《消灭埃博拉(1).docx》由会员分享，可在线阅读，更多相关《消灭埃博拉(1).docx（18页珍藏版）》请在三一文库上搜索。
1、如果您需要使用本文档，请点击下载按钮下载!如何根除埃博拉摘要 2014年爆发的埃博拉引发全球恐慌。如何控制和消灭埃博拉病毒已成为一种普遍关注的问题。 首先，我们建立了一个传染病模型SEIHCR(CT)，在这个模型中，我们对埃博拉的几个特别因素进行考虑，这些是来自医院，感染的尸体和有强烈接触的人描述的治疗方法。这个模型是经过传统的传染病模型完善得到，通过计算机计算，模型的结果(如图4，5，6所示)与WHO报导的数据完全吻合，说明我们的改进模型是有效的。 其次，对药物干预进行了深入的研究。医学需要的总数量是基于个人暨累计数（图2）。人们的统计和由SEIHCR(CT）计算得到的结果只有轻微的差异，进
2、一步说明我们的模型的可行性。在设计应用加权模糊C-均值聚类算法中选择6个位置（如图3、表2）应作为其他的配送中心城市。我们优化的交付位置，每个城市的位置和所需的药物。每个位置的股票的百分比也被计算出来，以方便未来的分配（表4）。生产的平均速度应不低于106.2单位剂量每一天，在生产速度和药物的疗效上面加强了其干预效果。 第三，其他关键因素，除了前面讨论的模型，更安全尸体的处理，以及早期识别和隔离也证明是相关的。通过改变参数的值，我们可以预测未来的CUM，结果（图12,13）表明，这些干预措施将有助于减少CUM以更快的速度降低到一个较低的高原。然后，我们分析其因素，减少控制和消灭埃博拉的时间。例
3、如，当被隔离的传染率是33%-40%时，疾病可以成功控制（表5）。当介绍时间为治疗减少210到145天时，消灭埃博拉病毒的时间达200天以上。最后，我们选择三个参数：传输速率，潜伏期和敏感性分析的死亡率。关键词：埃博拉，流行模式，累积病例，聚类算法内容1.介绍.1 1.1问题的背景.1 1.2以前的研究.2 1.3我们的工作.22.一般的假设.33.符号和符号说明.4 3.1符号.4 3.2符号说明.4如果您需要使用本文档，请点击下载按钮下载!4.埃博拉病毒传播 4.1传统的传染病模型.5 4.1.1SEIR模型.5 4.1.2爆发的数据.6 4.1.3SEIR模型结果.84.2改进后的模型
4、4.2.1SEIHCR（CT）模型.8 4.2.2参数的选择.10 2.1.1SEIHCR（CT）模型结果.115药物干预.13 5.1这药总量.13 5.1.1来自WHO的统计结果.13 5.1.2SEIHCR（CT）模型结果.15 5.2输送系统.15 5.2.1交货地点.16 5.2.2交货金额.195.3.制造速度.205.4药物疗效.216其他重要的干预.21 6.1尸体安全处理.21 6.2强化追踪接触和早期隔离.22 6.3结论.247控制和消灭埃博拉.24 7.1如何可以控制埃博拉.24 7.2当埃博拉被根除.26如果您需要使用本文档，请点击下载按钮下载!8敏感性分析.27 8
5、.1.传输速率的影响.27 8.2.潜伏期的影响.28 8.3.波动.289优势和劣势.29 9.1.优势29.30 9.2.缺点.30 9.3.未来的工作.30 给世界医学协会的信.31 引用.331.简介1.1.问题背景埃博拉病毒病（EVD），原名埃博拉出血热，是一严重的，通常是致命的疾病在人类。在西非爆发，（第一例在2014年5月通报），埃博拉病毒是埃博拉疫情以来规模最大、最复杂的埃博拉病毒病毒是首次发现于1976。在这一情况下有更多的病例和死亡病例比所有人的爆发。它开始在几内亚比绍，后来在陆地上蔓延塞拉利昂和利比里亚的边界。当前形势最受影响。表1可以清楚地看到最新的来自世界卫生组织（世
6、卫组织）的各国疫情爆发情况的图表公布图1.2015年4个月在西非的埃博拉疫情分布图埃博拉病毒首先从水果蝙蝠传播到人类的人群中。现在它可以通过直接接触血液、分泌物、器官或器官或受感染人的其他体液，以及受污染的表面和材料有了这些液体。葬礼仪式也能起到传播埃博拉的作用因为病毒也可以通过死者的尸体传播。1疫情控制需要协调的医疗服务，同时有一定的社区参与程度。医疗服务包括快速检测病例对接触过感染者的疾病、接触者的追踪个人，快速获得实验室服务，为那些谁是正确的医疗感染，并通过火化或埋葬死者的妥善处置1，2。有许多不同的实验性疫苗和治疗埃博拉病毒开发，在实验室和动物种群中测试，但他们还没有已经充分测试了安全
7、性或有效性3，4。在2014的夏天，世界卫生组织声称快速跟踪测试是道德的，在光的流行。4事实上，第一批针对埃博拉的实验性疫苗已经被发送到利比里亚一月2015。根据英国生产葛兰素史克公司的博士分析，初期是鼓励和鼓励他们下一个阶段的临床试验进展。1.2.之前的研究如果您需要使用本文档，请点击下载按钮下载!疫情扩散分析是一个普遍关注的问题。而且，在西方的2014次埃博拉疫情的研究中已经有大量的研究非洲。对于疾病的传播，这被认为是一个重要因素6根除埃博拉，有很多以前的研究，可以方便我们的了解疾病。例如，菲斯曼等人，用一二个参数数学模型来描述疫情增长与控制。戈麦斯等。研究埃博拉病毒的风险7国际传播及其流
8、动性数据。他的研究得出了一个结论埃博拉的国际传播的风险比较小，比较小在西非国家的扩张。疾病控制中心8预防使用传统的SIR模型外推埃博拉疫情和预计，利比里亚和塞拉利昂的埃博拉病毒将有2015年1月有140万例9。应用SEIR模型研究埃博拉病毒的影响。SEIR模型以国家刚果和乌干达1995的暴发疫情200010暴露在考虑，这是一个特殊的埃博拉病毒的特点，因为接触病毒会使个人更容易被感染。基于他们的模型10开发了一个模型，其中，巴尔德斯等人，开发了一个模型，发现减少是依赖于时间11人口流动对地理遏制的疾病和一个小的影响快速和早期干预，增加住院和减少疾病在医院和葬礼上的传输是最重要的反应，任何可能的再
9、次出现埃博拉疫情12。1.3我们的工作我们被要求建立一个现实的，合理的，有用的模型来优化根除埃博拉病毒或至少它当前的应变。我们的模式不仅要考虑疾病的传播，所需的药物的数量，可能可行的交付系统，交货地点，疫苗或药物制造的速度，但也其他关键因素，我们认为是必要的。首先，我们搜索了大量的论文，讨论的传播埃博拉帮助我们加深了对问题的认识。提供大量的背景资料和他们的工作作为一个重要的6介绍。我们发现，一些文件使用了传统的流行病模型预测疾病如用奥尔索斯SEIR模型的传输11以估计2014次疫情暴发的病毒数量。因此，我们同时应用SEIR模型对早期埃博拉传播预测。后来，我们发现埃博拉病毒有一些特定的羽毛，还需
10、要考虑的是，潜在的传输威胁所带来的高度传染性如果病人可以是尸体，可以提高感染控制率和降低传输率在医院治疗的强大干预方法：接触追踪。服用后所有这些关键因素都在考虑，我们改进了原有的流行病模型。接下来，我们深入分析了药物干预。我们首先使用了由谁提供的统计数据24帮助找出所需药品的数量。我们也用我们改进的模型来预测患者的数量和所需的几内亚比绍和利比里亚的医学。双参数：（1）电流患者及磷和（2）累积数的增加率的疾病来确定药品的数量，作为标准。数量医学已被计算，我们排序的受影响的城市的三个国家若干组，以确定交货地点。我们采用模糊C均值聚类聚类算法，最终选择6个投递点。这些交货点负责将药品储存和运送到城市
11、围绕着他们。后来，我们采取了生产速度和疗效考虑这些参数可以影响干预的药物。然后，我们考虑其他重要因素，将有助于消除埃博拉病毒：（1）更安全的治疗尸体；（2）加强接触追踪和更早隔离。整理分析了所有相关的因素，得出了最终结论并预测了一段时间为埃博拉的根除。在最后阶段，我们提供了一个非世界医学会科技函在公告中使用发明了一种新的药物来阻止埃博拉病毒，治疗患者的疾病是不先进的。2一般假设（1）新生人口不计入总人口。（2）个人暴露进入潜伏期，尚未感染。如果您需要使用本文档，请点击下载按钮下载!（3）恢复的患者将不会再感染（4）药物仅仅在医院提供（5）每一个在当地几内亚，塞拉利昂和利比里亚可以作为配送中心和
12、配送城市和直线之间的路线。（6）药物和疫苗可以跨界传送3.符号和符号描述3.1.符号敏感个体12：一个临床疾病兼容EVD的人在发病前21天内，无论是：历史前往受影响地区或直接与疑似或确诊的病例或接触接触EVD感染血液或其他体液或组织或直接处理蝙蝠、鼠类和灵长类动物，从埃博拉病毒影响的国家或准备或布什肉类消费从埃博拉病毒影响的国家。暴露个体14：一个被埃博拉病毒感染的人却被尚未有传染性或有症状。基本再生数6：造成二次案件的平均数通过一个典型的受感染的个体，通过它整个过程中，在一个完全的感染易感人群和缺乏控制干预措施。接触跟踪15：找到一个与一个生病的埃博拉病毒直接接触的人病人。从最后一天他们进来
13、时，他们被看了21天的疾病接触埃博拉患者。如果接触发烧或其他埃博拉症状，他们立即隔离，测试，提供照顾，和周期开始的一切新病人的接触被发现，并观看了21天。3.2符号说明符号说明基本再生数R0NS(t)E(t)I(t)H(t)C(t)R(t)CUT(t)总人口规模怀疑个体数量同时暴露的个体数量在医院外的感染者人数住院患者数量的时间污染死者的数量在时间及时删除的个人数目个人的累计次数传输速率（在医院外，医院内，尸体）平均培养时间传染病个体的识别率/分离率平均时间从症状开始恢复（医院外，医院内）平均时间从症状开始到死亡（在医院外，医院内）病死率（医院外，医院内）直至死者妥善处理的平均时间(bI,bH
14、,bC)(gI,gH)(VI,VH)(dI,dH)k如果您需要使用本文档，请点击下载按钮下载! E,pI)每一个识别/孤立的接触的平均数目感染个体接触跟踪个人的概率（已暴露的、感染的）被隔离而不引起新情况 E,wI)接触跟踪个体的概率之比（已暴露的、感染的）在对原产于案件的鉴定时随机个体在人群中的概率（已暴露的、感染的）4.埃博拉蔓延4.1.传统流行模式4.1.1.SEIR模型对埃博拉病毒的传播遵循西（敏感暴露感染恢复）的动力学，可以用下面的一组普通微分方程来描述方程10：&(t)=-bS(t)I(t)/NS&E(t)=bS(t)I(t)/N-sE(t)&(t)=sE(t)-gE(t)I&(t
15、)=gI(t)R&M(t)=sE(t)CU在这个公式当中：S(t)是不易感个体的数量，E(t)是在时间的暴露个人的数目，I(t)是感染者的数量在时间吨，R(t)是在时间上被删除的个人的数目，CUT(t)埃博拉病例数从症状发作的累计数，N是总人口的规模，是培养平均时间，1/g是传染性的平均时间。b是每人每天的传输速率。b是没有常数控制干预。然而，在控制措施是在时间t介绍，b被假定为指数衰减率k16。那是：b(t)=b0,tt-k(1-t)b0e,tt4.1.2.暴发数据这2014个埃博拉病毒爆发受影响最严重的国家是几内亚，塞拉利昂和利比里亚。因此，我们主要采用SEIR模型估计这三个国家的累积病例
16、。估计所需的数据可以从疾病预防控制中心获得17组织的在所有情况报告中提供的信息18那是从2014年3月1日到2015年2月4日最新的一个。数据包括报告的数字案件（确认，可能和怀疑）和死亡。测试在2014埃博拉病毒传播的SEIR模型的有效性，我们有比较几内亚比绍和利比里亚的实际情况和死亡情况模型计算出的数据。我们需要首先设定的价值参数进行计算。表1.对于2014埃博拉病毒爆发的参数估计参数几内亚塞拉利昂利比里亚基本复制数R01.512.531.59传输速率在没有控制干预时b00.270.450.28减少传动总人口规模kN0.04812,000,0000.0486,100,0000.0484,09
17、2,310如果您需要使用本文档，请点击下载按钮下载!基本再生数R0由R0/给出,在这儿,1/=5.61天是由chowell等人的研究感染时间而得到的10。此外，1/=5.61,1=5.3是从先前的一次疫情中潜伏期的平均时间该病在刚果199510。其他参数估计值11是列于表1。首先，通过将参数转化为方程（4.1），我们可以计算出估计这三个国家的病例数和死亡人数，也就是说，我们将能够预测疾病的传播。然后，通过比较计算出的数字报告的数据，我们将能够验证SEIR模型的有效性。4.1.3.SEIR模型的结果实际数据的累积数量的受感染的病例和死亡的显示在“谁情况报告”中找到的数据，该点曲线上有点曲线18。
18、2014年3月1日被定义为第1天，图中的一个交叉表示一个统计数字的累计数。计算得到的数据通过求解方程（4.1）。图2.分别为几内亚比绍、塞拉利昂和利比里亚的累计人数从上图中，我们可以看到，该模型符合病例报告的数据，和死亡在这三个国家非常好。因此，SEIR可以作为一个很好的工具分析2014个埃博拉病毒疫情的蔓延。4.2.改进模型4.2.1.SEIHCR（CT）模型SEIR模型是一种可以预测传染病的模型。然而，不管埃博拉病毒多么特殊，我们必须考虑其他重要因素。我们的主要考虑因素有：1）在不适定的潜在威胁传染性bytheandthe提供医院护理学院；2）（TPP）参与追踪。图3表明了SEIHCR（C
19、T）的改进模型在美国和过渡利率国家的需求关系如下：图3.该SEIHCR（CT）模型传统的SEIR模型应该被模范化20，23。改进SEIHCR（CT）模型可以写成：在这个公式当中：S(t)是不易感个体的数量，E(t)是在时间的暴露个人的数目，H(t)住院患者数量的时间C(t)污染死者的数量在时间I(t)是感染者的数量在时间吨，R(t)是在时间上被删除的个人的数目，CUT(t)埃博拉病例数从症状发作的累计数，I医院外部的传播速度 H医院内部的传播速度C因死者处理不当导致的传播速率并且是总的传播速率1平均培养时间传染病个体的识别率/分离率1/H从外感染到医院恢复的平均时间1/VH从外感染到医院死亡的
20、平均时间H是医院内病死率1/I是平均时间从症状开始恢复到医院外如果您需要使用本文档，请点击下载按钮下载!1/VI是平均时间从症状到死亡外院，I是医院以外的死亡率，1直至死者妥善处理的平均时间Yk每一个识别/孤立的接触的平均数目感染个体E是没有引起新的情况下，一个接触跟踪暴露个人的概率E是接触跟踪个体的概率的比率暴露在源的情况下识别概率的随机个体在人口被暴露I是没有引起新的情况下，一个接触传染病个体的概率I是接触跟踪个人的比率的概率是感染的时间在种群中的随机个体的源性病例的识别有传染性。当我们要测试的有效性的最终模型，我们应该比较与实际数据计算的数据，就像我们在第4.1节所做的一样。这个累计个人
21、数可以通过：考虑尸体、医院和接触的原因首先，医院的护理19受影响的人群可以作为一个治疗患者的基础，并防止疾病蔓延到一个更大的规模。此外，丧葬19如果受监管，会减少被感染的风险处理未经处理的尸体（被污染的死者）。其次，接触追踪有时视为关键因素消除西非埃博拉疫情，因为如果患者能在他们的课程中发现较早疾病，他们接触的家庭成员和社区卫生工作者的机会将明显减少21。方程（4.3）是从原始模型的改进，这是我们最终的西模型。我们叫它的SEIHCR（CT）模型来说明其改进从传统的SEIR模型的差异。SEIHCR（CT）过渡到西珥（CT）显示了如何基本模型可以大大提高基于其他因素和我们自己的对这个问题的理解。4
22、.2.2.参数选择1.R0估计为了获得繁殖数R0,我们使用了一种方法，如下面公式所示22:其中：A表示矩阵谱半径的一个，F是新发感染率，V是通过所有其他手段的个人转移率。F和V是SEIHCR(CT)模型2.其他参数的确定参数的值b1，H,C，和根据三个国家可以使用最小二乘曲线拟合算法估计为，1,gH,v1，vH，1，H从现有的参考文献中借来的11。基于SEIHCR(CT)模型下给出下面的公式，计算下一代方法：在所有这些参数之间，1是在没有控制干预的情况下是恒定的，正如来自SEIHCR(CT)模型的，在控制措施后，在时间t时，1被假定为指数衰减率16。即：因为k和H都和药物有关系，我们不妨假设他
23、们的关系为：在这里根据经验我们假设q取值为3.2.2.1.1.SEIHCR(CT)模型的结果接下来，我们用虚线表示实际数据的累积在“形势报告”中发现的数字18，固体线代表我们从公式（4.3）计算的SEIHCR(CT)模型。开始的日子在仿真定义为第一天。如果您需要使用本文档，请点击下载按钮下载!图4.2014年2月4日到3月25日累计病例模拟得到的参数结果为：图5.2014年2月4日到3月25日累计病例模拟根据上图得到的参数结果为图6.模拟从2014年3月27日到2015年2月4日在利比里亚的累积病例得到参数值这些模拟是通过改变参数的组合。基于SEIR模拟比较模型，我们可以看到，我们得到一个更适
24、用的SEIHCR（CT）模型，使计算数据更顺利和密切的接近实际报告的数据与模拟对塞拉利昂的完美的逼近。5.药物干预如果药品和疫苗可以提供给病人和健康人，那末病人的生存率将增加，受影响的国家的情况将在很大程度上提高。因此，制造和交付的药品应该是抗击埃博拉的重要因素。我们的任务是计算药品总量，设计一个良好的配送体系，比较不同制造速度和不同程度的药物干预程度功效。5.1.医学的总数量5.1.1.WHO统计结果当药物即将交付给受影响地区的埃博拉，显然，人们应该首先分析当前形势的严峻性去决定所需药的数量。然而，仅仅知道目前的情况是不够的。我们还应考虑病毒的传播速度，因为一个大的速度构成巨大的潜在威胁。因
25、此，在决定所需药品的数量时，我们考虑了2个重要因素:1)目前累计患者数CUM；2)疾病增长率v。WHO已发布每周新确诊病例的报告，新的SUM代表新病人的总和。按时间划分新的总和周期T（在T=7这种情况下，报告是根据每星期）发布，疾病的增长率v。同时，加入新感染的病例,我们可以知道目前的累积患者。到目前为止，我们已经收集了我们需要计算数量的所有药物信息。通过增加病人的当前累计数和增加本病的发病率（我们在这2个因素中的权重相等），我们可以得到该单位每个城市的每一天都需要药物剂量由于大量的统计数字为城市的数量（56城市）和持续时间的数据（57个星期至2015年2月1日），具体数据和计算值将不被提出。
26、相反，我们画了一个图表，说明这三个国家所需要的药品由2013年12月30日至1月31日，2015。图7利比里亚和塞拉利昂列昂每日所需药物的单位剂量上图中，蓝色、橙色和绿色曲线表示单位剂量利比里亚和塞拉利昂的病人每天需要的药物。灰色区域代表三个国家所需要的联合剂量。由于没有有效的药物已开发和分布式的大规模，特定剂量的药一个病人的需求是无处可找到。因此，我们使用单位剂量。它也完美地反映了所需药物的数量。5.1.2.从seihcr结果（CT）模型如果您需要使用本文档，请点击下载按钮下载!正如之前提到的，有那么多的城市，如果我们计算每个城市的需要从改进型，会有太多工作。因此，我们只需要一个城市作为一个
27、例子来检验我们的模型的可行性，我们选择的资本塞拉利昂，弗里敦因为这座城市拥有最多的患者数量。弗里敦患者的数量可以从改进的模型计算在P暨获得，我们也可以知道，增长率u。应用这些为方程（5.1），我们将获得的数量，每天所需的药品。图8弗里敦市累计患者数量及所需药品数量每星期图中的灰色曲线表示每天的单位剂量所需要的药品和阴影区域代表所需药品的总量。除了这些，我们还比较的结果从seihcr（HC）模型和结果由世卫组织统计（固体曲线）。我们可以看到，这2个结果的匹配和差异是在可接受的范围内。最后，seihcr（HC）可以作为一个可行的模型进行预测累积患者及计算所需药物的数量。5.2输送系统在发达国家制造
28、的埃博拉病毒的药物和疫苗美国和英国。因此，它不难确定的位置，在充电载药和疫苗。事实上，这是医学和地方的数量飞机是最困难的部分，以决定交付系统。因此，设计的交付系统的药品和疫苗，我们分为我们的任务分为2个部分1）决定接受药物的地点；2）计算这些地方需要的药物量5.2.1交货地点向三个最受影响的西非运输毒品和疫苗国家：几内亚比绍，塞拉利昂和利比里亚，我们应该首先找到几个地方来储存毒品。这些地方也将负责提供给一些地方的药品在他们旁边。换句话说，我们会先找到一些“总部”来储存。然后我们将确定从哪一个总部其他城市将得到药物。我们现在需要把这三个国家分成几个部分，我们使用模糊C均值聚类算法来实现这一目标。
29、加权模糊C-均值聚类算法：加权模糊C-均值聚类算法不同于传统的模糊C均值聚类算法在它认为KD，药品的数量每个城市需要。模糊C均值聚类算法的关键是相似的每个集群功能的价值点股（会员）之间零和一25。每个样品将在每个集群成员，会员接近统一意味着样品和集群之间的相似程度很高而会员接近零，意味着样本之间的相似性不大群25最流行和最研究的聚类标准确定最佳模糊在同一个分区中，与广义最小平方误差函数有关。在每一个城市所需要的药物的数量，已被应用，广义最小平方误差函数可写成方程（5.2）和（5.3）通过迭代求解优化的方法循环往返这两个方程的迭代序列显示，但直到在我们V连续参赛小变化。我们正式的一般过程针对模糊
30、C均值聚类算法如下:在这种情况下，我们设置了2。对于价值，我们首先决定的数量总部应下太大也不太小，不但应该有足够的方便的交付，但也将能够防止交付是一个太要求工作。如果您需要使用本文档，请点击下载按钮下载!要设定具体的价值，我们发现，米，肯定是减少更多的集群。当从1增加到*时，我会减少戏剧性地然而，当继续向时，递减的速度会减慢增加。如果我们画一个曲线，反映了方差的米，拐点点应该是最终的群集数。曲线被画在下面：图9米与碳的变化从图9中，我们可以看到，选择6个集群，因此6在几内亚比绍和利比里亚的所有城市总部的最终选择，这也符合我们最初的标准。提供明确的数据，在三个国家的城市的案件数量有病人24。利用
31、这些数据，我们能够计算手段()KV隶属度矩阵(K1)U+进行算法。通过迭代，我们可以得到我们的交货地点，这是在下面的结果。图10交货地点在上图中，6个黄色的星星代表我们选择的6个“总部”储存的药品，他们被标记为1至6，以方便以后的讨论。这个这6个总部的地理位置见表2。表2交付点的地理位置也有6套不同的点，分别使用6个不同的颜色。每一个点集以后会得到来自总部的药品和疫苗里面。也就是说，药品和疫苗将从6个黄色的星星到周围的特定颜色点。5.2.2交付量应用模糊C均值聚类算法得到的单位剂量6总部所需药品。我们用4周为一个周期来减少量需要封闭的统计数据。我们也加了剂量的单位看到的总数一段时间所需的药品。
32、此外，百分比将为这6个总部分配的药品也算便利进一步交付。表36总部的药品剂量及其交付率除了六个季度所需的药品，我们也按国家分类所需药品。即，具体金额每个国家需要的计算和它们的百分比也被计算出来，以方便进一步配置。4几内亚比绍、利比里亚和塞拉利昂的药物剂量及其交付率5.3.制造速度由于医院内Hd病死率很大程度上取决于量可用药物，如果制造业的速度大于数量的每天需要药物治疗，我们假设病死率将达到最低值H0d。然而，如果制造业的速度比你的数量要小每日所需药品，要求将不完全满足，并将导致减少病死率。因此，U和Hd满足如下方程:其中，r是一个系数，值为0.7，最低的病死率020%小时，从医学的计算剂量之前
33、，平均每日需要量药物是每天106.2单位剂量。因此，如果你制造速度106.2单位剂量的每一天，病死率020%H然而，如果制造速度U106.2单位剂量的每一天，假设你50，病死率高计算57%，这是一个巨大的增长。得出结论，生产速度可以大大影响效率药物干预。5.4药物疗效自1/Hg代表从症状发作到恢复里面的平均时间医院，这是一个影响很大的参数，通过药物的疗效。如果一个医学有更大的疗效，治疗时间可能会减少。关系在Hg和医学h疗效，这里hr是一个系数，值为0.206。因此，通过不同的价值Hg（同时不同价值观h），我们可以测试不同的H值，g影响个人的累积数量。图11预计从2015年2月4日在塞拉利昂累计
34、病例=仿真如果您需要使用本文档，请点击下载按钮下载!在图11中，五的值被设置为Hg。我们可以看到，一个较大的Hg，这会导致一个更好的药效h，将导致在一个适度的下降个人及累积人数。6.其他重要干预6.1.尸体的安全处理从比较中可以看出，在拟合统计的原始SEIR模型和改进模型，考虑感染的尸体，尸体仍然是一个积极因素，更好的治疗，将有可能帮助控制埃博拉病毒的传播。自1/y是平均时间直到死者是妥善处理，我们可以改变价值y看看更好的处理尸体可以作为一个潜在的干预对于埃博拉。我们组y的值是2，4，6，8，10和1/y价值变化的同时时间。预测的累积情况也会有所不同。图12 2015年2月4日塞拉利昂累计病例
35、数的预测事实上，预测的累积情况下在y增长曲线。这是，最高的预测的累积数预测发生时1/1/10y=和最低的曲线对应于1/1y=条件/从上面的分析，我们可以看到，在平均时间减少死者可以妥善处理（1/y）是非常重要的在试图控制或进一步根除埃博拉。死者的平均时间越短，可以正确处理的是，病毒的传播速度较慢，导致一个较小的人口个人累计数。6.2.强化接触跟踪和早期隔离作为被定义和描述之前，k是平均数每一个人识别/孤立的传染病个体，它描述了接触跟踪强度。a是染病者是率识别/隔离，这也是一个接触跟踪参数。不同的这两个接触跟踪参数k和a而保持其他参数常数可以帮助我们看到增强接触跟踪的效果识别/隔离。图1,k ,
36、1/gH ,dH控制埃博拉传播的效果在蓝色区域的黑色线的临界条件时CUM0，蓝色区域代表埃博拉病毒可被视为是的关键区域的控制。蓝色区域上方的红色区域意味着埃博拉病毒会传播的情况脱离控制。蓝色区域下面的绿色区域是埃博拉病毒可以在该地区的地区有效地控制。剩余的灰色区域是可以位于的地方理论上，但实际上并非如此。表五a ,k ,1/gH，dH 在不同区域的权值从图1，我们可以看到，在a的增加可以更好的控制疾病。这是在增加相同（见图表2），这表明增加的速度识别和隔离感染者和强化接触追查的做法都有助于控制埃博拉的蔓延。从图3图4，我们可以看到，虽然固化周期和死亡率的下降可以导致要控制埃博拉，这是不是一种有
37、效的方法。7.2.当埃博拉将被根除如果累计病例数CUM与时间保持不变，显然没有新的感染者，意味着消灭埃博拉病毒。因此，如果埃博拉是要根除的，CUM还应满足CUM0.（7.2）三个参数是特别重要的，试图消除埃博拉病毒，他们是1）控制措施的介绍时间;2）有效的药;3）接触追踪的介绍时间。通过改变他们的价值观，我们可以看到这三个参数t ,h，CT的影响最终消灭埃博拉如果您需要使用本文档，请点击下载按钮下载!病毒的最后一天。图15.模拟的根除日期由不同用药时间的介绍图14代表暨趋势没有改变黑线和色线分别对应于特定的价值。我们可以看到对的影响值小，这是一个非常快的响应时间将控制措施，将有很大的影响，对消
38、除埃博拉病毒。通过比较两曲线145和240，我们可以看到，最重要的是，一个小将导致了一个巨大的下降，累计人数的个人。此外，根除日期也缩短了一个较小的。减少从210到145约见证最后一个消灭日的200天。 图16通过改变药物的药效学的实验研究,接触跟踪介绍时间c 图16中的黑色线条也不代表药物疗效的变化和接触者追踪分别引入时间CT。虚线在这2张图代表了埃博拉的根除点。通过增加和CT，根除点会更快地到达。值得注意的另一件事是这样，即使tCT比较大，也不会造成CUM扩大无控制。然而，早期的合同跟踪将导致两个下降在CUM暨一个较早的根除日。 8.敏感性分析 有一些参数，在我们的工作中有一个固定的价值。
39、通过改变这些参数的值，我们可以看到它们对模型的影响。 8.1传输速率I的影响图17传输速率对个体数的影响图17中的黑色虚线表示实际的统计数据。红区此曲线表示的累积数的正常范围个人在这个范围内的结果被认为是合理的。然而，一点点方差值I可能会让结果陷入灰色区域，这让我们认为不合理。价值I的红色区域是从0.30到0.32，这里bI是比较小的相比于灰色地带的价值，bI是从0.2到0.30和0.32到0.45。因此，I是一个比较敏感的参数和任何错误，无论是计算或从误解会导致一个比较大的差异的预测个人的累计数。在可接受范围内的值被认为是合理的。这是与其他的传输速率和H和C相同。8.21/潜伏期的影响图18。潜伏期对个体数的影响将s设为9将报告数据时，不改变初值。然而，改变价值从5到15，这是一个相当大的差异，几乎超出了正常范围，我们可以从图18看到的趋势个人的累积数量相当相似。因此，我们得到了结论：研究结果对不同的值是不敏感的。8.3.H的波动噪声添加H院内病死率的敏感性测试。这个左图和右图分别增加了50%和100%个高斯噪声。如果您需要使用本文档，请点击下载按钮下载!图19在噪声个人累计数