Fitness (il suit d'hypothèses non détaillées que
On trouve 2 équilibres frontière
Il y a jusqu'à 4 équilibres pour les vecteurs, qui sont indépendants de la population hôte lorsque la maladie est absente
On peut utiliser la méthode de PvdD & Watmough (2002) en chacun de ces ESM pour déduire les propriétés de stabilité locale de ces ESM
En
Problème avec (A5): si on calcule la Jacobienne du système en
McCluskey & PvdD. Global Analysis of Two Tuberculosis Models. Journal of Dynamics and Differential Equations 16:139–166 (2004)
En absence de maladie, supposons que la population totale est gouvernée par
où
Puisque
Le problème ici est en l'ESM: on peut avoir des solutions limitant en
Étendons le système en
Région d'intérêt biologiquement est l'ensemble compact positivement invariant
Si
Deux équilibres avec
Donc, en
Soit
et, si
instable | LAS | |||
instable | instable | LAS | ||
instable | instable | LAS | ||
instable | instable | instable | LAS |
L'équilibre
Dans le cas
Liu, Levin & Iwasa. Influence of nonlinear incidence rates upon the behavior of SIRS epidemiological models. J. Math. Biology 23 (1986)
Modèle SIRS de la forme
Supposent que la composante démographique du système
admet un équilibre stable
Puisque
Ils établissent des conditions génériques conduisant à l'existence d'une bifurcation de Hopf, puis considèrent le système lorsque l'incidence est de la forme
Après quelques transformations, obtiennent le système
Arino, McCluskey & PvdD. Global results for an epidemic model with vaccination that exhibits backward bifurcation. SIAM J Applied Math (2003)
Puisque la population totale est constante, le système en proportions s'écrit
où
On considère maintenant le ou les équilibre(s) endémique(s) où
Quand le vaccin est 100% efficace (
L'existence d'ÉÉ est déterminé par le nombre de racine positives du polynôme
où
S'il y a de telles solutions
En utilisant la méthode de la matrice de prochaine génération, le nombre de reproduction avec vaccination est
où
et par conséquent
Abscisse spectrale
Abramson & Rothschild. Sex, drugs and matrices: Mathematical prediction of HIV infection. The Journal of Sex Research 25 (1988)
Pour le groupe
Hethcote A Model for HIV Transmission and AIDS (1989)
Granich, Gilks, Dye, De Cock & Williams. Universal voluntary HIV testing with immediate antiretroviral therapy as a strategy for elimination of HIV transmission: a mathematical model. The Lancet 373 (2009)
Estill, Kerr, Blaser, Salazar-Vizcaya, Tenthani, Wilson, Keiser. The Effect of Monitoring Viral Load and Tracing Patients Lost to Follow-up on the Course of the HIV Epidemic in Malawi: A Mathematical Model. Open Forum Infectious Diseases 5 (2018)
R
gems
pour déveloper un modèle de simulation IBM de progression de la maladie dans les patients sous TAR (traitement antirétroviral)Dietz, Molineaux & Thomas. A malaria model tested in the African savannah. Bulletin of the WHO 50 (1974)
Ngwa & Shu. A mathematical model for endemic malaria with variable human and mosquito populations. Mathematical and Computer Modelling 32 (2000)
Chitnis, Hyman & Cushing. Determining Important Parameters in the Spread of Malaria Through the Sensitivity Analysis of a Mathematical Model. Bulletin of Mathematical Biology 70 (2008)
Tchoumi, Diagne, Rwezaura & Tchuenche. Malaria and COVID-19 co-dynamics: A mathematical model and optimal control. Applied Mathematical Modelling 99 (2021)
où
Transmission model for HIV infection and antiretroviral therapy (ART) provision N represents population aged 15 years and above. People enter into the susceptible class (S) at a rate βN, become infected at a rate λSJ/N, progress through four stages of HIV (Ii, i=1–4) at a rate ρ between each stage, and then die (D). The background mortality rate is μ and people are tested at a rate τ. If they are tested and put onto ART, they move to the corresponding ART box Ai (i=1–4), where they progress through four stages at a rate σ and then die. The term governing transmission contains the factor J α (Ii+ɛAi) where ɛ allows for the fact that people receiving ART are less infectious than are those who are not. They might also stop treatment or the treatment might become ineffective, in which case they return to the corresponding non-ART state at a rate φ. To allow for heterogeneity in sexual behaviour and for the observed steady state prevalence of HIV, we let the transmission decrease with the prevalence, P. If n=1, the decrease is exponential; if n=∞, the decrease is a step function. Both have been used in previous models
Schematic representation of the mathematical model. A, Flow of patients in the treatment model. White boxes represent stages with suppressed viral load, and gray boxes represent stages with continuously elevated viral load. “Discordant” immunological failure refers to a decline in CD4 cell count fulfilling the failure criteria under suppressed viral load; this condition will not reverse upon switch to second-line therapy. The flow described on the upper half is applicable to patients on ART, including those who returned after ART interruption. While progressing along the stages of treatment response (upper graph), the patients may also interrupt and restart treatment or die (lower graph). B, Transmission model. The upper graph shows the course of the HIV infection, and the lower graph the flow through age, sex, and risk group. Black arrows show flows between compartments, and gray lines show sexual contact patterns. Abbreviation: ART, antiretroviral therapy.