾類具有時滯的傳染病動力學模型研究[D];大連交通大學;2012年

本文編號：2744130