DOI: https://doi.org/10.1186/s13660-024-03140-2
تاريخ النشر: 2024-05-09
المؤلف: Chongyang Liu وآخرون
الموضوع الرئيسي: دراسات وبائية حول COVID-19
نظرة عامة
في هذه الدراسة، يطور المؤلفون نموذج SEIR المتأخر لتحليل ديناميات انتقال COVID-19، مع تضمين التأخيرات لفترات الحضانة والتعافي. يظهرون أن حلول هذا النموذج غير سالبة ومحدودة في النهاية تحت ظروف أولية غير سالبة. establishes الورقة نقاط التوازن الخالية من المرض والوبائية، وتحقق في استقرارها الأسيمبتي، وتستكشف وجود انشقاقات هوب، كاشفة أن بعض التأخيرات يمكن أن تزعزع استقرار هذه النقاط التوازنية، مما يؤدي إلى تذبذبات مستدامة في ديناميات السكان.
كما يقوم المؤلفون بصياغة مشكلة التحكم الأمثل المتأخر، مع تضمين تدبيرين للتحكم: تقليل الاتصال الاجتماعي والتدخلات الصيدلانية. يستخرجون شروط الأمثلية اللازمة لوصف استراتيجيات التحكم الفعالة. تؤكد المحاكاة العددية النتائج النظرية، مما يشير إلى أن التدخلات الصيدلانية فعالة بشكل خاص للمرضى الذين تم إدخالهم إلى المستشفى، بينما يقلل تقليل الاتصال الاجتماعي بشكل كبير من عدد الأفراد المعرضين. تختتم الدراسة بالإشارة إلى إغفال آثار التطعيم في نموذجهم وتقترح أن البحث المستقبلي يجب أن يستكشف استراتيجيات التحكم الأمثل الكسرية التي تشمل التطعيم لتعزيز إدارة COVID-19 بشكل أكبر.
مقدمة
تتناول مقدمة هذه الورقة البحثية التحديات المستمرة التي تطرحها جائحة COVID-19، التي تسببها فيروس SARS-CoV-2، والذي أدى إلى معدلات مرضية ووفيات كبيرة على مستوى العالم. اعتبارًا من 2 نوفمبر 2023، أفادت منظمة الصحة العالمية بوجود حوالي 697 مليون إصابة وأكثر من 6.9 مليون وفاة. على الرغم من تدابير الوقاية والسيطرة المختلفة، لا يزال هناك حاجة ملحة لاستراتيجيات فعالة لفهم وتخفيف انتقال COVID-19. تسلط الورقة الضوء على فائدة النماذج الرياضية، وخاصة إطاري SIR و SEIR، في تحليل ديناميات الأوبئة والسيطرة على انتشار الفيروس.
يقترح المؤلفون نموذج SEIR المتأخر الجديد الذي يتضمن تأخيرات زمنية مرتبطة بفترات الحضانة والتعافي من COVID-19. يهدف هذا النموذج إلى تقديم تمثيل أكثر دقة لديناميات انتقال الفيروس. تؤسس الورقة عدم السلبية والحدود للحلول تحت ظروف أولية غير سالبة، وتحسب نقاط التوازن الخالية من المرض والوبائية، وتحلل استقرارها والانشقاقات المحتملة. علاوة على ذلك، يقوم المؤلفون بصياغة مشكلة التحكم الأمثل المتأخر التي تأخذ في الاعتبار الاتصال الاجتماعي والتدخلات الصيدلانية كإجراءات تحكم، مستخرجين شروط الأمثلية اللازمة ومطورين نهج عددي لحل المشكلة. تشمل مساهمات هذا العمل تقديم نموذج SEIR المتأخر، وتحليل استقرار شامل، وطريقة حل مبتكرة لمشكلة التحكم الأمثل، والتي من المتوقع أن تعزز الفهم وإدارة وباء COVID-19.
النتائج
في هذا القسم، يقدم المؤلفون نتائج عددية لمشكلة التحكم الأمثل (DOCP) المطبقة على نموذج SEIR المتأخر، باستخدام برنامج DDE23 في Matlab مع معلمات تأخير محددة $\tau_1 = 0.5$ و $\tau_2 = 0.7$. يتم تعيين الحالة الأولية كـ $\phi(t) = (99999, 1, 0, 0)$، ويتم تعريف معاملات الوزن في الوظيفة التكلفية كـ $q_1 = 10^{-8}$، $q_2 = q_3 = 10^{-4}$، $r_1 = 50$، و $r_2 = 1$. يتم اشتقاق استراتيجيات التحكم الأمثل، المشار إليها بـ $u^*_1$ و $u^*_2$، لمجموعتين من المعلمات، مع تعيين حدود التحكم عند $u_{\max}^1 = 0.07$ و $u_{\max}^2 = 0.1$. يتم استخدام طريقة السحب للأمام والخلف جنبًا إلى جنب مع شروط الأمثلية اللازمة.
تشير النتائج إلى أن التحكم في الاتصال الاجتماعي $u_1$ يصل في البداية إلى ذروته عند قيمته القصوى قبل أن ينخفض إلى الصفر، مما يعكس فعالية تدابير الحجر الصحي خلال تفشي COVID-19. على العكس من ذلك، يبدأ التدخل الصيدلاني $u_2$ من الصفر، ويزداد بسرعة إلى أقصى حد له، ثم ينخفض، مما يبرز الطبيعة المتأخرة لإدارة العلاج. تظهر التحليلات أن استراتيجية التحكم الأمثل (الاستراتيجية C) تقلل بشكل كبير من عدد الأفراد المعرضين والمصابين مقارنة بالسيناريوهات التي لا تحتوي على تحكم أو تدابير تحكم فردية (الاستراتيجيات A و B). علاوة على ذلك، تجد الدراسة أن وجود التأخيرات الزمنية يزيد من ذروة عدد الإصابات، مما يبرز ضرورة التنفيذ الفوري لاستراتيجيات التحكم الفعالة لتخفيف انتشار المرض.
المناقشة
يقدم قسم المناقشة في الورقة البحثية نموذج SEIR المتأخر لتحليل ديناميات انتقال COVID-19، مع التأكيد على أهمية تضمين التأخيرات الزمنية بسبب فترات الحضانة والتعافي للأفراد المصابين. يحدد النموذج التفاعلات بين الأفراد المعرضين (S)، المعرضين (E)، المصابين (I)، والمتعافين (R)، مع معلمات مثل معدلات الانتقال ($\beta_1$, $\beta_2$)، معدل العدوى ($\epsilon$)، معدلات التعافي ($\gamma_1$, $\gamma_2$)، ومعدل الوفيات ($\mu$). يتم تعريف النظام المقترح من خلال مجموعة من المعادلات التفاضلية التي تأخذ في الاعتبار هذه التأخيرات، مما يؤدي إلى نظريات تؤكد عدم السلبية والحدود للحلول تحت ظروف أولية محددة.
تستكشف التحليلات أيضًا نقاط التوازن للنموذج، مع تحديد كل من الحالات الخالية من المرض والوبائية. يتم اشتقاق الرقم الأساسي للتكاثر ($R_0$)، والذي يعمل كعتبة لتحديد الإمكانات الوبائية، مع $R_0 > 1$ يشير إلى وجود توازن وبائي إيجابي. يتم تقييم استقرار هذه النقاط التوازنية من خلال مصفوفة جاكوب، مما يكشف عن الشروط التي يكون فيها التوازن الخالي من المرض مستقرًا أو غير مستقر، وتحديد حدوث انشقاقات هوب، التي تشير إلى الانتقالات إلى ديناميات تذبذبية في النظام. تؤكد النتائج على الدور الحاسم للتأخيرات الزمنية في نمذجة ديناميات الأمراض المعدية، وخاصة في سياق COVID-19، وتوفر إطارًا لفهم استقرار المرض والانتشار المحتمل له.
DOI: https://doi.org/10.1186/s13660-024-03140-2
Publication Date: 2024-05-09
Author(s): Chongyang Liu et al.
Primary Topic: COVID-19 epidemiological studies
Overview
In this study, the authors develop a delayed SEIR model to analyze the transmission dynamics of COVID-19, incorporating delays for the incubation and recovery periods. They demonstrate that the solutions to this model are nonnegative and ultimately bounded under nonnegative initial conditions. The paper establishes the disease-free and endemic equilibrium points, investigates their asymptotic stability, and explores the existence of Hopf bifurcations, revealing that certain delays can destabilize these equilibrium points, leading to sustained oscillations in the population dynamics.
The authors also formulate a delay optimal control problem, incorporating two control measures: social contact reduction and pharmaceutical intervention. They derive necessary optimality conditions to characterize effective control strategies. Numerical simulations validate the theoretical findings, indicating that pharmaceutical interventions are particularly effective for hospitalized patients, while reducing social contact significantly lowers the number of exposed individuals. The study concludes by noting the omission of vaccination effects in their model and suggests that future research should explore fractional optimal control strategies that include vaccination to further enhance COVID-19 management.
Introduction
The introduction of this research paper addresses the ongoing challenges posed by the COVID-19 pandemic, caused by the SARS-CoV-2 virus, which has led to significant morbidity and mortality globally. As of November 2, 2023, the World Health Organization reported approximately 697 million infections and over 6.9 million deaths. Despite various prevention and control measures, the need for effective strategies to understand and mitigate the transmission of COVID-19 remains critical. The paper highlights the utility of mathematical models, particularly the SIR and SEIR frameworks, in analyzing epidemic dynamics and controlling the spread of the virus.
The authors propose a novel delayed SEIR model that incorporates time delays associated with the incubation and recovery periods of COVID-19. This model aims to provide a more accurate representation of the virus’s transmission dynamics. The paper establishes the nonnegativity and boundedness of solutions under nonnegative initial conditions, calculates the disease-free and endemic equilibrium points, and analyzes their stability and potential Hopf bifurcations. Furthermore, the authors formulate a delay optimal control problem that considers social contact and pharmaceutical interventions as control measures, deriving necessary optimality conditions and developing a numerical approach for solving the problem. The contributions of this work include the introduction of a delayed SEIR model, a thorough stability analysis, and an innovative solution method for the optimal control problem, which are expected to enhance the understanding and management of the COVID-19 epidemic.
Results
In this section, the authors present numerical results for the optimal control problem (DOCP) applied to a delayed SEIR model, utilizing the DDE23 software in Matlab with specified delay parameters $\tau_1 = 0.5$ and $\tau_2 = 0.7$. The initial condition is set as $\phi(t) = (99999, 1, 0, 0)$, and the weight coefficients in the cost functional are defined as $q_1 = 10^{-8}$, $q_2 = q_3 = 10^{-4}$, $r_1 = 50$, and $r_2 = 1$. The optimal control strategies, denoted as $u^*_1$ and $u^*_2$, are derived for two sets of parameters, with control boundaries set at $u_{\max}^1 = 0.07$ and $u_{\max}^2 = 0.1$. The forward-backward sweep method is employed alongside the necessary optimality conditions.
The results indicate that the social contact control $u_1$ initially peaks at its maximum value before declining to zero, reflecting the effectiveness of quarantine measures during a COVID-19 outbreak. Conversely, the pharmacological intervention $u_2$ starts at zero, rapidly increases to its maximum, and then decreases, highlighting the delayed nature of treatment administration. The analysis shows that the optimal control strategy (strategy C) significantly reduces the number of exposed and infected individuals compared to scenarios with no control or single control measures (strategies A and B). Furthermore, the study finds that the presence of time delays exacerbates the peak number of infections, underscoring the necessity for prompt implementation of effective control strategies to mitigate the spread of the disease.
Discussion
The discussion section of the research paper presents a delayed SEIR model to analyze COVID-19 transmission dynamics, emphasizing the importance of incorporating time delays due to the incubation and recovery periods of infected individuals. The model delineates the interactions among susceptible (S), exposed (E), infected (I), and recovered (R) individuals, with parameters such as transmission rates ($\beta_1$, $\beta_2$), infection rate ($\epsilon$), recovery rates ($\gamma_1$, $\gamma_2$), and mortality rate ($\mu$). The proposed system is defined by a set of differential equations that account for these delays, leading to theorems confirming the nonnegativity and boundedness of the solutions under specific initial conditions.
The analysis further explores the equilibrium points of the model, identifying both disease-free and endemic states. The basic reproduction number ($R_0$) is derived, serving as a threshold to determine epidemic potential, with $R_0 > 1$ indicating the presence of a positive endemic equilibrium. The stability of these equilibrium points is assessed through the Jacobian matrix, revealing conditions under which the disease-free equilibrium is stable or unstable, and identifying the occurrence of Hopf bifurcations, which signify transitions to oscillatory dynamics in the system. The findings underscore the critical role of time delays in modeling infectious disease dynamics, particularly in the context of COVID-19, and provide a framework for understanding the stability and potential outbreaks of the disease.