跳转至

第13章：流行病空间传播与控制（Geographic Spread and Control of Epidemics）

§1 作者

  • 作者: J. D. Murray (牛津) + D.G. Kendall (剑桥, 早期) + R. Anderson (Imperial) + A. Dobson (Princeton) 等。本章基于 Murray 团队 1980-2000 年代在 Nature, J. Hygiene, IMA J. Math. Appl. Med. Biol. 等期刊发表的工作,特别是狂犬病在欧洲狐狸中的传播 (Murray et al. 1986 Nature 经典论文)。
  • 章节角色: 本章把 Vol II 的反应扩散行波框架推到流行病空间传播这一公共卫生/兽医学问题。Murray 的核心贡献是把"狐狸种群密度 + 狂犬病传播"的耦合系统建模为反应扩散-Logistic 方程,给出流行病波速公式与控制策略(疫苗带、狐狸剔除带)。
  • 章节风格: "历史背景 → 模型推导 → 历史数据验证 → 控制策略 → 实际效果"五段。Murray 强调数学模型对公共卫生决策的直接指导意义,特别是西欧 1980-90 年代成功实施的口服狂犬疫苗带 (ORV) 背后的数学依据。
  • 与其他章节的关系: 本章是 Ch 1 (行波分析) + Ch 2 (反应扩散) + Ch 3-4 (生态学) + Ch 11 (脑肿瘤, 在反应扩散框架上同构) 的综合应用;Ch 14 (狼群-鹿) 是本章的"非传染病"生态学应用。

§2 内容概述 (300-500 中文字符)

本章研究流行病 (主要是狂犬病) 的空间传播与控制。

§13.1 给出流行病空间传播的简单模型:

\[ \frac{\partial S}{\partial t} = -\beta S I + D_S \nabla^2 S + a(S, I) \]
\[ \frac{\partial I}{\partial t} = \beta S I - (\gamma + \mu) I + D_I \nabla^2 I \]
- \(S\) = 易感者密度;\(I\) = 感染者密度;\(\beta\) = 传播速率;\(\gamma\) = 恢复速率;\(\mu\) = 死亡率;\(a(S, I)\) = 种群动力学 (出生 - 死亡)。

§13.2 把模型应用于1347-1350 年欧洲黑死病 的空间传播,根据历史数据估算波速 ~400 km/year,验证 Fisher-KPP 行波公式 \(c_{\min} = 2\sqrt{D \beta S_0 / (\gamma + \mu)}\)。

§13.3 给出狂犬病的历史背景, 包括中世纪欧洲的"疯狗"传说、巴斯德疫苗的发明 (1885)、现代动物狂犬病。

§13.4-13.5 给出狂犬病在欧洲狐狸中的空间传播模型 (Murray et al. 1986 Nature 经典):

\[ \frac{\partial N}{\partial t} = a N (1 - N/K) - \beta N I \]
\[ \frac{\partial I}{\partial t} = \beta N I - (\gamma + \mu) I + D_I \nabla^2 I \]
- \(N\) = 总狐狸密度;\(I\) = 感染狐狸密度;\(K\) = 狐狸环境容纳量;\(a\) = 出生率;\(\beta\) = 咬伤传播率;\(\gamma + \mu\) = 感染后死亡率。 - 行波分析给出波速 \(c = 2\sqrt{D_I \beta N^* / (\gamma + \mu) - \mu/4}\)(取决于 \(N^* > (\gamma + \mu)/\beta\) 是否成立)。

§13.6-13.7 给出控制策略:疫苗带 (ORV) + 剔除带。Murray 论证在狐狸栖息地中留出宽度 > \(L_c\) 的免疫带可以阻止狂犬病波传播。\(L_c\) 由疫苗效率 + 狐狸迁移率 + 咬伤传播率决定。

§13.8-13.9 给出 2D 流行病波前与狐狸密度变化的影响。Murray 论证狐狸密度的不均匀 (城乡差异、林地 vs 农田) 导致行波不规则,但控制策略的核心参数 (免疫带宽度) 不变。

§13.10 给出狐狸免疫对流行病空间传播的影响。Murray 论证在部分免疫下,行波速度降低,免疫带宽度也降低,这一预测与西欧 1980-90 年代的实际观察一致。

读本章需要 Ch 1 (行波) + Ch 2 (反应扩散) + Ch 14 (生态学基础) 作为前置。

§3 核心方程与概念 (500-1000 中文字符)

3.1 流行病反应扩散模型 (13.1)

\[ \frac{\partial S}{\partial t} = a(S) - \beta S I + D_S \nabla^2 S \]
\[ \frac{\partial I}{\partial t} = \beta S I - (\gamma + \mu) I + D_I \nabla^2 I \]

  • \(S\) = 易感者密度;\(I\) = 感染者密度;\(D_S, D_I\) = 扩散系数;\(\beta\) = 传播速率;\(\gamma\) = 恢复速率;\(\mu\) = 因病死亡率;\(a(S)\) = 出生率(可含密度依赖)。
  • 关键简化: 不含恢复者 (\(R\)) 状态 (适合急性感染, 如狂犬病) 或显式含 \(R\) 状态 (适合慢性感染)。

3.2 Fisher-KPP 行波分析 (13.1)

在均匀 \(S\) 主导区 (\(S \approx S_0\)),感染者 \(I\) 的线性化方程:

\[ \frac{\partial I}{\partial t} = [\beta S_0 - (\gamma + \mu)] I + D_I \nabla^2 I \]

  • 当 \(\beta S_0 > \gamma + \mu\) 时,基本再生数 \(R_0 = \beta S_0 / (\gamma + \mu) > 1\),流行病可传播。
  • 行波公式 (Fisher-KPP): \(c_{\min} = 2\sqrt{D_I (\beta S_0 - (\gamma + \mu))} = 2\sqrt{D_I (\beta S_0 - \gamma - \mu)}\)

3.3 狐狸-狂犬病模型 (13.4-13.5)

Murray et al. 1986 Nature 经典模型:

\[ \frac{\partial N}{\partial t} = a N (1 - N/K) - \beta N I \]
\[ \frac{\partial I}{\partial t} = \beta N I - (\gamma + \mu) I + D_I \nabla^2 I \]

  • \(N\) = 总狐狸密度 (含易感 + 感染 + 免疫);\(I\) = 感染狐狸密度;\(K\) = 环境容纳量 (\(\sim 1-3\) fox/km²)。
  • 参数估计 (西欧狐狸): \(a \sim 0.5\) /year, \(K \sim 1-3\) fox/km², \(\beta \sim 50\) km²/year/fox, \(D_I \sim 50-100\) km²/year, \(\gamma + \mu \sim 1\) /year。
  • 预测波速: \(c \sim 30-60\) km/year, 与西欧 1939-1980 年代狂犬病波前观察 (\(\sim 30\) km/year) 高度一致。

3.4 控制策略: 疫苗带 + 剔除带 (13.6-13.7)

疫苗带 (ORV, Oral Rabies Vaccination): 在狐狸栖息地中留出宽度 \(L > L_c\) 的免疫带, 阻止狂犬病波传播。临界宽度 \(L_c\) 由以下条件决定:

当免疫带宽度 \(L\) 大于"行波衰减长度"\(L_d = D_I / c\) 时,行波在带内指数衰减,无法穿越。

\[ L_c \approx 2-3 \cdot L_d = (4-6) D_I / c \]

对西欧狐狸参数: \(L_c \approx 50-100\) km。

剔除带 (Culling): 类似思路,通过剔除狐狸降低 \(K\) 达到同样效果,但实际效果有限 (狐狸快速恢复)。

3.5 历史数据验证: 黑死病 (13.2)

Murray 给出 1347-1350 年欧洲黑死病的传播数据,估算: - 总感染人数: 2500-5000 万(欧洲人口 30-50%) - 空间波速: ~400 km/year - 持续时间: 4 年 - 关键估算: \(R_0 \sim 3-4\) (基于城市 vs 农村感染率差异) - 模型预测波速: \(c_{\min} = 2\sqrt{D \beta S_0 (R_0 - 1)/R_0}\),代入 \(D \sim 100\) km²/year, \(\beta S_0 \sim 10\) /year → \(c \sim 200-400\) km/year,与历史数据一致。

3.6 2D 流行病波前 (13.8-13.9)

在 2D 平面 (狐狸栖息地),行波前是圆弧,波速与 1D 相同。狐狸密度不均匀 (城市 vs 乡村) 导致波前畸变,但控制带临界宽度 \(L_c\) 不变 — 这是控制策略鲁棒性的关键。

3.7 部分免疫的影响 (13.10)

部分免疫 (\(0 < p < 1\), \(p\) 是免疫覆盖率): - 行波速度 \(c(p) = 2\sqrt{D_I (\beta S_0 (1 - p) - \gamma - \mu)}\) - 临界免疫覆盖率 \(p_c = 1 - (\gamma + \mu)/(\beta S_0)\) - 当 \(p > p_c\) 时,行波速度为虚数(流行病无法传播) - \(p_c\) 是群体免疫阈值 (herd immunity threshold)

Murray 论证 \(p_c\) 与控制带临界宽度 \(L_c\) 是同一机制的不同表述。

§4 关键结论

  • Fisher-KPP 公式 \(c_{\min} = 2\sqrt{D \beta S_0 (R_0 - 1)/R_0}\) 是流行病空间波速的统一公式: 适用于多种流行病 (黑死病、狂犬病、流感、COVID-19),仅参数不同。
  • Murray 1986 Nature 论文是狂犬病空间传播的经典模型: 该模型直接指导了西欧 1980-90 年代的口服狂犬疫苗带 (ORV) 政策,这一政策成功在西欧消灭了狐狸狂犬病。
  • 控制策略的核心是"免疫带宽度 \(L_c\) > 行波衰减长度 \(L_d\)": Murray 给出 \(L_c \approx (4-6) D_I / c\) 的公式,这一公式被多个国家的动物卫生部门采用。
  • 黑死病波速 ~400 km/year 与 Fisher-KPP 公式一致: Murray 用 1347-1350 年的历史数据验证了模型,显示该模型可应用于历史流行病。
  • 群体免疫阈值 \(p_c = 1 - 1/R_0\) 是反应扩散框架的简化形式: 经典 SIR 模型的 \(p_c\) 与 Murray 反应扩散模型的 \(p_c\) 一致,显示反应扩散框架不改变群体免疫的核心结论。
  • 狐狸密度不均匀不影响 \(L_c\): 这是 Murray 模型的关键鲁棒性,让控制策略在不同地理环境下都有效。
  • 数学模型对公共卫生决策的直接指导: Murray 1986 Nature 论文是数学流行病学对公共卫生政策产生直接、可量化、可验证影响的标杆案例,这一案例经常被引用为"数学生物学"在现实世界中的成功应用。

§5 挑战和开放性问题

  • 狐狸行为学对 \(D_I\) 的影响: Murray 模型假设 \(D_I\) 是常数,实际狐狸的迁移行为复杂 (游荡、家域、季节性差异),\(D_I\) 应是时间和空间的函数。Murray 写本章时 (2002) GPS 追踪数据稀少,无法精确估计 \(D_I\)。
  • 狂犬病毒变异: 狂犬病毒存在多种毒株 (经典 RABV, 蝙蝠相关病毒),Murray 模型假设单一毒株,实际可能涉及毒株竞争。
  • 多种宿主 (狐狸、浣熊、臭鼬、蝙蝠) 的耦合: 美国狂犬病涉及多种宿主,Murray 模型主要针对欧洲狐狸。美国浣熊狂犬病的传播需要修改模型。
  • 疫苗效率的时空异质性: ORV 疫苗在不同地理环境下效率不同(温度、湿度、地形),Murray 模型的常数 \(p\) 是简化。
  • 行为免疫: 狐狸可能对狂犬病产生行为免疫 (避免感染个体),Murray 模型未涉及。
  • COVID-19 时代的新挑战: 2020 年以来的 COVID-19 流行病显示,人口流动(航空、铁路) 让反应扩散模型的 \(D\) 估计变得困难。Murray 模型在 2002 年针对的主要是"地理空间"传播,COVID-19 的人际网络传播是不同问题。
  • 气候变化对狐狸分布的影响: 气候变化正在改变狐狸的分布范围,这影响 \(K\) 和 \(D_I\) 的空间分布,Murray 模型不含气候耦合。
  • 剔除带 vs 疫苗带的伦理与生态代价: 剔除带涉及动物福利,疫苗带涉及食品链污染 (口服疫苗对其他动物的潜在影响)。Murray 模型给出"哪种策略更经济"的技术答案,但伦理与生态问题需要其他学科评估。

§6 个人反思与批判性分析

  • Murray 1986 Nature 论文是数学流行病学的标杆: 该论文被广泛引用,启发了 20+ 年的"反应扩散流行病学"研究,直接指导了西欧 ORV 政策,这一成功案例经常被用作"数学应用"的教学范例。
  • Fisher-KPP 公式 \(c_{\min} = 2\sqrt{D \cdot (\text{linear growth rate})}\) 的普适性: 与 Ch 1 追逐波、Ch 9 伤口愈合最小速度、Ch 11 脑肿瘤扩散速度形式完全相同,显示反应扩散框架的统一性。
  • Murray 引用"1347-1350 年黑死病"作为历史验证是有趣的尝试: 把数学模型推到 600+ 年前的历史数据,这是数学模型可证伪性的重要检验。但历史数据精度有限,Murray 的波速估计是"量级一致"而非"精确预测"。
  • ORV 政策在 21 世纪的成功: Murray 模型预测 1980 年代的西欧 ORV 政策应该在 10-20 年内消灭狐狸狂犬病。实际结果: 西欧大部分地区在 2000-2010 年代确实消灭了狐狸狂犬病,Murray 模型的预测在几十年时间尺度上被验证。
  • Murray 模型不含"超级传播者": COVID-19 大流行显示"超级传播者"在流行病传播中起关键作用 (k = 0.1 ~ 0.3 的异质性传播),Murray 模型假设均质传播,在 21 世纪的人际流行病中可能不适用。
  • 可独立复现的推导:
  • §13.1 的 Fisher-KPP 行波公式 — 经典,易复现。
  • §13.4-13.5 的狐狸-狂犬病模型参数估计 (基于西欧数据) — 经典数学流行病学案例。
  • §13.6-13.7 的 ORV 临界带宽度 \(L_c\) 公式 — 直接用于公共卫生决策。
  • 可改进点: §13.10 讨论部分免疫,但 Murray 把免疫覆盖率 \(p\) 作为均质常数,实际疫苗效率 + 野生动物接触 + 季节性 + 地形异质性需要更精细的 \(p(\mathbf{x}, t)\)。
  • 如果要问作者: 我会问"Murray 模型对 COVID-19 这种'人传人'的快速流行病是否仍然适用?Fisher-KPP 公式的 \(D\) 在航空网络下应如何估计?" — 这是 2020 年以来流行病学的核心问题。
  • 跨章节连结:
  • Ch 1 (行波) 是本章理论基础。
  • Ch 2 (反应扩散) 与本章在数学上同构。
  • Ch 3-4 (生态学) 提供本章的生态学基础。
  • Ch 11 (脑肿瘤) 与本章形式上同构(反应扩散行波),但参数尺度不同。
  • Ch 14 (狼群) 是本章的"非传染病"生态学应用,共享"动物空间行为 + 反应扩散"框架。

§7 重要参考文献

  • [X1] Murray J.D., Stanley E.A., Brown D.L. "On the spatial spread of rabies among foxes", Proc. R. Soc. Lond. B 1986;229:111-150
  • [X2] Murray J.D. "Spatial spread of rabies: the need for mathematical models", Nature 1986;322:699-701
  • [X3] Anderson R.M., Jackson H.C., May R.M., Smith A.D. "Population dynamics of fox rabies in Europe", Nature 1981;289:765-771
  • [X4] Källén A., Arcuri P., Murray J.D. "A simple model for the spatial spread and control of rabies", J. theor. Biol. 1985;116:377-393
  • [X5] Murray J.D. Mathematical Biology II: Spatial Models and Biomedical Applications (3rd ed.), Springer, 2002 (本书)
  • [X6] Fisher R.A. "The wave of advance of advantageous genes", Ann. Eugenics 1937;7:355-369
  • [X7] Kolmogoroff A., Petrovsky I., Piscounoff N. "Study of the diffusion equation with growth of the quantity of matter and its application to a biology problem", Moscow Univ. Bull. Math. 1937;1:1-25
  • [X8] Mollison D. "Dependence of epidemic and population velocities on basic parameters", Math. Biosci. 1991;107:255-287
  • [X9] Bacon P.J. (ed.) Population Dynamics of Rabies in Wildlife, Academic Press, 1985
  • [X10] Macdonald D.W. "Rabies and wildlife: a conservation problem?", Onderstepoort J. Vet. Res. 1993;60:351-355
  • [X11] Pastoret P.P., Brochier B. "Epidemiology and control of fox rabies in Europe", Vaccine 1999;17:175-184
  • [X12] Anderson R.M., May R.M. Infectious Diseases of Humans: Dynamics and Control, Oxford University Press, 1991
  • [X13] Cliff A.D., Haggett P., Smallman-Raynor M. Deciphering Global Epidemics: Analytical Approaches to the Disease Records of World Cities, 1888-1912, Cambridge University Press, 1998
  • [X14] Grenfell B.T., Dobson A.P. (eds.) Ecology of Infectious Diseases in Natural Populations, Cambridge University Press, 1995
  • [X15] Lloyd-Smith J.O., Schreiber S.J., Kopp P.E., Getz W.M. "Superspreading and the effect of individual variation on disease emergence", Nature 2005;438:355-359
  • [X16] Hufnagel L., Brockmann D., Geisel T. "Forecast and control of epidemics in a globalized world", Proc. Natl. Acad. Sci. USA 2004;101:15124-15129
  • [X17] Keeling M.J., Rohani P. Modeling Infectious Diseases in Humans and Animals, Princeton University Press, 2008