Анализ эпидемических проявлений чумы на основе математического и компьютерного моделирования

• Автор: Лопатин, Антон Александрович
• Шифр специальности: 14.02.02
• Научная степень: Кандидатская
• Год защиты: 2011
• Место защиты: Саратов
• Количество страниц: 124 с. : 11 ил.

СОДЕРЖАНИЕ

ВВЕДЕНИЕ

Глава 1. МОДЕЛИРОВАНИЕ И ПРОГНОЗИРОВАНИЕ ЭНИДЕ-

МИЧЕСКОГО ПРОЦЕССА ПРИ ОПАСНЫХ ИНФЕКЦИОННЫХ БОЛЕЗНЯХ (обзор литературы)

1.1. Инфекционный и эпидемический процесс при чуме

1.1.1. Общие сведения о чуме

1.1.2. Клиника чумы

1.1.3. Эпидемиология бубонной чумы

1.1.4. Эпидемиология легочной чумы

1.2. История моделирования эпидемий
Глава 2. МАТЕРИАЛЫ И МЕТОДЫ ИССЛЕДОВАНИЙ
Глава 3. АНАЛИЗ ЭПИДЕМИЧЕСКИХ ПРОЯВЛЕНИЙ ЧУМЫ В
РОССИИ И СТРАНАХ БЛИЖНЕГО ЗАРУБЕЖЬЯ В 1876-2009 гг.
3.1. Эпидемические проявления чумы в 1876-1925 гг.
3.2. Эпидемические проявления чумы в 1926-1939 гг.
3.3. Эпидемические проявления чумы в 1940-1989 гг.
3.4. Эпидемические проявления чумы в 1990-2009 гг.
3.5. Анализ кадастра эпидемических проявлений чумы в России 59 и странах ближнего зарубежья (1876-2009 гг.) по трем группам их генеза
Глава 4. ОСНОВНЫЕ МЕРЫ ПРОТИВОДЕЙСТВИЯ ЭПИДЕМИ-
ВЕСКОМУ ПРОЦЕССУ ПРИ ЧУМЕ Глава 5. МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ ИНФЕКЦИОН-
НОГО И ЭПИДЕМИЧЕСКОГО ПРОЦЕССА ПРИ ЧУМЕ
5.1. Эпидемиологические аспекты, учитываемые при моделиро-

ПЕРЕЧЕНЬ СОКРАЩЕНИЙ
ВОЗ Всемирная организация здравоохранения
ММ Математическая модель
МТЭ Математическая теория эпидемий
ООИ Особо опасные инфекции
ОС Операционная система
ПЭВМ Персональная электронно-вычислительная машина
РФ Российская Федерация
СНГ Содружество Независимых Государств
СССР Союз Советских Социалистических Республик
ТОРС/Б АКБ Тяжелый острый респираторный синдром
ЭВМ Электронная вычислительная машина
ЯМР Ядерно магнитный резонанс
еЗ Доля (%) лиц, успешно переболевших тяжелой клиниче-
ской формой чумы
П -3 Доля (%) больных с различной клинической картиной за-
болевания (легкой, средней и тяжелой формой чумы) ку Коэффициент эффективности функционирования 2 и 3 фа-
зы действующего механизма передачи возбудителя р|/1 (т), рл|/2(т), Функции «выноса» возбудителей чумы от источника ин-цл|/3(т) фекции
Р Население территории
г Коэффициент корреляции
ЗЕпЕпШ7 Математическая модель развития патологического про-
цесса чумы (при п - стадии латентного периода, инкубация и продрома, при т - клинические формы развития чумы
8 Стадия восприимчивости к чуме
Е Инкубационный период
I Стадия клинических проявлений
Я Стадия выздоровления
Ь Стадия погибших от чумы
I Всеобщее (календарное) время
и 1 (т) Числа лиц в инкубационном (незаразная стадия) периоде
Ш(х) Число лиц в инкубационном (заразная стадия) периоде

МДс) Новых случаев заболевания чумой

vict) Новых случаев чумы, выявленных и изолированных
\ъ(0 Число новых случаев чумы не выявленных среди пора-
женных возбудителем лиц
Х(О-) Число восприимчивых лиц до момента заражения
Хе Лица которым проведена экстренная профилактика
XI Группа изолированных контактных лиц
Хк Г руппа контактных среди восприимчивого населения
Хг Группа риска среди восприимчивого населения
Ук(т) Число больных с различными (три) клиническими форма-
ми чумы
Число больных, погибших от чумы или ее осложнений
гг(т) Число больных, успешно переболевших чумой
а Доля восприимчивых среди населения
Р Коэффициент выявления новых случаев заболевания чу-

у(т) Функция развития периода инкубации
5(т) Функция развития инфекционного периода
5к(т) Функция развития к-ой клинической формой ООИ
X Средняя частота передачи возбудителя от инфекционных
больных
X Локальное (индивидуальное для отдельных людей) время,
прошедшее с момента заражения
(/0 Уровень защиты человека в момент получения инфици-
рующей дозы

для этих частиц, описывает движение потока в целом. Т.е. за элементарную частицу эпидемического процесса был взят инфекционный процесс[14, 25].
Что же такое математическое моделирование в эпидемиологии инфекционных заболеваний? По существу, это выявление объективных закономерностей и количественных оценок процессов развития и распространения инфекционных заболеваний, посредством численного решения на ЭВМ математических уравнений. Опыт исследований создания математических моделей инфекционных заболеваний: эпидемий гриппа, СПИД, холеры, эпидемических вспышек и сезонных подъемов заболеваемости дизентерией, вирусным гепатитом, сыпным тифом, сибирской язвы, бруцеллеза и других показывает, что часто приходится иметь дело с весьма сложными, нелинейными, нестационарными математическими моделями инфекционной патологии [7, 46, 181].
Получить аналитические формулы решения для таких математических моделей «на кончике пера» невозможно, по причине многомерности, многосв-занности, нестациоиарности при существенной нелинейности реальных эпидемических процессов инфекционной патологии. Поэтому, численное решение уравнений математических моделей инфекционных заболеваний на'ЭВМ является основным и эффективным средством проведения анализа и прогнозирования процессов развития и распространения инфекций [7, 21, 31, 63, 86, 132, 150, 151, 155, 169, 170, 181, 182, 183].
Условием успеха математического моделирования процессов распространения инфекционных заболеваний является наличие «критической массы» информации и методов:
- имеется адекватная феноменологическая модель заболевания;
- организована эффективная система сбора и анализа экспериментальной, клинической, эпидемиологической и другой информации, характеризующих феноменологшо, динамику развития и распространения инфекционных заболеваний;