In this thesis it is shown how the spread of infectious diseases can be described via mathematical models that show the dynamic behavior of epidemics. Ordinary differential equations are used for the modeling process. SIR and SIRS models are distinguished, depending on whether a disease confers immunity to individuals after recovery or not. There are characteristic parameters for each disease like the infection rate or the recovery rate. These parameters indicate how aggressive a disease acts and how long it takes for an individual to recover, respectively. In general the parameters are time-varying and depend on population groups. For this reason, models with multiple subgroups are introduced, and switched systems are used to carry out time-variant parameters.
When investigating such models, the so called disease-free equilibrium is of interest, where no infectives appear within the population. The question is whether there are conditions, under which this equilibrium is stable. Necessary mathematical tools for the stability analysis are presented. The theory of ordinary differential equations, including Lyapunov stability theory, is fundamental. Moreover, convex and nonsmooth analysis, positive systems and differential inclusions are introduced. With these tools, sufficient conditions are given for the disease-free equilibrium of SIS, SIR and SIRS systems to be asymptotically stable. / In der vorliegenden Arbeit werden Möglichkeiten aufgezeigt, wie man die Ausbreitung von Infektionskrankheiten mit Hilfe von mathematischen Modellen beschreiben kann. Anhand solcher Modelle möchte man mehr über die Dynamik von Epidemien lernen und vorhersagen, wie sich eine gegebene Infektionskrankheit innerhalb einer Population ausbreitet.
Zunächst werden gewöhnliche Differentialgleichungen verwendet, um grundlegende epidemiologische Modelle aufzustellen. Hierbei unterscheidet man sogenannte SIR und SIS Modelle, je nachdem ob die betrachtete Krankheit einem Individuum nach seiner Heilung Immunität verleiht oder nicht. Charakteristisch für Infektionskrankheiten sind Parameter wie die Infektionsrate oder die Heilungsrate. Sie geben an, wie ansteckend eine Krankheit ist bzw. wie schnell eine Person nach einer Erkrankung wieder gesund wird. Im Allgemeinen sind diese Parameter abhängig von bestimmten Bevölkerungsgruppen und verändern sich mit der Zeit. Daher werden am Ende des zweiten Kapitels Modelle entwickelt, die die Betrachtung mehrerer Bevölkerungsgruppen zulassen. Zeitvariante Parameter werden durch die Verwendung geschalteter Systeme berücksichtigt.
Bei der Untersuchung solcher Systeme ist derjenige Zustand von besonderem Interesse, bei dem innerhalb der Bevölkerung keine Infizierten auftreten, die gesamte Bevölkerung also von der betrachteten Krankheit frei bleibt. Es stellt sich die Frage, unter welchen Bedingungen sich dieser Zustand nach einer Infizierung der Bevölkerung im Laufe der Zeit von selbst einstellt. Mathematisch gesehen untersucht man die triviale Ruhelage des Systems, bei der keine Infizierten existieren, auf Stabilität.
Für die Stabilitätsanalyse sind einige mathematische Begriffe und Aussagen notwendig, die im zweiten Kapitel bereitgestellt werden. Grundlegend ist die Theorie gewöhnlicher Differentialgleichungen, einschließlich der Stabilitätstheorie von Lyapunov. Darüberhinaus kommen wichtige Erkenntnisse aus den Gebieten Konvexe und Nichtglatte Analysis, Positive Systeme und Differentialinklusionen.
Ausgestattet mit diesen Hilfsmitteln werden im vierten Kapitel Sätze bewiesen, die hinreichende Bedingungen dafür angegeben, dass die triviale Ruhelage in geschalteten SIS, SIR und SIRS Systemen asymptotisch stabil ist.
Identifer | oai:union.ndltd.org:uni-wuerzburg.de/oai:opus.bibliothek.uni-wuerzburg.de:10857 |
Date | January 2013 |
Creators | Pröll, Sebastian |
Source Sets | University of Würzburg |
Language | English |
Detected Language | German |
Type | masterthesis, doc-type:masterthesis |
Format | application/pdf |
Rights | https://creativecommons.org/licenses/by-nc-nd/3.0/de/deed.de, info:eu-repo/semantics/openAccess |
Page generated in 0.0016 seconds