疫学モデル

同義語:epidemic modelSIRモデルSIR model

概要

疫学モデル(epidemic model)とは、感染症の広がりを、感受性者・感染者・除去者などの区画の割合の時間変化として常微分方程式で表す数理モデルである。基本の SIR モデルでは、感染率と除去率の比が基本再生産数 $R_0$ で、最初の感受性者の割合 $s_0$ について $R_0s_0>1$ のときに限って感染者が増え、感受性者の割合が $1/R_0$ を下回ると減り始める。流行が終わるまでに感染する割合は最終規模方程式の根で決まって感受性者は必ず残り、割合 $1-1/R_0$ 以上が最初から免疫をもてば、感染者がごく少ないところからの流行は起こらない。出生と死亡のある集団では、$R_0>1$ のとき解はエンデミック平衡点に収束する。

$$\newcommand{C}[0]{\mathbb{C}} \newcommand{div}[0]{\mathbin{÷}} \newcommand{N}[0]{\mathbb{N}} \newcommand{Q}[0]{\mathbb{Q}} \newcommand{R}[0]{\mathbb{R}} \newcommand{Z}[0]{\mathbb{Z}} $$

前提知識: 常微分方程式, 凸関数, Lyapunov関数

疫学モデル(epidemic model)は、感染症が集団の中でどのように広がり、どこで止まるかを、人の状態ごとの割合の時間変化として表す数理モデルである。もっとも基本的なものは、人を 感受性者(S:まだ感染していない人)、感染者(I:感染していて他人にうつす人)、除去者(R:回復して免疫をもつか、隔離・死亡した人)の 3 つの区画に分け、区画の間の移り変わりを常微分方程式で書く SIR モデル である。
このモデルから、次の量が計算できる。

  • 基本再生産数 $R_0$:感染者 1 人が、全員が感受性者の集団の中で、感染している間にうつす人数の平均。$R_0s_0>1$ のときに限って流行が始まる($s_0$ は最初の感受性者の割合)。
  • 最終規模:流行が終わるまでに感染した人の割合。最終規模方程式 $1-z=e^{-R_0z}$ の根として決まり、流行が終わっても感受性者は必ず残る。
  • 集団免疫の閾値 $1-1/R_0$:これ以上の割合が最初から免疫をもてば流行は始まらない。
  • 出生と死亡のある集団では、$R_0>1$ なら感染者の割合は正の一定値(エンデミック平衡点)に近づく。
    この記事では、これらを SIR モデルとその変種について証明する。

定義と使える条件

SIR モデル

SIR モデル

$\beta>0$(感染率)、$\gamma>0$(除去率)とする。集団の中の感受性者・感染者・除去者の割合 $s(t)$、$i(t)$、$r(t)$ が
$$ s'=-\beta si,\qquad i'=\beta si-\gamma i,\qquad r'=\gamma i $$
に従うとするモデルを SIR モデル(Kermack–McKendrick モデル)という。初期値は $s_0>0$、$i_0>0$、$r_0\ge0$、$s_0+i_0+r_0=1$ とする。

$\beta si$ は単位時間あたりの新しい感染の割合(発生率)で、感受性者と感染者が出会う頻度に比例するという仮定(質量作用の法則)を表す。$\gamma i$ は単位時間あたりに除去される割合で、感染している期間が平均 $1/\gamma$ の指数分布に従うことにあたる。

基本再生産数

SIR モデルの 基本再生産数 を $R_0:=\beta/\gamma$ と定める。

感染者 1 人は、全員が感受性者なら単位時間に $\beta$ 人にうつし、平均 $1/\gamma$ の時間感染しているので、うつす人数の平均は $\beta\cdot\frac1\gamma=R_0$ である。

変種

SIS モデルと出生・死亡のある SIR モデル
  1. 回復しても免疫がつかず、すぐ感受性者に戻る病気では、$i$ だけの方程式
    $$ i'=\beta(1-i)i-\gamma i $$
    で表す。これを SIS モデル という。
  2. 集団の大きさが一定で、単位時間に全体の $\mu$ の割合が生まれて感受性者に加わり、各区画から同じ率 $\mu>0$ で死亡するとき
    $$ s'=\mu-\beta si-\mu s,\qquad i'=\beta si-(\gamma+\mu)i,\qquad r'=\gamma i-\mu r $$
    を 出生と死亡のある SIR モデル という。このモデルの基本再生産数は $R_0:=\beta/(\gamma+\mu)$ と定める(感染している期間の平均が $1/(\gamma+\mu)$ になる)。

この記事の定理を使う条件をまとめる。

  1. 一様な混合:集団はよく混ざり合い、誰もが同じ確率で出会う。
  2. 質量作用:発生率は $\beta si$ の形で、$\beta$ は一定である。
  3. 閉じた集団:SIR モデルと SIS モデルでは出生・死亡・移動を無視する(流行の期間が人の寿命より十分短い)。
  4. 大きな集団:割合を連続な量として扱う。少数の感染者から始まる初期の偶然のゆらぎは無視する(節「補足」)。

公式の表

量公式使える条件根拠
保存量$s+i-\dfrac1{R_0}\log s$ は一定SIR モデルprop-em-basic
流行が始まる条件$i'(0)>0\iff R_0s_0>1$SIR モデルthm-em-threshold
感染者の割合の最大値$i_{\max}=s_0+i_0-\dfrac{1+\log(R_0s_0)}{R_0}$($s=1/R_0$ のとき)$R_0s_0>1$thm-em-threshold
最終規模の関係式$s_\infty-\dfrac{\log s_\infty}{R_0}=s_0+i_0-\dfrac{\log s_0}{R_0}$、$0< s_\infty<\min(s_0,\frac1{R_0})$SIR モデルthm-em-final-size
最終規模方程式$1-z=s_0e^{-R_0z}$($z=1-s_\infty$)$r_0=0$thm-em-final-size
感染者がごく少ないとき$1-z^\ast=e^{-R_0z^\ast}$、$z^\ast=1+\dfrac{W_0(-R_0e^{-R_0})}{R_0}$$r_0=0$、$i_0\to0$、$R_0>1$cor-em-limit
集団免疫の閾値$v_c=1-\dfrac1{R_0}$免疫をもつ割合 $v$、$i_0\to0$cor-em-herd
SIS モデルの極限$i\to1-\dfrac1{R_0}$$R_0>1$ex-em-sis
エンデミック平衡点$(s^\ast,i^\ast)=\Bigl(\dfrac1{R_0},\dfrac{\mu(R_0-1)}\beta\Bigr)$出生と死亡のある SIR モデル、$R_0>1$thm-em-endemic

$W_0$ は Lambert W関数 の主枝である。

主定理と証明

解の基本性質

解の存在と保存量

SIR モデルの解は $t\ge0$ のすべてで存在し、$s(t)>0$、$i(t)>0$、$r(t)\ge0$、$s+i+r=1$ を満たす。$s$ は狭義に減少し、$r$ は狭義に増加する。さらに
$$ \Phi(s,i):=s+i-\frac1{R_0}\log s $$
は解に沿って一定である。

指数の形に書く

右辺は多項式なので、解は最大の存在区間 $[0,T)$ で一意に存在する。その区間で
$$ s(t)=s_0\exp\Bigl(-\beta\int_0^ti\,d\tau\Bigr)>0,\qquad i(t)=i_0\exp\Bigl(\int_0^t(\beta s-\gamma)\,d\tau\Bigr)>0 $$
である(どちらも微分すれば方程式に合い、初期値問題の解の一意性による)。3 式を足すと $(s+i+r)'=0$ なので $s+i+r=1$ で、$r'=\gamma i>0$ から $r\ge r_0\ge0$ である。よって解は有界な集合 $[0,1]^3$ にとどまり、常微分方程式 の定理「爆発の二者択一」により $T=\infty$ である。$s'=-\beta si<0$ である。最後に
$$ \frac{d}{dt}\Phi(s,i)=s'+i'-\frac{s'}{R_0s}=-\gamma i+\frac{\beta si}{R_0s}=-\gamma i+\gamma i=0 $$
である。$\square$

$\Phi$ が一定なので、$(s,i)$ 平面の軌道は曲線 $i=c-s+\frac1{R_0}\log s$($c=\Phi(s_0,i_0)$)の上を、$s$ が減る向きに進む(図の右)。

最終規模

最終規模の関係式

SIR モデルの解について、極限 $s_\infty:=\lim_{t\to\infty}s(t)$、$r_\infty:=\lim_{t\to\infty}r(t)$ が存在し、$\lim_{t\to\infty}i(t)=0$ である。$s_\infty$ は
$$ s_\infty-\frac1{R_0}\log s_\infty=s_0+i_0-\frac1{R_0}\log s_0\qquad\text{(F)} $$
の区間 $\bigl(0,\min(s_0,\frac1{R_0})\bigr)$ の中のただ 1 つの根である。とくに $r_0=0$ なら、$z:=1-s_\infty$(流行の全体で感染した人の割合)は
$$ 1-z=s_0e^{-R_0z} $$
を満たす。

積分できる感染者の割合

極限の存在:prop-em-basic により $s$ は減少して $0$ 以上、$r$ は増加して $1$ 以下なので、極限 $s_\infty\ge0$、$r_\infty\le1$ がある。$i=1-s-r$ にも極限 $i_\infty\ge0$ がある。$r'=\gamma i$ を積分すると
$$ \int_0^\infty i\,dt=\frac{r_\infty-r_0}\gamma<\infty $$
である。$i_\infty>0$ なら左辺は発散するので、$i_\infty=0$ である。
$s_\infty>0$:$\log\frac{s_0}{s(t)}=\beta\int_0^ti\,d\tau\le\beta\cdot\frac{r_\infty-r_0}\gamma$ なので、$s(t)\ge s_0e^{-R_0(r_\infty-r_0)}$ が $t$ によらず成り立ち、$s_\infty>0$ である。
関係式 (F):$\Phi$ は連続で解に沿って一定なので、$t\to\infty$ として $\Phi(s_\infty,0)=\Phi(s_0,i_0)$、すなわち (F) を得る。
$s_\infty<\frac1{R_0}$:$s_\infty\ge\frac1{R_0}$ と仮定する。$s$ は狭義に減少するので、すべての $t$ で $s(t)>s_\infty\ge\frac1{R_0}$ であり、$i'=\gamma i(R_0s-1)>0$ となる。すると $i(t)\ge i_0>0$ で、$i_\infty=0$ に反する。また $s$ は狭義に減少するので $s_\infty< s_0$ である。
根の一意性:$h(x):=x-\frac1{R_0}\log x$ とおくと、$h'(x)=1-\frac1{R_0x}$ は $0< x<\frac1{R_0}$ で負なので、$m:=\min(s_0,\frac1{R_0})$ として $h$ は $(0,m]$ で狭義に減少する。よって (F) の根は $(0,m)$ に高々 1 つで、$s_\infty$ がその根である。
$r_0=0$ の場合:(F) は $\log\frac{s_0}{s_\infty}=R_0(s_0+i_0-s_\infty)$ と書け、$s_0+i_0=1$ なので右辺は $R_0(1-s_\infty)=R_0z$ である。指数をとれば $1-z=s_\infty=s_0e^{-R_0z}$ を得る。$\square$

流行が終わったとき、$s_\infty>0$ なので感受性者は必ず残る。流行が止まるのは感受性者がいなくなるからではなく、感受性者の割合が $1/R_0$ を下回って、感染者 1 人がうつす人数の平均 $R_0s$ が $1$ を下回るからである。

感染者がごく少ないところから始まる流行

$r_0=0$、$s_0=1-i_0$ とし、$i_0\to0$ とする。このとき最終規模 $z=1-s_\infty$ は次の $z^\ast$ に近づく。
(1) $R_0\le1$ なら $z^\ast=0$。
(2) $R_0>1$ なら、$z^\ast$ は $1-z=e^{-R_0z}$ の区間 $(0,1)$ の中のただ 1 つの根で、$z^\ast\ge1-\frac1{R_0}$、$z^\ast=1+\frac1{R_0}W_0(-R_0e^{-R_0})$ である。

凹関数の零点
証明を開く

$\varphi(z):=1-z-e^{-R_0z}$ は凹で、$\varphi(0)=0$、$\varphi'(0)=R_0-1$、$\varphi(1)=-e^{-R_0}< 0$ である。$R_0\le1$ なら $\varphi'(0)\le0$ と凹性から $(0,1]$ で $\varphi< 0$ である。$R_0>1$ なら $0$ の右で $\varphi>0$ なので、中間値の定理と凹性から $(0,1)$ に零点がちょうど 1 つある(2 つあれば、$0$ と合わせた 3 点で凹性に反する)。

thm-em-final-size により $1-z=(1-i_0)e^{-R_0z}$、すなわち $\varphi(z)=-i_0e^{-R_0z}$ で、$\lvert\varphi(z)\rvert\le i_0\to0$ である。$z\in(0,1)$ の集積点 $\bar z$ は $\varphi(\bar z)=0$ を満たす。$R_0\le1$ なら $\bar z=0$ である。$R_0>1$ なら、$s_\infty<\frac1{R_0}$ から $z>1-\frac1{R_0}>0$ なので $\bar z\ge1-\frac1{R_0}$ となり、$\bar z=z^\ast$ である。$z^\ast$ 自身も同じ下界を満たす。

Lambert W の式:$y:=1-z^\ast$ は $y=e^{-R_0}e^{R_0y}$ を満たすので $(-R_0y)e^{-R_0y}=-R_0e^{-R_0}$ である。$y\le\frac1{R_0}$ なので $-R_0y\in[-1,0)$ で、これは主枝の値 $-R_0y=W_0(-R_0e^{-R_0})$ である。$\square$

流行の山と集団免疫

流行の閾値と山の高さ

SIR モデルの解について、次が成り立つ。
(1) $R_0s_0\le1$ なら、$i$ は $t\ge0$ で狭義に減少する。
(2) $R_0s_0>1$ なら、$s(t^\ast)=\frac1{R_0}$ となる $t^\ast>0$ がただ 1 つあり、$i$ は $[0,t^\ast]$ で狭義に増加し、$[t^\ast,\infty)$ で狭義に減少する。最大値は
$$ i(t^\ast)=s_0+i_0-\frac1{R_0}\bigl(1+\log(R_0s_0)\bigr) $$
である。

感受性者の割合が 1/R0 をまたぐ時刻

$i'=\gamma i(R_0s-1)$ で $\gamma i>0$ なので、$i'$ の符号は $R_0s-1$ の符号である。
(1) $s$ は狭義に減少するので、$t>0$ で $R_0s(t)< R_0s_0\le1$、よって $i'<0$ である。
(2) $s$ は連続で狭義に減少し、$s(0)=s_0>\frac1{R_0}$、thm-em-final-size により $s_\infty<\frac1{R_0}$ なので、中間値の定理により $s(t^\ast)=\frac1{R_0}$ となる $t^\ast>0$ がただ 1 つある。$t< t^\ast$ で $s>\frac1{R_0}$、$t>t^\ast$ で $s<\frac1{R_0}$ なので、増減は主張のとおりである。最大値は、prop-em-basic の $\Phi$ が一定であることから
$$ i(t^\ast)=\Phi(s_0,i_0)-\frac1{R_0}+\frac1{R_0}\log\frac1{R_0}=s_0+i_0-\frac1{R_0}\log s_0-\frac1{R_0}-\frac1{R_0}\log R_0 $$
で、これは主張の式である。$\square$

集団免疫の閾値

最初に割合 $v\in[0,1)$ が免疫をもつ($r_0=v$、$s_0=1-v-i_0$)とする。
(1) $R_0(1-v-i_0)>1$ のときに限り、感染者の割合ははじめに増える。$i_0\to0$ の極限では、これは $v< v_c:=1-\frac1{R_0}$ と同値である。
(2) $i_0\to0$ のとき、最初の感受性者のうち感染する割合 $z_v:=\frac{s_0-s_\infty}{1-v}$ は、$1-z=e^{-R_0(1-v)z}$ の cor-em-limit の根($R_0$ を $R_0(1-v)$ に置き換えたもの)に近づく。

証明を開く

(1) は thm-em-threshold の $s_0=1-v-i_0$ の場合である。(2):(F) は $\log\frac{s_0}{s_\infty}=R_0(s_0+i_0-s_\infty)=R_0(1-v-s_\infty)$ と書ける。$\sigma(t):=s(t)/(1-v)$、$\iota(t):=i(t)/(1-v)$ とおくと、$(\sigma,\iota)$ は $\beta$ を $\beta(1-v)$ に替えた SIR モデルの解で、$\sigma_0+\iota_0=1$ である。よって cor-em-limit により $1-\sigma_\infty$ は主張の根に近づき、$z_v=1-\sigma_\infty-\iota_0$ と $\iota_0\to0$ から主張を得る。$\square$

割合 $v_c$ 以上が免疫をもてば、免疫をもたない人も流行から守られる。これを 集団免疫 という。

出生と死亡のある集団

エンデミック平衡点の大域的な安定性

出生と死亡のある SIR モデルで、$s_0>0$、$i_0>0$、$s_0+i_0\le1$ とする。$R_0=\beta/(\gamma+\mu)$ とする。
(1) $R_0<1$ なら、$i(t)\le i_0e^{-(\gamma+\mu)(1-R_0)t}$ で、$(s,i)\to(1,0)$ である。
(2) $R_0>1$ なら、点 $p:=(s^\ast,i^\ast)=\bigl(\frac1{R_0},\frac{\mu(R_0-1)}\beta\bigr)$ は $(s,i)$ の方程式の平衡点で、$p$ は安定であり、$(s(t),i(t))\to p$ である。

Lyapunov 関数 $s-s^\ast\log s+i-i^\ast\log i$

$(s,i)$ の方程式は $r$ を含まないので、$(s,i)$ の 2 変数の系として扱う。prf-em-basic と同じ指数の形の表示から $s,i>0$ である。$s'\le\mu(1-s)$ なので $1-s(t)\ge(1-s_0)e^{-\mu t}\ge0$、すなわち $s\le1$ である。
(1) $s\le1$ から $i'=i(\beta s-(\gamma+\mu))\le(\gamma+\mu)(R_0-1)i$ なので、主張の評価を得る。$s$ の方程式から $1-s(t)=(1-s_0)e^{-\mu t}+\beta\int_0^te^{-\mu(t-\tau)}s\,i\,d\tau$ で、$s\le1$ と $i$ の指数的な減少から右辺は $0$ に近づく。
(2) $\beta s^\ast=\gamma+\mu$、$\mu=\beta s^\ast i^\ast+\mu s^\ast$ を確かめれば $p$ は平衡点である。$W:=(0,\infty)^2$ の上で
$$ V(s,i):=\Bigl(s-s^\ast\log s\Bigr)+\Bigl(i-i^\ast\log i\Bigr)-V_0 $$
($V_0$ は $V(p)=0$ となる定数)とおく。$x\mapsto x-a\log x$($a>0$)は狭義に凸で $x=a$ で最小になり、$x\to0$ と $x\to\infty$ で $\infty$ に発散するので、$V$ は $p$ でだけ $0$、ほかで正であり、$c\ge0$ について $K_c:=\{V\le c\}$ は $W$ のコンパクト集合である。軌道微分は
$$ \dot V=\Bigl(1-\frac{s^\ast}s\Bigr)\bigl(\mu-\beta si-\mu s\bigr)+\Bigl(1-\frac{i^\ast}i\Bigr)\beta i(s-s^\ast) $$
である。$\mu=\beta s^\ast i^\ast+\mu s^\ast$ を代入し、$s^\ast i^\ast-si=-i^\ast(s-s^\ast)-s(i-i^\ast)$ を使うと、第 1 項は
$$ \frac{s-s^\ast}s\Bigl(-\mu(s-s^\ast)-\beta i^\ast(s-s^\ast)-\beta s(i-i^\ast)\Bigr)=-\frac{(\mu+\beta i^\ast)(s-s^\ast)^2}s-\beta(s-s^\ast)(i-i^\ast) $$
となり、第 2 項は $\beta(i-i^\ast)(s-s^\ast)$ なので
$$ \dot V=-\frac{(\mu+\beta i^\ast)(s-s^\ast)^2}s\le0 $$
である。よって $V$ は $p$ の Lyapunov 関数で、Lyapunovの安定性定理 により $p$ は安定である。
$\dot V=0$ となるのは $s=s^\ast$ のときだけである。$K_c$ にとどまり $\dot V\equiv0$ となる解は $s\equiv s^\ast$ を満たし、$s'=0$ から $\mu-\beta s^\ast i-\mu s^\ast=0$、すなわち $i\equiv i^\ast$ である。したがって Lyapunov関数 の定理「吸引域の見積もり」の直後に述べられた形(狭義の Lyapunov 関数の代わりに、$K_c$ にとどまり $\dot V\equiv0$ となる解は $p$ だけと仮定する形)により、すべての $c>0$ で $K_c$ は $p$ の吸引域に含まれる。どの初期値 $(s_0,i_0)\in W$ も $c:=V(s_0,i_0)+1$ の $K_c$ に入るので、解は $p$ に収束する。$\square$

閉じた集団では流行は必ず終わる(thm-em-final-size の $i\to0$)が、出生で感受性者が補われると、$R_0>1$ の病気は集団に定着する。$i^\ast$ は出生の率 $\mu$ に比例するので、寿命が長い($\mu$ が小さい)集団では $i^\ast$ は小さい。

計算の手順

  1. 区画と率を決める:感染している期間の平均 $D$ から $\gamma=1/D$、基本再生産数 $R_0$ から $\beta=R_0\gamma$(出生と死亡のあるモデルでは $\beta=R_0(\gamma+\mu)$)。
  2. 流行が始まるかを判定する:$R_0s_0>1$ か(thm-em-threshold)。最初に免疫をもつ人がいれば $s_0=1-v-i_0$。
  3. 最終規模を求める:(F) の根 $s_\infty$ を区間 $\bigl(0,\min(s_0,\frac1{R_0})\bigr)$ で二分法により求める(左端の近くで (F) の左辺は大きく、右端で小さいので符号が変わる)。$i_0$ が無視できるときは $1-z=e^{-R_0z}$ を解くか、Lambert W関数 の式を使う。
  4. 山の高さ $i_{\max}$ は公式の表の式で、山の時刻は数値解で求める。
  5. 出生と死亡のあるモデルでは、$R_0>1$ ならエンデミック平衡点を公式で求め、平衡点での線形化の固有値で近づき方(減衰振動の周期など)を調べる。

例題

$R_0=2$ の流行の最終規模と山

$\beta=0.4$、$\gamma=0.2$($R_0=2$)、$s_0=0.999$、$i_0=0.001$、$r_0=0$ とする。
使う公式:thm-em-final-size、thm-em-threshold、cor-em-limit。
答え:$s_\infty\approx0.202846$ で、最終規模は $z\approx0.797154$。感染者の割合の最大値は $s=\frac12$ のときの $i_{\max}=1-\frac{1+\log1.998}2\approx0.153927$ で、数値解では $t\approx33.79$ のときである。$i_0\to0$ の極限の値は $z^\ast\approx0.796812$、$i_{\max}\to1-\frac{1+\log2}2\approx0.153426$ である。

途中の計算を開く

(F) の右辺は $1-\frac12\log0.999\approx1.000500$ で、$x-\frac12\log x=1.000500$ を $(0,0.5)$ で解く。$1-z=0.999e^{-2z}$ に代入すると残差は $10^{-16}$ 程度である。

基本再生産数と最終規模

$r_0=0$、$i_0\to0$ の最終規模 $z^\ast$(cor-em-limit)と集団免疫の閾値 $v_c$(cor-em-herd)は次のとおりである。

$R_0$$1.5$$2$$3$$5$
$z^\ast$$0.582812$$0.796812$$0.940480$$0.993023$
$v_c=1-1/R_0$$0.333333$$0.5$$0.666667$$0.8$
一部が免疫をもつ集団

$R_0=3$ で、最初に半分($v=0.5$)が免疫をもつとする。$i_0\to0$ とする。
使う公式:cor-em-herd。
答え:$v=0.5< v_c=\frac23$ なので流行は起こる。実効的な基本再生産数は $R_0(1-v)=1.5$ で、最初の感受性者のうち感染する割合は $z_v\approx0.582812$、集団全体では $z_v(1-v)\approx0.291406$ である。

SIS モデルはロジスティック方程式

$\beta=0.3$、$\gamma=0.1$、$i_0=0.01$ の SIS モデルの極限と、極限の半分に達する時刻を求める。
使う公式:def-em-variants の (1) を書き直すと $i'=(\beta-\gamma)i\bigl(1-\frac i{1-1/R_0}\bigr)$ で、これは増加率 $\beta-\gamma$、上限 $K:=1-\frac1{R_0}$ のロジスティック方程式である(個体群動態)。
答え:$R_0=3$、$K=\frac23$、増加率 $0.2$ で、$i(t)=\dfrac{K}{1+\frac{K-i_0}{i_0}e^{-0.2t}}\to\frac23$。$i=\frac K2$ となるのは $t=5\log\frac{K-i_0}{i_0}=5\log\frac{197}3\approx20.9230$ のときである。

エンデミック平衡点への近づき方

出生と死亡のある SIR モデルで $\mu=0.1$、$\gamma=0.9$、$\beta=3$(時間の単位は共通の任意のもの)、$(s_0,i_0)=(0.99,0.01)$ とする。
使う公式:thm-em-endemic。
答え:$R_0=3$、$p=(\frac13,\frac1{15})\approx(0.333333,0.066667)$。数値解は $t=20$ で $(0.316776,0.073940)$、$t=50$ で $(0.333143,0.066741)$ と、$p$ のまわりを回りながら近づく。$p$ での線形化の行列 $\begin{pmatrix}-\beta i^\ast-\mu&-\beta s^\ast\\\beta i^\ast&0\end{pmatrix}=\begin{pmatrix}-0.3&-1\\0.2&0\end{pmatrix}$ の固有値は $-0.15\pm0.421307i$ で、振動の周期は約 $14.91$ である。

図: 左は例題「R0=2 の流行の最終規模と山」の s, i, r の時間変化。s は 1 から約 0.203 まで減り、i は時刻 34 ごろに約 0.154 の山をもって 0 に戻り、r は約 0.797 に近づく。右は R0=2 の (s, i) 平面の軌道で、s+i=1 の線から出た軌道が s=1/2 の縦の線で最も高くなり、i=0 の軸に s が 0 より大きいところで達する。 図: 左は例題「R0=2 の流行の最終規模と山」の s, i, r の時間変化。s は 1 から約 0.203 まで減り、i は時刻 34 ごろに約 0.154 の山をもって 0 に戻り、r は約 0.797 に近づく。右は R0=2 の (s, i) 平面の軌道で、s+i=1 の線から出た軌道が s=1/2 の縦の線で最も高くなり、i=0 の軸に s が 0 より大きいところで達する。

使える条件と反例

外す条件反例成り立たなくなること
$R_0s_0>1$(thm-em-threshold の (2))$\beta=0.15$、$\gamma=0.2$($R_0=0.75$)、$s_0=0.99$、$i_0=0.01$感染者の割合の山がなく、$i$ は最初から減る。最終的に除去者になるのは $r_\infty\approx0.037341$ だけ
閉じた集団(thm-em-final-size の $i\to0$)ex-em-endemic$i\to\frac1{15}$ で、流行は終わらない
$r_0=0$(最終規模方程式 $1-z=s_0e^{-R_0z}$)ex-em-vaccine に $1-z=e^{-3z}$ を使う式は $z\approx0.940480$ を与えるが、集団全体で感染するのは $0.291406$
質量作用(発生率が $s$ に比例)発生率を $\beta i$ に替えた $s'=-\beta i$、$i'=(\beta-\gamma)i$、$\beta=0.4$、$\gamma=0.2$、$s_0=0.999$、$i_0=0.001$$s$ は有限の時刻 $t\approx31.078$ で $0$ になり、$s_\infty>0$ が成り立たない

確かめ:1 行目は thm-em-threshold の (1) により $i$ は減少し、$r_\infty=1-s_\infty$ は (F) の根から求めた。2 行目は thm-em-endemic の (2) である。3 行目:最初の免疫の分 $r_0=0.5$ を無視すると、感受性者の数を倍に見積もることになる。4 行目:$i=i_0e^{0.2t}$、$s=s_0-2i_0(e^{0.2t}-1)$ で、$s=0$ となるのは $t=5\log(1+\frac{0.999}{0.002})\approx31.078$ のときである。

よくある誤り

誤り正しくはなぜ
流行は感受性者がいなくなって止まる感受性者は必ず残り、$R_0s<1$ になって止まるthm-em-final-size の $s_\infty>0$
最終規模は $1-\frac1{R_0}$それは集団免疫の閾値で、最終規模はそれより大きいcor-em-limit の $z^\ast\ge1-\frac1{R_0}$
$R_0=\beta$$R_0=\beta/\gamma$。出生と死亡があれば $\beta/(\gamma+\mu)$def-em-r0
$R_0>1$ なら感染者は増え続ける$s=\frac1{R_0}$ で山を越えて減るthm-em-threshold

補足

確率的なモデルとの関係:少数の感染者から始まる流行の初期は、感染者がそれぞれ独立に新しい感染者を生む分枝過程(Galton–Watson過程)で近似され、偶然に消えることがある。常微分方程式のモデルは、集団が大きく、感染者が集団の一定の割合に達したあとの振る舞いを表す。決定論的な SIR モデル、最終規模方程式、免疫をもつ人がいる場合の式は BP19 Part I §2.1 の (2.1.1)〜(2.1.3) に、出生と死亡のあるモデルのエンデミック平衡点は同 §4.1 の (4.1.1)〜(4.1.3) にある。同書 §2.1 によれば、潜伏期間の区画 E を加えた SEIR モデルも同じ $R_0$ と同じ最終規模をもつ。
一般化:年齢・地域・接触の構造をもつ集団では、区画を細かく分け、$R_0$ を「次世代行列」の最大固有値として定める。

関連項目

参考文献

[1]
Tom Britton, Etienne Pardoux (eds.), Stochastic Epidemic Models with Inference, Lecture Notes in Mathematics 2255, Springer, 2019, Part I(T. Britton, E. Pardoux, Stochastic epidemics in a homogeneous community)§2.1 (2.1.1)〜(2.1.3)、§4.1 (4.1.1)〜(4.1.3)

Mathpediaは寄付と、参考文献の書籍リンク(Amazonアソシエイト)の紹介料で運営されています。 支援について / 寄付する