Singular perturbation analysis of a two-time scale model of vector-borne disease: Zika virus model as a case study
Notice bibliographique
Résumé
Biological systems evolve across different spatial and temporal scales. For instance, multi-time scale epidemiological models on two-time scales are important in the study of infectious disease models. Particularly, vector-borne disease models are often described using ordinary differential equations with multiple time scales, which can involve singular perturbations—situations where rapid transitions or significant changes in system behavior occur due to small parameter variations or the interaction between fast and slow dynamics . To analyze these multi-time scale problems, we employ tools such as Geometric Singular Perturbation Theory (GSPT), Tikhonov’s Theorem, and Fenichel’s Theory. These methods provide insights into complex phenomena, including the loss of normal hyperbolicity and other intricate behaviors. Particularly, applying singular perturbation theory to vector-borne diseases allows us to reduce the dynamics to a one-time scale and understand their dynamics. To illustrate this, we present a Zika virus model and apply Tikhonov’s theorem and GSPT to investigate the model’s asymptotic behavior. Additionally, we conduct a bifurcation analysis to explore how the system’s behavior changes with variations in the parameter ɛ . We illustrate the various qualitative scenarios of the reduced system under singular perturbation. We will show that the fast–slow models, even though in nonstandard form, can be studied by means of GSPT.
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 | 0,000 | 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| 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 ».