通过性网络传播乙型肝炎的高级ANN-LMB建模及其残疾负担

科学领域:

• 流行病学 流行病学
• 计算生物学 计算生物学
• 病毒学 病毒学

背景情况:

• 乙型肝炎病毒 (HBV) 是一个重要的全球健康问题,主要是成年人间的性传播.
• 了解HBV传播动态对于有效的公共卫生干预至关重要.

研究的目的:

• 为HBV传播开发一个性别分层的隔间模型.
• 将机械模型与人工神经网络 (ANN) 集成在一起,以高效地分析非线性动态.
• 探索各种参数对HBV传播的影响,并确定关键驱动因素.

主要方法:

• 开发了一种性别分层的HBV传播的隔间模型.
• 集成机械建模与人工神经网络 (ANN) 训练使用莱文伯格-马奎特算法 (ANN-LMB).
• 使用Runge-Kutta第四级 (RK4) 数值解决方案用于ANN训练数据.

主要成果:

• 经过培训的ANN准确地模拟了HBV的隔间动态,错误最小.
• ANN-LMB框架为灵敏度分析提供了一个计算效率高的替代品.
• 分析显示,同性传播率,接触模式和残疾发病对基本生殖数的显著影响 ([公式:见文本]).

结论:

• 该ANN-LMB方法提高了复杂的HBV传播建模的计算效率.
• 这些发现强调了行为干预,疫苗接种和早期检测慢性HBV携带者的重要性.
• 这种生物信息的框架有助于探索复杂的HBV传播动态.