机构名称：
¥ 1.0
在COVID-19大流行的当前阶段有许多因素，这表明需要新建模思想。实际上，大多数传统的传统疾病模型并不能充分解决逐渐减弱的免疫力，因为新出现的变种已经能够通过先前的不同菌株的病毒感染或通过接种疫苗对当前变体无效。此外，在报告后不再是违约的大流行景观中，不可能在人群层面拥有可靠的定量数据。我们对COVID-19的贡献是沿年龄分配的人口框架的一个简单的数学预测模型，可以考虑以透明且易于控制的方式考虑下降的免疫力。数值模拟表明，在静态条件下，该模型产生的周期性解决方案在质量上与报道的数据相似，而免疫力逐渐减弱。来自数学模型的证据表明，免疫力动力学是感染峰值复发的主要因素，但是，由于病原体或人类行为的突变，传播速率的不规则扰动可能导致复发峰值的抑制，并且连续峰之间的不规则时间间隔不规则。尖峰幅度对传输速率和疫苗接种策略敏感，也对描述衰减免疫力的profe态度的偏差，这表明在对未来爆发进行预测时应考虑这些因素。
COVID-19的伴大助理建模：减弱免疫确定复发频率
主要关键词
相关文件推荐
