Модели SIR¶

Модели SIR — это класс математических моделей, описывающих динамику распространения инфекционных заболеваний в популяции. Основная идея заключается в разделении популяции на три взаимосвязанные группы (компартменты): восприимчивые к инфекции (Susceptible, S), инфицированные (Infectious, I) и выздоровевшие или удалённые (Recovered/Removed, R). Модели SIR являются фундаментом современной эпидемиологии и используются для прогнозирования течения эпидемий, оценки эффективности мер контроля (вакцинация, карантин) и расчёта ключевых параметров, таких как базовое репродуктивное число (R₀).

¶История развития

Первые попытки математического описания эпидемий относятся к началу XX века. В 1906 году Уильям Хэмпер (William Hamer) предложил модель, основанную на законе действующих масс, для объяснения периодичности эпидемий кори. В 1911 году Рональд Росс (Ronald Ross) разработал модель передачи малярии, за что получил Нобелевскую премию.

Ключевой вклад внёс Уильям Огилви Кермак (William Ogilvy Kermack) совместно с Андерсоном Греем Маккендриком (Anderson Gray McKendrick). В 1927 году они опубликовали работу «Вклад в математическую теорию эпидемий», где впервые формализовали классическую модель SIR. Эта работа стала основой для всей последующей теоретической эпидемиологии. Впоследствии модель была расширена и модифицирована для учёта различных факторов (латентный период, возрастная структура, пространственная гетерогенность).

¶Основные компартменты и допущения

Классическая модель SIR основана на следующих допущениях:

• Популяция однородна и закрыта (нет миграции, рождений и смертей, не связанных с болезнью).
• Инфекция передаётся только при контакте восприимчивого и инфицированного.
• Выздоровевшие приобретают пожизненный иммунитет и не могут заразиться повторно.
• Время течения болезни фиксировано или подчиняется экспоненциальному распределению.

Три компартмента:

• S (Susceptible) — восприимчивые к инфекции особи, не имеющие иммунитета.
• I (Infectious) — инфицированные особи, способные передавать инфекцию восприимчивым.
• R (Recovered/Removed) — выздоровевшие (с иммунитетом) или умершие (удалённые из процесса передачи).

¶Математическая формулировка

Классическая модель SIR описывается системой обыкновенных дифференциальных уравнений (ОДУ):

\[ \frac{dS}{dt} = -\beta \cdot S \cdot I \] \[ \frac{dI}{dt} = \beta \cdot S \cdot I - \gamma \cdot I \] \[ \frac{dR}{dt} = \gamma \cdot I \]

Где:

• \(\beta\) — коэффициент передачи (скорость заражения), определяющий вероятность передачи инфекции при контакте.
• \(\gamma\) — коэффициент выздоровления (обратная величина средней продолжительности инфекционного периода, \(1/\gamma\)).
• \(S(t)\), \(I(t)\), \(R(t)\) — доли популяции в каждом компартменте в момент времени \(t\).

Уравнения описывают:

1. Убыль восприимчивых за счёт заражения.
2. Изменение числа инфицированных: прирост за счёт заражения минус убыль за счёт выздоровления.
3. Рост числа выздоровевших за счёт выздоровления.

¶Ключевые параметры

¶Базовое репродуктивное число (R₀)

Это среднее количество вторичных случаев заражения, которое вызывает один инфицированный в полностью восприимчивой популяции. В модели SIR R₀ рассчитывается как:

\[ R_0 = \frac{\beta}{\gamma} \]

Если \(R_0 > 1\), эпидемия может развиваться. Если \(R_0 < 1\), эпидемия затухает. R₀ является критическим параметром для оценки необходимого уровня вакцинации (порог коллективного иммунитета: \(1 - 1/R_0\)).

¶Эффективное репродуктивное число (Rₑ)

Учитывает долю восприимчивых в популяции в данный момент: \(R_e = R_0 \cdot S(t)/N\). По мере роста числа переболевших S(t) уменьшается, и Rₑ падает ниже 1, что сигнализирует о пике эпидемии.

¶Порог коллективного иммунитета

Доля популяции, которая должна быть иммунизирована (вакцинацией или естественным путём), чтобы предотвратить распространение инфекции. Для модели SIR он равен \(1 - 1/R_0\).

¶Аналитическое решение и поведение

Классическая модель SIR не имеет простого аналитического решения в замкнутом виде, но обладает важными свойствами:

• Порог эпидемии: эпидемия начинается, если начальное число восприимчивых \(S(0) > \gamma/\beta\).
• Пик эпидемии: максимальное число инфицированных достигается, когда \(S(t) = \gamma/\beta\). В этот момент \(I_{max} = S(0) + I(0) - \gamma/\beta \cdot (1 + \ln(\beta S(0)/\gamma))\).
• Конечный размер эпидемии: доля популяции, переболевшая за всю эпидемию, определяется трансцендентным уравнением \(R(\infty) = 1 - S(0) \cdot \exp(-R_0 \cdot R(\infty))\).

¶Модификации и расширения

Модель SIR послужила основой для множества более сложных моделей, учитывающих различные аспекты эпидемиологии:

¶Модель SEIR

Добавляет компартмент E (Exposed) — инфицированные, но ещё не заразные (латентный период). Это важно для болезней с длительным инкубационным периодом (например, корь, COVID-19).

¶Модель SIRS

Позволяет выздоровевшим снова становиться восприимчивыми после утраты иммунитета. Подходит для заболеваний с кратковременным иммунитетом (например, грипп).

¶Модели с возрастной структурой

Учитывают разную восприимчивость и контактность в разных возрастных группах. Используются для планирования вакцинации.

¶Модели с пространственной гетерогенностью

Включают миграцию между регионами, что позволяет моделировать распространение инфекции по территории.

¶Модели с учётом вмешательств

Вводят переменные, описывающие карантин, социальное дистанцирование, ношение масок, что изменяет параметры \(\beta\) и \(\gamma\).

¶Применение

Модели SIR и их расширения широко используются в:

• Прогнозировании эпидемий: оценка пика заболеваемости, длительности эпидемии, общего числа заболевших.
• Оценке эффективности мер: сравнение сценариев с разными уровнями карантина или вакцинации.
• Расчёте порогов вакцинации: определение доли населения, которую необходимо привить для предотвращения вспышки.
• Эпидемиологическом надзоре: оценка R₀ по данным заболеваемости.
• Образовании и обучении: как базовая модель для понимания динамики инфекций.

¶Критика и ограничения

Классическая модель SIR имеет ряд существенных ограничений:

• Однородность популяции: не учитывает разную восприимчивость (например, по возрасту, состоянию здоровья) и разную контактность.
• Закрытая популяция: игнорирует рождаемость, смертность и миграцию, что важно для длительных эпидемий.
• Мгновенный переход: не учитывает латентный период (инкубацию) и разную продолжительность инфекционности.
• Пожизненный иммунитет: не подходит для болезней с утратой иммунитета.
• Детерминированность: не учитывает случайные флуктуации, важные для малых популяций.
• Линейная зависимость: предполагает, что скорость заражения пропорциональна произведению S и I, что не всегда верно (например, при суперраспространителях).

Несмотря на эти ограничения, модель SIR остаётся ценным инструментом для первичного анализа и понимания эпидемических процессов, а её модификации позволяют существенно повысить точность прогнозов.

¶Интересные факты

• Модель SIR была впервые применена для анализа эпидемии чумы в Бомбее (1905–1906), данные которой Кермак и Маккендрик использовали в своей работе 1927 года.
• Параметр R₀ стал широко известен в массовой культуре во время пандемии COVID-19, когда его значение для разных штаммов вируса SARS-CoV-2 оценивалось от 2 до 7.
• Существуют стохастические версии модели SIR, которые учитывают случайные события и лучше описывают вспышки в малых популяциях.
• Модели SIR используются не только в эпидемиологии, но и в других областях, таких как распространение информации в социальных сетях (модели «информационной эпидемии») или распространение компьютерных вирусов.

¶Источники

1. Kermack, W. O., & McKendrick, A. G. (1927). A contribution to the mathematical theory of epidemics. Proceedings of the Royal Society of London. Series A, 115(772), 700–721.
2. Anderson, R. M., & May, R. M. (1991). Infectious Diseases of Humans: Dynamics and Control. Oxford University Press.
3. Keeling, M. J., & Rohani, P. (2008). Modeling Infectious Diseases in Humans and Animals. Princeton University Press.
4. Brauer, F., & Castillo-Chavez, C. (2012). Mathematical Models in Population Biology and Epidemiology. Springer.
5. Diekmann, O., & Heesterbeek, J. A. P. (2000). Mathematical Epidemiology of Infectious Diseases: Model Building, Analysis and Interpretation. Wiley.