Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > q-bio > arXiv:2507.08385

帮助 | 高级搜索

定量生物学 > 种群与进化

arXiv:2507.08385 (q-bio)
[提交于 2025年7月11日 ]

标题: 传染病在修改的SEIRS模型中的传播

标题: Infectious Disease Transmission In A Modified SEIRS model

Authors:Kasturi Banerjee, Subhankar Ray, Jayalakshmi Shamanna
摘要: 如易感-感染-恢复(SIR)\cite{Kermack1927}及其扩展模型如易感-潜伏-感染-恢复(SEIRS)\cite{Ottar2020,Ignazio2021,Grimm2021,Paoluzzi2021}这样的分 compartment 模型常用于模拟传染病的传播。我们在这里提出一种修改后的 SEIRS,即 SEIRSD 模型,该模型包括:(i) 从潜伏到易感 compartment 的反向传播,以考虑自然中疾病传播的概率特性,以及 (ii) 除了其他原因导致的死亡外,还包括由感染引起的死亡。我们观察到,从潜伏类到易感类的反向流动对感染峰值的高度及其发生时间有显著影响。鉴于最近新冠变异株的激增,这项研究最为相关。
摘要: Compartmental models like the Susceptible-Infected-Recovered (SIR)\cite{Kermack1927} and its extensions such as the Susceptible-Exposed-Infected-Recovered (SEIRS)\cite{Ottar2020,Ignazio2021,Grimm2021,Paoluzzi2021} are commonly used to model the spread of infectious diseases. We propose here, a modified SEIRS, namely, an SEIRSD model which comprises of (i) a reverse transmission from exposed to susceptible compartment to account for the probabilistic character of disease transmission seen in nature, and (ii) inclusion of mortality caused by infection in addition to death by other causes. We observed that, a reverse flow from exposed to susceptible class, has a significant impact on the height of infection peaks and their time of occurrence. In view of the recent surges of Covid-19 variants, this study is most relevant.
评论: 4页,8图
主题: 种群与进化 (q-bio.PE)
引用方式: arXiv:2507.08385 [q-bio.PE]
  (或者 arXiv:2507.08385v1 [q-bio.PE] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.08385
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Jayalakshmi Shamanna [查看电子邮件]
[v1] 星期五, 2025 年 7 月 11 日 07:58:58 UTC (964 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
q-bio
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
q-bio.PE

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号