Ниже все упомянутые заданные параметры могут быть или константами, или задаваться распределением.
1. Клиренс возбудителя C. Если человек, не находящийся в состоянии инкубационного периода, получает не более этого количества возбудителя за квант времени, эффект игнорируется.
2. Если для какого-то человека на каком-то кванте времени клиренс превышен, для него начинается инкубационный период заданной длительности I.
3. Порог инокуляции N. Если в течение инкубационного периода человек получил не более этого количества возбудителя, он считается инокулированным и выбывает из модели.
4. Порог бессимптомного/амбулаторного течения A. Если в течение инкубационного периода человек получил не более этого количества возбудителя, далее в течение длительности всей болезни L1 он раздаёт каждому встреченному F1 юнитов возбудителя, после чего выбывает из модели.
5. Если полученное количество возбудителя выше A, то человек заболевает достаточно тяжело (т.е. выбывает из модели), но перед этим за время доклинического течения L2 он раздаёт каждому "встреченному" F2 юнитов возбудителя.
У каждого человека есть фиксированный круг общения (с членами которого он "встречается" каждый день с какой-то вероятностью) и уровень общительности, т.е. число случайных людей, с которыми он может "встретиться" за день.
Чует моё сердце, что подобная модель способна объяснить эффект "пред-эпидемии", т.е. эти "а я в ноябре-декабре-январе чем-то похожим болел", но программировать всё это мне лень. :)
This entry was originally posted at https://spamsink.dreamwidth.org/1164942.html. Please comment there using OpenID.