MétaCan
Menu
Retour à la cohorte
Enregistrement W4205886197 · doi:10.3934/mbe.2022136

Cross immunity protection and antibody-dependent enhancement in a distributed delay dynamic model

2022· article· en· W4205886197 sur OpenAlexaff
Vanessa Steindorf, Sergio Oliva

Notice bibliographique

RevueMathematical Biosciences & Engineering · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueMathematical and Theoretical Epidemiology and Ecology Models
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésDengue feverDelay differential equationImmunityStability (learning theory)Transmission (telecommunications)Basic reproduction numberEpidemic modelLyapunov functionBifurcationControl theory (sociology)Applied mathematicsBiologyMathematicsComputer scienceVirologyImmunologyDifferential equationPhysicsImmune systemMathematical analysisMedicineTelecommunicationsArtificial intelligenceNonlinear system

Résumé

récupéré en direct d'OpenAlex

Dengue fever is endemic in tropical and subtropical countries, and certain important features of the spread of dengue fever continue to pose challenges for mathematical modelling. Here we propose a system of integro-differential equations (IDE) to study the disease transmission dynamics that involve multi-serotypes and cross immunity. Our main objective is to incorporate and analyze the effect of a general time delay term describing acquired cross immunity protection and the effect of antibody-dependent enhancement (ADE), both characteristics of Dengue fever. We perform qualitative analysis of the model and obtain results to show the stability of the epidemiologically important steady solutions that are completely determined by the basic reproduction number and the invasion reproduction number. We establish the global dynamics by constructing a suitable Lyapunov functional. We also conduct some numerical experiments to illustrate bifurcation structures, indicating the occurrence of periodic oscillations for a specific range of values of a key parameter representing ADE.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,866
Score d'incertitude au seuil0,425

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,297
Écart entre enseignants0,279 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMathematical Biosciences & EngineeringMême sujetMathematical and Theoretical Epidemiology and Ecology ModelsTravaux en français237 207