Mathematical modeling of intervention and low medical resource availability with delays: Applications to COVID-19 outbreaks in Spain and Italy
Notice bibliographique
Résumé
Infectious diseases have been one of the major causes of human mortality, and mathematical models have been playing significant roles in understanding the spread mechanism and controlling contagious diseases. In this paper, we propose a delayed SEIR epidemic model with intervention strategies and recovery under the low availability of resources. Non-delayed and delayed models both possess two equilibria: the disease-free equilibrium and the endemic equilibrium. When the basic reproduction number $ R_0 = 1 $, the non-delayed system undergoes a transcritical bifurcation. For the delayed system, we incorporate two important time delays: $ \tau_1 $ represents the latent period of the intervention strategies, and $ \tau_2 $ represents the period for curing the infected individuals. Time delays change the system dynamics via Hopf-bifurcation and oscillations. The direction and stability of delay induced Hopf-bifurcation are established using normal form theory and center manifold theorem. Furthermore, we rigorously prove that local Hopf bifurcation implies global Hopf bifurcation. Stability switching curves and crossing directions are analyzed on the two delay parameter plane, which allows both delays varying simultaneously. Numerical results demonstrate that by increasing the intervention strength, the infection level decays; by increasing the limitation of treatment, the infection level increases. Our quantitative observations can be useful for exploring the relative importance of intervention and medical resources. As a timing application, we parameterize the model for COVID-19 in Spain and Italy. With strict intervention policies, the infection numbers would have been greatly reduced in the early phase of COVID-19 in Spain and Italy. We also show that reducing the time delays in intervention and recovery would have decreased the total number of cases in the early phase of COVID-19 in Spain and Italy. Our work highlights the necessity to consider the time delays in intervention and recovery in an epidemic model.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».