解读印度最近COVID-19疫情爆发的动态：一个年龄结构化建模
摘要：社交接触模式和人们采取的预防措施对传染病传播动态特别敏感。它取决于社群的年龄分布。因此，了解传染病的年龄特定患病率和发病率对于预测未来疾病负担和免疫接种等干预措施的有效性至关重要。本研究利用SEIR年龄结构化多群流行病模型来了解社交接触如何影响疾病控制。我们在社群中创建了地点特定的社交接触矩阵，以了解社交混合如何影响疾病传播。我们估计了系统的基本生殖数（$R_0$），并根据$R_0$绘制了其整体行为。该问题的最优控制也已在定量上确定。还估计了2020年9月1日至2020年12月31日印度的传播率。我们模拟了解除非药物疗法的情况，允许参与者分阶段返回工作，并研究了这一影响。我们的研究结果表明，在学校关闭时，识别20-49岁有症状的患病者可以有助于减少感染人数。当一些学校部分开放时，对有症状的感染者的意识有助于减少病例。模拟结果还表明，在学校和其他聚会场所限制接触可以显著降低病例数。使用最小二乘法，发现COVID-19在印度的传播率随时间变化比恒定的传播率更为现实。为了减少COVID-19的负担，我们发现逐渐放松控制措施可以平坦和降低其他峰值。我们的研究结果可以帮助卫生政策制定者决定及时的基于年龄的免疫分发策略，从而控制疾病。
作者：Vijay Pal Bajiya, Jai Prakash Tripathi, Ranjit Kumar Upadhyay
论文ID：2201.09803
分类：Populations and Evolution
分类简称：q-bio.PE
提交时间：2022-04-19