感染和接种疫苗的个体的时间依赖性抗体动力学的流行估计方法:马尔科夫链方法
Prajakta Bedekar1,2, Rayanne A Luke3,4, Anthony J Kearsley2
1Department of Applied Mathematics and Statistics, Johns Hopkins University, Baltimore, Maryland, 21218, USA.
Bulletin of mathematical biology
|January 3, 2025
概括
我们开发了一种新的马尔科夫链模型,可以随着时间的推移跟踪感染或接种疫苗后的抗体水平. 这种数学框架有助于理解免疫反应,并预测未来的事件,如再感染或疫苗增强.
科学领域:
- 免疫学 免疫学 免疫学
- 数学生物学 数学生物学
- 流行病学 流行病学
背景情况:
- 像感染和接种疫苗这样的免疫事件会诱导时间依赖的抗体反应.
- 人口抗体水平是免疫反应和事件流行率之间的复杂相互作用的结果.
- 建模这些动态存在挑战,因为时间依赖性和疾病患病率.
研究的目的:
- 为免疫事件过渡和抗体动力学开发一个严格的数学模型.
- 解决模拟时间依赖性免疫反应和疾病患病率方面的挑战.
- 为分析感染和疫苗接种序列提供一个框架.
主要方法:
- 为事件到事件的过渡提出了一个时间不均的马尔科夫链模型.
- 集成了一个针对抗体动态的概率框架.
- 通过过渡概率矩阵利用合成数据进行流行率估计.
主要成果:
- 展示了个体经历感染或接种疫苗的模型,但不是两者.
- 使用开发的过渡概率矩阵成功进行了流行率估计.
- 该模型有效地捕获了不同的,时间依赖的抗体反应.
结论:
- 拟议的马尔科夫链模型为免疫事件动态提供了强大的数学基础.
- 这种方法适用于模拟个人轨迹和免疫事件的序列.
- 它作为一个基本步骤,用于表征再感染,疫苗增强和交叉事件.
