Nama : Fresa G.

B Mosey
Nim : 17 504 188
MK : Pemodelan Matematika

Ringkasan
Angka Reproduksi Dasar R0
 Angka reproduksi dasar R0 adalah jumlah infeksi sekunder yang akan dihasilkan oleh
satu orang yang terinfeksi dalam populasi yang sepenuhnya rentan melalui seluruh
durasi periode infeksi.
 R0 memberikan kondisi ambang batas untuk stabilitas titik keseimbangan bebas
penyakit (untuk sebagian besar model)
 Titik keseimbangannya yang bebas penyakit stabil secara lokal R0 <1 :
penyakit ini hilang
 Titik kesetimbangan bebas penyakit tidak stabil ketika R0 > 1: penyakit ini
memantapkan dirinya dalam populasi atau epidem Terjadi
 Untuk model tertentu, R0 diperbaiki sepanjang waktu.
 Definisi ini hanya berlaku untuk model otonom homogen sederhana
 Dapat menentukan kondisi ambang batas yang serupa untuk yang lebih rumit model
yang mencakup heterogenitas dan/atau musiman tetapi definisi dasar tidak lagi
berlaku.
R0 dapat dinyatakan sebagai produk dari tiga jumlah

(
R0 = jumlah kontak )(
per satuan waktu )(
probabilitas penularan
per kontak
durasi
)
penularan
Untuk model SIS
1
R0 =r × β ×
γ
R
 Angka reproduksi (efektif), e adalah jumlah infeksi sekunder yang akan dihasilkan
oleh satu orang yang terinfeksi melalui seluruh durasi periode infeksi.
 typically, but not always, Re is the product of R0 and the proportion of the population
that is susceptible.
 Menjelaskan kembali apakah populasi infeksi meningkat atau tidak. Ini meningkat
ketika Re >1 berkurang ketika Re >1 dan konstan ketika Re =1. Ketika Re =1
penyakitnya ada di kesetimbangan.
 Re dapat berubah seiring waktu.
 Angka reproduksi kontrol, Rc adalah jumlah infeksi sekunder yang akan dihasilkan
oleh satu orang yang terinfeksi selama seluruh durasi periode infeksi, di hadapan
intervensi control

(
R0 = jumlah kontak
per satuan waktu)( )(
probabilitas penularan
per kontak
durasi ×
penularan )( proporsi
)
populasi rentan

 Untuk model SIS

 S(t )
Re ( t )=R 0 ×
N (t )

rβS( t)
¿
γN ( t)

SIR Model

Model Susceptible-Infectious-Recovered: berlaku untuk campak,

gondong, rubella.
R: Manusia yang pulih

dengan N = S + I + R.

Menganalisis Model SIR

1. Dapat mengurangi menjadi dua dimensi dengan mengabaikan persamaan untuk R dan
menggunakan R = N - S - I.
2. Tidak bisa lagi menyelesaikan persamaan ini secara analitis.
3. Dalam jumlah nite titik kesetimbangan dengan I = 0.
4. Lakukan analisis potret fase.
5. Perkirakan ukuran epidemi nal.
R0 untuk Model SIR
Demografi Manusia

1. Perlu memasukkan demografi manusia untuk penyakit di mana kerangka waktu

dinamika penyakit sebanding dengan demografi manusia.
2. Ada banyak cara berbeda untuk memodelkan manusia Demografi
 Tingkat imigrasi konstan
 Tingkat kelahiran dan kematian per kapita yang konstan
 Density-dependent death rate
 Tingkat kematian akibat penyakit.
Model SIR Endemik

Analyzing the Endemic SIR Model

1. Tidak bisa lagi mengurangi dimensi atau menyelesaikan secara analitis.

2. Ada dua titik keseimbangan: bebas penyakit dan endemik

3. Dapat melakukan analisis stabilitas titik-titik kesetimbangan ini dan menggambar

potret fase.
R0 for the Endemic SIR Model

Solusi Numerik Model SIR Endemik

Model rentan – Menular : berlaku untuk HIV
dS I dI I
=−rβS =−rβS
dt N dt N

S : Manusia yang rentan

I : Manusia menular
r : Jumlah kontak per satuan waktu
β : Probabilitas penularan penyakit per kontak
N : ukuran total populasi : N = S + I

Sistem dapat direduksi menjadi satu dimensi,

dI I
=rβ ( N−I )
dt N
I0N
Dengan solusi, I ( t )= −rβt
( N−I 0 ) e +I0

For I ( 0 )=I 0
Sistem dapat dikurangi menjadi satu dimensi,

dI I
=rβ ( N−I )
dt N
Untuk I ( 0 )=I 0

Poin kesetimbangan : I dfe=0

I ee =N

- Perhatikan bahwa dalam beberapa model, biasanya penyakit di mana kontak

tidak didefinisikan dengan baik,
- Untuk penyakit di mana kontak didefinisikan dengan baik (seperti secara seksual
penyakit menular seperti HIV atau penyakit yang ditularkan melalui vektor seperti
malaria), Biasanya lebih tepat untuk memisahkan kontak Tingkat, r dan probabilitas
penularan per kontak.
- Untuk penyakit di mana kontak tidak didefinisikan dengan baik (seperti
penyakit yang ditularkan melalui udara seperti influenza) biasanya lebih tepat
untuk menggabungkan keduanya menjadi satu parameter.