SVLIAR age-of-infection and -immunity structured epidemic model of COVID-19 dynamics
Notice bibliographique
Résumé
Stability analysis of nonlinear age-of-infection and -immunity structured SVLIAR-type model of susceptible, vaccinated, latent, COVID-19 infected, asymptomatic and recovered sub-classes of population dynamics is carried out in this paper. The SVLIAR model uses five age variables - age of vaccine immunity of vaccinated individuals, age of virus infection in organism during incubation period of latent individuals, “age” of infectious disease treatment of infected individuals, age of asymptomatic infectious dis-ease of asymptomatic individuals, “age” of immunity of organism after recovering of recovered individuals. Individuals can move from one subclass to another when these age variables take some fixed values, that is the processes in sub-classes are adjusted and synchronized by age variables. The conditions for the existence of disease-free and unique endemic equilibria and their local asymptotic stability were obtained. The local asymptotic stability/instability of endemic equilibrium of SVLIAR model is defined by criterion, which relates the demographic characteristics of population, infection disease characteristics (disease-induced death rate, death rate induced by the complications after disease), characteristics of vaccination (fraction of fully vaccinated susceptibles per unit of time, vaccination efficacy) and characteristics of age variables (their maximum values) of sub-classes. These theoretical results help understand better the conditions of transmission dynamics of the COVID-19 induced disease.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».