肥胖传播数学模型(Mathematical Model for the Spread of Obesity)的定性分析与稳定性(Qualitative Analysis and Stability)

《Discover Public Health》:Qualitative analysis and stability of a mathematical model for the spread of obesity

【字体: 大 中 小 】 时间:2026年06月17日 来源:Discover Public Health

编辑推荐:

  肥胖(Obesity)是指脂肪量过度蓄积,在健康、心理、社会及经济等多层面降低生活质量,是一种威胁发达国家与发展中国家的流行病。本文提出一个描述肥胖(Obesity)在人群中传播的连续时间动态流行病学模型(Continuous-time Dynamic Epi

  
肥胖(Obesity)是指脂肪量过度蓄积,在健康、心理、社会及经济等多层面降低生活质量,是一种威胁发达国家与发展中国家的流行病。本文提出一个描述肥胖(Obesity)在人群中传播的连续时间动态流行病学模型(Continuous-time Dynamic Epidemiological Model)。研究人员利用Routh-Hurwitz判据(Routh-Hurwitz Criteria)及构造Lyapunov函数(Lyapunov Functions),获得了疾病不存在与存在情况下平衡点的局部渐近稳定(Local Asymptotic Stability)与全局渐近稳定(Global Asymptotic Stability)。研究人员进行敏感性分析(Sensitivity Analysis)以确定各模型参数对基本再生数(Basic Reproduction Number, R0)的贡献与影响。最后,研究人员通过Matlab进行数值模拟(Numerical Simulation)对所得到的理论结果加以说明。
本文对发表于《Discover Public Health》的论文《Qualitative analysis and stability of a mathematical model for the spread of obesity》进行解读与总结。
一、研究背景与意义
肥胖(Obesity)被世界卫生组织(WHO)定义为体脂过量蓄积,成人以体质指数(Body Mass Index, BMI)≥30 kg/m2诊断。全球肥胖患病人数自1980年来翻倍增长,带来糖尿病、缺血性心脏病及相关癌症等显著健康负担。除遗传与生理因素外,实证研究表明肥胖行为可通过社会网络中的同伴影响、共享生活方式等"社会传染(Social Contagion)"机制扩散,即接触肥胖同伴会提高个体发生超重或肥胖的风险。既往已有学者采用仓室模型(Compartmental Model)研究肥胖动力学,但针对连续时间SEI1,2,3R框架下肥胖传播模型的局部与全局稳定性(Global Stability)分析及参数敏感性研究仍有待完善。为此,研究人员基于已有的离散时间肥胖最优控制模型,建立连续时间SEI1,2,3R微分方程模型,分析其平衡点的稳定性、计算基本再生数R0并进行敏感性分析(Sensitivity Analysis)与数值模拟验证,为公共卫生干预肥胖传播提供理论依据。
二、主要关键技术方法
研究人员构建连续时间SEI1,2,3R常微分方程组(ODEs),将总人口N(t)划分为易感者S(t)、危险暴露者E(t)、超重者I1(t, BMI 25–30)、肥胖者I2(t, BMI 30–40)、极度肥胖者I3(t, BMI>40)及恢复者R(t);利用不变区域证明与解的正性(Positivity)分析确认模型生物学合理性;采用下一代矩阵法(Next Generation Matrix, NGM)推导基本再生数R0;通过Jacobian矩阵特征根分析与Routh-Hurwitz判据判定无病平衡点(Disease-Free Equilibrium, DFE)与地方病平衡点(Endemic Equilibrium, EE)的局部渐近稳定(LAS);分别构造含二次项与对数形式的Lyapunov函数并结合LaSalle不变原理(LaSalle's Invariance Principle)证明DFE(R0≤1)与EE(R0>1)的全局渐近稳定(Global Asymptotic Stability, GAS);计算R0对各参数的归一化敏感指数(Normalized Sensitivity Indices);最后设定参数初值利用Matlab进行常微分方程组数值求解,绘制R0<1与R0>1两种情形下各仓室轨线图验证稳定性结论。
三、研究结果
2 The mathematical model and its basic properties(数学模型及其基本性质)
研究人员给出SEI1,2,3R模型六维常微分方程组,其中感染力项(Force of Infection)为βSE/N,表征社会接触导致易感者转入暴露仓室E。通过dN/dt≤Λ?μN证明解的有界不变区域Ω={ (S,E,I1,I2,I3,R)∈?+6: N≤Λ/μ },并利用积分因子法证明在各初值非负时所有状态变量解恒正,保证模型生物学意义。
3 Stability of the model(模型稳定性)
3.1 The disease-free equilibrium point (DFE)(无病平衡点)
令E=I1=I2=I3=R=0,由dS/dt=0得S0=Λ/μ,故DFE为Eeq0=(Λ/μ, 0, 0, 0, 0, 0)。
3.2 The basic reproduction number (R0)(基本再生数)
取感染相关仓室(E, I1, I2, I3)建立新发感染矩阵F与转移矩阵V,在DFE处计算FV?1最大特征值,得R0=Λβ / [ μN(μ+αE1) ],此处R0反映一名具社会影响力的"肥胖行为传播者"预期引致的新增采纳致肥行为人数。
3.3 The endemic equilibrium point(地方病平衡点)
令方程组右端为零解得EE:S*=NK/β,E*=(Nμ/β)(R0?1),I1*=(αE1/K1)E*,I2*=α12K3I1*/(K2K3?α23α32),I3*=α23α12I1*/(K2K3?α23α32),R*=(αE1/K1)α1R+α2Rα12K3/(K2K3?α23α32)N,其中K=μ+αE1,K1=μ+α12+α1R+δ1,K2=μ+α23+α2R+δ2,K3=μ+α32+δ3。
3.4 Local stability analysis(局部稳定性分析)
定理2:当R0<1时DFE局部渐近稳定,R0>1时不稳定——通过对DFE处Jacobian求特征方程验证。定理3:当R0>1时EE局部渐近稳定,R0≤1时不稳定。
3.5 Overall stability analysis / Global stability(全局稳定性分析)
—Global stability of the disease-free equilibrium:研究人员构造Lyapunov函数V(S,E)=?[(S?S0)+E]2+[N(2μ+αE1)/β]E,沿系统轨线求导得dV/dt≤0当且仅当R0≤1且S=S0, E=0,由LaSalle不变原理证得DFE在Ω内全局渐近稳定。
—Global stability of the endemic equilibrium:研究人员构造Volterra-type Lyapunov函数V=ΣX∈{S,E,I1,I2,I3,R}[X?X*ln(X/X*)],求导后当R0>1时dV/dt≤0且仅当各状态量等于对应平衡值时为零,由LaSalle不变原理证得EE全局渐近稳定。
4 Sensitivity analysis of R0(R0敏感性分析)
归一化敏感指数分别为:ΥΛR0=+1,ΥβR0=+1,ΥμR0=?2?αE1/μ<0,ΥαE1R0=?αE1/(μ+αE1)<0。R0对招募率Λ与传播率β正向最敏感(增大则促进肥胖传播),对自然死亡率μ与暴露→超重转化率αE1负向敏感(增大则抑制传播),提示针对β(减少社会致肥行为暴露)与Λ的预防措施较单纯治疗干预更有效。分岔分析显示R0=1处发生跨临界分岔(Transcritical Bifurcation),R0穿越阈值时DFE与EE稳定性互换。
5 Numerical simulations(数值模拟)
取N=1200及文献假设参数,情形一R0=0.87<1,各感染仓室E, I1, I2, I3→0,S→Λ/μ,R→0,轨线收敛至DFE,验证全局稳定;情形二R0=2.19>1,各仓室收敛至EE数值解(S*=1640, E*=380, I1*=106, I2*=308, I3*=50, R*=410),验证EE全局稳定,与理论结论吻合。
四、讨论与结论(Conclusion)总结翻译
研究人员建立并分析了一个描述肥胖传播的连续时间SEI1,2,3R数学模型,求得基本再生数R0=Λβ/[μN(μ+αE1)]。敏感性分析表明R0对输入率Λ与传播系数β正向最敏感,对μ与αE1负向敏感。无病平衡点Eeq0在R0≤1时局部与全局渐近稳定;地方病平衡点Eeq*在R0>1时局部与全局渐近稳定,且在R0=1处发生跨临界分岔。研究提示公共卫生干预应侧重于降低社会致肥行为暴露(减小β)及减少易感人群不合理招募,通过针对社会和行为传播路径的早期干预可使有效再生数降至阈值以下,防止肥胖在人群中持续流行。本研究假定均匀混合且部分参数缺乏实证校准,未来拟引入社交网络结构、分岔深入分析及利用纵向肥胖数据标定参数以提高预测与应用价值。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号