SIR-модель

SIR-модель — это математическая модель распространения эпидемий, описывающая динамику инфекционного заболевания в замкнутой популяции. Модель делит популяцию на три непересекающиеся группы (компартменты): восприимчивые к болезни (Susceptible, S), инфицированные (Infectious, I) и выздоровевшие (Removed, R), включая умерших или получивших иммунитет. SIR-модель является фундаментальной в эпидемиологии и послужила основой для множества более сложных компартментных моделей.

История

Первые попытки математического описания эпидемий относятся к началу XX века. В 1906 году Уильям Хэмер (William Hamer) предложил модель, в которой скорость распространения инфекции зависела от произведения числа восприимчивых и инфицированных. В 1911 году Рональд Росс (Ronald Ross), изучая малярию, разработал дифференциальные уравнения для передачи болезни между комарами и людьми.

Современная SIR-модель была сформулирована в 1927 году в работе Уильяма Огилви Кермака (William Ogilvy Kermack) и Андерсона Грея Маккендрика (Anderson Gray McKendrick) под названием «Вклад в математическую теорию эпидемий». В этой статье авторы вывели систему дифференциальных уравнений, описывающую динамику эпидемии в гомогенной популяции, и ввели понятие пороговой плотности — критического числа восприимчивых, при котором эпидемия может начаться. Работа Кермака — Маккендрика заложила основы математической эпидемиологии.

В XX веке SIR-модель активно применялась для анализа таких заболеваний, как корь, грипп, оспа. В XXI веке, особенно в связи с пандемией COVID-19, модель получила широкое распространение в прогнозировании распространения инфекций и оценке эффективности карантинных мер.

Математическая формулировка

SIR-модель описывается системой обыкновенных дифференциальных уравнений (ОДУ) для трёх переменных, зависящих от времени t:

• S(t) — доля (или число) восприимчивых к болезни особей в популяции;
• I(t) — доля (или число) инфицированных особей, способных заражать;
• R(t) — доля (или число) выздоровевших (или умерших) особей, не участвующих в дальнейшем распространении.

Предполагается, что популяция замкнута и постоянна по численности: S(t) + I(t) + R(t) = N (константа). В нормированном виде N = 1.

Система уравнений выглядит следующим образом:

\[ \frac{dS}{dt} = -\beta S I \] \[ \frac{dI}{dt} = \beta S I - \gamma I \] \[ \frac{dR}{dt} = \gamma I \]

где:

• β (бета) — коэффициент передачи инфекции (скорость заражения), определяющий вероятность контакта между восприимчивым и инфицированным, приводящего к заражению;
• γ (гамма) — коэффициент выздоровления (обратный среднему времени инфекционного периода: γ = 1/D, где D — средняя продолжительность заразности).

Параметры модели

Ключевым параметром SIR-модели является базовое репродуктивное число R₀ (читается «эр-ноль»). Оно определяется как среднее количество вторичных случаев заражения, которое производит один инфицированный в полностью восприимчивой популяции. Формула: R₀ = β / γ.

Если R₀ > 1, эпидемия развивается (число инфицированных растёт). Если R₀ < 1, эпидемия затухает. Порог коллективного иммунитета (доля популяции, которую необходимо вакцинировать или переболеть для прекращения распространения) составляет 1 — 1/R₀.

Начальные условия

Для запуска модели задаются начальные значения S(0), I(0), R(0). Обычно предполагается, что в начальный момент времени почти вся популяция восприимчива: S(0) ≈ 1, I(0) — малое число (например, 0.001), R(0) = 0.

Основные свойства и поведение

SIR-модель демонстрирует несколько характерных фаз эпидемии:

1. Экспоненциальный рост — на начальном этапе, пока S ≈ 1, число инфицированных растёт экспоненциально: dI/dt ≈ (β — γ)I.
2. Пик эпидемии — достигается, когда dI/dt = 0, то есть при S = γ/β = 1/R₀. В этот момент число инфицированных максимально.
3. Затухание — после пика число восприимчивых S падает ниже порога, и эпидемия идёт на спад, стремясь к нулю.
4. Конечный размер — в итоге часть популяции остаётся невосприимчивой (выздоровевшие R(∞)), часть — никогда не заразившейся (S(∞)). Модель предсказывает, что эпидемия не может охватить всю популяцию, если R₀ конечно.

Модификации и расширения

SIR-модель является базовой. На её основе разработано множество расширений, учитывающих различные факторы:

• SIS-модель — не предусматривает иммунитета; выздоровевшие снова становятся восприимчивыми (характерно для бактериальных инфекций, например, гонореи).
• SEIR-модель — добавляет латентный (экспозиционный) период E (Exposed), когда человек уже заражён, но ещё не заразен.
• MSIR-модель — учитывает материнский иммунитет у новорождённых.
• SIR-модель с вакцинацией — добавляет поток из S в R, соответствующий вакцинации.
• SIR-модель с возрастной структурой — разделяет популяцию на возрастные группы с разными параметрами контактов.
• Стохастические SIR-модели — учитывают случайность контактов и заражений, что важно для малых популяций.
• Пространственные SIR-модели — учитывают географическое распределение и мобильность населения.

Применение

SIR-модель и её модификации широко используются в:

• Эпидемиологическом прогнозировании — оценка пиковой нагрузки на систему здравоохранения, длительности эпидемии.
• Оценке мер контроля — моделирование эффекта карантинов, социального дистанцирования, ношения масок (изменение β) и вакцинации (изменение S).
• Планировании вакцинации — определение необходимого охвата для достижения коллективного иммунитета.
• Ветеринарии — анализ эпизоотий (например, ящура, птичьего гриппа).
• Образовании — как классический пример динамических систем в математике и биологии.

Критика и ограничения

SIR-модель имеет ряд существенных упрощений, которые могут приводить к неточностям:

• Гомогенность популяции — модель предполагает, что все люди одинаково восприимчивы, контактируют случайным образом и имеют одинаковую продолжительность болезни. В реальности существуют суперраспространители, возрастные различия, социальные сети.
• Постоянство параметров — β и γ считаются константами, хотя они могут меняться во времени из-за погоды, поведения людей, мутаций вируса.
• Отсутствие пространственной структуры — модель не учитывает географическое распределение и миграцию.
• Иммунитет — предполагается, что после выздоровления иммунитет пожизненный и абсолютный, что не всегда верно (например, для COVID-19, гриппа).
• Замкнутость популяции — не учитываются рождения, смерти (кроме вызванных болезнью) и миграция.

Несмотря на эти ограничения, SIR-модель остаётся полезным инструментом для качественного понимания динамики эпидемий и оценки базовых сценариев.

Интересные факты

• В 2020 году, во время пандемии COVID-19, SIR-модель и её модификации (например, SEIR) активно использовались правительствами многих стран для прогнозирования и принятия решений о карантинах.
• Параметр R₀ стал широко известен за пределами научного сообщества, хотя его точное определение и измерение часто вызывают споры.
• В 2021 году за вклад в развитие математической эпидемиологии, включая SIR-модель, была присуждена Абелевская премия (одна из высших наград в математике) Ласло Ловасу и Ави Вигдерсону, однако их работы не были напрямую связаны с SIR-моделью; премия была дана за теорию графов и алгоритмы, которые находят применение в эпидемиологии.

Источники

• Kermack, W. O., & McKendrick, A. G. (1927). A contribution to the mathematical theory of epidemics. Proceedings of the Royal Society of London. Series A, 115(772), 700–721.
• Anderson, R. M., & May, R. M. (1991). Infectious Diseases of Humans: Dynamics and Control. Oxford University Press.
• Keeling, M. J., & Rohani, P. (2008). Modeling Infectious Diseases in Humans and Animals. Princeton University Press.
• Diekmann, O., & Heesterbeek, J. A. P. (2000). Mathematical Epidemiology of Infectious Diseases: Model Building, Analysis and Interpretation. Wiley.