文摘

COVID-19大流行已经把世界威胁了很长一段时间。在中国武汉,这是首次发现,在2019年12月,已被世界卫生组织宣布大流行。这种疾病主要是由于严重急性呼吸系统综合症冠状病毒2 (SARS-CoV-2)。到目前为止,还没有疫苗或药物开发适当的治疗这种疾病,所以人们害怕被感染。门口的大流行了许多国家的社会经济紧急情况。因此,它是非常重要的预测这种流行病的发展趋势,我们知道数学模型是一个基本的工具来研究疾病的动态行为和预测疾病的蔓延趋势。在这项研究中,我们制定的数学模型通过引入COVID-19爆发检疫类media-induced恐惧的疾病传播率来分析这种流行病的动态行为。我们已经计算出基本的繁殖数量R_{0,我们观察到当R0< 1,无病平衡点是全局稳定的,而如果R0> 1,那么系统是永久性的,存在一个唯一的地方病平衡点。全球地方病平衡点的稳定性是由使用李和Muldowney高维本迪克松的标准。最后,一些使用MATLAB进行数值模拟来验证我们的分析结果。}

1。介绍

在过去的二十年里,两个已知的SARS冠状病毒暴发(<一个href="#B1">1),即(<一个href="#B2">2已发现在人类。COVID-19缩写形式的严重急性呼吸系统综合症冠状病毒2 (SARS-CoV-2),在人类还没有被查明。这种疾病主要是通过直接的人际接触传播,但是有证据和工作,声称它也可以间接地通过直接的周围环境中的污染物传播的感染者<一个href="#B3">3- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -<一个href="#B5">5]。据报道,COVID-19以不同的方式影响不同的人。大多数感染者出现轻度至中度症状如发烧、疲劳、干咳,虽然有些病人患有头痛,腹痛,腹泻,呕吐(<一个href="#B6">6]。平均而言,症状可能出现在5到6天当有人感染了病毒,但有时它需要14天<一个href="#B6">6]。在[<一个href="#B7">7),江泽民等人估计,这种病毒的致死率是近4。年龄段的5%,但70 - 79年,它已经上升到8%。这种疾病更关键的人有其他疾病,如糖尿病、哮喘和心血管疾病(<一个href="#B6">6]。据报道,一个COVID-19-infected人可以左右。5人被感染(<一个href="#B8">8]。人都关心他们的健康,但疾病的感染率和死亡率增加一天,他们害怕看到这种类型的新闻通过媒体,所以一波又一波的恐惧已经发达的社会。

人类行为中扮演一个重要的角色在传播流行病[<一个href="#B9">9,<一个href="#B10">10]。他们也受到多种因素的影响,害怕被其中的一个。模拟研究表明,恐惧有很大影响减少大流行的严重程度(<一个href="#B11">11- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -<一个href="#B13">13]。恐惧已被证明是与社会距离直接相关的行为和谨慎<一个href="#B14">14,<一个href="#B15">15]。

由于恐惧,人们总是害怕进入一个开放的区域和他们在自由的环境中避免他们的日常活动。人可能害怕因为各种各样的原因,比如看到一个人正在遭受COVID-19,但最快的方法是大众媒体(<一个href="#B16">16]。当前疫情更加突出比最近流行的媒体报道,包括埃博拉病毒。例如,《时代》杂志的一项研究表明,有23倍的文章英文打印新闻覆盖冠状病毒爆发的第一个月同期相比2018年埃博拉疫情(<一个href="#B17">17]。媒体发挥了重要作用,影响传播有用的信息通过各种渠道如电视、社区广播,互联网,和印刷媒体(如报纸和杂志),导致了一个社区的行为(<一个href="#B18">18];因此,它是影响大流行的进展<一个href="#B19">19,<一个href="#B20">20.]。所以,media-induced恐惧对疾病有一个负面影响繁殖率。最近,Mohsen et al。<一个href="#B21">21]研究COVID-19模型的全局稳定性隔离策略和媒体报道的影响。根据Ahorsu et al。<一个href="#B22">22),大流行性流感病毒感染的一个独特的特性是担心他们可以灌输大片地区的人口。刘等人。<一个href="#B23">23]表明,大众媒体曝光有显著积极影响社交网络服务的参与和主观规范,同时预防行为很大程度上是受到主观规范;社交网络服务的参与对消极情绪有显著的影响,和过度的预防的目的主要是受负面情绪的影响。数学建模是一个最好的方式来表达流行病的动力。有许多传染病模型,其中大部分是使用微分方程系统描述种群动态与不同的特征与感染(<一个href="#B24">24- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -<一个href="#B26">26]。Sardar et al。<一个href="#B27">27]研究锁定在未来情况方面的影响在一些产业和整个印度。Sarkar et al。<一个href="#B28">28)提出并分析了一个数学模型来研究传播动力学COVID-19或SARS-CoV-2,他们与真实数据进行了模型验证来自印度和印度的一些省份。一个数学模型被罗伊,罗伊·巴塔查里亚(<一个href="#B29">29日]预测流行病传播在印度使用的数据从1 2020年3月至2020年4月23日,他们表明,全国实施封锁扮演了一个重要的角色在限制流行病的传播。Hattaf和Yousfi<一个href="#B30">30.)提出了一个在宿主模型,它描述了SARS-CoV-2之间的交互,主机肺上皮细胞和细胞毒性T淋巴细胞的细胞。冯et al。<一个href="#B31">31日]研究了COVID-19模型的影响在英国媒体和检疫。Chang et al。<一个href="#B32">32)提出了一个SIHRS模型,结合对媒体报道的认识,中扮演着很重要的角色在预防和控制传染病。可以找到一些其他的工作在<一个href="#B33">33- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -<一个href="#B36">36]。受最重要的是这些作品的启发,我们制定修改西珥模型讨论恐惧的影响疾病传播率通过媒体警觉性。一般来说,疾病传播率与疾病的警觉性健康人以及相关疾病的传播能力。因此,社会媒体报道影响疾病控制。

本文组织如下。节<一个href="#sec2">2,我们制定一个流行COVID-19数学模型,结合媒体报道。积极和有界性的解决方案的系统(<一个href="#EEq2">2)执行<一个href="#sec3">第三节。基本的繁殖数量计算和无病平衡点的稳定性进行了探讨<一个href="#sec4">第四节。地方病平衡点的局部和全局稳定性提出了<一个href="#sec5">第五节。一些数值模拟中执行<一个href="#sec6">第六节来验证我们的结果。给出一个简短的讨论<一个href="#sec7">第七节。

2。模型公式

在这项工作中,我们提出了一个修正经典西珥模型来研究媒体引起的恐惧的影响疾病传播率的流行COVID-19。在流行病模型,双线性发生率βSI是经常使用的。最近的一项研究[<一个href="#B37">37)表明,恐惧效果将减少疾病传播率,所以我们修改βSI通过乘以一个系数f(α,我),导致f(α,我)βSI。这里的参数α表示程度的恐惧。生物的理由α,我,f(α,我),它是适当的考虑以下:<年代pan class="list">(我)f (0,我)= 1,即。,在the absence of fear, there is no reduction in the disease transmission rate(2)f(α,0)= 1,即。,当there is no infected population, there is no reduction in the susceptible population due to fear(3)lim<年代ub>α⟶∞f(α,我)= 0,即。,当the amount of fear is very large, the disease transmission rate reduces to zero.(iv)lim<年代ub>我⟶∞f(α,我)= 0,即。,当the infected population is very large, the disease transmission rate reduces to zero due to the large fear factor(v) ,即。,与the increase of fear, the disease transmission rate reduces(vi) ,即。,一个年代the infected population increases, the disease transmission rate decreases

为便于分析,我们假设以下形式的恐惧效果:<年代pan class="equation_break" id="EEq1">

我们建议的模型是基于分裂的总人口N(t),在时间t到敏感的亚种群年代(t),暴露E(t)(那些已经感染但在潜伏期和携带这种病毒没有显示任何症状),具有传染性我(t)(有感染能力和症状),孤立问(t)(确认和感染)和恢复R(t)个人,所以N(t)=年代(t)+E(t)+我(t)+问(t)+R(t)。模型由以下给出非线性微分方程组:<年代pan class="equation_break" id="EEq2"> 与初始条件年代(0)>0,E(0)≥0,我(0)>0,问(0)≥0,R(0)≥0。所有的模型参数及其描述表<一个href="//www.newsama.com/journals/ijde/2021/2129490/tab1/" target="_blank">1。

3所示。积极和有界性的解决方案

生物系统的有效性<一个href="#EEq2">2),需要证明所有解决方案的系统(<一个href="#EEq2">2)积极初始值将保持积极t>0。因此,在本节中,我们想要证明我们的积极性和有界性的解决方案被认为是系统。

引理1。所有的解决方案(年代(t),E(t),我(t),问(t),R(t系统(的)<一个href="#EEq2">2)与积极的初始数据仍将是积极的t> 0。

证明。第一个方程的系统(<一个href="#EEq2">2),我们得到<年代pan class="equation_break" id="EEq3"> 因此,<年代pan class="equation_break" id="EEq4"> 同样,它可以显示E(t)> 0,我(t)> 0,问(t)> 0,R(t)> 0t>0。

引理2。的闭集<年代pan class="inline_break"> 对系统(积极不变<一个href="#EEq2">2)。

证明。添加所有的方程系统(<一个href="#EEq2">2),我们获得了总人口的变化率,给出的<年代pan class="equation_break" id="EEq5"> 在哪里<年代pan class="inline_break"> 。
由此可见,<年代pan class="inline_break"> 当<年代pan class="inline_break"> 。通过使用一个标准的比较定理(<一个href="#B38">38),我们可以证明<年代pan class="equation_break" id="EEq6"> 因此,我们有<年代pan class="inline_break"> 。因此,<年代vg height="8.68572pt" id="M14" style="vertical-align:-0.0498209pt" version="1.1" viewbox="-0.0498162 -8.6359 9.72961 8.68572" width="9.72961pt" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink"> 该地区积极不变,这样吗<年代vg height="8.68572pt" id="M15" style="vertical-align:-0.0498209pt" version="1.1" viewbox="-0.0498162 -8.6359 9.72961 8.68572" width="9.72961pt" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink"> 吸引了所有解决方案<年代pan class="nowrap"> 。

4所示。繁殖数量和无病平衡点的稳定性分析

基本繁殖数量是最重要的一个阈值参数可以确定传染病会消亡或扩散到整个人口随着时间的增加。这里,我们计算的基本繁殖数量COVID-19模型通过下一代矩阵法(<一个href="#B39">39]。

系统(<一个href="#EEq2">2)有一个独特的无病平衡点<年代pan class="inline_break"> ,在哪里<年代pan class="inline_break"> 和R¯= 0。然后,使用的符号<一个href="#B39">39),繁殖数量R_{0的系统(<一个href="#EEq2">2计算)的关系ρ(艘渔船^{−1),ρ矩阵的谱半径艘渔船−1和<年代pan class="equation_break" id="EEq7">}}

在这里,F是一个非负矩阵和V是一个非奇异m;因此,艘渔船^{−1也非负;因此,的谱半径艘渔船−1是<年代pan class="equation_break" id="EEq8">}

研究系统的动态行为(<一个href="#EEq2">2)在平衡,我们首先计算系统的雅可比矩阵<一个href="#EEq2">2在一个任意点)E¯(年代,E,我,问,R),是由<年代pan class="equation_break" id="EEq9">

定理1。无病平衡点的E_{1是局部渐近稳定如果R0如果< 1和不稳定R0> 1。}

证明。当地的稳定E_{1可以通过评估建立在无病平衡点的雅可比矩阵。的雅可比矩阵E1是由<年代pan class="equation_break" id="EEq10">} 特征方程的特征值J(E_{1)−µ,−µ和−(λ+µ),另外两个特征值方程的根:<年代pan class="equation_break" id="EEq11"> 显然,如果R0< 1,那么所有的根方程(<一个href="#EEq11">11)是负面的,如果R0> 1,那么方程(<一个href="#EEq11">11)有一个积极的真正的根。因此,如果R0< 1,那么无病平衡点E1是局部渐近稳定的;否则,它是不稳定的。}

定理2。无病平衡E_{1是全局渐近稳定如果R0< 1。}

证明。第一个方程的系统(<一个href="#EEq2">2),我们得到<年代pan class="inline_break"> 。现在<年代pan class="inline_break"> 全局渐近稳定的平衡吗<年代pan class="inline_break"> ,所以对于任何给定的<年代pan class="inline_break"> ,我们有<年代pan class="equation_break" id="EEq12"> 因此,我们得到<年代pan class="equation_break" id="EEq13"> 系统(<一个href="#EEq13">13)有一个独特的平衡(0,0,0)和相应的特征值都是−(λ+µ)和方程的根:<年代pan class="equation_break" id="EEq14"> 足够小的<年代pan class="inline_break"> ,的数量<年代pan class="inline_break"> 如果R_{0< 1。因此,所有的特征值方程(<一个href="#EEq14">14)有负的实际部分。因此,在本地(0,0,0)是稳定的。很容易证明平衡点(0,0,0)是全局渐近稳定的R0< 1。因此,相比之下,它遵循<年代pan class="inline_break"> 。
然后,对于以上ɛ>0时,存在一个T>0,如果<年代pan class="inline_break"> ,<年代pan class="inline_break"> 。从方程(<一个href="#EEq2">2)系统(<一个href="#EEq2">2),我们得到<年代pan class="equation_break" id="EEq15"> 足够小的<年代pan class="inline_break"> ,我们观察到,<年代pan class="inline_break"> 是全局渐近稳定的平衡<年代pan class="equation_break" id="EEq16"> 因此,相比之下,我们有<年代pan class="equation_break" id="EEq17"> ,这种不平等适用于足够小>0,因此<年代pan class="equation_break" id="EEq18"> 因此,从方程(<一个href="#EEq12">12)和(<一个href="#EEq18">18),我们得到<年代pan class="equation_break" id="EEq19"> 因此,无病平衡E1是全局渐近稳定如果R0< 1。}

5。特有的均衡的存在性和稳定性分析

让我们选择米_{1=c+µ,米2=d+d1+γ+µ,米3=λ+µ。}

该系统有一个内部平衡点<年代pan class="inline_break"> 在哪里<年代pan class="equation_break" id="EEq20">

因此,地方病平衡点E_{2将是可行的R0> 1。}

定理3。的地方病平衡点E_{2是局部渐近稳定如果R0> 1。}

证明。的特征方程J(E_{2)是由<年代pan class="equation_break" id="EEq21">} 在哪里<年代pan class="equation_break" id="EEq22"> 显然,方程(<一个href="#EEq21">21)有两个负实际根源t_{1=−µ和t2=−(µ+λ和其他三个方程的根<一个href="#EEq21">21)得到以下方程:<年代pan class="equation_break" id="EEq23"> 现在,如果R0> 1,那么C>0和AB−C>0。所以,它遵循从Routh-Hurwitz标准<一个href="#B40">40),所有的根方程(<一个href="#EEq23">23)有负的实际部分。因此,地方病平衡点E2是局部渐近稳定如果R0> 1。}

备注1。从上面的分析中,我们观察到当R_{0< 1,只有无病平衡E1存在,是本地以及全球稳定。再一次当R0> 1,地方病平衡点E2存在,是渐近稳定的,但在这种情况下,无病平衡点失去稳定,变得不稳定。因此,我们可以得出结论,有变化的可行性以及稳定R0= 1。使用文章[<一个href="#B41">41- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -<一个href="#B43">43),结果表明,系统经过超临界分岔R0= 1。}

定理4。系统(<一个href="#EEq2">2在该地区)是均匀持久<年代vg height="8.68572pt" id="M48" style="vertical-align:-0.0498209pt" version="1.1" viewbox="-0.0498162 -8.6359 9.72961 8.68572" width="9.72961pt" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink"> 当且仅当R_{0> 1。}

证明。考虑到η正面的八分仪和任意点o(η通过点)是任何轨道η在哪里Ω(η)是有界ω限制设置的轨道η。很明显,Ω(η)是有界的。假设无病平衡点E_{1不在Ω(η)。如果E1∈Ω(η),然后由Butler-McGehee引理(<一个href="#B44">44),存在一个点x在Ω(η)∩W^年代(E1),W^年代(E1)是稳定流形E1。自o(x)位于Ω(η),W^年代(E1)是在年代- - - - - -问- - - - - -R飞机,它可以得出o(x)是无界的,这是一个矛盾。因此,Ω(η)不相交的坐标平面;因此,系统(<一个href="#EEq2">2)是持久的。又由于系统(<一个href="#EEq2">2)是有界的主要定理提出的巴特勒et al。<一个href="#B45">45),系统一致持久的。
又由于系统(<一个href="#EEq2">2)是均匀持久,存在一个时间T这样,(年代(t),E(t),我(t),问(t),R(t))> 为t>T。
探讨地方性平衡点的全局稳定性系统(<一个href="#EEq2">2),我们首先降低系统恢复类没有任何影响的动力学年代,E,我,问类。所以系统(<一个href="#EEq2">2)可以写成<年代pan class="equation_break" id="EEq24">} 在这里,我们应用高维本迪克松标准由李和Muldowney [<一个href="#B46">46]证明了地方病平衡点的全局稳定性E_{2。考虑到开集G⊂Rⁿ。让我们考虑以下微分方程:<年代pan class="equation_break" id="EEq25"> 在哪里f:x⟶f(x)∈Rⁿ是C^{1为x∈G。
考虑B是一个通用的4×4矩阵用B= (一个ij)<年代ub>4×4,然后,第二添加剂复合矩阵B2被定义为<年代pan class="equation_break" id="EEq26"> 获得一个高维本迪克松标准所示(<一个href="#B38">38),一个显示第二个复合方程<年代pan class="equation_break" id="EEq27"> 对一个解决方案x(t,x0)∈G的系统(<一个href="#EEq25">25)是equiuniformly渐近稳定,即为每个x0∈G系统(<一个href="#EEq27">27)是一致渐近稳定和指数衰减率是一致的x0在每一个紧凑的子集G,在那里G⊂Rn是一个开放的连接设置。equiuniform渐近稳定的<一个href="#EEq27">27)暗示,如果G是单连通的,那么它不承认任何不变的简单封闭可矫正的曲线,包括周期轨道,同宿轨,heteroclinic周期。
接下来,我们国家以下引理用于(<一个href="#B47">47]。}}

引理3(见[<一个href="#B46">46])。让G⊂Rⁿ是一个单连通区域上。假设线性系统的家庭(<一个href="#EEq27">27)是equiuniformly渐近稳定。然后(我)G不包含简单的封闭的不变曲线,包括周期轨道,同宿轨,heteroclinic周期(2)每个semiorbitG收敛于一个平衡特别是,如果G积极不变量,并包含一个独特的平衡E¯,然后E¯是全局渐近稳定的G。

定理5。假设<年代pan class="inline_break"> 和R_{0> 1。如果存在ω,θ,ξ,ρ,ζ。这样,马克斯<年代pan class="inline_break"> ,地方病平衡点E2是全局渐近稳定的。}

证明。对模型(<一个href="#EEq24">24),我们表示X= (年代,E,我,问)<年代up>T和F(x)= (f_{1,f2,f3,f4)<年代up>T。然后,第二个复合矩阵的系统(<一个href="#EEq24">24)可以写成<年代pan class="equation_break" id="EEq28">} 在哪里<年代pan class="equation_break" id="EEq29"> 第二复合系统<年代pan class="inline_break"> 就变成了<年代pan class="equation_break" id="EEq30"> 现在,定义V(Z)= max {ω|z_{1|,θ|z2| |,z3|,ξ|z4|,ρ|z5|,ζ|z6|}。
从直接计算,我们得到以下的不平等:<年代pan class="equation_break" id="EEq31"> 在哪里<年代pan class="inline_break"> 表示右导数和<年代pan class="equation_break" id="EEq32"> 因此,<年代pan class="inline_break"> ,与<年代pan class="inline_break"> 。
因此,从这个定理的假设,我们找到一个积极的常数η这样φ≤−η<0,因此,V(Z(t)≤V(Z(年代exp (−))η(t−年代)),t≥年代>0。
这证实了equiuniform第二复合系统的渐近稳定性。因此,系统(<一个href="#EEq2">2)或(<一个href="#EEq24">24)没有非平凡周期解;因此,地方病平衡点E2的系统(<一个href="#EEq2">2)是全局渐近稳定的。}

6。案例研究:世界

在这里,我们进行了一些数值模拟与真实的数据取自[<一个href="#B48">48,<一个href="#B49">49)和一些假设的数据观察COVID-19提出的动力学模型。这个模拟的目的,我们使用以下设置的参数,表中给出的值<一个href="//www.newsama.com/journals/ijde/2021/2129490/tab2/" target="_blank">2。参数计算每1000 /天,我们假设世界的总人口是76亿。比例变量而言,我们假定初始人口规模(年代(0)E(0)我(0)问(0)R(0))= (1,0。05年,0。002年0。002年0。003)。

我们这组参数计算R_{0= 3。1794年>1。因此,定理<一个href="#thm3">3和<一个href="#thm4">4满足这意味着系统持久和确保地方病平衡点的存在吗E2。从图<一个href="//www.newsama.com/journals/ijde/2021/2129490/fig1/" target="_blank">1(一),我们观察到,在没有媒体报道,易感人口减少,但暴露人口和感染人口正在增加随着时间的推移,这意味着更多的人接触,并在很短的时间内,大量的人被感染。从图<一个href="//www.newsama.com/journals/ijde/2021/2129490/fig1/" target="_blank">1 (b),我们也已经看到恢复人口不增长一样感染人口和人口暴露。所以,因此,在很短的时间内爆发。}

现在我们介绍恐惧效果(α)到模型系统(<一个href="#EEq2">2),在这里,我们重点是media-induced担心能否影响疾病传播率。从图<一个href="//www.newsama.com/journals/ijde/2021/2129490/fig2/" target="_blank">2的价值时,我们观察到α越来越多,人口的暴露率以及减少感染类从其原始位置剩余的所有其他参数如上所述。所以我们得出结论,恐惧有一个重要的角色在我们提出的动力学模型。

(一)

(b)

(一)
(b)

图2

动态人口暴露(a)和(b)感染人口随时间(天)增值的恐惧而疾病传播率β= 0.5。

敏感性分析是最重要的一个部分概述最有影响力的参数建模传染病。系统的稳定性完全取决于繁殖数量(R_{0),所以我们想验证相关的敏感参数R0,因此,我们计算的灵敏度分析R0对模型参数。在这里,我们使用的模型参数表<一个href="//www.newsama.com/journals/ijde/2021/2129490/tab2/" target="_blank">2。规范化的敏感性指数的定义R0关于β是由<年代pan class="equation_break" id="EEq33">}

的敏感性指数R_{0对其他参数如下:<年代pan class="equation_break" id="EEq34">}

从这一分析,我们发现J_β^{R0= 1,这意味着如果疾病传播率增加1%,那么它将增加的价值R_{01%,反之亦然。再一次,我们看到<年代pan class="inline_break"> 这意味着当增加的价值γ1%,的价值R0将减少0.88%。因此,可以得出结论:生殖疾病传播率呈正相关,但数量负相关γ。因此,为了防止疾病传播,必须服从社会距离或锁定并隔离受感染的人。灵敏度分析图绘制在图<一个href="//www.newsama.com/journals/ijde/2021/2129490/fig3/" target="_blank">3。}}

图3

的敏感性R ₀对模型参数。

30天的封锁的有效性或多个图描述<一个href="//www.newsama.com/journals/ijde/2021/2129490/fig4/" target="_blank">4。从这个图中,我们观察到30天的封锁是不足以控制疾病,但是如果我们应用封锁了75天或更长时间,那么它显示的最低人数控制感染和流行。

图4

动力学的感染人口有或没有锁定(天)。

7所示。讨论

媒体报道中扮演一个重要的角色在传染病的传播过程。COVID-19感染的人们会更多地意识到如果他们了解更多关于通过媒体传播的疾病;结果,他们将会改变他们的行为和采取正确的预防措施,如频繁的洗手,戴口罩,保持社会距离,减少方采取风险规避,甚至孤立自己在家里,避免与他人接触。模型研究表明,恐惧有很大影响减少疫情的严重程度,它已经表明,恐惧是直接与社会距离的增加相关行为以及采取更多的预防措施。因此,在本文中,我们制定了一个数学模型与media-induced恐惧分析COVID-19的流行。分析,我们证明了系统的稳定性主要取决于基本繁殖数量R_{0。我们已经看到,如果R0> 1,那么存在地方病平衡点是全局渐近稳定系统中这意味着疾病仍然存在。所以,为了避免这种情况下,我们必须专注于疾病传播率。从敏感性分析,我们也观察到,繁殖数量与疾病传播率呈正相关。如果疾病传播率很低,那么人们更少的暴露和我们可以控制疫情。数值,从图<一个href="//www.newsama.com/journals/ijde/2021/2129490/fig2/" target="_blank">2,我们得出结论,如果担心增加的速度通过媒体,那么它可以降低感染率,并增加的恐惧可以稳定系统。}

数据可用性

所有可支持的数据给出了主要的文本。

的利益冲突

作者宣称没有利益冲突。