壮医与近代广西传染病的防治

疾病史视野中的广西是一个疾病丛生的区域,无论是乡村,还是城镇,许多传染病都存在或者盛行,构成对人们健康和生命的危害,对广西社会经济发展带来极大的影响.壮医在长期的劳动生产和医疗实践中,通过探索和实践精神,对近代传染病有较为深刻的认识,对传染病的传播规律和治疗积累了丰富的经验,形成了对传染病防治的特色,对近代广西传染病的防治发挥了重要作用.     

传染病模型

传染病常在世界各地流行,建立传染病的数学模型,分析其变化规律,防止其蔓延是一项艰巨的任务.传染病在传播期间其地区总人数不变时已建立了很好的数学模型.文章对其用微积分的方法进行了分析,并在该基础上进行了修正,建立了传染病传播期间其地区总人数变化的数学模型.     

妨害传染病防治行为的法律争论点探析

由于传染病所具有传播途径多种、传播速度快、危害性大等特点,随着经济社会全球化的不断向前发展,国际上加强了对传染病的认识 和关注,给予了充分的重视.我国由于社会进程的原因,现代法律文化起步较晚,因此我国对传染病防治上的认识和规定并不十分完善.该文结合过失危险犯等概念对我国妨害传染病防治罪的相关犯罪构成的争论点进行探讨,对妨害传染病防治罪的主客观条件进行了较系统的分析,从而建议对本罪的性质定义为过失危险犯.     

马尔科夫链在传染病预测中的应用

面对突发性传染病对人类身体健康的严重威胁,使用数学模型的方法研究传染病的传染规律、预防措施越来越受到人们的重视.论文通过对概率论中的马尔可夫链这一概念的学习和研究,提出利用马尔可夫链建立传染病预测模型,根据辽宁省干旱地区朝阳市1981年至1993年流行性脑脊髓膜炎的年发病率资料对该预测模型进行了验证,从而得出马尔可夫链传染病预测模型的可靠性以及可信度.     

考虑信息变量呈Logistic自然增长的SIRS传染病模型

为了研究信息变量对传染病传播动力学的影响,从而对传染病能够进行有效预防,结合现实情况建立了一个信息变量呈Logistic自然增长的SIRS传染病模型.首先计算基本再生数,然后研究了无病平衡点和地方病平衡点的存在性和稳定性的条件,并得到了在地方病平衡点处产生Hopf分支的条件,发现信息自然承载量的变化可能导致传染病的传播呈周期性震荡.     

动态社会网络上的传染病传播问题研究

随着对传染病传播问题研究的深入,研究中常用的传染病传播模型也越来越接近于现实世界.复杂网络视角下的传播模型,考虑了复杂动态的人际关系,能够更好的刻画传染病传播问题.依据传染病的生物学特征和人类社会关系网络的一般属性,本文在已有模型的基础上,在适应性网络中加入了潜伏期和"随机重连"机制,提出动态社会网络中的传染病传播模型,并以在世界范围内流行的、具有代表性的病毒——HIV病毒为例,阐述了该模型在动态社会网络中的应用.     

最优阻隔控制在一类SIRS多组群传染病中的应用

该文基于一类SIRS多组群传染病模型讨论了传染病控制中的最优阻隔控制.模型中的控制变量表示为达到阻滞和隔离组群之间接触所采取的各种措施的强度.利用Pontryagin 极大值原理求解了最优控制问题并给出了相应的数值迭代算法.仿真结果表明该文提出的最优阻隔控制策略在使传染病代价最小化的同时可以有效地控制传染病的流行,同时也表明现实中采取的"早发现早隔离"策略在传染病控制中的重要性.     

呼吸道传染病空气传播的感染概率的预测模型

为了加强对空气传染病风险的理解和预测,综述了呼吸道传染病的空气传染特点、传染途径以及预测空气传染病感染风险的模型.基于病人呼出飞沫蒸发后剩余飞沫核(通常小于5μm)在空间均匀分布的假设,介绍了预测呼吸道传染病空气传播风险模型,其中重点介绍Wells-Riley方程的推导、验证及发展,并汇总了已有报道中呼吸道传染病的病毒量(quanta产生率).根据Wells-Riley方程研究了通风和通风量、病人呼出病毒量等对感染概率的影响.结果表明,通风可以显著降低感染概率,但对于某些极端的超级传播事件,还需要其他保护措施.     

一类媒介-宿主传染病传播动力学模型分析

为了研究宿主以出访者形式在斑块间迁徙对媒介宿主传染病传播的影响,该文建立了两斑块媒介-宿主传染病传播模型.通过分析无病平衡点的稳定性,给出了传染病基本再生数的表达式.利用微分方程和一致持续生存理论,证明了当基本再生数小于1时无病平衡点是局部渐近稳定的;否则系统的无病平衡点是不稳定的,且系统是一致持续生存的.数值仿真结果表明,适当控制区域间的宿主出访可有效防止传染病的传播.     

具有非线性发生率的森林火灾模型阈值分析

在具有出生和死亡的一类SIS传染病模型中,考虑了非线性发生率对阈值的影响,对模型进行了改进;主要分析了复杂网络中考虑出生及死亡的情形下非线性率对传染病阈值的影响;结果表明:非线性感染力对传染阈值有着严重影响,传染病阈值λc与因病死亡率β有着非常密切的关系.