MétaCan
Menu
Retour à la cohorte
Enregistrement W4206374656 · doi:10.3934/mbe.2022117

Dynamic analysis of a malaria reaction-diffusion model with periodic delays and vector bias

2022· article· en· W4206374656 sur OpenAlexaff
Hongyong Zhao, Yangyang Shi, Xuebing Zhang

Notice bibliographique

RevueMathematical Biosciences & Engineering · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueMathematical and Theoretical Epidemiology and Ecology Models
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMalariaVector (molecular biology)DiffusionTransmission (telecommunications)Basic reproduction numberEpidemic modelEconometricsDisease transmissionBiologyStatisticsStatistical physicsMathematicsComputer scienceApplied mathematicsPhysicsDemographyImmunologyVirologyPopulationTelecommunications

Résumé

récupéré en direct d'OpenAlex

parasite. Seasonal temperature elements have a major effect on the life development of mosquitoes and the development of parasites. In this paper, we establish and analyze a reaction-diffusion model, which includes seasonality, vector-bias, temperature-dependent extrinsic incubation period (EIP) and maturation delay in mosquitoes. In order to get the model threshold dynamics, a threshold parameter, the basic reproduction number $ R_{0} $ is introduced, which is the spectral radius of the next generation operator. Quantitative analysis indicates that when $ R_{0} < 1 $, there is a globally attractive disease-free $ \omega $-periodic solution; disease is uniformly persistent in humans and mosquitoes if $ R_{0} > 1 $. Numerical simulations verify the results of the theoretical analysis and discuss the effects of diffusion and seasonality. We study the relationship between the parameters in the model and $ R_{0} $. More importantly, how to allocate medical resources to reduce the spread of disease is explored through numerical simulations. Last but not least, we discover that when studying malaria transmission, ignoring vector-bias or assuming that the maturity period is not affected by temperature, the risk of disease transmission will be underestimate.

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 enseignants0,958
Score d'incertitude au seuil0,384

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
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 GPT0,250
Écart entre enseignants0,231 · 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

Citations9
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

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