HIV传染动力学模型

%1、	建立一个模型（在一个或多个已存在的模型上修改或建造），来模仿TIPs在抑制疾病在人群中的传播时的用处。
%2、	利用模型通过执行TIPs和HIV在不同模式设定下的计算仿真从数量上评估TIPs在抑制HIV-1在人群中的传播时的有效性。根据建立的模型的结构，我们可以在Matlab上执行这些模拟仿真。

%   HIV微分方程模型 by iceiceice 根据《部分hiv数据.doc》
%   2011-3-19

clear;
clc;
%   参数设定
beta=0.1/100;   %   hiv感染率 1-1.5%
d=95/100;    %   因病死亡率，大多文献取为1，《部分hiv数据.doc》中可能书写有误
mu=0.5/100;  %   自然死亡率
beta1=0.1/100;  %   双重携带者的感染率1-1.5%
gamma1=0.3; %   双重携带者无效率

%   缺失数据参数，由3-17的邮件中的附件：HIV的发病率和AIDS的死亡率（参考）.pdf，设定为0.1
gamma=0.1;

%   初值
tic
A=1500;     %   人口输入
S=8000;     %   易感人口
I=150;     %   HIV携带者
P=50;      %   AIDS患者

%   间隔时间数
dt=0.0001;

%   模型
N=10/dt;    %   步数

S=zeros（1N）;
I=zeros（1N）;
Id=zeros（1N）;
It=zeros（1N）;
P=zeros（1N）;

rate=zeros（101101）;

%for n1=0:100                                %   直接对alpha1、alpha2做线性变换做rate会报错
 %   for n2=0:100   
        S（1）=8000;   
        I（1）=150;
        Id（1）=0;
        It（1）=0;
        P（1）=50;
       % alpha1=n1/100;
        %alpha2=n2/100;
        alpha1=0.4;
        alpha2=0.4;
        for i=1:（N-1）
            S（i+1）=S（i）+dt*（A-beta*I（i）*S（i）-beta1*Id（i）*S（i）-（alpha1+mu）*S（i））; %   原模型中该行最后一部分书写有误
            %if S（i+1）<0  S（i+1）=0;  end
            I（i+1）=I（i）+dt*（beta*I（i）*S（i）-alpha2*I（i）-mu*I（i）-gamma*I（i）+gamma1*Id（i）-beta1*I（i）*Id（i））;
            Id（i+1）=Id（i）+dt*（beta1*Id（i）*S（i）+beta*I（i）*It（i）+beta1*It（i）*Id（i）-gamma1*Id（i）-mu*Id（i）+alpha2*I（i）+beta1*I（i）*Id（i））;  %   原模型中该行最后一部分书写有误
            It（i+1）=It（i）+dt*（alpha1*S（i）-beta*I（i）*It（i）-beta1*It（i）*Id（i）-mu*It（i））;
            %if It（i+1）<0  It（i+1）=0; end
            P（i+1）=P（i）+dt*（gamma*I（i）-（mu+d）*P（i））;
        end
  %      rate（n1+1n2+1）=（P（i+1）+I（i+1））/（S（i+1）+I（i+1）+Id（i+1）+It（i+1）+P（i+1））;     %   已感染及发病者所占总人口比例，这里没有考虑gamma1*Id，因为觉得没有必要添加这一项
 %   end
%end
% figure; plot（I‘g‘）; xlabel（‘I‘）;
% legend（‘I:hiv携带者‘）;
% hold on;
%  plot（Id）; xlabel（‘Id‘）
%  legend（‘Id:双重携带者‘）;
%  hold on;
%  plot（P‘m‘）;  xlabel（‘P‘）
%  legend（‘P:AIDS患者‘）;
%  hold on;
% plot（It‘k‘）;  xlabel（‘It‘）
% legend（‘It:TIPS携带者‘）;
% hold on;
%  plot（S‘r‘）;  xlabel（‘S‘）
% legend（‘S:易感者‘）;
k=1:1:100000;
subplot（211）;
plot（kI（k）‘g‘kId（k）kP（k）‘m‘kIt（k）‘k‘kS（k）‘r‘）;
xlabel（‘year/10000‘）;ylabel（‘population‘）;
title（‘XXX‘）;
legend（‘I:hiv携带者‘‘Id:双重携带者‘‘P:AIDS患者‘‘It:TIPS携带者‘‘S:易感者‘）
% S
% I
% Id
% It
% P
toc