4. Ситуационные задачи для разбора на занятии.

Рекомендуемая литература:

Основная литература:

1. Экология человека: Под ред. А.И. Григорьева. - М.: «ГЭОТАР - Медиа», 2008 г.

2. Иванов В.П., Иванова Н.В. Медицинская экология. - М.: «ООО „Издательство СпецЛит“», 2011 г.

3. Гигиена, санология, экология: Учебное пособие / Под ред. Л. В. Воробьевой. - СПб.: «СпецЛит», 2011 г.

Дополнительная литература:

4. Гигиена и экология человека: Под ред. В.М. Глиненко., 2010 г.

5. Губарева Л.И. Экология человека. - М.: ВЛАДОС, 2003 г.

6. Камакин Н.Ф., Жукова Е.А. Физиология питания. - ГБОУ ВПО Кировская ГМА, 2009 г.

Методические указания подготовлены: д.б.н., профессором Г.Н. Доровских

Методические указания утверждены на заседании кафедры №__ от «__» «___» 2013 г.

Зав. кафедрой:_______________( профессор Е.Р. Бойко)

Коми филиал

государственного бюджетного образовательного учреждения высшего

профессионального образования

«Кировская государственная медицинская академия»

Министерства здравоохранения и социального развития Российской Федерации

Кафедра биологической химии с курсом фармакологии

Методические указания для студентов_2_ курса

специальности 060101 Лечебное дело

к практическому занятию по дисциплине «Экология»

Тема: 17. Математическое моделирование в экологии.

Цель занятия: Способствовать формированию системы теоретических знаний по математическому моделированию.

Задачи: 1. Раскрыть задачи моделирования в экологии человека.

2. Изучить принципы создания баз данных.

3. Изучить типы математических моделей для антропоэкологических исследований.

4. Раскрыть будущее человечества: глобальный антропоэкологический прогноз.

Студент должен знать:

1. до изучения темы: некоторые понятия математического моделирования.

2. после изучения темы: типы математических моделей для антропоэкологических исследований, принципы создания баз данных.

Студент должен уметь: составлять простейшую модель эпидемии.

Содержание занятия:

1. Вводный контроль. нет.

2. Беседа по теме занятия.

Задачи моделирования в экологии человека. Принципы создания баз данных.

Типы математических моделей для антропоэкологических исследований.

Будущее человечества: глобальный антропоэкологический прогноз. Динамика популяций простейшая модель эпидемии.

3. Практическая работа.

«Составление простейшей модели эпидемии».

Цель работы: Ознакомиться с составлением математических моделей.

Ход работы:

За многие годы существования человечества огромное число людей погибло от разных эпидемий. Для того чтобы уметь бо­роться с эпидемиями, т.е. своевременно проводить тот или иной комплекс мероприятий (прививки, вакцины, карантин и т.д.), необходимо уметь оценивать эффективность каждого та­кого комплекса и выбрать наиболее оптимальный для данного вида эпидемии (холера, чума, грипп, СПИД и т.д.). Оценка эф­фективности базируется, как правило, на прогнозе о протекании эпидемий. Отсюда вытекает задача построения модели, которая могла бы служить целям прогноза. Самой простой моделью яв­ляется описание естественного хода эпидемии без применения каких-либо профилактических мероприятий.

Итак, пусть имеется N здоровых людей, и в момент времени t = 0 в эту группу попадает один заболевший человек (источник инфекции). Предположим, что удаления заболевших из группы не происходит и человек становится источником инфекции сра­зу же, как заразился сам.

Обозначим через х(t) число источников инфекции в момент времени t, а через y(t) — число еще не заболевших, (часть из них, естественно, может заболеть с течением времени).

Очевидно, что x(t) +y(t) = N +1 в любой момент времени t, причём при t = 0 выполняется условие х(0) = 1.

Рассмотрим интервал времени t, t + ∆t, где ∆t достаточно мало.

Естественно, что число больных ∆х, появившихся за этот интервал, пропорционально ∆t (∆х≈ ∆t ). Естественно также предположить, что это число пропорционально числу контактов между больными и здоровы­ми, т.е. произведению х(t)у(t).

Таким образом, ∆х≈αх(t)y(t)dt, где α — коэффициент пропорциональности. Устремляя ∆t к нулю из последнего соотношения, получим дифференциальное уравнение:

dх

— = αх(t) (N +1 - x(t)), (9.14)

dt

которое вместе с начальным условием

х(0) = 1 (9.15)

определяет функцию x(t). Уравнение (9.14) по виду является логистическим. По­этому сразу можно записать решение x(t) задачи Коши (9.14), (9.15) в удобном виде:

х(t)= N +1______ t >0 (9.16)

N_е^-a(N+1)t+1 '

Итак, число заболевших — функция времени. Проанализи­руем эту функцию. Из уравнения (9.16) вытекает, что с течени­ем времени число заболевших может только увеличиваться, а все здоровые люди заболеют, так как lim х(t) = N +1, t→∞

Конечно, это грубая модель, не учитывающая естественного иммунитета у здоровых людей к данному заболеванию.

Интересно выяснить, как меняется скорость увеличения чис­ла больных, т. е. величина

dх = α(N +1)²_е^-a(N+1)t t >0 (9.17)

(N_е^-a(N+1)t+1)²

dt

Для решения этого вопроса нужно изучить величину — d²х

dt²

Дифференцируя уравнение (9.17), получаем

d²х = α²(N +1)³е^{- a(N+1)t} [ N_е^-a(N+1)t-1 ] t >0 (9.18)

dt² (N_е^-a(N+1)t+1)³

Из этого уравнения вытекает, что — d²х > 0 при t ≡{0, ln N }

dt² { α (N+1) }

d²х < 0 при t ≡{ ln N , +∞}

dt² { α (N+1) }

Следовательно, скорость возрастания заболевших — функция d²х растет до момента t = ln N___

dt² α (N+1)

а затем убывает. Несмотря на грубость модели, этот результат совпадает с экспериментальными данными: в начале эпидемии число заболевших резко возрастает, а впоследствии скорость распространения инфекции снижается.

Для сравнения приведем результаты использования более сложных моделей развития гриппозной эпидемии в Москве, где население составляет 8,5 млн человек. Это позволит нам также определить численные значения параметров N и α, при которых наша модель более реалистична.

Началу эпидемии соответствует число заболевших 79,1 тыс. человек, откуда

N = 8,5 млн / 79,1 тыс. ≈ 1100 человек. Пик заболеваемости приходится на 46-й день, т. е.

46 α = ln 1100 , откуда α≈__7____≈10^-4

1101 46*1101

По формуле (9.16) находим число больных

х(46)= 1101 __ =125.

1101е^-5+1

По отношению к 1100 чел. это составляет 11%, что согласуется с экспериментальными данными, где чис­ло больных равно 981 тыс. человек и составляет 11,5%. Конечно, применение соответствующих профилактических мер дает значи­тельный положительный эффект, пик числа больных снижается с 981 тыс. до 122 тыс. человек, однако создание соответствующей ма­тематической модели — существенно более трудная задача.

Результаты: Оформляются в тетради.

Выводы: Подводится итог о возможности моделирования в экологии.