通过传染病动力学基本模型评估（自我）隔离的影响

我们引入一个微分方程组来评估有症状传染性个体的（自我）隔离对疾病动力学的影响。为此，我们不再使用经典的双线性感染过程，但仍保持在质量作用假设的框架内。从数学角度看，我们的模型因在无病稳态处缺乏连续可微性而引人关注，这也意味着对于某些参数值，无法遵循既定方法计算基本再生数。然而，我们使用已发表的COVID-19文献中的值对我们的数学模型进行参数化，并分析了模型模拟。我们还将模型模拟与公开可用的COVID-19检测数据进行了对比，重点关注2020年3月至7月期间英国的第一波疫情。我们的模拟表明，在英国第一波疫情期间，实际峰值病例数可能高达报告阳性检测病例的200倍。我们发现，非常严格地遵守自我隔离规则（仅）能使峰值数量减少22%，并将峰值的到来延迟约30-35天。然而，在疫情暴发的早期阶段，（自我）隔离的影响要显著得多。我们还通过减少有效易感人群规模，以一种简化的方式考虑了全国封锁的效果。我们发现，在有效易感人群规模减少90%的情况下，与低遵守度相比，严格遵守自我隔离仍然只能使峰值感染人数减少25%。这是由于人群中存在大量无症状传染性个体。