Modeling the impact of public health education on tungiasis dynamics with saturated treatment: Insight through the Caputo fractional derivative
Notice bibliographique
Résumé
Public health education is pivotal in the management and control of infectious and non-infectious diseases. This manuscript presents and analyses a nonlinear fractional model of tungiasis dynamics with the impact of public health education for the first time. The human population is split into five classes depending on their disease status. The infected population is split into two subgroups; infected but unaware and infected but aware. The model focuses on the impacts of public health education, contact and treatment contact on tungiasis transmission dynamics. Notably, public health education is important for containing as well as reducing disease outbreaks in communities. The Caputo fractional derivative is utilised in defining the model governing equations. Model equilibrium points existence and stability are investigated using simple matrix algebra. Model analysis shows that tungiasis is contained when the reproduction number is less than unity. Otherwise, if it is greater than unity, the disease persists and spread in the population. The generalised Adams-Bashforth-Moulton approach is utilised in solving the derived tungiasis model numerically. The impacts of public health education, treatment and contact rate on overall disease dynamics are discussed through numerical simulations. From the simulations, we see that for given fractional order, public health education and treatment increase the quality of life plus reduce equilibrium numbers of tungiasis-infected individuals. We observe that population classes converge quicker to their steady states when α is increased. Thus, we can conclude that the derivative order α captures the role of experience or knowledge that individuals have on the disease's history.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».