汤瑞瑞, 张菊平
(中北大学 理学院, 山西 太原 030051)
性传染病(Sexually-Transmitted-Disease, STD)是指经性接触传播疾病的统称, 由于传播速度快, 影响范围广, 已成为常见的公共卫生问题之一[1,2]. 目前, STD在普通人群中的患病率为0.067%, 而STD高危人群的患病率为5%~62.8%[2], 因此, 研究STD高危人群对疾病的传播与控制具有重要意义[2-5].
近年来, 疫苗作为有效控制策略之一, 被广泛用于减少STD的传播[6]. 已有的理论模型常考虑疫苗接种的“成本”, 既考虑疫苗接种成本也考虑副作用[6-10], 而个体根据疫苗的“成本-效益”来决定否接种[9,10]. 文献[6]中建立了带有自愿接种免疫博弈的STD传播模型;文献[8]中用马尔科夫随机过程和博弈论评估个体利益和群体之间的博弈, 并将其应用到一类简单疫苗接种博弈中;文献[10] 建立了一类非线性传染病模型, 并利用光滑反映函数描述模型中易感人群如何在面临被感染危险、 接种收益和接种风险在内的接种总体成本之间博弈.
本文结合实际情况, 将STD中的易感人群分为高危人群与低危人群, 建立了针对高危人群带有自愿接种博弈的SIV性传染病传播动力学模型, 并给出了基本再生数, 分析了平衡点的存在性与稳定性.
将总人口N(t)分为四类: 高危易感者、 低危易感者、 染病者和免疫者, 分别用Sh(t),Sl(t),I(t) 和V(t)表示t时刻这四类人群的人口数, 则N(t)=Sh(t)+Sl(t)+I(t)+V(t). 假设新进入者都是低危易感者, 用Λ表示. 疾病的传播过程如图 1 所示.
图 1 疾病传播流程图Fig.1 Flow chart of disease transmission
图 1 中a表示自然死亡率系数;f表示免疫接种率系数;u表示免疫失效率系数;m1表示高危易感者向低危易感者的转换率系数;m2表示低危易感者向高危易感者的转换率系数;βh表示高危易感者每次接触传染的概率;βl表示低危易感者每次接触传染的概率;b表示因病死亡率系数. 以上参数都是非负的. 根据流程图 1, 可以建立动力学方程
(1)
系统的可行域为
个体接种疫苗不仅可产生抗体, 抵抗疾病, 即为接种的效益, 同时需要承担接种疫苗实际支付的货币及疫苗的副作用, 即接种的“成本”, 故个体接种的决策依赖于接种的“成本”与效益. 如果个体能够自己决定是否接种, 则可以用博弈论来描述个体接种决策的理性行为. 当疫苗的“成本”高于其效益时, 个体作出避免接种的理性决策;反之, 个体做出接种的决策. 用Δω表示效益与“成本”的差值, 即总效益.
首先考虑接种的效益, 当疾病传染率较大时, 易感个体接种疫苗会有较大的获利, 即个体接种的效益与被传染的概率βhI成正相关. 同时, 接种的效益也依赖于染病者的痛苦程度及STD因病死亡率. 染病者的痛苦程度越大, 个体接种的效益越大;因病死亡率越大, 疫苗接种预期效益就越大. 用p表示个体预期的与疾病相关的痛苦,ε表示染病者对因病死亡的恐惧(意识). 因此, 易感者预期接种的效益可表示为βhI(bε+p). 其次, 个体接种疫苗需要承担疫苗的“成本”, 用c表示, 则个体预期接种疫苗的总效益为
Δω=βhI(bε+p)-c.(2)
基于实际情形考虑, 当Δω<0时, 个体做出避免接种的决策, 此时个体选择接种的概率较小, 且Δω→-∞时接种率几乎为0;当Δω=0时, 个体有一半的概率做出接种的决策;当Δω>0时, 个体做出接种的决策, 且Δω→+∞时接种率几乎为1. 个体接种疫苗的概率随着Δω的增加而增加, 故采用Logistic方程来描述个体自愿接种免疫的理性决策, 即
(3)
V0=A1φm2,
这里
根据基本再生数的定义, 得
βl[aφ+(1+erc)(m1+a)(μ+a)]].
定理1 当R0<1时, 无病平衡点E0是局部渐近稳定;当R0>1时,E0不稳定.
证明系统(1)在无病平衡点E0处的雅克比矩阵为
(5)
雅克比矩阵JE0所对应的特征方程为
λ(μ+2a+m1+m2+f0)+(μ+a)(m1+
m2+a)+(m2+a)f0]=0.(6)
λ2+λ(μ+2a+m1+m2+f0)+
(μ+a)(m1+m2+a)+(m2+a)f0=0.(7)
由方程(7)的判别式及根和系数的关系得方程有两个负的实根. 因此, 若使所有特征根均为负, 当且仅当特征根λ2<0即可, 而λ2<0⟺R0<1,λ2>0⟺R0>1.
综上, 当R0<1时, 无病平衡点E0局部渐近稳定;当R0>1时,E0不稳定.
下面求解系统(1)的正平衡点.
而x满足方程
a1x2ex+a2xex+a3ex+a4x2+a5x+a6=0,(8)
这里
a2=βlΛβh(μ+a)-aβlφ(b+a)-
(μ+a)(b+a)(aβl+aβh+βhm2+βlm1),
a3=r(bε+p)[aφβh(βlΛ-(b+a)(a+m2))+
Λβh(μ+a)(m2βh+m1βl+aβl)-
aβh(μ+a)(b+a)(a+m1+m2)],
a4=a1erc,
a5=a2erc+aφβl(b+a)erc,
a6=a3erc+aφβhr(bε+p)erc[(b+
a)(a+m2)-Λβl].(9)
由式(8)和式(9)整理可得,x满足
a1x2+a2x+a3=
即x是方程(11)与方程(12)的交点
y1(x)=a1x2+a2x+a3,(11)
y2(x)=
当R0=1时, 有y1(0)=y2(0), 此时该平衡点为无病平衡点.
下面判断在系统(1)的可行域内函数y1(x)与y2(x)是否存在交点. 首先给出它们各自的导函数, 为
(13)
其中,A=-aφercβl(b+a),B=-aφercrβh(bε+p)[(b+a)(a+m2)-Λβl].
综上, 当R0>1时, 系统(1)存在正平衡点E1.
首先确定模型的参数, 如表 1 所示. 对于Λ, 2016年以前中国每年新增人口数相对稳定, 自2016年1月 1日开放二胎政策以来中国每年新增人口数变动比较大, 故以2016年以前的中国每年新增人口数为低危易感者数量.
表 1 模型中参数的取值范围
考虑系统(1)中博弈参数对各个变量的影响. 图 2 表示是系统(1)中Sh,I,V随c的变化情况. 随着c的增加, 个体接种成本增加, 基于博弈理论的“成本-效益”分析, 个体选择接种的概率降低. 因此, 染病者的数量应该增加. 但是, 图 2 显示当c较小时, 随着c的增加高危人群和染病者的数量逐渐减小, 接种者的数量反而增加. 因为由接种率系数f可知, 当c→0时,f主要随I的变化而变化, 而在c→0时染病者的数量相对较大. 也就是说, 当疾病流行规模较大时, 个体对于接种缺乏理性的判断, 这与我们的实际情况相吻合. 当染病者的数量降到最低点之后, 随着c的增加, 染病者的数量也逐渐增加, 此时个体对于疫苗接种遵循“成本-效益”博弈. 综上, 个体对于疫苗接种的理性决策与疾病传播规模以及疫苗接种“成本”有关, 这两类信息在疾病流行规模较大时产生相反的效果. 同时由图 2(a) 和(b) 可知STD中的高危人群对疾病的传播与控制起决定性作用.
图 2 c对Sh ,I,V的影响关系图Fig.2 Curves of effects of c on Sh,I,V
为了了解最大免疫率系数φ及个体对成本差异的敏感性r对疾病传播的影响, 分别做了2幅模拟图, 如图 3 所示.
图3(a)显示,I随着最大免疫率系数的增加基本保持不变, 表明了仅增强高危人群的接种预防意识不足以降低疾病的传播;Sh随着最大免疫率系数的增加呈下降趋势,V随着最大免疫率系数的增加呈上升趋势, 表明增强高危人群的接种预防意识可降低疾病潜在的爆发风险. 图3(b)显示了个体对成本差异的敏感性r对疾病传播的影响. 可知当个体对成本差异不敏感时, 接种者对于疫苗的“成本-效益”的估计不准确; 反之, 个体对成本差异越敏感, 接种者对于疫苗的“成本-效益”的估计就越准确. 由图3(b) 可知,Sh随着个体对成本差异敏感性的增加呈上升趋势,V随着个体对成本差异敏感性的增加呈下降趋势, 表明当高危人群对于疫苗“成本-效益”的估计变得准确时, 隐藏着较大的疾病爆发风险. 也就是说,当个体了解大量的疫情信息时反而不利于疾病的控制.
图 3 φ,r分别对Sh,I,V的影响关系图Fig.3 Curves of influence of φ,r on Sh,I,V respectively
本文主要讨论了性传染病高危人群自愿接种博弈的ShSlIV传染病模型. 首先, 采用Logistic方程给出了带有博弈的接种率系数;其次, 理论分析了无病平衡点和正平衡点的存在性, 并证明了R0<1时无病平衡点E0呈局部渐近稳定性.
实验结果显示, 个体对于STD接种的理性决策基于STD蔓延速度及疫苗的“成本”, 这两类信息在STD蔓延较快时产生相反的效果, 不同于文献中所得出的结论. 因此政府机构可以根据STD的流行规模(或高危人群的流行规模)及疫苗的“成本”来采取有效控制STD流行的策略. 当高危人群对于疫苗的成本和效益的估计变得更准确(或更敏感)或对疾病预防意识较弱时, 此时隐藏着较大的疾病爆发风险, 这在文献中没有说明. 最重要的是, 对于疫情传播信息的扩散, 政府应该有一个合理的调控, 因为对于一般的个体, 了解过多的STD疫情信息反而不利于STD的控制.
[1] 叶顺章. 性传播疾病的实验室诊断[M]. 北京: 科学出版社, 2009.
[2] 叶顺章, 邵长根. 性病诊疗与预防[M]. 北京:人民卫生出版, 2002.
[3] 马迪辉, 张彦琦, 周亮, 等. 重庆市2006-2012年艾滋病高危人群HIV/AIDS流行情况分析[J]. 第三军医大学学报, 2015, 37(7): 689-692.
Ma Dihui, Zhang Yanqi, Zhou Liang, et al. Epidemiological analysis of HIV/AIDS prevalence among high risk population of AIDS in Chongqing during 2006-2012[J]. Journal of the Third Military Medical University, 2015, 37(7): 689-692. (in Chinese)
[4] 黄晓梅. 荆门市2015年艾滋病哨点监测工作报告[J]. 中国卫生产业, 2015(19): 188-190.
Huang Xiaomei. Report on sentinel surveillance of AIDS in Jing Men in 2015[J]. China Health Industry, 2015(19): 188-190. (in Chinese)
[5] 吴文其, 熊云新, 覃远生, 等. 高危人群性传播疾病流行情况[J]. 中国热带医学, 2007, 7(1): 122-123.
Wu Wenqi, Xiong Yunxin, Tan Yuansheng, et al. Prevalence of sexually transmitted diseases among high-risk groups[J]. Chinese Journal of Tropical Medicine, 2007, 7(1): 122-123. (in Chinese)
[6] Xu F, Cressman R. Voluntary vaccination strategy and the spread of sexually transmitted diseases[J]. Mathematical Biosciences, 2016, 274: 94-107.
[7] Shim E, Albert S M, Burke D S, et al. A game dynamic model for vaccine skeptics and vaccine believers: measles as an example[J]. Journal of Theoretical Biology, 2011, 295(295): 194-203.
[8] Reluga T C, Galvani A P. A general approach for population games with application to vaccination[J]. Mathematical Biosciences, 2011, 230(2): 67-78.
[9] Schimit P H T, Monteiro L H A. A vaccination game based on public health actions and personal decisions[J]. Ecological Modelling, 2011, 222(9): 1651-1655.
[10] Xu F, Cressman R. Disease control through voluntary vaccination decisions based on the smoothed best response[J]. Computational & Mathematical Methods in Medicine, 2014, 2014(6): 825734.
[11] 中华人民共和国国家统计局. 中国统计年鉴[EB/OL]. 2017-01-05. http:∥www.stats.gov.cn/tjsj/ndsj/.html.