解读印度近期 COVID-19 疫情的动态：一项年龄结构建模研究
种群与进化
2022-04-19 v2
摘要
传染病传播动力学对社会接触模式以及人们为限制疾病传播所采取的预防措施特别敏感。这取决于社区的年龄分布。因此，了解传染病的年龄特异性患病率和发病率对于预测未来疾病负担以及免疫接种等干预措施的效果至关重要。本研究使用 SEIR 年龄结构多组流行病模型来理解社会接触如何影响疾病控制。我们在社区中创建了特定地点的社会接触矩阵，以观察社会混合如何影响疾病传播。我们估计了系统的基本再生数 (R_0)，并根据 R_0 绘制了其全局行为。还对问题的最优控制进行了定量建立。所提模型在 2020 年 9 月 1 日至 2020 年 12 月 31 日期间印度的传播率也已得到估计。我们通过允许参与者分阶段重返工作岗位来模拟非药物干预措施的解除，并研究了其影响。我们的研究结果表明，当学校关闭时，识别 20-49 岁有症状的患病者有助于降低感染人数。当部分学校开放时，对有症状感染者的认知有助于减少病例。模拟结果还表明，限制学校和其他聚会场所的接触可显著降低病例数量。使用最小二乘法发现，对于印度的 COVID-19，时变传播率比恒定传播率更符合实际。为减轻 COVID-19 负担，我们发现逐步放松控制措施可以拉平并降低其他峰值。我们的研究结果可能有助于卫生政策制定者决定及时的基于年龄的免疫分配策略，从而控制疾病。
引用
@article{arxiv.2201.09803,
title = {Deciphering dynamics of recent COVID-19 outbreak in India: An age-structured modeling},
author = {Vijay Pal Bajiya and Jai Prakash Tripathi and Ranjit Kumar Upadhyay},
journal= {arXiv preprint arXiv:2201.09803},
year = {2022}
}