An asymptotic solution for the SIS epidemic model, taking into account migration and diffusion

Cover Page

Cite item

Full Text

Abstract

The purpose of this work is to propose and investigate a simple and effective model of an epidemic in an animal population that takes into account migration along the plane of both diseased and healthy individuals. Within the framework of this model, the spatial migration of a population is described by introducing both diffusion and advective terms into its equations. Methods. In this paper, a method of many scales was used to find an asymptotic solution to the system of equations of the epidemic. Solutions of auxiliary linear equations of the parabolic type arising during this procedure were found using the Poisson integral. The simplification of the initial system of equations of the model is based on the assumption that the sum of densities of healthy and sick individuals on a single-connected region of large diameter on the plane is constant at the initial moment of time. Results. It is shown that in this case, designed for a slowly changing initial density of sick individuals concentrated inside this area at a considerable distance from its boundaries, the asymptotic solution of the model describes the effect of merging several spatially spaced small outbreaks of the disease into one large outbreak during migration of the entire population as a whole. In particular, for such an initial density obtained by the functional transformation of a Gaussian, a circular plateau is formed over long periods with an effective radius that grows linearly over time. Conclusion. The constructed asymptotic solution of the epidemic model proposed in this paper is simple in form and describes the transfer of the disease on a locally flat area of the earth’s surface without the use of numerical methods. This solution is convenient when describing the migration of a sick population under the influence of flooding, forest fire, man-made disaster with contamination of the area, etc.  

About the authors

Aleksandr Eduardovich Rassadin

Nizhny Novgorod Mathematical Society

Nizhny Novgorod, prospekt Gagarina, 23, korpus 4, room 406

References

  1. Lotka A. J. Elements of physical biology. Williams & Wilkins, 1925. 460 p.
  2. Volterra V. Variazioni e fluttuazioni del numero d’individui in specie animali conviventi // Memoria della Reale Accademia Nazionale dei Lincei. 1926. Vol. 2. P. 31–113.
  3. Базыкин А. Д. Математическая биофизика взаимодействующих популяций. M.: Наука, 1985. 181 с.
  4. Ризниченко Г. Ю. Лекции по математическим моделям в биологии. M.-Ижевск: Институт компьютерных исследований, НИЦ «Регулярная и хаотическая динамика», 2010. 560 с.
  5. Фрисман В. Я., Кулаков М. П., Ревуцкая О. Л., Жданова О. Л., Неверова Г. П. Основные направления и обзор современного состояния исследований динамики структурированных и взаимодействующих популяций // Компьютерные исследования и моделирование. 2019. Т. 11, № 1. С. 119—151. doi: 10.20537/2076-7633-2019-11-1-119-151.
  6. Белотелов Н. В., Коноваленко И. А. Моделирование влияния подвижности особей на пространственно-временную динамику популяции на основе компьютерной модели // Компьютерные исследования и моделирование. 2016. Т. 8, № 2. С. 297—305. doi: 10.20537/2076-7633-2016-8-2-297-305.
  7. Кулаков М. П., Фрисман В. Я. Подходы к исследованию мультистабильности пространственно-временной динамики двухвозрастной популяции // Известия вузов. ПНД. 2020. Т. 28, № 6. С. 653—678. doi: 10.18500/0869-6632-2020-28-6-653-678.
  8. Brauer F., Castillo-Chavez C., Feng Z. Mathematical models in epidemiology. Springer Science+ Business Media, LLC, part of Springer Nature, 2019. 619 p. doi: 10.1007/978-1-4939-9828-9.
  9. Kant S., Kumar V. Stability analysis of predator–prey system with migrating prey and disease infection in both species // Applied Mathematical Modelling. 2017. Vol. 42. P. 509—539. doi: 10.1016/j.apm.2016.10.003.
  10. Шабунин А. В. SIRS-модель распространения инфекций с динамическим регулированием численности популяции: Исследование методом вероятностных клеточных автоматов // Известия вузов. ПНД. 2019. Т. 27, № 2. С. 5—20. doi: 10.18500/0869-6632-2019-27-2-5-20.
  11. Arif M., Abodayeh K., Ejaz A. On the stability of the diffusive and non-diffusive predator-prey system with consuming resources and disease in prey species // Mathematical Biosciences and Engineering. 2023. Vol. 20, no 3. P. 5066—5093. doi: 10.3934/mbe.2023235.
  12. Kermack W. O., McKendrick A. G. Contributions to the mathematical theory of epidemics. II. — The problem of endemicity // Proceedings of the Royal Society of London. Series A, Containing Papers of a Mathematical and Physical Character. 1932. Vol. 138, no. 834. P. 55–83. doi: 10.1098/rspa.1932.0171.
  13. Аристов В. В., Строганов А. В., Ястребов А. Д. Применение модели кинетического типа для изучения пространственного распространения COVID-19 // Компьютерные исследования и моделирование. 2021. Т. 13, № 3. С. 611—627. doi: 10.20537/2076-7633-2021-13-3-611-627.
  14. Бугров В. О., Рассадин А. Э. Модель распространения пандемии с двумя устойчивыми состояниями // «Математическое моделирование, численные методы и комплексы программ»: X Международная научная молодежная школа-семинар имени Е. В. Воскресенского (Саранск, 14–18 июля 2022 г.). С. 40–48.
  15. Barwolff G. A local and time resolution of the COVID-19 propagation — a two-dimensional approach for Germany including diffusion phenomena to describe the spatial spread of the COVID-19 pandemic // Physics. 2021. Vol. 3. P. 536–548. doi: 10.3390/physics3030033.
  16. Viguerie A., Veneziani A., Lorenzo G., Baroli D., Aretz-Nellesen N., Patton A., Yankeelov T. E., Reali A., Hughes T. J. R., Auricchio F. Diffusion–reaction compartmental models formulated in a continuum mechanics framework: application to COVID-19, mathematical analysis, and numerical study // Computational Mechanics. 2020. Vol. 66. P. 1131–1152. doi: 10.1007/s00466-020-01888-0.
  17. Тихонов А. Н., Самарский А. А. Уравнения математической физики. М.: Наука, 1966. 724 с.
  18. Колмогоров А. Н., Петровский И. Г., Пискунов Н. С. Исследование уравнения диффузии, соединённой с возрастанием вещества, и его применение к одной биологической проблеме // Бюллетень МГУ. Секция А. Математика и механика. 1937. Т. 1, вып. 6. С. 1–26.
  19. Берман В. С. Об асимптотическом решении одной нестационарной задачи о распространении фронта химической реакции // Доклады АН СССР. 1978. Т. 242, № 2. С. 265–267.
  20. Kardar M., Parisi G., Zhang Y. C. Dynamical scaling of growing interfaces // Physical Review Letters. 1986. Vol. 56. P. 889–892. doi: 10.1103/PhysRevLett.56.889.

Supplementary files

Supplementary Files
Action
1. JATS XML

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».