基于改进SIR模型的不同社群因COVID-19导致的感染状态动力学分析

在本文中，我们建模并研究了COVID-19在德国、日本、印度以及印度受冲击严重的邦（即德里、马哈拉施特拉、西孟加拉、喀拉拉和卡纳塔克）的传播。我们采用了Worldometers和COVID-19 India网站发布的2020年4月至2021年7月的记录数据，包括这些国家和邦遭受疫情严重打击的相关时段。我们的方法基于经典的易感-感染-移除（SIR）模型，并可追踪社群中的感染演变，其中我们（a）允许在记录数据集中出现激增、暴发或第二波时重置易感与感染人口，（b）将SIR模型中代表有效传播率和恢复率的参数视为时间的函数，以及（c）通过将模型解与记录数据集结合来估计死亡人数，以在连续的激增、暴发或第二波之间对其进行近似，从而提供更准确的估计。我们报告了这些国家和邦当前感染的状态，以及印度和日本的感染与死亡情况。我们的模型能适应记录数据，可用于解释这些数据，且重要的是，可预测感染、恢复、移除和死亡个体数量，并能在假定某时刻发生暴发的情况下，将有效感染率和恢复率估计为时间函数。后者可用于预测未来的再生数，结合对感染和死亡个体数量的预测，我们的方法可用于建议实施干预策略和缓解政策，以控制感染和死亡个体数量。这有助于减轻全球传播的影响并改善民众福祉。