Penyakit menular Modeling 3 (2018) 362e372

daftar isi yang tersedia di ScienceDirect

Penyakit Infeksi Modeling

jurnal homepage: www.keaipublishing.com/idm

Model dinamis TB mempertimbangkan resistensi multi-obat

dan aplikasi mereka
Yi Yu, Yi Shi, Wei Yao*
Departemen Aeronautics dan Astronautics, Fudan University, Shanghai Pusat Penelitian Akupunktur, 220 Handan Road, Shanghai, 200433,
Cina

articleinfo abstrak

Pasal sejarah:
Menerima Juni 2018 8
Diterima dalam bentuk direvisi 5 November
2018 Diterima 13 November 2018
Tersedia online 17 November 2018
Penanganan Editor: J Wu
Kata kunci:
Model dinamis menular penyakit
yang resistan terhadap obat
tuberkulosis (TB) Stabilitas
keseimbangan poin simulasi
numerik
Penyakit infeksi selalu menjadi masalah yang mengancam kesehatan dan TBC orang
adalah salah satu utama. Dengan perkembangan ilmiah penelitian fi c medis, penyakit
menular yang resistan terhadap obat telah menjadi ancaman yang lebih keras karena
berbagai obat dan antibiotik yang banyak digunakan dalam prose s bertempur melawan
penyakit infeksi. Dalam tulisan ini, model dinamis ditingkatkan penyakit menular
mempertimbangkan dinamika populasi dan resistensi obat didirikan. Wilayah layak, poin
keseimbangan dan stabilitas model dianalisis. Berdasarkan data yang a da, model ini dapat
memprediksi perkembangan situasi epidemi melalui simulasi numerik, dan mengajukan
beberapa langkah-langkah yang relevan dan saran.
© 2018 The Authors. Produksi dan hosting oleh Elsevier atas nama KeAi
Communications Co, Ltd Ini adalah akses artikel terbuka di bawah CC BY-NC-ND lisensi
(http://creativecommons.org/licenses/by-nc-nd/4.0/).

1. pengantar

Saat ini, kami bergerak cepat, dunia saling bergantung dan saling berhubungan menawarkan peluang baru yang tak
terhitung jumlahnya untuk penyebaran penyakit menular. Dari sudut pandang geografis, kecepatan penyakit menular saat ini
lebih cepat daripada setiap saat dalam sejarah. Di antara mereka, tuberkulosis (TB) telah menjadi salah satu ancaman utama
di dunia, dan sulit untuk dikontrol untuk infeksi yang mudah. Sementara di bawah situasi ini, TB yang resistan terhadap obat
mulai muncul dan menunjukkan tren. Alasan utama adalah bahwa pasien dengan sentuhan rentan TB mycobacterium dapat
mengembangkan TB resistensi multidrug karena program pengobatan yang tidak memadai, tidak minum obat dengan
petunjuk dokter atau obat berkualitas rendah dalam proses pengobatan (O'Brien, 1994). Namun, obat-resistan dari varian TB
disebabkan oleh melupakan pasien untuk minum obat atau mengakhiri pengobatan sebelum selesainya siklus pengobatan,
dapat mengembangkan berbagai tingkat resistansi obat untuk mereka obat untuk pengobatan (Pusat Pengendalian dan
Pencegahan Penyakit (CDC) 2006; Migliori, De Iaco, Besozzi, Centis, & Cirillo, 2007). TB yang resistan terhadap obat
memiliki tingkat kematian yang lebih tinggi, di antara mereka, tuberkulosis resisten multi-obat (MDR-TB) yang lebih
menonjol, dan telah menjadi masalah lain yang serius baru (Lu, 2007).
Menurut organisasi kesehatan dunia (WHO) melaporkan TB global dalam 2017, diperkirakan bahwa akan ada 490.000
kasus baru TB-MDR pada tahun 2016, di samping itu, 110.000 pasien baru yang resisten terhadap rifampisin memenuhi
kondisi pengobatan resistensi obat multi- TBC. India, China dan federasi Rusia bersama-sama mencapai 47 persen dari dua
(sekitar 0,6 juta kasus). Namun, 600, 000 pasien dengan MDR-TB dalam penelitian ini, hanya 129.000 (22 persen) yang
terdaftar untuk pengobatan.

* Penulis yang sesuai.

Alamat email: weiyao@fudan.edu.cn (W. Yao).
peer review di bawah tanggung jawab KeAi Communications Co, Ltd

https://doi.org/10.1016/j.idm.2018.11.001
2468-0427 / © 2018 The Authors. Produksi dan hosting oleh Elsevier atas nama KeAi Communications Co, Ltd Ini adalah akses artikel terbuka di bawah CC
BY-NC-ND lisensi (http://creativecommons.org/licenses/by-nc-nd/4.0/).
 Y. Yu et al. / Penyakit Infeksi Modeling 3 (2018) 362e372 363

Ada kesenjangan antara kejadian TB yang resistan terhadap obat dan jumlah kasus perlakuan yang diterima, sepuluh negara 1
menyumbang 75 persen, sementara India dan China menyumbang 39 persen (TBC repor Global, 2017).
TB yang resistan terhadap obat merupakan masalah kesehatan masyarakat, yang serius dan telah melekat sangat
perhatian di banyak negara berkembang, serta di seluruh dunia, hal itu juga memerlukan memperpanjang periode
pengobatan, dan kebutuhan obat baru yang lebih mahal. Ancaman jangka panjang TB yang resistan terhadap obat juga
mengingatkan organisasi kesehatan nasional di seluruh dunia bahwa mereka perlu lebih memperhatikan penelitian pada
mekanisme patologis, hukum infeksi dan pencegahan serta langkah-langkah pengendalian. Dengan perkembangan
farmakologi, kedokteran dan penelitian lainnya, misalnya studi genetika dan bakteriologi, telah terjadi tingkat tertentu
kognisi TB. Namun, karena kompleksitas dari mekanisme anti-obat TB, juga tidak ada penjelasan yang jelas untuk itu (Wade
et al., 2004). peneliti yang berbeda di dunia telah mencoba untuk belajar TB melalui banyak faktor seperti populasi,
kebiasaan perilaku, lingkungan ekologi, lingkungan sosial dan sebagainya. Souza WV et al. (Souza et al., 2007) Mempelajari
pengaruh perilaku penduduk. Fan YD et al. (Fan et al., 2008) Menganalisis resistensi obat di bawah struktur usia yang
berbeda. Chan-yeung et al. (Chan-yeung et al., 2005) Mempelajari resistensi obat dari perspektif sosiologi.
pemodelan matematika adalah alat yang sangat penting untuk mempelajari epidemi, juga digunakan untuk memprediksi
penyebaran penyakit menular, dan itu memungkinkan pembuat kebijakan kesehatan masyarakat untuk mengoptimalkan
penggunaan sumber daya yang terbatas serta merumuskan kebijakan secara efektif untuk populasi yang spesifik. Waaler H et
al. (Waaler, Geser, & Andersen, 1962) pertama mengusulkan model matematis dari TB pada tahun 1962. Brogger S (Brogger 1967)
mengusulkan tingkat infeksi linear non-lengkap pada tahun 1967 dan disempurnakan model. Castillo-Chavez et al. (Castillo-
Chavez & Feng, 1997) mengusulkan model Seir dasar untuk penyebaran studi TB pada tahun 1997. Ronoh M et al. (Ronoh et
al., 2016) memperluas model SEIRS epidemiologi standar TB untuk menyertakan MDR-TB. Blower SM et al. (Peniup, Kecil, &
et. al, 1996) dan Rodrigues P et al. (Rodrigues et al., 2004) Meningkatkan pengaruh dari faktor-faktor yang resistan terhadap
obat masing-masing, dan mempelajari hukum infeksi TB yang resistan terhadap obat. Liu YQ et al. (liu & Sun 2010)
menggambarkan model baru menggabungkan MDR-TB dengan kasus TB terdeteksi, dan jumlah reproduksi dasar R0
dihitung. Mishra BK et al. (Mishra & Srivastava, 2014) mengusulkan suatu model ematical math- dengan asumsi untuk
transfer proporsi penduduk rentan terhadap kelas vaksinasi dianggap. kelas karantina juga dianggap dalam model epidemi
untuk pasien resisten, dan teramati bahwa mungkin memainkan peran penting dalam mengendalikan penyakit. Trauer JM et
al. (Trauer, Denholm, & McBryde, 2014) menyajikan model deterministik sepuluh kompartemen menangkap banyak dari
fenomena yang diamati penting untuk dinamika penyakit, termasuk parsial dan tem- vaksin porary efficacy, menurun risiko
penyakit aktif setelah infeksi, kemungkinan infeksi ulang baik selama periode laten infeksi dan setelah pengobatan, MDR -TB
dan ketahanan novo de selama pengobatan. Agusto FB et al. (Agusto et al., 2015) menyajikan model deterministik dengan
isolasi dan hilang untuk menindaklanjuti untuk dinamika penularan tiga strain Mycobacterium TB. Kendall EA et al. (Kendall
et al., 2017) mengembangkan model transmisi dinamis multi-regangan demics TB epi- pada populasi hipotetis kembali
reflektif dari situasi epidemiologi. Sharma A et al. (Sharma et al., 2017) dikalibrasi model kompartemen data dari survei
resistensi obat dan WHO TB laporan untuk meramalkan perkiraan kejadian MDR dan XDR TB dan persentase insiden MDR-
TB disebabkan oleh resistensi obat yang diperoleh. Fofana MO et al. (Fofana et al., 2017) menggunakan model multistrain
transmisi mycobacterium TB di Asia Tenggara untuk menyelidiki bagaimana praktek ini mungkin memfasilitasi munculnya
resistensi luas obat, yaitu, ketahanan terhadap beberapa agen inti, dan dikalibrasi model ini data TB dan resistensi obat
daerah menggunakan pendekatan komputasi Bayesian perkiraan . Carvalho ARM et al. (Carvalho & Pinto, 2018) mempelajari
dampak dari diabetes dan strain MDR dalam model agar non-integer untuk infeksi TB di masyarakat.
epidemiologi matematika telah banyak memberikan kontribusi kepada pemahaman proses penularan penyakit dan
kontrol mereka, tetapi spesifisitas cs masih belum diketahui. Pada penelitian ini, kami memperluas standar model
matematika SEIS untuk memperhitungkan MDR-TB. Kami berasumsi bahwa resistensi obat dapat muncul oleh infeksi atau
sebagai konsekuensi dari pengobatan (tidak tepat diobati karena berbagai alasan). Wilayah layak, poin keseimbangan dan
stabilitas model ini dianalisis, simulasi numerik dilakukan untuk memprediksi perkembangan situasi epidemi.

2. Model dan metode

Model

Mekanisme transfer dinamis penyakit melalui total populasi digambarkan dalam Gambar. 1, di mana S adalah rentan, Es
adalah terkena TB umum, Er adalah terkena MDR-TB, Apakah yang terinfeksi TB umum, Ir adalah terinfeksi TB-MDR.
Dimana b adalah tingkat kelahiran alami. d adalah kematian alami. adalah tingkat kematian yang disebabkan oleh penyakit. b
adalah koefisien yang menunjukkan tingkat di mana infeksi baru timbul diberikan kontak antara individu yang rentan dan
menular. g adalah angka kesembuhan dari manusia yang terinfeksi. tg adalah tingkat transformasi dari terinfeksi dengan
strain obat-sensitif terhadap obat-resistan. Semua
parameter yang non-negatif. Model logistik digunakan untuk menggambarkan variasi populasi ke waktu
Σ
dN
¼ ðb - dÞ.1 - N N - SebuahðAku s þ IrÞ (1)
dt k

1
Tutup pengobatan kasus TB yang resistan terhadap obat di 10 negara dari besar ke kecil adalah: India, Cina, Federasi Rusia, I ndonesia, Filipina,
Pakistan, Nigeria, Ukraina, Myanmar dan Uzbekistan.
364 Y. Yu et al. / Penyakit Infeksi Modeling 3 (2018) 362e372

Gambar. 1. modi fi diagram perpindahan ed dari model SEIS.

Oleh karena itu, BN - Mn2 mengacu pada perekrutan individu yang rentan dalam populasi dengan kelahiran atau oleh
imigrasi,
di mana m ¼ DB - Ath = k, k adalah lingkungan kapasitas.
dNN> k, dt <0, maka tapak fi nal dari
Menurut kondisi normal, kita asumsikan b - d> 0 Hal ini dapat menyimpulkan bahwa ketika
seluruh lintasan persamaan ini cenderung, masukkan atau tinggal Inn
¼ þþþþ≤ S Es Misalnya apakah Ig k. Oleh karena itu, daerah layak dari
persamaan ini adalah
n. Σ
G¼ S; Es; Eg ; Aku s; sayag 2R5 ; 0 ≤ S; Es; Eg ; Aku s; sayag ≤ k; 0 ≤ S þ Es þ Eg þ Aku s þ sayag ≤ kg:

Model ini mengadopsi kejadian bilinear dan sistem persamaan diferensial biasa berikut
8
> dS ¼ BN - M N2 -bSI - bSI þ gsayaþ gsaya
-s d.S
dt
>
dE
> s b¼SI g - bE saya - ð þusTHS
dE g
dt
>
< dEg
s g
¼ bSIg þ besig - ðu þ
s (2)
dt Σ
dthe
> dI
s g . g s
¼ uEs- g þ Sebuah þ d þ t aku
> dt
dIg
>
: ¼ uEg þ tg Aku s - ðg þ
dt
Sebuah þ DTHsayag
Nomor Reproduksi R0

Biarkan x ¼ Ds; Es; Misalnya; Aku s; IgÞT, dibagi x menjadi 2 bagian, x1 ¼ (S, Es, Apakah) T, x2¼ (S, Er, Ir) T. kompartemen
yang terinfeksi E dan saya, memberikan m ¼ 2. Mengikuti metode matriks generasi berikutnya dengan P.van den Driessche dan
Watmough (van den DriesscheJames, 2005), Kita memperoleh jumlah reproduksi TB (R1) dan MDR TB (R2), masing-masing.
2 2 3
f1 ¼ bSIS ; v ¼ b.gesiþg Sebuah Σ dþ þ tg sayag - uEs :
þ dÞEs dw
þ
1
3

0
405 4 5
2
-bN þ mN þ bSIg - gAku s - gsayag þ dS

Sangat mudah untuk mendapatkan

Σ Σ Σ;
0 0 b S0 Σ 0 uþd 0
F1 ¼ ; V1 ¼
00 -u g þ Sebuah þ d þ tg

. bS0u
2 3
Σ
bS 0
1 1

F V - ¼ 64 ðu þ dÞ g þ Sebuah þ d þ tg g þ Sebuah þ d þ tg 7
0 0
5:
0 0
 Y. Yu et al. / Penyakit Infeksi Modeling 3 (2018) 362e372 365

Karena itu,
 366 Y. Yu et al. / Penyakit Infeksi Modeling 3 (2018) 362e372

. 0 0Σ buS0
R1 ¼ r F 1V -1 ¼ . Σ (3)
ðu þ dÞ g þ
Sebuah þ d þ tg
Demikian pula,
2 32 3
bSIg þ besig Dw þ dtheg

f2 ¼ 4 0 5; v2 ¼ 4 2
0 ðg þ Sebuah þ dthig - uEg - tgAku s 5:
-bN þ mN þ bSIg - gAku s -
gsayag þ dS
0 -bN þ mN þ bSIg - gAku s -
gsayag þ dS

Kemudian,
Σ Σ Σ
F2 ¼
0 0 bS0 Σ 0
; V2 ¼
uþd 0
;
00 -u g þ Sebuah þ d
2 3
b S 0u bS 0
F2V 2- ¼ 64 ðu þ dTHDg þ
0 0 7
g þ Sebuah þ d 5:
Sebuah þ dÞ
0 0

Karena itu,
. 0 0Σ buS0
R2 ¼ r F 2V -2 ¼ (4)
ðu þ dTHDg þ
Sebuah þ dÞ
Kemudian, jumlah reproduksi dasar
R0 ¼ maxfR1; R2 g ¼ max ( )
buS0 buS0
. Σ; (5)
ðu þ dÞ g þ ðu þ dTHDg þ
Sebuah þ d þ tg Sebuah þ dÞ

Karena tg> 0, maka

buS0
R max R RR
¼ f ;g ¼ ¼
0 (6)
12 2 ðu þ dTHDg þ
Sebuah þ dÞ

Meskipun populasi MDR-TB jauh lebih sedikit daripada TB (5% atau lebih), itu MDR-TB jumlah reproduksi dasar R2 yang
menentukan apakah TB dapat menyerang penduduk.

analisis
dIgstabilitas >
:
Masukan N ¼ S þ Es þ Eg þ Apakah þ Ig dalam
Persamaan.
8 (2), kita mendapatkan
d
> dN ¼ ð - Þ - -. þ Σs g t
bd NMN 2 Sebuah
saya saya dt
> ¼
dEs
> b¼.NEEII
- - - - Σ - saya bE- saya u dE
ð þ THS
> dt u
< Σ
dEg .
g¼ b N - Es - Eg - Aku s - sayagg sayag þ bsEssayag - ðu
s g ss E
dt g
þ DTHEg
> þ
dIs Σ
> ¼ uEs -.g þ Sebuah þ d þ tg Aku s t
dt g
> s
 Y. Yu et al. / Penyakit Infeksi Modeling 3 (2018) 362e372 367

ayas - ðg þ Sebuah þ dthig

(7)

Kami mendapatkan poin kesetimbangan untuk sistem persamaan. (7) dengan menyamakan masing-masing persamaan
untuk 0 seperti yang ditunjukkan di bawah ini, yaitu
d ¼ 0, maka
dt
368 Y. Yu et al. / Penyakit Infeksi Modeling 3 (2018) 362e372

8 2 . Σ
> . - dÞN - mN - Sebuah Aku s þ sayag ¼ 0
db
< b. N - Es - Eg - Apakah -ΣIg Aku s - besig - ðu þ
>
dÞEs ¼ 0 (8)
b N -.E s - Eg - sayas - IΣg0sayag þ besig - ðu þ dITUg ¼
>
uEg þ tgAku s - ðg þ Sebuah
þ dÞIg ¼ 0 0
: uEs - g þ Sebuah þ d þ tg Aku s ¼
>

Solusi dari persamaan ini mengatur adalah titik ekuilibrium sistem. Sangat mudah untuk mendapatkan dua poin
keseimbangan persamaan,¼ ðmereka x00Þ ¼ ð0; 0; 0; 0; 0 ÞT dan x01 S0; 0; 0; 0; 0 T, di mana S0 adalah total
≤ populasi N,
dan S0 k.
Parameter berasal dari survei sampel TB Cina kelima fi pada tahun 2010 (Wang et al., 2012) dan WHO statistik Pejabat
kasus TB Cina dari 2010 (Organisasi Kesehatan Dunia, 2011) ditunjukkan pada Tabel 1.
Tingkat kesembuhan g dan tingkat infeksi ditentukan oleh tingkat deteksi TB f,

6 × D1 - f Þ
b¼ (9)
S

g ¼ c *f (10)
di mana b berarti jika orang yang terinfeksi tidak terisolasi, itu akan menginfeksi 6 orang rentan dalam satu tahun.

Stabilitas keseimbangan
Menurut parameter model di Tabel 1. dua titik ekuilibrium dari model ini adalah x00 ¼ ð0; 0; 0; 0; 0ÞT andx01¼
× 9; 0; 0; 0; 0 T.Þ
ð3:610
Dalam tulisan ini, stabilitas lokal dari titik ekuilibrium tergantung pada nilai eigen dari Jacobi matriks, yang diperoleh
dengan linearizing sistem nonlinear dari model asli pada titik ekuilibrium. Jika semua bagian nyata dari nilai eigen negatif,
solusi dari sistem ini konvergen, maka titik ekuilibrium adalah lokal stabil. Jika nilai-nilai eigen yang nol, mungkin ada
fenomena bifurkasi, yang akan dibahas lebih lanjut nanti.
Di sini, kita discussx00 pertama, matriks Jacobi pada titik x00 adalah
0 1
b- d 0 0 -Sebuah -Sebuah
B 0 C
:
B0 -u - d 000d C
B0 C:
@
0 -u - 0 0
dt
0 u tg -g -
Sebuah -
u 0 -g - -g 0 SEBUAH
0 d
Sebuah -

Kemudian, nilai eigen yang sesuai adalah

Σ Σ
½L001; l002; l003; l004; l005] ¼ b - d; -u - d; -u - d; -g - Sebuah - d - tg ; -g - Sebuah - d (11)

Semua itu parameter exkecuali bahwa l00 adalah negatif, itu asli persamaan set aku s lokal asimtotik stabil di x00 hanya di itu
kasus dari
l00 < 0, bahwa aku
- sb d < 0 yang aku s tidak sesuai dengan reality.
Masukan parameter Tabel 1 dalam Persamaan. (11), kemudian

½L001; l002; l003; l004; l005] ¼ ½0: 005; -0: 187; -0: 187; -0: 9248; -0: 8748]:

Becausel001 ¼ 0: 005> 0, model tidak stabil pada titik x00 di bawah parameter ini.
Membahas titik x01 sama, matriks Jacobi pada titik x01 adalah

Tabel 1
parameter model dan nilai-nilai.
 Y. Yu et al. / Penyakit Infeksi Modeling 3 (2018) 362e372 369

Parameter Deskripsi Nilai

Sebuah Angka kematian yang disebabkan oleh penyakit 0,05
b Tingkat kelahiran alami 0,012
d mortalitas alami 0.007
tg tingkat transformasi dari TB ke MDR-TB 0,05
f tingkat deteksi TB 0,87
u Tingkat penghapusan terkena terinfeksi 0,18
c Berhasil menyembuhkan tingkat 0,94
k kapasitas lingkungan 3,6 × 109 (Zhou & Dia, 1999)
 370 Y. Yu et al. / Penyakit Infeksi Modeling 3 (2018) 362e372

0 1
d- b 0d 0 -Sebuah -Sebuah
B 0 C
B0 -u - :
0 bk 0 C
:
0 0 -u - d 0 bk
B0 u 0 - -g- - gSebuah d t
@ 0 u C tg
SEBUAH -g - Sebuah - d
0 0

eigen nilai-nilai yang sesuai diberikan oleh

l011 ¼ d - b
1 1 1 1. Σ12
l012 ¼ -d - u-
g- 2 u2 - 2gu - þ 2ga þ 2
þ 4buk
2 2 Sebu 2 Sebuah
1 1 ah þ 2Sebuahu þ g Σ12
l013 ¼ -d - u - g - 2 2
þ 4buk
2 2 1 1.
2 u2 - 2gu - 2 þ 2ga þ
Sebu 2Sebuahu þ g Sebuah
ah - 2 0
t 22 22 2 121 (12)
1111 tg þ 2 @g þ u -
1 gu - Sebuah2 gaþ SEBUAH
u þgþ
l014 ¼ -d - 2 u - 2 g - 2 a2 4buk
Sebuah - 2gt 2
ahSebu
t

2 g þþ g þ
0
t 22 22 2 112
2
2 þ
gþ u -
gþ
1111 1 gu g- þ Sebuah gaþ
u þgþ
2
l015 ¼ -d - 2 u - 2 g - 2 tg - 2 @ SEBUAH
Sebuah - a2 4buk
2Sebu
2 gt aht

buk buk
jelas, l011; l013; danl015 <0. Kami fi nd l012 <0 selama <1, dan l014 <0 selama <0.
buk buk ðgþSebuahþdT ðuþdTHDgþSebuahþdþtr
HDuþdÞ Þ
melihat R 1 ¼ ðuþdTHDgþSebuahþdþtr dan R 2 ¼ ðgþSebuahþdTHDuþdÞ masing-masing, kemudian itu persamaan set aku s lokal
asimtotik stabil di titik
Þ
x01 ketika <0 dan R2 <0.
R1
Masukan parameter Tabel 1 ke dalam matriks Jacobi, kemudian mendapatkan matriks Jacobi persamaan asli ditetapkan
pada titik x01
2
-0: 005 0 0 -0: 05 -0: 05 37
667 0 -0:18701 :22170
6 00 -0:18701 :2217 (13)
7
4 00 :180 -0:92.480 5
000 :180 :05 -0: 8748

Dan mendapatkan nilai-nilai eigen

½l011; l012; l013; l014; l015] ¼ ½ - 0: 005; -1: 1526;-1: 1124; 0: 0408; 0: 0506] (14)

Becausel012; l014> 0, model ini tidak stabil pada titik x01 di bawah parameter ini.

Stabilitas keseimbangan endemik

Mungkin ada bahwa keseimbangan endemik lain dari persamaan ini diatur dalam daerah layak. Dengan memecahkan
 Y. Yu et al. / Penyakit Infeksi Modeling 3 (2018) 362e372 371

persamaan ditetapkan sebagai berikut

8 .
> db. - dÞN - M N2 - Sebuah Aku sΣþ
Σ - Ig Aku s - besig - ðu þ
>
< . b N - Es - Eg - Apakah
Σ
sayag ¼ 0 dÞEs ¼ 0 (15)

>
b N -.E s - Eg - AkuDTHE ¼ 0g þ bEssayag - ðu þ
s - IΣgg saya

uEg þ tgAku s - ðg þ Sebuah

þ dÞIg ¼ 0 0
: uEs - g þ Sebuah þ d þ tg sayas ¼
>

Hal ini dapat ditemukan bahwa ada keseimbangan endemik lain dalam daerah layak
x ¼ .2: 0267 × 109; 0 ; 4:305 × 108; 0 ; 8:86 × 107ΣT (16)
02

Jacobi matriks persamaan ditetapkan pada titik x02 adalah

372 Y. Yu et al. / Penyakit Infeksi Modeling 3 (2018) 362e372

2J 3
11 J12 J13 J14 J15 J21 J22
6 J23 J24 J25 7
J ¼ J31 J32 J33 J34 J35 (17)
6 7
4 J41 J42 J43 J44 J45 J51 J52 5
J53 J54 J55
diman
a,
J11 ¼ b - d - 7043452464m
J14 ¼ J15 ¼ -Sebuah
J22 ¼ J33 ¼ -9.205.043b - ðu þ dÞ
J24 ¼ 1364949290b
J31 ¼ 9.205.043b
J34 ¼ -9.205.043b :
J35 ¼ 1355744247b
J42 ¼ J53 ¼ u
J44 ¼ -g - Sebuah - d - tg
J55 ¼ -g - Sebuah - d
J54 ¼ tg

Nilai-nilai sisanya adalah nol.

Dengan menggantikan parameter Tabel 1, Kita bisa memperoleh matriks Jacobi model ini pada titik x02
2
-6: 2972 × 10-4 00 -0:05 -0: 05 3
0 -0:2404100 :908.750 (18)
J¼ 66 0:0550 -0: 24.041 -0: 05.341 0: 85.534 7
4 7
00 :180 -0:92.480 5
000 :180 :05 -0: 8748

Nilai-nilai eigen diberikan oleh

½l021; l022; l023; l024; l025] ¼ ½ - 0:0122; -0: 0411; -1: 0626 ;-0: 0528; -1: 1124] (19)

Menurut tHai ituTeori stabilitas: ketika nilai-nilai eigen semua negatif (Reli <0; Imli ¼ 0), node stabil. Oleh karena itu, x02
stabil, yaitu, model ini secara lokal asimtotik stabil pada titik ekuilibrium x02 endemik di bawah parameterTabel 1.

3. simulasi numerik

Menurut data dari survei sampel TB Cina kelima fi pada tahun 2010 dan WHO statistik resmi fi kasus TB Cina pada tahun
2010 (Wang et al., 2012; Organisasi Kesehatan Dunia, 2011), Nilai awal untuk simulasi numerik dari MDR-TB Model namics
dy- ditunjukkan pada Meja 2.

pengembangan TB tren di masa 20 tahun

Berdasarkan data tersebut dari Meja 2, Kami mempelajari perkembangan TB di China dalam 20 tahun sejak 2010.
Gambar. 2 adalah simulasi TB dan nomor infektif MDR TB, garis merah dan garis biru mewakili TB umum dan MDR-TB
masing-masing, sementara garis hitam adalah total kasus TB umum dan MDR-TB. Ini menunjukkan jumlah terinfeksi TB
umum memiliki tren menurun, sementara jumlah yang terinfeksi TB-XDR selalu meningkat di kemudian 20 tahun, yang
membuktikan bahwa kontrol dan pencegahan MDR-TB harus

Meja 2
parameter awal nilai untuk simulasi numerik.
ParameterDescriptionValue
N Ukuran manusia population1.34 × 109
S susceptible1.334 The × 109
E Jumlah ini terkena (Es þ Er) 5 × 106
saya Total terinfeksi (Apakah þ Ir) 1.06 × 106
Es The terkena umum TB4.74 × 106
Er The terkena dari MDR-TB3 × 105
sayas Terinfeksi dari TB umum 1 × 106
sayar terinfeksi dari MDR-TB6 × 104
 Y. Yu et al. / Penyakit Infeksi Modeling 3 (2018) 362e372 373

Gambar. 2. Simulasi kasus TB di 20 tahun.

lebih menonjol. Di luar itu, peningkatan jumlah yang terinfeksi TB-MDR akan menyebabkan lebih terbuka dan bahkan baru
terinfeksi, permintaan untuk obat untuk menyembuhkan ini terinfeksi lebih besar dan lebih memakan waktu. Dalam semua
hal, ada kesulitan-fi lebih dif dalam kontrol berikutnya dan pencegahan TB, oleh karena itu, adalah lebih penting untuk
melakukannya sekarang.
Kedua kolom dalam tabel 3 adalah statistik kasus TB yang tercatat di WHO database Pejabat selama 8 tahun ke depan
sejak 2010 Dunia Organisasi Kesehatan 2012; Dunia Organisasi Kesehatan, 2013; Organisasi Kesehatan Dunia, 2014;
Kesehatan dunia Organisasi 2015; Organisasi Kesehatan Dunia, 2016; Organisasi Kesehatan Dunia, 2017.
. Berdasarkan tingkat deteksi TB perkiraan (87%), kasus TB yang nyata berasal dari laporan WHO TB ditunjukkan pada
kolom ketiga ditabel 3. Kecenderungan dari total jumlah kasus TB di 8 tahun disimulasikan dan dibandingkan dengan data
yang berasal dari laporan WHO TB diGambar. 3.

Dampak variasi parameter pada simulasi numerik

Pembentukan model dinamika infeksi MDR-TB bertujuan memprediksi wabah masa depan serta membantu dalam
mengeksplorasi pencegahan terbaik dan strategi pengendalian melalui simulasi numerik, oleh karena itu, mengedepankan
beberapa saran. Dalam tulisan ini, kita mempertimbangkan efek dari tingkat deteksi (f), tingkat transformasi (tg) dan
berhasil menyembuhkan rate (c) pada model simulasi numerik.
f akan mempengaruhi b dan g oleh pers. (9) dan (10). Gambar. 4 menunjukkan TB dan pengembangan MDR-TB di bawah
yang berbeda f. Ini menunjukkan f sangat
mempengaruhi perkembangan TB dan MDR-TB. Gambar. 5 menunjukkan TB dan pengembangan MDR-TB di bawah tg yang
berbeda. Hal ini menunjukkan tg juga memengaruhi perkembangan MDR-TB. Berhasil efek menyembuhkan tingkat koefisien
ini juga belajar diGambar. 6 yang menunjukkan itu adalah kurang dari orang-orang dari f dan tg.

4. Diskusi

Dari hasil simulasi (Gambar. 4), Mudah untuk mendapati bahwa peningkatan f akan menyebabkan penurunan yang
signifikan dalam populasi yang terinfeksi dalam 20 tahun. Hal ini juga menunjukkan bahwa tr sangat mempengaruhi
perkembangan MDR-TB. Hasil MDR-TB baik dari infeksi primer dengan bakteri resisten atau mungkin berkembang
dalam pengobatan pasien. Meskipun tr hanya 5%, itu account untuk lebih dari 70% dari kasus MDR -TB setelah 20
tahun. resistensi obat timbul karena penggunaan yang tidak tepat dari antibiotik di kemoterapi

tabel 3
Jumlah kasus TB di Cina 2010-2017, oleh WHO.
yearTB Kasus noti ficationsThe TB nyata berasal kasus
20.177,73 × 105 8.89 × 105
20.167,84 × 105 9.01 × 105
20.158,04 × 105 9.24 × 105
20.148,26 × 105 9,49 × 105
20.138,55 × 105 9.83 × 105
20.129,01 × 105 1,04 × 106
20.119,12 × 105 1,05 × 106
20.109,23 × 105 1,06 × 106
370 Y. Yu et al. / Penyakit Infeksi Modeling 3 (2018) 362e372

Gambar. 3. kasus TB 2010-2017.

Gambar. 4. TB dan pengembangan MDR-TB di bawah yang berbeda f.

Gambar. 5. TB dan pengembangan MDR-TB di bawah yang berbeda tg.

pasien TB yang rentan terhadap obat. penggunaan yang tidak benar ini adalah hasil dari sejumlah tindakan, termasuk
pemberian rejimen pengobatan yang tidak tepat oleh pekerja perawatan kesehatan dan kegagalan untuk memastikan bahwa
pasien menyelesaikan seluruh pengobatan. Pada dasarnya, resistensi obat timbul di daerah dengan program pengendalian TB
miskin, oleh karena itu, strategi pengobatan WHO-direkomendasikan untuk deteksi dan penyembuhan TB “Directly
Observed Treatment, Short-course" (DOTS) yang dapat mencegah perkembangan MDR-TB dengan memastikan seluruh
pengobatan diikuti (Organisasi Kesehatan Dunia, 2018-05).
 Y. Yu et al. / Penyakit Infeksi Modeling 3 (2018) 362e372 371

Gambar. 6. TB dan pengembangan MDR-TB di bawah yang berbeda c.

DOTS juga dapat meningkatkan tingkat kesembuhan hingga 95 persen. Jelas, meningkatkan tingkat kesembuhan akan
membantu mengurangi kasus TB, tetapi tingkat penurunan dengan angka kesembuhan jauh kurang dari itu oleh tingkat
deteksi. Untuk batas tertentu, kenaikan angka kesembuhan jauh lebih sulit daripada di tingkat deteksi, oleh karena itu,
meningkatkan tingkat deteksi f adalah tugas utama dalam proses pencegahan dan pengendalian TB.

5. Kesimpulan

Pada penelitian ini, simulasi numerik dilakukan untuk memprediksi perkembangan situasi epidemi. Kami berasumsi
bahwa resistensi obat dapat muncul oleh infeksi atau sebagai konsekuensi dari pengobatan (tidak tepat diobati untuk
berbagai dalih di balik). Dalam tulisan ini, kami memperluas standar model matematika SEIS untuk memperhitungkan
MDR-TB. Wilayah layak, stabilitas dua bahwa keseimbangan serta keseimbangan endemik dari model ini dianalisis. Hal ini
ditemukan bahwa keseimbangan pertama tidak stabil di bawah asumsi, sedangkan keseimbangan kedua adalah lokal stabil
asimtotik hanya pada kondisi R1 <0 dan R2 <0. Dengan parameter yang berasal dari perhitungan WHO statistik TB Cina,
kami menemukan keseimbangan yang stabil, sedangkan keseimbangan endemik stabil.
Kami dilakukan pada simulasi numerik dan menganalisis dampak parameter model pada pengembangan TB. Hasil
simulasi membuktikan bahwa kunci untuk lebih mencegah dan mengendalikan penyebaran dan mengembangkan TB adalah
untuk meningkatkan tingkat deteksi f, dan tingkat konversi dari TB ke MDR TB berkontribusi sebagian besar kasus TB MDR.

Sesuai dengan standar etika

Menipufl ik kepentingan

Para penulis menyatakan bahwa mereka tidak memiliki konflik yang menarik.

Manusia dan hak-hak hewan

Artikel ini tidak berisi studi dengan peserta manusia atau hewan yang dilakukan oleh salah satu penulis.

Pengakuan

Karya ini didukung oleh IDRC 104519-010, Kanada, dan Shanghai Kunci Laboratorium mekanisme akupunktur dan fungsi
acupoint (14DZ2260500), Cina.

Referensi

Agusto, FB, Cook, J., Shelton, PD, et al. (2015). model matematika dari MDR-TB dan XDR-TB dengan isolasi dan hilang untuk menindaklanjuti. analisis abstrak dan
diterapkan
(Pp. 1e21).
Blower, SM, Kecil, PM, et al. (1996). strategi kontrol untuk epidemi tuberkulosis: Model-model baru untuk masalah lama. Science, 273 (5274), 497e500.
Brogger, S. (1967). analisis sistem dalam penanggulangan TB: Sebuah model. Amerika Ulasan Penyakit pernapasan, 95 (3), 419 e434.
Carvalho, ARM, & Pinto, CM (2018). Sebuah analisis urutan non-integer dampak diabetes dan strain resisten dalam model untuk infeksi TB. com- munications
di nonlinear Sains dan Simulasi Numerik, 61, 104e126.
Castillo-Chavez, C., & Feng, Z. (1997). Untuk mengobati atau tidak untuk mengobati: Kasus TBC. Jurnal Biologi Matematika, 35 (6), 629e656.
Pusat Pengendalian dan Pencegahan Penyakit (CDC). (2006). Munculnya Mycobacterium tuberculosis dengan resistensi yang luas untuk lini
kedua narkobaddi seluruh dunia, 2000e2004. MMWR Morbidity and Mortality Weekly Report, 55 (11), 301e305. PMID 16557213.
Chan-yeung, M., Yeh, AG, Tam, CM, et al. (2005). indikator sosial-demografis dan geografis dan distribusi tuberkulosis di Hong Kong: Sebuah spasial analisis.
International Journal of Tuberculosis& Penyakit paru-paru, 9(12), 1320e1326.
372 Y. Yu et al. / Penyakit Infeksi Modeling 3 (2018) 362e372

van den Driessche, P., & James, W. (2005). nomor reproduksi dan sub-batas kesetimbangan endemik untuk model kompartemen penularan penyakit.
3, 7.
Fan, Y., Dia, G., Cheng, S., et al. (2008). analisis yang komprehensif dari resistensi obat dari mycobacterium tuberculosis di kelompok usia yang berbeda di
Cina. Cina Journal of Prey Phthisiology, (2), 85e89 (dalam bahasa Cina).
Fofana, MO, Shrestha, S., Knight, GM, et al. (2017). Sebuah model matematika Multistrain untuk menyelidiki peran pirazinamid dalam munculnya secara luas
obat tuberkulosis resisten. Agen antimikroba dan Kemoterapi, 61 (3). e00498-16.
TBC laporan Global 2017. (2017). Jenewa: Organisasi Kesehatan Dunia. Lisensi: CC oleh- NCS A 3.0 IGO.
Kendall, EA, Shrestha, S., Cohen, T., et al. (2017). Prioritas-Setting untuk Novel Obat Rejimen untuk Mengobati Tuberkulosis: Sebuah Model Epidemiologi. PLoS
Medicine, 14(1), e1002202.
Liu, Y., & Sun, Z. (2010). Sebuah model baru untuk infeksi MDR-TB dengan kasus TB terdeteksi. Dalam kontrol dan keputusan Cina
konferensi. Lu, R. (2007). Laporan kesehatan dunia. Journal of Medical Informatics, (06), 637e638.
Migliori, GB, De Iaco, G., Besozzi, G., Centis, R., & Cirillo, DM (2007). kasus tuberkulosis pertama di Italia resisten terhadap semua obat diuji. Euro surveil., 12
(20), E070517.
Mishra, BK, & Srivastava, J. (2014). Model matematika pada pasien TB paru dan resisten dengan vaksinasi. Jurnal dari Mesir matematika Masyarakat, 22(2),
311e316.
O'Brien, RJ (1994). Resistan terhadap obat TBC: Etiologi, manajemen dan pencegahan. Seminar di ISPA, 9 (2), 104e112. Rodrigues, P.,
Gomes, MGM, et al. (2004). resistensi obat pada tuberkulosis-model reinfeksi. Nature Medicine, (10), 1117e1121.
Ronoh, M., Jaroudi, R., Fotso, P., et al. (2016). Sebuah model matematika TB dengan efek resistensi obat. M atematika Terapan, 7 (12), 1303e1316.
Sharma, A., Hill, A., Kurbatova, E., et al. (2017). Memperkirakan beban masa depan TB-MDR dan ekstensif resistan terhadap obat di India,
Filipina, Rusia, dan Afrika Selatan: Sebuah studi pemodelan matematika. The Lancet Infectious Diseases, 17 (7), 707e715.
Souza, Virginia Barat, Carvalho, MS, Albuquerque, MF, et al. (2007). Tuberkulosis dalam pengaturan intra-urban: Pendekatan Bayesian. Tropical Medicine dan
Internasional Kesehatan, 12(3), 323e330.
Trauer, JM, Denholm, JT, & McBryde, ES (2014). Pembangunan model matematis untuk transmisi tuberkulosis di daerah endemis dari Asia-pacific. Journal of
Theoretical Biology, 358, 74e84.
Waaler, H., Geser, A., & Andersen, S. (1962). Penggunaan model matematika dalam studi epidemiologi tuberkulosis. American Journal of Public Kesehatan,
52(52), 1002e1013.
Wade, MM, Volokhov, D., Peredelchuk, M., et al. (2004). pemetaan yang akurat mutasi dari strain Mycobacterium tuberculosis ide-tahan pyrazinam
dengan oligonukleotida microarray pemindaian-frame. Diagnostik Mikrobiologi dan Penyakit Menular, 49 (2), 89e97.
Wang, L., Cheng, S., Chen, M., et al. (2012). LaporanfiFTH survei epidemiologi tuberkulosis di Cina pada tahun 2010. Cina Journal of Prey Phthisiology, 34(8),
485e508 (dalam bahasa Cina).
Organisasi Kesehatan Dunia. (2011). Laporan TBC
global.http://www.who.int/tb/publications/en/.Organisasi Kesehatan Dunia. (2012). Laporan TBC
global.http://www.who.int/tb/publications/en/.Organisasi Kesehatan Dunia. (2013). Laporan TBC
global.http://www.who.int/tb/publications/en/.Organisasi Kesehatan Dunia. (2014). Laporan TBC
global.http://www.who.int/tb/publications/en/.Organisasi Kesehatan Dunia. (2015). Laporan TBC
global.http://www.who.int/tb/publications/en/.Organisasi Kesehatan Dunia. (2016). Laporan TBC
global.http://www.who.int/tb/publications/en/.Organisasi Kesehatan Dunia. (2017). Laporan TBC
global.http://www.who.int/tb/publications/en/.
Organisasi Kesehatan Dunia. (2018/05/07). Mengejar perluasan DOTS yang berkualitas tinggi dan peningkatan [R /
OL].http://www.who.int/tb/dots/en/. Zhou, Y., & Dia, X. (1999). pemodelan matematika dan eksperimen. Xi'an Jiaotong University Press
(dalam bahasa Cina).