DOI: https://doi.org/10.1186/s13663-024-00760-7
تاريخ النشر: 2024-01-22
المؤلف: Asifa Tassaddiq وآخرون
الموضوع الرئيسي: حلول المعادلات التفاضلية الكسرية
نظرة عامة
تبحث هذه الدراسة في نموذج وبائي من نوع SAIVR ذو ترتيب كسري، باستخدام مشغل التفاضل الكسري كابوتو لتحليل ديناميات انتقال COVID-19. تؤكد الأبحاث على أهمية مشغل كابوتو في نمذجة آثار التطعيم وتستخدم حساب التفاضل الكسري لتحديد الخصائص الأساسية للنظام، بما في ذلك الاستقرار ووجود الحلول. تم تحسين معلمات النموذج باستخدام نهج المربعات الصغرى، مما أسفر عن ترتيب كسري مثالي $\alpha = 0.6757$، والذي يتماشى بشكل وثيق مع البيانات الطبية الواقعية. أظهرت التحليلات المقارنة أن نموذج كابوتو يتفوق على النماذج التقليدية، كما يتضح من انخفاض الأخطاء المتوسطة المطلقة والأداء المتفوق في ملخصات مخططات Box-Whisker.
تؤكد النتائج على أهمية تقليل معدلات التعرض من خلال التباعد الاجتماعي واستخدام الكمامات للسيطرة بشكل فعال على الوباء، خاصة في البلدان شبه المتطورة مثل تركيا. تؤكد الدراسة على الحل الفريد لنموذج كابوتو بناءً على مبدأ انكماش باناش وتثبت استقراره من خلال طرق أولام-هايرز. بالإضافة إلى ذلك، يظهر النموذج آثار الذاكرة وخصائص وراثية، مما يدل على قابليته للتكيف مع $\alpha \to 1$. ستستكشف الأبحاث المستقبلية تأثير المشغلين التفاضليين غير المفردين على الإطار التقليدي SAIVR، مما يعزز فهم ديناميات الأمراض.
مقدمة
تناقش مقدمة هذه الورقة البحثية التأثير العالمي لـ COVID-19، الذي تم الإعلان عنه كجائحة من قبل منظمة الصحة العالمية (WHO) في أوائل عام 2020. تسلط الورقة الضوء على أوضاع انتقال الفيروس المختلفة ونطاق الأعراض التي يمكن أن يسببها. تؤكد على أهمية النمذجة الرياضية في فهم ديناميات الأمراض، خاصة من خلال استخدام المعادلات التفاضلية ذات الترتيب الصحيح والترتيب الكسري. يشير المؤلفون إلى أن النماذج الديناميكية غير الخطية، مثل تلك التي تتضمن مشغلات التفاضل الكسري كابوتو، يمكن أن توفر رؤى أعمق حول ديناميات انتقال الأمراض المعدية، بما في ذلك COVID-19.
تقدم الورقة أيضًا نموذجًا حتميًا جديدًا مكونًا من ثمانية مقصورات لـ COVID-19 في نيجيريا، والذي يدمج عوامل مثل حملات التوعية واستراتيجيات الاستشفاء. يشير هذا النموذج إلى أن جهود التوعية غير الكافية قد تؤدي إلى زيادة معدلات العدوى. بالإضافة إلى ذلك، يناقش المؤلفون دور آثار الذاكرة في النمذجة الوبائية، حيث يسمح حساب التفاضل الكسري بفهم أكثر دقة لديناميات الأمراض والتأثيرات طويلة الأمد للتدخلات مثل التطعيم. تمهد المقدمة الطريق لنموذج SAIVR المقترح، الذي يدمج الأفراد الملقحين في ديناميات الانتقال، باستخدام مشتق كابوتو ذو الترتيب الكسري لتعزيز واقعية النموذج وقابليته للتطبيق على استراتيجيات الصحة العامة. يتم توضيح هيكل الورقة، مع تفاصيل الأقسام اللاحقة التي تغطي الصياغة الرياضية، وتقدير المعلمات، والتحليل النوعي، والمحاكاة.
النتائج
في هذا القسم، تؤكد الأبحاث على وجود وحصرية الحلول لنموذج SAIVR كابوتو، الذي يُطبق للتنبؤ بديناميات جائحة COVID-19. باستخدام مبدأ انكماش باناش، يظهر المؤلفون أن النموذج يتقارب إلى حل فريد، مما يؤكد موثوقيته واستقراره. يتضمن التحليل تطبيق مشغل كابوتو ذو الترتيب الكسري على خمسة قيم نواة تمثل متغيرات الحالة المختلفة (المعرضون، غير الأعراض، المصابون، الملقحون، والمتعافون)، مما يؤدي إلى صياغة معادلات تتوافق مع شرط ليبشيتز.
تظهر المحاكاة العددية التي تم إجراؤها باستخدام معلمة ترتيب كسري محسّنة رؤى مهمة حول ديناميات الوباء. باستخدام طريقة عددية للتنبؤ والتصحيح مصممة خصيصًا للمعادلات التفاضلية العادية الكسري كابوتو، تلاحظ الدراسة أن عدد الأفراد المعرضين والمتعافين يزداد مع مرور الوقت، بينما تتناقص أعداد السكان غير الأعراض والملقحين. من الجدير بالذكر أن المحاكاة تشير إلى حساسية قوية لمعدل العدوى تجاه التغيرات في معدل التعرض، مما يبرز الدور الحاسم لإدارة التعرض للسيطرة على انتشار المرض. علاوة على ذلك، يؤكد التحليل على أهمية تحديد القيمة المثلى لمعاملة الترتيب الكسري، حيث يمكن أن تؤثر الانحرافات عن هذه القيمة سلبًا على قدرات النموذج التنبؤية.
المناقشة
في هذا القسم، يناقش المؤلفون تطوير وتحليل نموذج وبائي ذو ترتيب كسري، وهو نموذج SAIVR، لفهم ديناميات انتقال COVID-19 بشكل أفضل. باستخدام مشغل كابوتو الكسري، يدمج النموذج خمسة مقصورات: المعرضون (S)، غير الأعراض (A)، المصابون (I)، الملقحون (V)، والمتعافون (R). يجادل المؤلفون بأن النماذج التقليدية ذات الترتيب الصحيح تفشل في التقاط تعقيدات ديناميات الأوبئة، خاصة آثار الذاكرة المتأصلة في انتقال الأمراض. من خلال استخدام حساب التفاضل الكسري، يسمح النموذج بمرونة أكبر وتمثيل أكثر دقة لكيفية تأثير العدوى السابقة على الديناميات الحالية.
يبرز المؤلفون مزايا استخدام مشغل كابوتو، مؤكدين قدرته على حساب الخصائص الوراثية وآثار الذاكرة في النمذجة الوبائية. يقدمون إطارًا رياضيًا مفصلًا، موضحين وجود وحصرية الحلول من خلال معيار استقرار هايرز-أولام-راسياس. تقدم الدراسة أيضًا محاكاة عددية توضح تأثير آثار الذاكرة على ديناميات السكان، كاشفة أنه مع انخفاض الترتيب الكسري، تصبح آثار الذاكرة أكثر وضوحًا، مما يعزز قدرات النموذج التنبؤية. في النهاية، تشير النتائج إلى أن السيطرة الفعالة على الوباء تتطلب تقليل معدلات التعرض من خلال التباعد الاجتماعي وتدابير الحماية، خاصة في المناطق شبه المتطورة مثل تركيا.
DOI: https://doi.org/10.1186/s13663-024-00760-7
Publication Date: 2024-01-22
Author(s): Asifa Tassaddiq et al.
Primary Topic: Fractional Differential Equations Solutions
Overview
This study investigates a fractional-order epidemiological model of the SAIVR type, utilizing the Caputo fractional-order differential operator to analyze the dynamics of COVID-19 transmission. The research establishes the significance of the Caputo operator in modeling immunization effects and employs fractional calculus to determine fundamental system characteristics, including stability and the existence of solutions. The model’s parameters were optimized using a least-squares approach, yielding an optimal fractional order $\alpha = 0.6757$, which aligns closely with real-world medical data. Comparative analysis revealed that the Caputo model outperforms classical models, as evidenced by lower absolute mean errors and superior performance in Box-Whisker chart summaries.
The findings emphasize the importance of reducing exposure rates through social distancing and mask usage to effectively control the pandemic, particularly in semi-developed countries like Turkey. The study confirms the unique solution of the Caputo model based on the Banach contraction principle and establishes its stability through Ulam-Hyers methods. Additionally, the model demonstrates memory traces and hereditary traits, indicating its adaptability as $\alpha \to 1$. Future research will explore the impact of non-singular differential operators on the traditional SAIVR framework, further enhancing the understanding of disease dynamics.
Introduction
The introduction of this research paper discusses the global impact of COVID-19, which was declared a pandemic by the World Health Organization (WHO) in early 2020. The paper highlights the various transmission modes of the virus and the range of symptoms it can cause. It emphasizes the importance of mathematical modeling in understanding disease dynamics, particularly through the use of integer-order and fractional-order differential equations. The authors note that nonlinear dynamical models, such as those incorporating Caputo fractional differential operators, can provide deeper insights into the transmission dynamics of infectious diseases, including COVID-19.
The paper also presents a novel eight-compartmental deterministic model for COVID-19 in Nigeria, which integrates factors like awareness campaigns and hospitalization strategies. This model indicates that inadequate awareness efforts could lead to increased infection rates. Additionally, the authors discuss the role of memory effects in epidemiological modeling, where fractional calculus allows for a more nuanced understanding of disease dynamics and the long-term impacts of interventions like vaccination. The introduction sets the stage for the proposed SAIVR model, which incorporates vaccinated individuals into the transmission dynamics, utilizing the Caputo fractional-order derivative to enhance the model’s realism and applicability to public health strategies. The structure of the paper is outlined, detailing subsequent sections that cover mathematical formulation, parameter estimation, qualitative analysis, and simulations.
Results
In this section, the research establishes the existence and uniqueness of solutions for the Caputo SAIVR model, which is applied to predict the dynamics of the COVID-19 pandemic. Utilizing the Banach contraction principle, the authors demonstrate that the model converges to a unique solution, thereby affirming its reliability and stability. The analysis includes the application of the fractional-order Caputo operator to five kernel values representing different state variables (susceptible, asymptomatic, infected, vaccinated, and recovered), leading to the formulation of equations that adhere to the Lipschitz condition.
The numerical simulations conducted using an optimized fractional order parameter reveal significant insights into the dynamics of the epidemic. Employing a predictor-corrector numerical method tailored for fractional Caputo ordinary differential equations, the study observes that the number of susceptible and recovered individuals increases over time, while asymptomatic and vaccinated populations decline. Notably, the simulations indicate a strong sensitivity of the infection rate to changes in the exposure rate, highlighting the critical role of managing exposure to control the spread of the disease. Furthermore, the analysis emphasizes the importance of determining the optimal value of the fractional-order parameter, as deviations from this value can adversely affect the model’s predictive capabilities.
Discussion
In this section, the authors discuss the development and analysis of a fractional-order epidemic model, specifically the SAIVR model, to better understand COVID-19 transmission dynamics. Utilizing the Caputo fractional operator, the model incorporates five compartments: susceptible (S), asymptomatic (A), infected (I), vaccinated (V), and recovered (R). The authors argue that traditional integer-order models fail to capture the complexities of epidemic dynamics, particularly the memory effects inherent in disease transmission. By employing fractional calculus, the model allows for greater flexibility and a more accurate representation of how past infections influence current dynamics.
The authors highlight the advantages of using the Caputo operator, emphasizing its ability to account for hereditary traits and memory effects in epidemiological modeling. They provide a detailed mathematical framework, demonstrating the existence and uniqueness of solutions through the Hyers-Ulam-Rassias stability criterion. The study also presents numerical simulations that illustrate the impact of memory traces on population dynamics, revealing that as the fractional order decreases, the memory effect becomes more pronounced, thus enhancing the model’s predictive capabilities. Ultimately, the findings suggest that effective pandemic control requires reducing exposure rates through social distancing and protective measures, particularly in semi-developed regions like Turkey.