سال 17، شماره 5 - ( مهر - آبان 1402 )
جلد 17 شماره 5 صفحات 540-533 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Marom S, Harianto J, Kurniawati E. Sensitivity Analysis of Malaria Transmission Model. Iran J Med Microbiol 2023; 17 (5) :533-540
URL: http://ijmm.ir/article-1-2063-fa.html
URL: http://ijmm.ir/article-1-2063-fa.html
ماروم سایفول، هاریان تو جوکو، کورنیاواتی اتی. تحلیل حساسیت مدل انتقال مالاریا. مجله میکروب شناسی پزشکی ایران. 1402; 17 (5) :533-540
1- گروه آموزش ریاضی، دانشگاه دولتی اسلامی سالاتیگا (UIN Salatiga)، سالاتیگا، اندونزی، سالاتیگا، اندونزی ، saifulmarom@iainsalatiga.ac.id
2- گروه علوم ریاضی، دانشگاه سنتراواسیه، پاپوآ، اندونزی
3- گروه رادیولوژی، بیمارستان دکتر کاریادی، سمارنگ، اندونزی
2- گروه علوم ریاضی، دانشگاه سنتراواسیه، پاپوآ، اندونزی
3- گروه رادیولوژی، بیمارستان دکتر کاریادی، سمارنگ، اندونزی
چکیده: (834 مشاهده)
زمینه و اهداف: مالاریا یک بیماری ناقل است که به یک نگرانی جهانی تبدیل شده است. محققان از مدلی برای گسترش مالاریا استفاده کردند که شامل همزیستی دو جمعیت بود: انسان و پشه. هدف اصلی این کار تحلیل شاخص حساسیت هر پارامتر در مدل است.
مواد و روش کار: در ساخت مدل از سه محفظه برای جمعیت انسانی و دو محفظه برای جمعیت پشه استفاده شد. هدف اصلی این کار تحلیل شاخص حساسیت هر پارامتر در مدل است. این تحلیل برای درک واریانس خروجی مدل ناشی از تغییرات در ورودی بسیار مهم است. این تجزیه و تحلیل اطلاعاتی را در مورد پارامترهایی که بیشتر بر پویایی شیوع مالاریا در جمعیت انسانی تأثیر می‌گذارند، در اختیار محققان قرار می‌دهد.
یافته ها: نتایج این مطالعه حاکی از آن است که پارامتر میانگین تعداد گزش یک پشه در تمام میزبان‌های انسان، غالب‌ترین عامل در افزایش شیوع مالاریا در انسان است. از سوی دیگر، تعداد پشه هایی که به طور طبیعی می میرند، مهم ترین پارامتر در کاهش شیوع مالاریا در انسان است.
نتیجه‌گیری: شاخص حساسیت نشان می‌دهد که پارامتر میانگین تعداد اقلام یک پشه منفرد بر روی همه میزبان‌های انسانی (r) بیشترین تأثیر را در افزایش شیوع مالاریا در انسان دارد. از سوی دیگر، thnaturally die open paren mu sub v، die (μ_v) مهمترین پارامتر در کاهش شیوع مالاریا در انسان است.
نوع مطالعه: مقاله پژوهشی |
موضوع مقاله:
انگل شناسی پزشکی
دریافت: 1402/3/17 | پذیرش: 1402/6/25 | انتشار الکترونیک: 1402/9/8
دریافت: 1402/3/17 | پذیرش: 1402/6/25 | انتشار الکترونیک: 1402/9/8
فهرست منابع
1. Alembizar F, Rezaei Orimi J. A criticism on the article "History of Bacterial Infection Diseases in Iran". Iran J Med Microbiol. 2023;17(1):123-5. [DOI:10.30699/ijmm.17.1.123]
2. Dirbazian A, Soleimani M, Mousavi SH, Aminianfar M, Mirjani R, Khoshfetrat M, et al. Molecular Detection of Infectious Endocarditis (Coxiella burnetii) Bacteria from Selected Military Hospitals. Iran J Med Microbiol. 2022;16(6):594-600. [DOI:10.30699/ijmm.16.6.594]
3. Athavale P, Pandit D, Das N. 'Nitric Oxide' A Dual Performer in Dengue Virus Infection. Iran J Med Microbiol. 2022;16(6):537-42. [DOI:10.30699/ijmm.16.6.537]
4. Asadi N, Hazrati Tappeh K, Yousefi E, Khademvatan S. Differentiation of prevalent parasite from artifacts in parasitology laboratory. Iran J Med Microbiol. 2019;13(2):89-101. [DOI:10.30699/ijmm.13.2.89]
5. Tofangsazan F, Shahidi F, Mortazavi SA, Milani E, Eshaghi Z. Investigation of antibacterial activity of Lactic Acid Bacteria isolated from traditional kordish cheese in comparison with commercial strains. Iran J Med Microbiol. 2013;7(3):34-41.
6. Aryamand S, khademvatan S, Diba K, Manafpour N, Abbassi E. Stem Cell Therapy in the Treatment of Parasitic Diseases. Iran J Med Microbiol. 2017;11(3):1-9.
7. Fattahi Bafghi A, Minoo Sepehr M, Mozayan MR, Bagheri P, Dehghani A, Rezaee E. Passive Case Findings on Malaria in Yazd as a Central Province of Iran During 2011-2020. Iran J Med Microbiol. 2023;17(1):117-22. [DOI:10.30699/ijmm.17.1.117]
8. Cai L, Li X, Tuncer N, Martcheva M, Lashari AA. Optimal control of a malaria model with asymptomatic class and superinfection. Math Biosci. 2017;288:94-108. [DOI:10.1016/j.mbs.2017.03.003] [PMID]
9. Harianto J. Local stability analysis of an SVIR epidemic model. J Mat Murni Dan Aplik. 2017;5(1):20-8. [DOI:10.18860/ca.v5i1.4388]
10. Meibalan E, Marti M. Biology of malaria transmission. Cold Spring Harbor Perspectives in Medicine. 2017;7(3):a025452. [DOI:10.1101/cshperspect.a025452] [PMID] [PMCID]
11. Wangai LN, Karau MG, Njiruh PN, Sabah O, Kimani FT, Magoma G, et al. Sensitivity of microscopy compared to molecular diagnosis of P. falciparum: implications on malaria treatment in epidemic areas in Kenya. Afr J Infect Dis. 2011;5(1):1-6. [DOI:10.4314/ajid.v5i1.66504] [PMID] [PMCID]
12. Kuddus MA, Rahman A. Modelling and analysis of human-mosquito malaria transmission dynamics in Bangladesh. Math Comput Simul. 2022;193:123-38. [DOI:10.1016/j.matcom.2021.09.021]
13. Srivastav AK, Ghosh M. Assessing the impact of treatment on the dynamics of dengue fever: A case study of India. Appl Math Comput. 2019;362:124533. [DOI:10.1016/j.amc.2019.06.047]
14. Koutou O, Traoré B, Sangaré B. Mathematical model of malaria transmission dynamics with distributed delay and a wide class of nonlinear incidence rates. Cogent Math. 2018;5(1):1564531. [DOI:10.1080/25742558.2018.1564531]
15. Bakary T, Boureima S, Sado T. A mathematical model of malaria transmission in a periodic environment. J Biol Dyn. 2018;12(1):400-32. [DOI:10.1080/17513758.2018.1468935] [PMID]
16. Yin H, Yang C, Li J. The impact of releasing sterile mosquitoes on malaria transmission. Discrete and Continuous Dynamical Systems-B. 232018. p. 3837-53. [DOI:10.3934/dcdsb.2018113]
17. Huo H-F, Qiu G-M. Stability of a Mathematical Model of Malaria Transmission with Relapse. Abstr Appl Anal. 2014;2014:289349. [DOI:10.1155/2014/289349]
18. Annan K, Mukinay CD. Stability and time-scale analysis of malaria transmission in human-mosquito population. Int j Syst Sci Appl Math. 2017;2(1):1-9. [DOI:10.11648/j.ijssam.20170201.11]
19. Olaniyi S, Obabiyi Os. Mathematical model for malaria transmission dynamics in human and mosquito populations with nonlinear forces of infection. Int J Pure Appl Math. 2013;88:125-56. [DOI:10.12732/ijpam.v88i1.10]
20. Rahman A, Kuddus MA. Cost-effective modeling of the transmission dynamics of malaria: A case study in Bangladesh. Communications in Statistics: Case Studies, Data Analysis and Applications. 6: Taylor & Francis; 2020. p. 270-86. [DOI:10.1080/23737484.2020.1731724]
21. Singaram A, Ghosh M. Stability analysis and optimal control of a malaria model with larvivorous fish as biological control agent. Appl Math Inf Sci. 2015;9:1893-913.
22. Ayuba SA, Akeyede I, Olagunju A. Stability and Sensitivity Analysis of Dengue-Malaria Co-Infection Model in Endemic Stage. J Niger Soc Phys Sci. 2021:96-104. [DOI:10.46481/jnsps.2021.196]
23. Khamis D, El Mouden C, Kura K, Bonsall MB. Optimal control of malaria: combining vector interventions and drug therapies. Mala J. 2018;17(1):174. [DOI:10.1186/s12936-018-2321-6] [PMID] [PMCID]
24. Bala S, Gimba B. Global sensitivity analysis to study the impacts of bed-nets, drug treatment, and their efficacies on a two-strain malaria model. Math Comput Appl. 2019;24(1):32. [DOI:10.3390/mca24010032]
25. Tchoumi SY, Dongmo EZ, Kamgang JC, Tchuenche JM. Dynamics of a two-group structured malaria transmission model. Inform Med Unlocked. 2022;29:100897. [DOI:10.1016/j.imu.2022.100897]
26. Chitnis N, Hyman JM, Cushing JM. Determining Important Parameters in the Spread of Malaria Through the Sensitivity Analysis of a Mathematical Model. Bull Math Biol. 2008;70(5):1272-96. [DOI:10.1007/s11538-008-9299-0] [PMID]
27. Traoré B, Sangaré B, Traoré S. A Mathematical Model of Malaria Transmission with Structured Vector Population and Seasonality. J Appl Math. 2017;2017:6754097. [DOI:10.1155/2017/6754097]
28. Sabgaĭda TP. A mathematical model of the transmission of tertian malaria with short and long incubations. Med Parazitol. 1991(6):23-5.
29. Nainggolan J, Harianto J, Tasman H. An optimal control of prevention and treatment of COVID-19 spread in Indonesia. Commun Math Biol Neurosci. 2023;2023:Article-ID.
30. Xing Y, Guo Z, Liu J. Backward bifurcation in a malaria transmission model. J Biol Dyn. 2020;14(1):368-88. [DOI:10.1080/17513758.2020.1771443] [PMID]
31. Malorung F, Blegur M, Pangaribuan R, Ndii M. Sensitivity Analysis of Mathematical Model of Disease Spread with Vaccination. J Mat Int. 2018;14(1):9. [DOI:10.24198/jmi.v14i1.16000]
32. van den Driessche P. Reproduction numbers of infectious disease models. Infect Dis Model. 2017;2(3):288-303. [DOI:10.1016/j.idm.2017.06.002] [PMID] [PMCID]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
