KONTROL OPTIMAL UNTUK SIRC EPIDEMI WABAH

Abstrak
Dalam makalah ini model epidemi SIRC matematika diajukan. Secara efisien
menggambarkan penyakit di mana kelas lintas kekebalan ( C ) dihadirkan, bersama dengan
rentan ( S ), terinfeksi ( I ) dan pulih (R ). Pengendalian penyakit epidemik yang sesuai
vaksinasi, karantina dan strategi pengobatan; umumnya hanya satu dari tindakan ini yang
dipertimbangkan. Dalam makalah ini kemungkinan kontrol optimal baik subjek rentan dan
yang terinfeksi diasumsikan, dengan mempertimbangkan juga keterbatasan sumber
daya. Sebuah indeks biaya yang sesuai diperkenalkan dan melalui Prinsip Minimum
Pontryagin ini strategi kontrol optimal ditentukan dan eksistensi solusi optimal ditaksir. Hasil
numerik dikembangkan dengan menganalisis efek dari strategi pengendalian yang berbeda.

1. Perkenalan
Model matematika telah menjadi instrumen penting dalam analisis dan pengendalian
penyakit menular. Beberapa model yang sesuai dengan epidemi dengan karakteristik yang
berbeda telah diusulkan dan dibahas dalam literatur. Asumsi mendasar dalam model epidemi
adalah bahwa populasi dapat dibagi menjadi kelompok-kelompok yang berbeda;yang paling
umum adalah: rentan ( S ) yang merupakan subjek yang dapat terjangkit penyakit; yang
terinfeksi ( I ) yang merupakan subjek yang sudah terjangkit dan dapat menyebarkan penyakit
kepada individu yang rentan; sembuh ( R ) yang merupakan subjek yang kebal seumur
hidup. Oleh karena itu model ini disebut sebagai model SIR. Deskripsi lain mungkin
termasuk kehadiran subjek dalam masa karantina (Q) dan dalam hal ini model SIRQ
dianalisis [1] . Baru-baru ini di [2] kelas individu lintas-kekebalan ( C ) dalam populasi telah
diperkenalkan: itu adalah keadaan antara sepenuhnya rentan ( S ) dan sepenuhnya sembuh
( R ). Oleh karena itu model SIRC yang diperoleh memperhitungkan imunitas parsial
sementara dan mungkin dijelaskan, misalnya, influenza tipe A.
Pembelajaran model matematika untuk epidemik memungkinkan penilaian dampak
strategi kontrol yang berbeda: penyuluhan penjadwalan vaksinasi yang tepat [3] dan [4] ,
penyaringan dan penyuluhan pendidikan [5] , kebijakan isolasi [6] , sumber daya
alokasi [5] dan [7] . Sebuah pendekatan disarankan terletak pada kerangka teori kontrol
optimal; ulasan menarik dapat ditemukan di [8] . Hasil analisis pada masalah kontrol optimal
untuk epidemi secara luas dijelaskan dalam [9] , di mana model dengan kontrol menggunakan
vaksinasi, karantina, pemeriksaan atau penyuluhan kesehatan dipelajari dengan pilihan yang
agak umum untuk fungsi interaksi.
Berbagai jenis penyakit menular dinilai untuk model dan strategi yang
berbeda. Dalam[10] penyakit sindrom pernapasan akut (SARS) dipertimbangkan untuk

menemukan strategi pelacakan dan mengkarantina kontak dari kasus diidentifikasi; itu
menunjukkan bahwa ini bisa sangat sukses dalam mengurangi penyebaran. Dalam [11] itu
membuktikan bahwa tindakan karantina / isolasi maksimum untuk subpopulasi laten dan
kelas terinfeksi akan mengurangi epidemik SARS; kontrol pergantian bang-bang
diperoleh. Dalam dekade terakhir perhatian besar telah dikhususkan untuk pemodelan dan
kontrol dari human immunodeficiency virus (HIV); di [12] output skema umpan balik
berbasis di CD4 sel-T dan pengukuran beban oleh virus telah diperkenalkan. Untuk kontrol
dalam epidemi Dengue strategi optimal dan sub-optimal dipertimbangkan dalam [13] ; efek
dari penyuluhan pendidikan yang diselenggarakan untuk memotivasi penduduk untuk
memutus siklus reproduksi nyamuk dengan menghindari akumulasi peresapan air terbuka
dimodelkan dan indeks biaya diasumsikan mencerminkan kompromi antara pengeluaran
keuangan yang sebenarnya dan kesehatan penduduk. Solusi optimal dan suboptimal
diperkenalkan juga di [14] dengan mengacu karantina dan kontrol isolasi dalam epidemi
SARS, menunjukkan bahwa aplikasi maksimal dari strategi pengendalian dalam tahap awal
epidemi dari dampak yang sangat signifikan dalam kedua kasus kontrol dipertimbangkan.
Dalam makalah ini model SIRC yang dianggap bertujuan untuk mengendalikan
penyebaran epidemik, dengan mempertimbangkan keterbatasan sumber daya. Di antara
penyebab kematian terkait dengan influenza, pneumonia, jantung dan peredaran darah yang
paling signifikan; apalagi sebagian besar kematian ini pada individu dalam kelompok usia di
atas 65 tahun sedangkan anak-anak muda berada pada risiko yang signifikan dari rawat inap
influenza. Pertimbangan ini merekomendasikan vaksinasi untuk subjek di atas 64 tahun (59
di beberapa negara) dan untuk anak-anak (di atas 6 bulan).Sifat dari influenza adalah
musiman; puncak influenza yang terkait dengan kondisi cuaca, dan pola sosial, misalnya
liburan sekolah.
Dalam tulisan ini, dalam kerangka beberapa kontrol optimal [15]-[17] , kontrol baik pada
populasi rentan dan terinfeksi diperkenalkan dan eksistensi solusi optimal dinilai dalam
model epidemi SIRC . Perhatikan bahwa pendekatan yang sama disajikan dalam [18] dengan
mengacu pada vektor penyakit dan tidak mempertimbangkan populasi lintas-kekebalan.
Makalah ini disusun sebagai berikut; dalam Bagian 2 model SIRC dijelaskan dan
strategi kontrol optimal diperkenalkan; tindakan kontrol yang diusulkan dianalisis dan hasil
eksistensi dihitung. Dalam Bagian 3 hasil numerik disajikan dan dibahas.
2. Bahan-bahan dan metode-metode
2.1. Model SIRC dan pengenalan strategi pengendalian
Model SIRC diperkenalkan oleh [2] dengan mempertimbangkan kehadiran populasi
rentan, terinfeksi,sembuh dan lintas-kekebalan:
Persamaan( 1 )

S(t)

: individu yang rentan pada waktu t,

I(t)

: individu yang terinfeksi pada waktu t,

R(t)

: individu yang pulih pada waktu t,

C(t)

: individu yang telah pulih setelah terinfeksi strain

lain,

: laju kelahiran yang sama dengan laju kematian,

: laju kontak subpopulasi rentan ke subpopulasi yang

terinfeksi,

: laju besarnya subpopulasi yang pulih,

: laju subpopulasi yang sembuh setelah terinfeksi

kemudian memiliki kekebalan sementara,

: rata-rata
kemungkinan
subpopulasi C,

infeksi

ulang

dari

(1) : laju subpopulasi yang memiliki kekebalan sementara

kemudian pulih total,

: laju subpopulasi yang memiliki kekebalan sementara

kemudian kembali rentan.

dengan kondisi awal:

S (0)=S 0 , I(0)= I 0 , R(0)= R 0 , C(0)= C 0
dan parameter real positif: , , , , , . Dalam Gambar. 1 skema model SIRC
digambarkan. Parameter , dan adalah invers dari rata-rata waktu yang dihabiskan oleh
subyek dalam kompartemen I , R dan C masing-masing. Parameter merupakan angka
kematian di setiap bagan dan, mengikuti saran dalam [2] , diasumsikan sama dengan tingkat
yang kelahiran baru dalam populasi; parameter dapat diartikan sebagai rata-rata
kemungkinan terinfeksi kembali pada subjek lintas-kekebalan, sedangkan parameter adalah
tingkat kontak. Ada beberapa hubungan antara parameter model:

1 1
( + )
= R
dan =r +

( )

dengan 2 R 10

dan r 0,026 (tahun) -

; khususnya, mewakili jumlah reproduksi [19] sedangkan r merupakan tingkat

infeksi [20] .
Kebaruan dari model ini adalah memperhitungkan kehadiran lintas- kekebalan ( C ), yaitu
subjek yang memiliki kekebalan tubuh sementara. Secara efisien menjelaskan mekanisme
virus influenza A.
Dalam makalah ini efek dari strategi kontrol kedua subjek rentan (yaitu vaksinasi) dan
populasi yang terinfeksi (pengobatan dan karantina) dipelajari.Untuk tujuan ini syarat aditif
yg sesuai diperkenalkan pada persamaan diferensial relatif terhadap populasi rentan,
kekebalan dan sembuh:
S ( t )= ( 1S (t) ) S ( t ) I ( t ) +C ( t ) g ( S ( t ) ,u (t) )
I ( t )=S ( t ) I ( t ) +C (t ) I ( t )( + ) I (t )h ( I ( t ) , v (t ))
( t ) =( 1 ) C ( t ) I ( t ) +I ( t )( + ) R ( t ) + g ( S (t ) ,u ( t ) ) +h ( I ( t ) , v (t) )
R
( t )=R ( t ) C ( t ) I ( t )(+ )C (t)
C
dengan kondisi awal sama dengan (2) dan dengan batas-batas:
umin u(t) umax
v min v (t) v max
Fungsi g ( S (), u ()) dan h (I ( ), v ( )) merupakan tindakan upaya kontrol; sebelumnya
model kontrol terhadap rentan, misalnya tindakan vaksinasi, sedangkan yang terakhir
mewakili pengobatan dan / atau tindakan karantina. Deskripsi matematika yang berbeda
untuk strategi ini dapat digunakan; ekspresi diusulkan dalam [21] telah diasumsikan
(perhatikan bahwa dalam kutipan paper hanya kontrol oleh vaksinasi yg diperkenalkan):
Persamaan( 5,6 )
g ( S (t ) ,u (t) ) =1 S ( t ) u( t)
h ( I ( t ) , v (t) )= 2 I (t ) v (t)
dengan 1 , 2 > 0.
2.3. strategi pengendalian yang optimal
Misal didefinisikan indeks biaya berikut:
Persamaan( 12 )

dengan 1 , 2 , 1 , 2 > 0 mewakili bobot dalam indeks biaya, t i 0 adalah ketetapan

waktu awal dan t f > 0 adalah ketetapan waktu akhir interval kontrol. Tujuannya adalah
untuk meminimalkan individu yang terinfeksi dan rentan dan untuk memaksimalkan subjek
sembuh menggunakan upaya pengendalian minimal. Jelas indeks biaya yang dianut
memperhitungkan juga kasus yang lebih umum di mana tujuannya adalah untuk
meminimalkan hanya pada subjek yang terinfeksi, dan tidak pada yang rentan.
Mari kita perhatikan masalah berikut.
Permasalahan :
Mengingat model (3) dengan kondisi awal (2) , menentukan keadaan x dan kontrol u
dan v memenuhi sistem (3) , kondisi (4) dan meminimalkan indeks biaya (12) .
Tujuannya adalah untuk menentukan strategi terbaik yang meminimalkan jumlah subjek
rentan dan terinfeksi dan mengontrol sumber daya dalam interval kontrol tetap.
Sebelumnya akan dibahas eksistensi kontrol optimal. Hal ini dijamin oleh argumen
berikut [23] :
1. Set kontrol dan variabel adalah tidak-kosong
2. Ruang kontrol tertutup dan cembung
3. Sisi kanan dari sistem dibatasi oleh fungsi linear persamaan dan kontrol
4. Integran di indeks biaya cembung sehubungan dengan kontrol u dan v
5. Konstanta > 1 eksis dan bilangan positif 1 dan 2 sehingga:
Persamaan( 13 )
J (u (t), v (t)) 2 (| u (t) | 2 + | v (t) | 2 ) n / 2 - 1
Kondisi 1 memenuhi hasil di [24] , teorema 9.2.1; Kondisi 2 dibuktikan oleh definisi. Kondisi
3 mengikuti pernyataan dalam pembahasan sebelumnya. Integran jelas cembung sehubungan
dengan kontrol u dan v . Kondisi 5 dan pertidaksamaan (13) memperhitungkan bahwa
variabel dibatasi.
Sekarang kita akan memecahkan masalah kontrol optimal dan kita dilambangkan
denganU = ( u v ) kumpulan kontrol yg diterima yang merupakan dua kontrol memenuhi
kendala (4) .Mari kita mendefinisikan persamaan Hamilton:
Persamaan( 14 )

di mana 0 dan adalah pengali Lagrange. Dari prinsip minimum Pontryagin (untuk survei
formulasi yang berbeda dari prinsip minimum lihat, misalnya [25] ), hasil berikut ini berlaku.
Misal ( x * U *) memenuhi sistem kontrol dinamik (3) , kondisi awal (2) dan
kendala (4) . Ini adalah solusi yang optimal (minimum global) jika terdapat konstanta 0 0,

1
fungsi C [ t i , t f ] tidak simultan sama dengan nol sehingga:
Persamaan( 15 )
T
= H
x

H ( x ( t ) , , 0 , (t) ) H ( x ( t ) ,U (t), 0 , (t) )

admissible control

H| =0 , ( t f )=0
notasi
menunjukkan semua fungsi piece-wise terdiferensiasi kontinu. Perhatikan
bahwa kasus tunggal 0 = 0 tidak mungkin; sebenarnya dalam kasus ini, dengan
mempertimbangkan kondisi terakhir di (15) , keberadaan dan teorema keunikan untuk
persamaan diferensial menyiratkan 1 = 2 = 3 = 4 = 0 yang tidak mungkin.
Mari kita meneliti syarat penting optimalisasi dengan mengasumsikan 0 = 1:
Persamaan( 16 )

Persamaan( 17 )

Persamaan( 18 )
H | * = 0
Persamaan( 19 )
1 (t f ) = 2 (t f ) = 3 (t f ) = 4 (t f ) = 0
dengan memanfaatkan kondisi minimum (17) berikut:
Persamaan( 20 )

Dan karena itu, dengan mempertimbangkan kendala kotak pada kontrol, kita memperoleh:
Persamaan( 21 )

dan
Persamaan( 22 )

Pada bagian berikutnya kita membahas solusi numerik dari masalah kontrol optimal.
3. Hasil dan Pembahasan
Pada bagian ini kondisi yang diperlukan (16) - (19) yang dipelajari, dari sudut pandang
numerik; dipecahkan dengan menggunakan Matlab Optimization Toolbox dan
fungsi bantuan fmincon . Hal ini memungkinkan temuan minimal dibatasi dari fungsi dari
beberapa variabel; fungsi ini menggunakan metode pemrograman kuadratik
berurutan [26] . Itu memecahkan subproblem program kuadratik [27] pada setiap iterasi
positif tertentu dengan pendekatan Quasi-Newton dari fungsi Lagrange Hessian yg telah
diupdate dengan menggunakan metode Broyden-Fletcher-Goldfarb-Shanno [28] . .

Persamaan (3) yang discretized dengan menggunakan aturan trapesium klasik membagi
interval waktu durasi ke n - 1 subinterval sama jarak; dalam simulasi diasumsikan n = 500
dengan ad hoc integrasi langkah untuk mensimulasikan periode kontrol dari satu tahun.
Untuk membicarakan dampak dari strategi kontrol jumlah subjek rentan dan
terinfeksi, nilai berikut untuk model SIRC diadopsi:
Diambil dari literatur yang relevan; khususnya variasi realistis nilai minimum dan maksimum
dibahas pada Tabel 1 dari [2] ; nilai-nilai diasumsikan sangat cocok untuk Model influenza A:
estimasi mereka didasarkan pada pengamatan klinis dan studi genetik pada jenis
influenza. Selain itu tercatat bahwa lintas-kekebalan dan efek pendorong merupakan kendala
untuk memaksimalkan penularan dan bahwa nilai besar laju kontak mungkin menyiratkan
keterlambatan dalam penyebaran penyakit; untuk pilihan yang diusulkan parameter ini terjadi
untuk nilai reproduksi jumlah kurang dari 2 yang tidak akan dipertimbangkan di dalam
makalah ini.
Sejauh kendala untuk syarat kontrol, di [29] telah mencatat bahwa vaksinasi semua
individu yang rentan pada satu waktu tidak mungkin; Oleh karena itu mereka mengusulkan
pembatasan kontrol vaksinasi sehingga kita memperluas juga untuk strategi karantina:
0 u (t) 0.9 0 v (t) 0.9
Setiap kontrol u dan v beban di pers. (5) dan (6) dengan parameter 1 = 2 dan 2 =
2 masing-masing. Bobot dalam indeks biaya dipilih untuk hak istimewa efek minimalisasi
atas subyek infektif terhadap orang-orang yang rentan dan sehubungan dengan persyaratan
kontrol yang telah sudah dibatasi oleh batas-batas kotak berlari:
Persamaan( 23 )
1 = 10 - 3 , 2 = 0,997, 1 = 10 - 3 , 2 = 10 - 3
Jumlah subjek yang rentan, terinfeksi, sembuh dan lintas-kekebalan diasumsikan
dinormalisasi terhadap total penduduk, karena itu mereka terbatas antara nol dan satu. Dua
situasi yang berbeda dipertimbangkan; pertama epidemi itu hanya pada awal difusi,
sedangkan yg kedua jumlah subjek yang terinfeksi sudah signifikan pada awal tindakan
kontrol. Kondisi awal yang berbeda menghasilkan hasil yang berbeda di puncak epidemi
menyebar dan dalam upaya kontrol, seperti yang akan ditunjukkan kemudian.
Pilihan pertama untuk kondisi awal adalah:

S 0 = 1-I 0 , I 0 = 10 - 6 , R 0 = 0, C 0 = 0
Dalam berikut ini akan ditarik sebagai Kasus I. Dalam Gambar. 2 dua kontrol diperoleh
disajikan. Perhatikan bahwa kontrol u , yang bertindak langsung di atas rentan, diasumsikan
nilai maksimum pada awal periode kontrol sampai empat bulan (lebih tepatnya, 126 hari) dan
berturut-turut menurun secara monoton, sedangkan kontrol v ditambah dengan nilai

maksimum, yang dicapai setelah hampir dua bulan setengah sejak awal pengobatan, dan
kemudian menurun monoton dari bulan ketiga dan setengah. Kontrol atas subyek yang
terinfeksi dapat dikurangi hampir nol setelah sekitar 6 bulan sejak awal pengobatan.
Dalam Gambar. 3 perilaku subjek rentan, terinfeksi, sembuh dan lintas-kekebalan ketika dua
kontrol optimal yang aktif ditunjukkan. Untuk memeriksa efek dari strategi kontrol yang
bertindak langsung baik pada subjek rentan dan terinfeksi, simulasi yang sama
dari Gambar. 3 diulang juga dalam tiga situasi lain: dengan asumsi tidak ada kontrol, bukan
di rentan maupun di terinfeksi, dengan asumsi kontrol hanya pada rentan dan akhirnya
mempertimbangkan kontrol hanya pada yang terinfeksi.
Dalam Gambar. 4 dan Gambar. 5 perilaku rentan dan subjek yang terinfeksi dalam empat
situasi dianalisis terwakili dalam sebelas dan dua belas bulan pertama dari periode kontrol,
masing-masing. Sejauh jumlah rentan yang bersangkutan, pengurangan sehubungan dengan
nilai awal S 0 adalah hampir setara baik bila strategi dengan kontrol ganda diadopsi dan ketika
hanya rentan dikendalikan, dengan nilai sekitar 65%. Dalam ketiadaan semua tindakan
kontrol atau di hadapan kontrol hanya pada subjek yang terinfeksi pengurangan
terhadap S 0 adalah sekitar 71%.
Meskipun situasi tampaknya lebih buruk mengadopsi strategi kontrol ganda,
di Gambar. 4orang dapat melihat bahwa jumlah subjek rentan sangat menurun pada awal
wabah karena relokasi mereka di kelas pulih, sehingga kebocoran penting dari potensi orang
yang terinfeksi, seperti dapat dihargai di puncak lebih rendah dari epidemi dan dalam nya
menunda, Gambar. 5 .

Untuk membandingkan numerik strategi yang berbeda selama subjek yang terinfeksi, karena
situasi referensi diasumsikan tidak adanya kontrol dan persentase berikut dievaluasi:
qI=

max ( I )max ( I )
100
max ( I )

dimana superscript mewakili subjek yang terinfeksi dalam situasi referensi tidak ada kontrol
dan I adalah subyek yang terinfeksi di salah satu situasi kontrol dipertimbangkan; itu adalah
ukuran dari pengurangan puncak pengaruh. Kuantitas qI adalah sama dengan -87% bila
strategi kontrol ganda diadopsi, sedangkan bila mengendalikan hanya rentan atau hanya
terinfeksi kuantitas yang sama adalah sama dengan -84% dan -5% masing-masing.

Ara. 4.
Kasus I. Perbandingan kejadian subyek rentan dalam empat situasi dianggap: dengan
asumsi tidak ada kontrol, bukan di rentan maupun di terinfeksi, dengan asumsi kontrol
hanya pada rentan, mengingat kontrol hanya pada yang terinfeksi, mengingat kontrol
ganda yang diusulkan .
Ara. 5.
Kasus I. Perbandingan kejadian
subyek
yang terinfeksi di empat situasi
dianggap asumsi tidak ada kontrol,
bukan
di rentan maupun di terinfeksi,
dengan
asumsi kontrol hanya pada rentan,
mengingat kontrol hanya pada
yang
terinfeksi, mengingat kontrol ganda
yang
diusulkan
Hasil ini ditingkatkan bahwa strategi yang dikendalikan baik rentan dan terinfeksi
menghasilkan pengurangan yang lebih signifikan dalam jumlah subjek yang terinfeksi
daripada strategi kontrol lainnya.
Sejauh situasi kedua dianggap sebagai pilihan berikut untuk nilai awal diasumsikan:

S 0 = 0,99, I 0 = 5 10 -3 , R 0 = 3 10 -3 , C 0 = 2 10 -3
Dalam berikut ini akan ditarik sebagai kasus II. Ini berarti bahwa strategi pengendalian
dimulai ketika epidemi sudah signifikan meluas.
Ara. 6.
Kasus II. Optimal mengontrol u (t) dan v (t) ketika epidemi itu sudah signifikan meluas.
Dalam Gambar. 6 dua kontrol optimal diperoleh disajikan. Perhatikan bahwa
kontrol udiasumsikan nilai maksimum pada awal periode kontrol sampai satu bulan setengah
(lebih tepatnya, 44 hari) dan berturut-turut menurun monoton, sedangkan kontrol v ditambah
dengan nilai maksimum, yang dicapai setelah satu minggu sejak awal pengobatan, dan
kemudian menurun secara monoton setelah

sekitar satu bulan setengah. Kontrol atas subyek yang terinfeksi harus dikurangi hampir nol
setelah hampir empat bulan (113 hari) sejak awal pengobatan.
Ara. 7.
Kasus II. Solusi dari model SIRC menggunakan dua kontrol optimal.

Dalam Gambar. 7 perilaku subjek rentan, terinfeksi, pulih dan lintas kekebalan ketika dua
kontrol optimal yang aktif ditunjukkan. Juga dalam situasi ini, untuk memeriksa efek dari
strategi pengendalian yang bertindak langsung baik pada subjek rentan dan terinfeksi,

simulasi yang sama dari Gambar. 7 diulang dalam tiga situasi: dengan asumsi tidak ada
kontrol, dengan asumsi kontrol hanya pada rentan dan akhirnya mempertimbangkan kontrol
hanya pada yang terinfeksi.
Ara. 8.
Kasus II. Perbandingan kejadian subyek rentan dalam empat situasi dianggap: dengan
asumsi tidak ada kontrol, bukan di rentan maupun di terinfeksi, dengan asumsi kontrol
hanya pada rentan, mengingat kontrol hanya pada yang terinfeksi, mengingat kontrol
ganda yang diusulkan.
Ara. 9.
Kasus II. Perbandingan kejadian subyek yang terinfeksi di empat situasi dianggap
asumsi tidak ada kontrol, bukan di rentan maupun di terinfeksi, dengan asumsi kontrol
hanya pada rentan, mengingat kontrol hanya pada yang terinfeksi, mengingat kontrol
ganda yang diusulkan.
DalamGambar. 8 dan Gambar. 9 perilaku rentan dan subjek yang terinfeksi di empat situasi
dianalisis diwakili dalam tujuh bulan pertama periode kontrol, masing-masing.Sejauh jumlah
rentan yang bersangkutan, pengurangan sehubungan dengan nilai awal S0 adalah hampir
setara baik bila strategi dengan kontrol ganda diadopsi dan ketika hanya rentan dikendalikan,
dengan nilai sekitar -70%. Dalam kehadiran semua tindakan kontrol atau di hadapan kontrol
hanya pada subjek yang terinfeksi pengurangan terhadap S 0 adalah sekitar -67%. Efek dari
strategi kontrol subjek yang terinfeksi dianalisis dengan cara q I kuantitas. Itu sama dengan
-31% bila strategi kontrol ganda diadopsi, sedangkan, ketika mengendalikan hanya pada
rentan dan hanya pada yang terinfeksi, jumlah yang sama adalah sama dengan -26% dan -5%
masing-masing. Hasil ini ditingkatkan bahwa strategi yang dikendalikan baik rentan dan

terinfeksi menghasilkan pengurangan yang lebih signifikan dalam jumlah subjek yang
terinfeksi daripada strategi kontrol lainnya. Selain itu, perhatikan bahwa di Kasus II, puncak
epidemi tidak berubah secara signifikan dalam waktu, bahkan jika, seperti yang sudah
ditunjukkan, berubah secara signifikan dalam nilai-nilainya, tergantung pada strategi
pengendalian yang dipilih.
Dalam kedua kasus itu menarik untuk mempelajari pengaruh jumlah reproduksi (dan karena
itu transmisi parameter ) pada strategi kontrol optimal. Perhatikan bahwa parameter ini
mempengaruhi tidak hanya tingkat kontak subjek rentan, tetapi juga kemungkinan masuk
kembali dalam kompartemen sembuh setelah periode lintas kekebalan tubuh. Dua situasi baru
dianggap: angka reproduksi = 6 dan 10, yaitu sama dengan setengah dan titik akhir dari
rentang diperbolehkan. Dalam kasus I, untuk
tercatat bahwa kontrol u ( t ) mulai dari
nilai maksimum yang diizinkan dan menurun pada hari ke-21, sedangkan kontrol pada
terinfeksi mencapai nilai maksimum pada hari 16, menurun setelah 2 minggu. Hasil yang
sama dapat diamati untuk
, Dengan kontrol pada rentan yang mulai berkurang dari
nilai maksimum setelah 13 hari dan kontrol pada yang terinfeksi yang diasumsikan nilai
maksimum antara hari sebelas dan dua puluh tiga, dan kemudian menurun.
Dalam kasus
, Sejauh jumlah rentan yang bersangkutan, pengurangan sehubungan
dengan nilai awal S 0 adalah sekitar 85%; nilai ini, yang lebih besar yang sesuai diperoleh
dengan
, Adalah wajar karena tingkat kontak yang lebih besar. Efek dari strategi kontrol
pada jumlah subjek yang terinfeksi dianalisis dengan cara qI kuantitas yang sama dengan
-15%, sehingga meningkatkan pengurangan keterangan kurang dari jumlah subjek yang
terinfeksi, dibandingkan keadaan sebelumnya; juga lokasi puncak, yang datang lebih awal
(sekitar setelah tiga minggu), mencerminkan pengaruh tingkat kontak yang lebih
besar. Pertimbangan yang sama terus juga dalam kasus
, Di mana pengurangan jumlah
individu yang rentan terhadap nilai awal S 0 adalah hampir konstan sedangkan qI kuantitas
sama dengan -7% dan juga puncak terletak signifikan sebelumnya (hari 14).
Pertimbangan serupa tahan juga untuk Kasus II epidemi sudah jauh luas. Sejauh kontrol yang
bersangkutan, untuk
kontrol atas subjek rentan, mulai dari nilai maksimum yang
diizinkan, mulai berkurang di hari 10, sedangkan kontrol atas terinfeksi mencapai nilai
maksimum pada hari ke 5 dan mulai menurun setelah sekitar 3 minggu (20 hari). Sekali lagi,
solusi optimal adalah usaha maksimal pada awal penyakit, dan berturut-turut menurun. Hasil
yang sama dapat diamati untuk
, Dengan kontrol atas rentan yang mulai berkurang
dari nilai maksimum setelah sekitar satu minggu dan kontrol atas yang terinfeksi yang
diasumsikan nilai maksimum antara hari keempat dan enam belas, dan kemudian
menurun. baik untuk
dan
pengurangan jumlah subjek rentan terhadap nilai
awal S 0 adalah sekitar 85%, sehingga mengkonfirmasikan perilaku Kasus I. Bahkan lebih
jelas itu perubahan lokasi puncak epidemi, berada di sekitar hari 7 dan 5 masing-masing,
dengan kuantitas qI sama untuk -5,68% dan -3,02% untuk dua pilihan angka reproduksi,

sehingga yang menunjukkan efek dari epidemi dengan tingkat kontak benar-benar signifikan
dan batas strategi kontrol dengan dipilih parameter kontrol, dalam kasus epidemi sudah
meluas dan tindakan kontrol tidak efektif karena bisa di kasus I.
3.1. Kontrol parameter analisis sensitivitas
Sangat menarik untuk menganalisis dalam Kasus I dan Kasus II, dengan
, Pengaruh
parameter bobot a 1 , a 2 , 1 , 2 > 0 dalam indeks biaya dan 1 , 2 > 0 di kontrol. Lebih
tepatnya, dengan asumsi sebagai kasus referensi nilai-nilai (23) untuk 1 , a 2 , 1 , 2 > 0
dan 1 = 2 = 2, situasi diringkas dalam Tabel 1 dan Tabel 2 dianggap.
Tabel 1.
Kasus I. Pengendalian parameter analisis sensitivitas.
Kasus I S 0 = 1 - I 0 , I 0 = 10 -6 , R 0 = 0, C 0 = 0

Kasus referensi: a 1 = 10 -3 , 2 =
0,997, 1 = 10 -3 , 2 = 10 -3 , 1 =
2, 2 = 2
1 = 0,298, a 2 = 0,7, 1 = 10 -3 , 2 =
10 -3 , 1 = 2, 2 = 2
1 = 10 -3 , 2 = 0,997, 1 = 0,0005 =
1/3 2 , 1 = 2, 2 = 2
1 = 10 -3 , 2 = 0,997, 1 = 0,0015 =
3 2 , 1 = 2, 2 = 2
1 = 10 -3 , 2 = 0,997, 1 = 10 -3 , 2 =
10 -3 , 1 = 10, 2 = 1
1 = 10 -3 , 2 = 0,997, 1 = 10 -3 , 2 =
10 -3 , 1 = 1, 2 = 10

-64%

qI
-87%

Lokasi puncak epidemi

penyebaran (hari)
97

-89%

-0,8%

72

-67%

-86%

96

-62%

-87%

98

-85%

-99%

33

-60%

-70%

94

Tabel 2.
Kasus II. Kontrol parameter analisis sensitivitas.
Kasus II S 0 = 0,99, I0 = 5 10 -3 , R 0 = 3 10 -3 , C 0 = 2 10 -3

Kasus referensi: a 1 = 10 -3 , 2 =
0,997, 1 = 10 -3 , 2 = 10 -3 , 1 =
2, 2 = 2
1 = 0,298, a 2 = 0,7, 1 = 10 -3 , 2 =
10 -3 , 1 = 2, 2 = 2
1 = 10 -3 , 2 = 0,997, 1 = 0,0005 =
1/3 2 , 1 = 2, 2 = 2

-70%

qI
-31%

Lokasi puncak epidemi

penyebaran (hari)
28

-88%

-0,8%

27

-72%

-31%

28

Kasus II S 0 = 0,99, I0 = 5 10 -3 , R 0 = 3 10 -3 , C 0 = 2 10 -3

-3

1 = 10 , 2 = 0,997, 1 = 0,0015 =
3 2 , 1 = 2, 2 = 2
1 = 10 -3 , 2 = 0,997, 1 = 10 -3 , 2 =
10 -3 , 1 = 10, 2 = 1
1 = 10 -3 , 2 = 0,997, 1 = 10 -3 , 2 =
10 -3 , 1 = 1, 2 = 10

-69%

qI
-31%

Lokasi puncak epidemi

penyebaran (hari)
28

-84%

-79%

21

-63%

-38%

29

Dalam kasus di mana epidemi belum meluas jika rasio antara bobot a 1 , a 2 , adalah sekitar
0,40 (dan tidak 0,001 seperti dalam kasus yang sudah diperiksa) jumlah akhir dari subjek
rentan penurunan persentase sekitar 89 % sehubungan dengan nilai awal, tetapi dengan upaya
pengendalian dalam pencegahan yang harus sama dengan nilai maksimum yang
diizinkan u max = 0,9 untuk hampir semua interval kontrol. Selain itu puncak dari subyek
yang terinfeksi sedikit menurun dari sekitar 0,8%.
Sejauh pengaruh bobot 1 , 2 > 0, dua situasi dibandingkan dengan kasus referensi. Pada
pertama 1 , beban kontrol atas subjek rentan, diasumsikan sama dengan 1/3 dari berat 2 ; ini
memungkinkan upaya yang lebih signifikan dalam pencegahan menunjukkan penurunan
subjek rentan sekitar 67%, dan penurunan yang signifikan dari 86% bisa dihargai untuk
puncak yang terinfeksi. Dalam situasi kedua dianggap berat 1 diasumsikan tiga kali lebih
besar dari berat 2 ; dalam hal ini jumlah rentan menurun dari sekitar 62% dengan penurunan
puncak epidemi sekitar 87%.
Sejauh pengaruh parameter 1 , 2 > 0 yang bersangkutan, ketika 1 = 10, 2 = 1 itu adalah
menarik untuk dicatat pengurangan subjek rentan sekitar 85% terhadap nilai awal, dengan
penurunan yang sangat signifikan dari puncak epidemi (99%) yang terletak setelah sekitar
satu bulan (33 hari). Ketika 1 = 1, 2 = 10 perlu dicatat keterlambatan puncak pengaruh,
sekitar tiga bulan (94 hari), dengan pengurangan 70%;pengurangan subjek rentan terhadap
nilai awal adalah 60%.
Dalam Kasus II, kasus strategi pengendalian bertindak hanya ketika epidemi memiliki sudah
tersebar luas, ketika a 1 = 0,4 2 jumlah akhir dari subjek rentan menurun dari sekitar 88%,
dengan upaya pengendalian dalam pencegahan yang harus sama dengan maksimal nilai
diperbolehkan untuk hampir semua interval kontrol. Selain itu puncak dari subyek yang
terinfeksi sedikit menurun (sekitar 0,8%), seperti dalam kasus sebelumnya strategi
pengendalian baik waktunya.
Sejauh pengaruh bobot 1 , 2 > 0, dalam kasus pertama dianggap, 1 = 1/3 2 , upaya yang
lebih signifikan dalam pencegahan diizinkan menunjukkan penurunan subjek rentan sekitar
72% , sedangkan tidak ada perbedaan yang signifikan bisa dihargai untuk yang

terinfeksi. Ketika 1 = 3 2 jumlah rentan menurun dari sekitar 69% dengan penurunan
puncak epidemi sekitar 30%.
Perhatikan bahwa dalam semua kasus ini dianalisis, ketika upaya pengendalian dimulai hanya
dengan epidemi sudah menyebar, lokasi temporal puncak epidemi menyebar tidak berubah
secara signifikan sehubungan dengan kasus non-kontrol, sedangkan jika upaya pengendalian
baik -timed lokasi puncak epidemi penyebaran secara signifikan tertunda.
Sejauh pengaruh parameter 1 , 2 > 0 yang bersangkutan, ketika 1 = 10, 2 = 1 itu adalah
menarik untuk dicatat pengurangan subjek rentan sekitar 84% terhadap nilai awal , dengan
penurunan yang signifikan dari puncak epidemi (79%) yang temporal terletak di hari 21.
Ketika 1 = 1, 2 = 10 perlu dicatat keterlambatan puncak pengaruh (sekitar satu bulan)
dengan pengurangan 38%, sedangkan pengurangan subjek rentan adalah dari 63% terhadap
nilai awal.
Perlu dicatat efektivitas lebih jelas dari strategi pengendalian yang optimal ketika itu tepat
waktu, sehubungan dengan situasi di mana upaya pengendalian bertindak pada epidemi sudah
menyebar. Dalam kasus pertama aksi pada subjek rentan dan terinfeksi memungkinkan
peningkatan jumlah subjek pulih, menghasilkan penundaan di puncak pengaruh yang
signifikan berkurang.
Analisis yang sama dari Tabel 1 dan Tabel 2 dilakukan juga dalam kasus
dan
. Seperti yang diharapkan, dalam kasus I untuk
parameter kontrol yang menghasilkan
pengurangan yang paling signifikan dari puncak pengaruh yang a 1 = 10 -3 , a2 = 0,997, 1 =
10 -3 , 2 = 10 -3 , 1 = 10, 2 = 1 , memperoleh nilai qI sama untuk -60% dan pengurangan
subjek rentan 88% sehubungan dengan nilai awal. Untuk
, Menggunakan set yang
sama parameter, sebuah qI = -37% dan pengurangan jumlah subjek rentan sekitar 88% dapat
diperoleh.
Juga dalam Kasus II, ketika kontrol bertindak atas epidemi sudah meluas, untuk
pengurangan persentase lebih jelas dari puncak pengaruh ( q I ) pada sekitar hari ke 10 adalah
dari 22% saat 1 = 10, 2 = 1 dan parameter lainnya sama dengan kasus
referensi(23) ; untuk pilihan ini ada juga penurunan yang signifikan dari subyek rentan
terhadap nilai awal (-87%). Hasil yang sama diperoleh juga untuk
, Dengan qI sama
dengan -12% dan lokasi puncak pengaruh setelah seminggu awal periode kontrol. Hasil ini
(Kasus I dan II untuk
dan
) yang wajar, karena dalam biaya indeks itu istimewa
minimalisasi atas jumlah subjek rentan. Hal ini terutama semenarik perilaku kontrol atas
rentan: setelah periode penurunan pertama (sekitar 40 hari) itu meningkat lagi,
lihatGambar. 10 sebagai contoh Kasus I,
. Hal ini disebabkan meningkatnya tingkat
kontak yang diminta kontrol tambahan.

Ara. 10.
Kasus I. Analisis pengaruh jumlah reproduksi pada strategi pengendalian,
ketika
dan 1 = 10, 2 = 1.
Ara. 11.
Kasus I. Analisis pengaruh jumlah reproduksi pada strategi pengendalian,
ketika
dan a 1 = 0,4 2 .
Bahkan lebih jelas adalah perilaku yang sama dari kontrol u dalam kasus di mana a 1 =
0,4 2 (dan parameter lainnya sama dengan kasus referensi (23) ), sebagaimana telah dicatat
dalam kasus ini
, Lihat Gambar. 11 ; ini adalah karena kontrol u dibutuhkan usaha
ekstra untuk mengurangi jumlah subjek rentan, seperti yang diminta oleh indeks biaya. Perlu
dicatat bahwa dalam kasus ini (kasus I dan II, 1 = 0,4 2 ) pengurangan jumlah subjek yang
terinfeksi tidak, jelas, efektif seperti dalam kasus referensi.
4. Kesimpulan
Dalam makalah ini model SIRC influenza dianggap bertujuan untuk mengendalikan epidemi
menyebar; mengendalikan epidemi berkorespondensi penyakit, misalnya, untuk pengenalan
ad hoc vaksin atau karantina atau obat strategi pengobatan. Semua strategi yang mungkin
harus dihadapkan pada keterbatasan sumber daya. Dalam makalah ini kontrol baik dalam
rentan dan di kelas yang terinfeksi diperkenalkan, dengan mempertimbangkan kendala dalam
kontrol. Sebuah indeks biaya yang sesuai diusulkan dan hasilnya keberadaannya
dinilai. Tujuannya adalah untuk meminimalkan subjek rentan dan terinfeksi dengan sumber
daya yang lebih sedikit mungkin; ekspresi analitis dari kontrol optimal disediakan dan
implementasi numerik mereka dibahas. Hasil numerik disajikan membandingkan efek dari
strategi pengendalian yang berbeda, menunjukkan hasil yang menarik dan menggembirakan