2006年--外文翻譯--全國流行的艾滋病分析（譯文）

1、<p><b>　　中文7900字</b></p><p>　　出處：Huffman T, Wright III B, Staats III C. Managing the HIV/AIDS Pandemic[J]. UMAPJournal, 2006: 129.</p><p>　　全國流行的艾滋病分析</p><p><b&

2、gt;　　摘要 </b></p><p>　　本文全面的考慮了那些患艾滋病最嚴重的國家。利用短期的阻滯微分方程模型，建立了可控的生命期望值，在數(shù)值上定義了各個國家的嚴重程度。最后得到結(jié)論：艾滋病情況最嚴重的國家是：博茨瓦納、泰國、湯加、烏克蘭、巴哈馬群島、圭亞那(拉丁美洲)。</p><p>　　本文運用了通用的計算機模擬方式，通過建立微分方程模型分析了那些艾滋病情況最嚴重的國

3、家來直接處理不同人群的艾滋病情況。</p><p>　　治療分析包括 2055年國際援助估算總量，對治療效果的預(yù)測，研發(fā)出預(yù)防艾滋病疫苗的可能性。同時，本文還考慮了藥物所帶來的副作用。</p><p>　　本文最后提出了一系列如何最優(yōu)分配資源的建議，即在短期艾滋病的項目研究以及疫苗的發(fā)展上投入較高的資金，同時要較好的確定維持藥物有效條件下的全球覆蓋率。</p><p&g

4、t;<b>　　嚴重程度的定義</b></p><p><b>　　方法</b></p><p>　　嚴重性是由什么導(dǎo)致的？最明顯的答案就是一個國家龐大的艾滋病感染人數(shù)，或者說是艾滋病感染人群在所有人口中所占的較高比例，但是，這并不是一個完整的分析。存在一種嚴重的情況便意味著要尋找解決的方案。基于這點，對艾滋病感染患者，我們能做的就只有是治療。而

5、有著高治療率的國家能為被感染的人群做很多，所以這些國家并不能被認為是情況最嚴重的。嚴重性還包括行動的迫切性，因為艾滋病病毒在短期內(nèi)得不到抑制也是十分有害的，我們相信對艾滋病患者最有效的方法是測定預(yù)測出每年由于感染而艾滋病而失去生命的增長人數(shù)。</p><p><b>　　必要的假設(shè)</b></p><p>　　接受治療的患者都是100%的堅持治療——要么接受治療，要么

6、就不接受，沒有所謂的中間狀態(tài)。</p><p>　　在未來5年內(nèi)，各方面因素沒有受到干涉。</p><p>　　接受治療的比例是一個定值。</p><p>　　在本文所做的短期預(yù)測的這段時間內(nèi)，沒有其他的能引起人口重大死亡的事件發(fā)生，如自然災(zāi)害，戰(zhàn)爭，全國流行性疾病等一些能夠?qū)θ丝诋a(chǎn)生重大影響的事件。</p><p>　　People-yea

7、r ：一個人一年的時間，所有人口一年的時間等于所有個人一年時間的總和。</p><p>　　為了預(yù)測在在未來5年內(nèi)沒有其他因素影響下艾滋病對人口的直接影響程度，本文定義了艾滋病的嚴重性程度：</p><p>　　絕對嚴重：在未來5年內(nèi)，因為感染艾滋病病毒而失去的總的壽命值</p><p>　　相對嚴重：在未來5年內(nèi)，每個人因為感染艾滋病病毒而失去的平均壽命值。<

8、;/p><p><b>　　擴展</b></p><p>　　我們用一個數(shù)學(xué)表達式來反映各因素對嚴重程度的影響。相對嚴重程度可表示為：</p><p><b>　　其中：</b></p><p>　　：受感染，沒接受治療所減少的平均生命期望，</p><p>　?。菏芨腥荆邮苤?/p>

9、療所減少的平均生命期望，</p><p>　?。寒?dāng)前沒接受治療的人數(shù)除以當(dāng)前總?cè)丝冢?lt;/p><p>　?。涸谖磥?年內(nèi)，感染后沒接受治療的人數(shù)除以當(dāng)前總?cè)藬?shù)，</p><p>　?。涸谖磥?年內(nèi)，感染后接受治療的人數(shù)除以當(dāng)前總?cè)藬?shù)，</p><p>　　絕對危險程度表示為：</p><p>　　其中表量示這個國家的人

10、口數(shù)。</p><p>　　由此可以推斷，如果某個國家的生命期望原本低，從而把它看成“嚴重程度小”的國家，這顯然是不合理的。最好的做法是應(yīng)盡量使花費在病毒上的資金比花費在其他死亡因素上的要少。</p><p><b>　　模型：調(diào)整生命期望</b></p><p><b>　　方法</b></p><p

11、>　　為了確定病毒對人口的影響，我們假設(shè)本身病毒不存在進而確定生命期望。然后我們可以確定生命期望是關(guān)于一個人出生時間的函數(shù)。</p><p><b>　　假設(shè)</b></p><p>　　生命期望在未來5年內(nèi)不會有巨大的變化，所以可以假設(shè)每5年年齡段的年齡是相同的。</p><p>　　由于1950年之前的生命期望數(shù)據(jù)無法查找，所以可以假

12、設(shè)出生在1950年之前的人的生命期望就等于出生在1950的人的生命期望。</p><p>　　假設(shè)不發(fā)生遷入和遷出的情況。</p><p><b>　　擴展</b></p><p>　　利用2005年的人口數(shù)據(jù)，乘以每個年齡段對應(yīng)出生時間的人口壽命期望，得到了總?cè)丝趬勖?，再除以未?年后的人口總數(shù)就得到了自然時間控制的人口壽命期望。</

13、p><p>　　進一步，我們可以確定患者的壽命期望。在世界范圍內(nèi)，我們預(yù)計感染艾滋病的患者的平均年齡是23歲。本文假設(shè)采用艾滋病治療的患者會持續(xù)接受治療。在發(fā)達國家，感染艾滋病但未接受治療的患者壽命可延長12年，也就是說該種患者的平均年齡為（23+12=35）35歲。少部分接受艾滋病治療的患者會短時間內(nèi)死去；但是這是在10年前艾滋病治療不是很流行的條件下發(fā)生的。本文預(yù)計發(fā)達國家中接受艾滋病治療的艾滋病患者在接受治療后

14、壽命會延長20年，也就是說該種患者的平均年齡為（23+20=43）43歲。通過分析，本文給出了艾滋病患者的平均壽命期望公式：</p><p>　　是當(dāng)前接受艾滋病治療的患者所占總?cè)丝诘谋壤?。上述這個公式引進了治療和未治療患者的生命期望，本文用平均年齡乘以該年齡段所對應(yīng)的人口比例求和后除以70，（本文假定的發(fā)達國家的平均年齡為70歲）來描述壽命期望的不同。

15、

16、 </p><p>　　為了得到一個艾滋病調(diào)控壽命期望的表達式，本文采用了更進一步的方法。利用總?cè)丝诘目倝勖?、已知的艾滋病患?/p>

17、數(shù)目和艾滋病患者的平均壽命期望，得到了艾滋病患者的壽命總數(shù)。如果這些人未感染艾滋病，則其平均壽命會使總體平均壽命增加。因此，把感染了艾滋病的患者由于提前死亡所減少的壽命的數(shù)量與總?cè)丝趬勖碾S機數(shù)量相加，就得到了一個艾滋病調(diào)節(jié)的人口壽命期望。艾滋病調(diào)節(jié)的人口壽命期望公式為：</p><p><b>　　預(yù)期結(jié)果</b></p><p>　　如果我們建立的模型合理，則會得

18、出下述一些結(jié)果：</p><p>　　調(diào)節(jié)艾滋病的壽命期望總比未調(diào)節(jié)的壽命期望大。</p><p>　　調(diào)節(jié)艾滋病的壽命期望與未調(diào)節(jié)艾滋病的壽命期望的差值與感染艾滋病的患者的數(shù)量成比例。</p><p>　　在采用了-調(diào)控之后，沒有任何國家出現(xiàn)生命期望減少的現(xiàn)象；并且用-調(diào)控后的生命期望與未經(jīng)過-調(diào)控的生命期望的差值除以感染的人數(shù)比例，可以很容易的驗證這個結(jié)果。&l

19、t;/p><p>　　模型B：阻滯增長模型</p><p><b>　　方法</b></p><p>　　為了確定本文定義的嚴重性，我們必須預(yù)計未來五年內(nèi)感染/的病人（包括治療的和沒有治療的）數(shù)量。阻滯增長模型很容易預(yù)計這一數(shù)量，并且其中包含一個人口數(shù)量的最大值。</p><p><b>　　假設(shè)</b>

20、;</p><p>　　在未來五年內(nèi)出生率與死亡率基本保持不變。</p><p>　　在12個代表地區(qū)內(nèi)的每一個地區(qū)中感染/的概率是固定的，既使實際中/病人的增長率有微小的變化。十二個國家包括：非洲、東南亞/中亞、北/東亞、大洋洲、巴西、南美洲排除巴西、加拿大、美國、墨西哥、拉丁美洲/美國中部、加勒比海、以及歐洲。</p><p><b>　　擴展<

21、/b></p><p>　　阻滯增長模型依據(jù)目前的人口規(guī)模描述了人口的增長率，而且其中有一個承載量也就是感染艾滋病病人的最大承載量。微分方程的基本形式是：</p><p><b>　　其中：</b></p><p><b>　　是感染/的人數(shù)，</b></p><p>　　是最大的人口增長率，

22、</p><p>　　是感染艾滋病病人的最大承載量。</p><p>　　隨著人數(shù)不斷的接近最大承載量，它的最大人口增長率就會變得越來越小，解上述微分方程可以得到：</p><p>　　其中是由最初條件決定的常數(shù)。我們必須采用過去5年到20年的實際病人數(shù)量來確定和，我們改變一下微分方程的形式得到：</p><p>　　可以得出：，。然后我們可

23、以畫出連續(xù)曲線圖</p><p>　　將實際數(shù)據(jù)采用最小二乘法進行擬和，可以精確得到斜率和截距，我們可以得到每一點的切線斜率。</p><p>　　綜合兩個模型進行分析</p><p>　　根據(jù)-調(diào)控后的生命期望我們可以確定每一個國家的和的值：</p><p>　　依據(jù)阻滯增長模型求得每個地區(qū)的感染人數(shù)，我們可以推斷出未來五年內(nèi)出現(xiàn)的病人數(shù)量

24、。然后我們作進一步的假設(shè)。</p><p><b>　　假設(shè)補充</b></p><p>　　在未來五年內(nèi)，接受治療的病人比例將保持不變。</p><p>　　每個國家各個地區(qū)內(nèi)的/的人數(shù)比例為將保持不變。</p><p>　　最后，根據(jù)我們所給的病人數(shù)據(jù)，可以得到：</p><p><b&

25、gt;　　結(jié)論</b></p><p>　　我們確定了108個國家（所有需要的數(shù)據(jù)在這些國家都是可用的）的絕對嚴重性和相對嚴重性。然后使用相對嚴重性來挑選出最嚴重的國家，這些國家是：博茨瓦納，泰國，湯加，烏克蘭，巴哈馬群島和圭亞那(拉丁美洲)。全球范圍內(nèi)15個最嚴重的地區(qū)中有十四個在非洲。</p><p>　　盡管發(fā)達國家感染/的情況相對較輕，但是，使用絕對嚴重性還是會帶來誤差

26、。</p><p><b>　　增長率的確定</b></p><p>　　模型C：一個感染/病毒國家的仿真模擬</p><p><b>　　方法</b></p><p>　　我們想要一個更精確、更全面的模型來預(yù)測/病毒的長期變化行為。我們選擇一個個體之間相互作用的離散型計算機模擬。這個模型能更好的處

27、理復(fù)雜的人口流動群體，因為它的對象是具體的個人而不是人口數(shù)。這個模型的缺點是：用這種方式直接模擬一個國家全部的人口是不可行的。</p><p><b>　　假設(shè)</b></p><p>　　一個能夠被模擬的完整的國家，是通過模擬這個疾病在一小部分典型群體中的傳播過程（人口要求1000人）。</p><p>　　允許這個模擬在引入之前先運行十年，

28、這是為了能夠形成一個存在著的關(guān)系基礎(chǔ)。</p><p>　　除了在出生之前或出生之時的感染情況，所有傳播的途徑都是通過兩人交流（吸毒或性關(guān)系）而產(chǎn)生的。</p><p>　　一個人的自然死亡率是和年齡成正比的。</p><p>　　影響的繁殖有以下幾個因素,它不包括一個人因其它原因而死亡的可能性，這只單獨地取決于這個人是否有病毒。其它因素包括由于被病毒感染而不必考慮

29、的時間。</p><p>　　人的性行為取決于搭檔的數(shù)量、性愛的頻率等，不管性取向如何，在本質(zhì)上是一樣的。唯一的不同是只有婦女可能是性的工作者，并且只有男人可能是性的工作者的客戶。</p><p>　　女性的同性戀和兩性人的人數(shù)可能被忽略。</p><p>　　隨著年齡的增長，人的性格不能變，除非是在從嬰兒長到二歲這個階段和從孩子長到16歲成人這個階段內(nèi)改變。<

30、;/p><p>　　只有成年人有性關(guān)系或者享受靜脈注射毒品。</p><p>　　一個共享的注射器或性關(guān)系在遇到已經(jīng)感染上病毒的人時就會自動地導(dǎo)致病毒感染。</p><p><b>　　擴展</b></p><p><b>　　關(guān)系</b></p><p>　　我們模擬疾病的傳播

31、所使用的基本方法是關(guān)系和事件，兩個人之間的關(guān)系的發(fā)生是由于其中的一個人，但是另一個人也必須允許。一個事件的發(fā)生基于一種關(guān)系并且導(dǎo)致了病毒的傳播，或是增加了病毒的種類，像一個關(guān)系和一個事件可能是由于其中一個人產(chǎn)生的，但另一個人也必須允許。不同的人會傾向參與不同種類的關(guān)系和事件，因此，可能會被分類到相關(guān)的人口統(tǒng)計組里。我們所用到的關(guān)系的種類包括性關(guān)系、母子關(guān)系和社會上通過靜脈注射毒品的這種關(guān)系。</p><p>&l

32、t;b>　　模型可行性</b></p><p>　　關(guān)系的形成是基于模型的可行性，根據(jù)他們的特點和存在的關(guān)系，為了特殊的關(guān)系需要，人們由于特殊的關(guān)系而被用于模型中，一個人通過選擇合理可行的模型以及決定尋找的搭檔來確定一種關(guān)系。該可行性模型采用了一個運算測試圖保持數(shù)據(jù)結(jié)構(gòu)有效性的數(shù)學(xué)結(jié)構(gòu)模式，然而，如果任意選取方法，并且被選中的人可以接受或拒絕提供關(guān)系。甚至人們可以選擇結(jié)束關(guān)系。</p>

33、;<p><b>　　結(jié)果</b></p><p>　　一個加入了這種關(guān)系的人有這個數(shù)據(jù)的實際期望比率。接受一個事件或者在給定的條件內(nèi)得到一個事件的機會是基于這個人是否達到了所給事件的條件限制點。</p><p>　　[編者注：針對機制藥物的使用作者提供進一步的細節(jié)，例如母嬰和性的關(guān)系，禁欲，一夫一妻，傷亡，以及賣淫的，我們必須予以忽略。]</p&

34、gt;<p><b>　　出生率和死亡率</b></p><p>　　對每一個未孕成年婦女，一次意外性遇都有一個確定的概率導(dǎo)致懷孕（更年期的婦女不做考慮）。每次懷孕就意味著經(jīng)過九個月的妊娠后就有一個新生兒的誕生，除去母親意外死亡的情況。假設(shè)自然原因?qū)е滤劳龅目赡苄灾苯雍湍挲g成比例。另外，沒有母親的孩子（特別是嬰兒）和母親的可能死亡的概率是一樣。當(dāng)病毒出現(xiàn)時，為了使問題簡單，假定

35、未來的可能的死亡概率一直確定并保持不變；在一定程度上，病毒降低了一個人的“死亡抵抗力”。</p><p><b>　　資料和參數(shù)值</b></p><p>　　一個嬰兒在妊娠期內(nèi)感染病毒并且出生了的概率在15%到30%之間，在出生兩年內(nèi)由于母乳喂養(yǎng)而感染的概率又增加了10%到15%。本文取其概率的一半作為每年由于母乳喂養(yǎng)而感染病毒的概率。</p><

36、;p>　　人口統(tǒng)計數(shù)據(jù)主要來自中央情報局[2001]。</p><p>　　我們假定總?cè)丝谥惺褂盟幬锏娜说谋壤椭車貐^(qū)比例相等[聯(lián)合國藥物和犯罪局2005]。為了確定接受藥物、開發(fā)藥物和戒毒之間的比例關(guān)系，我們在了解典型地區(qū)藥物濫用者的基礎(chǔ)上做出合理假設(shè)。我們也運用這種方法來確定每年使用藥物的最大數(shù)量和藥物比例的關(guān)系[聯(lián)合國藥物和犯罪局2005]。</p><p>　　病毒的脆弱性

37、參數(shù)直接取自-調(diào)控生命期望模型，它只是適用于-調(diào)控的生命期望和那些未經(jīng)-調(diào)控的生命期望之間的比例關(guān)系。</p><p>　　我們從Francoeur et al[2004]和Mackay[2000]可以看出幾乎所有有關(guān)兩性參數(shù)的關(guān)系。</p><p>　　聯(lián)系我們的假設(shè)，即一個人的死亡可能性直接和年齡成比例，我們需要解決基于生命期望建立的成比例的常數(shù)。死亡的可能性可以表示如下：</p

38、><p>　　其中表示一個人在時刻活著的概率（從另一個標準來看，是在同一年出生的所有人在時間后依然活著的人數(shù)）。求解，我們得到：</p><p>　　從中我們可以得到出乎意料的結(jié)果（如果已經(jīng)熟悉了這個人類年齡模型我們就不會出乎意料了）：概率正好是高斯分布的一半。</p><p>　　為了使這個等式與生命期望能夠吻合，考慮到時間的微分值，本文設(shè)定代表死亡率，表達式表示在年

39、齡時死亡的人的數(shù)量的微分值。因而，平均的死亡年齡或者說是生命的期望值是：</p><p>　　我們把它看作的函數(shù)進行完整的數(shù)值計算。[編者注：實際上，準確的值是]。根據(jù)我們了解的國家的其它數(shù)據(jù)計算出值，其結(jié)果等于生命的期望值。</p><p><b>　　結(jié)果和討論</b></p><p>　　經(jīng)過對50年人數(shù)的若干次累計計算，我們注意到幾乎所

40、有國家的病例在最開始的幾年內(nèi)急增，幾年后速率就會逐漸減慢，這可能是由于假設(shè)每個感染者會導(dǎo)致病毒傳播的結(jié)果；因為這個，會以很快的速度在最初的50年內(nèi)通過關(guān)系在某個地區(qū)內(nèi)快速傳播。</p><p>　　另外，隨著時間的發(fā)展，/感染人數(shù)開始接近一個穩(wěn)定狀態(tài)，或者影響攜帶能力。根據(jù)我們模型的結(jié)構(gòu)，大多數(shù)成年人感染后會導(dǎo)致死亡；而只有一小部分比例的小孩感染病毒，而且其穩(wěn)定狀態(tài)值幾乎是成年人群穩(wěn)定狀態(tài)的較高比例。</p

41、><p><b>　　模型D：治療流行病</b></p><p><b>　　方法</b></p><p>　　我們將在2005-2055年期間情況嚴重的國家和整個世界獲得的援助基金可作為一個整體。然后我們給計算機模擬模型增加另外的參數(shù)，來確定由于抗艾滋病的療法和預(yù)防疫苗等作用增加而產(chǎn)生的影響程度。進一步模擬，我們對和預(yù)防疫苗

42、使用不同比例的援助基金，這樣我們可以確定采用最好的方法來使用國家和世界的/基金。</p><p><b>　　假設(shè)</b></p><p>　　隨時間變化，經(jīng)濟發(fā)展水平增長相對較為穩(wěn)定。</p><p>　　用于治療艾滋病的費用跟全球經(jīng)濟發(fā)展成正比。</p><p>　　接受治療的病人始終堅持治療。</p>

43、<p>　　等到科技發(fā)達的時候，疫苗將能夠100%的預(yù)防病毒的傳播。 </p><p><b>　　尋求援助</b></p><p>　　2004年，全球范圍內(nèi)，由國外提供治療艾滋病的費用達61千億美元。[法國新聞社2004]。為了計算全球經(jīng)濟的增長以及人們對艾滋病意識的增強對艾滋病基金影響，本文建立了用于用艾滋病的外援資金的指數(shù)模型，根據(jù)當(dāng)前的外援資金增

44、長率，本文選擇適當(dāng)?shù)脑鲩L率：</p><p>　　然后，本文逐個分析了六個形勢嚴峻的國家的可用資金。發(fā)展中國家和不發(fā)達國家用于治療艾滋病的資金85%來自國外，本國的資金只占15%[Martin 2003]。本文假設(shè)一個國家每年用于治療艾滋病的資金占其GDP的0.0005%。博茨瓦納，湯加，巴哈馬和圭亞那符合85/15的規(guī)則（85%來自國外，本國資金只占15%）；而對于泰國和烏克蘭這樣較發(fā)達國家，85/15的比例顯

45、然不符合，為此本文又建了25/75的模型。至此，得到如下兩個等式，其中是各個國家的GDP增長速率。</p><p>　　經(jīng)預(yù)算，一個艾滋病人接受治療一年的費用為1100美元，本文假定接受治療的病人將不會終止的治療，直到該病人死亡。在計算治療費用的增長時，我們?nèi)匀徊捎弥笖?shù)增長模型，增長速率設(shè)為2%。一個國家能夠治療的病人最多等于所有的資金除以單個病人當(dāng)前的治療費用。</p><p>　　然而

46、，究竟是什么影響了需要治療的病人數(shù)量的增長？人們只要堅持治療就會極大的抑制艾滋病病人數(shù)量的增長 [portor 2003]。也就是說，受到合理的治療的病人幾乎不可能將病毒傳染給未感染的人。因此，在我們改進的計算機模擬中，這樣就避免了任何接受治療的病人將病毒傳染給其他人的情況。與以前的模型相比，這樣的變化可能會使得每年新增的病例的數(shù)量大幅度下降。從理論上來講，如果所有的病例都能采用治療，那么總有一天這樣的病毒可以成功地從人體內(nèi)清除。<

47、;/p><p>　　在確定一種預(yù)防疫苗什么時候?qū)谎兄崎_發(fā)出來時，我們假設(shè)研制基金來自世界各個地方的援助，并且這些基金的變化對何時能夠研制出疫苗并沒有太大的影響。因而，成功研制出一種免疫疫苗的可能性是時間的函數(shù)。多種資料表明一種疫苗是不可能在未來的10年里研制出來的，因此我們定義一種疫苗被研制成功滿足的時間（年）關(guān)系為</p><p><b>　　其中 </b><

48、/p><p>　　其中時間是被確定在年后的幾年內(nèi)，這個函數(shù)表明在未來的年里，一種疫苗被研制開發(fā)成功的可能性達到50%。</p><p>　　模型E：預(yù)防疫苗的分配</p><p><b>　　方法</b></p><p>　　我們采用阻滯增長模型來確定疫苗的研制速度。</p><p><b>

49、;　　假設(shè)</b></p><p>　　就像在2002年數(shù)據(jù)表中報道的那樣，已接種疫苗人口的穩(wěn)定比率等于嬰兒和成人被感染病毒和破傷風(fēng)病毒的各自比率。</p><p>　　穩(wěn)定的比率在以后的50年里保持不變。</p><p><b>　　模型建立</b></p><p>　　我們讓代表已接種的百分比，代表最初的

50、增長率，代表已接種疫苗的百分比（最大值）。那么由阻滯增長模型可以得到：</p><p>　　我們從以前根據(jù)以往的條件確定的值。我們假設(shè)在一年之內(nèi)免疫率將達到它的最大值10%，而且10年以后將要達到95%。由此得出</p><p>　　表1給出了艾滋病病情嚴重的國家的值。</p><p>　　表1 艾滋病病情嚴重的國家預(yù)防接種的百分比（最大值）</p>

51、<p>　　模型F：抗藥性和突變體</p><p><b>　　方法</b></p><p>　　最危險的狀況之一是艾滋病病毒有很快的繁殖的能力，如果攝生法治療不能消除組織中的病毒或者對該組織的病毒無能為力，那么較強的病毒還會繼續(xù)存在組織中，久而久之會產(chǎn)生抗藥性，藥物會失效。</p><p>　　風(fēng)濕病毒和艾滋病毒在一起很難治療，病人

52、必須定時吃藥，每天都要治療，要有足夠的休息，因而我們不能完全期望于攝生法的治療。</p><p><b>　　假設(shè)</b></p><p>　　假設(shè)所有的人完全接受并堅持治療，沒有病人因為心理、民族、精神問題而反對治療。</p><p>　　不能保證病人在堅持完全治療后都能痊愈。</p><p>　　假設(shè)一個人堅持治療低

53、于百分之九十就有百分之五的幾率獲得抗菌性。</p><p>　　如果一直堅持治療的話，體內(nèi)存在抗菌性的機率低于百分之九十。</p><p>　　在2055年之前，抗菌性不會被利用，這就是說只有一種抗菌性會存在于人體。</p><p>　　抗菌性能夠通過預(yù)防接種得到，但必須逐步研制一種新的疫苗。</p><p>　　假設(shè)有效的抗菌性將抵抗的病毒

54、區(qū)分出來，結(jié)果對身體和生命期望值的影響保持不變。</p><p>　　新接種的疫苗抗藥性將取代體內(nèi)原來存在的抗菌性即一個人不能同時攜帶兩種抗體 。</p><p><b>　　模型的擴展</b></p><p>　　我們假設(shè)（沒有參考數(shù)據(jù)）一個人一年中99%的時間將一直堅持治療。</p><p>　　通過在主要模擬中得出

55、一個新的參數(shù)，在模型中我們可以模擬每個堅持治療病人的持久度。一個隨機的第二參數(shù)決定一個持久度十分低的人（低于90%）是否可以導(dǎo)致抗藥性產(chǎn)生。為此我們規(guī)定：只有接受三年以上治療才有可能出現(xiàn)抗藥性。一個人在未經(jīng)過治療就出現(xiàn)抗體的說法是不可能的，因為剛開始時病毒不會遭到抵抗。而這個規(guī)定可以使這種可能出現(xiàn)的結(jié)果偏差最小，之前運行過的計算機模擬，允許這種抗藥性的出現(xiàn)。這種抗菌性不會受治療或者接種疫苗的影響，因此體內(nèi)產(chǎn)生抗藥性的人將與感染且沒有接受

56、治療的艾滋病病人表現(xiàn)相似。</p><p>　　給出的第二線和第三線藥物非常昂貴，我們假設(shè)所有的病情嚴重國家都沒有渠道得到這種藥物。我們假設(shè)研制出一種抵抗抗體的疫苗的可能性為：</p><p>　　其中是找到無抗體的原始疫苗的年數(shù)，我們假設(shè)新疫苗與原始疫苗的費用是一致的。</p><p><b>　　模型D-F的討論</b></p>

57、<p>　　假定以后50年內(nèi)不會發(fā)生經(jīng)濟危機，世界經(jīng)濟可以應(yīng)對的狀況并且能夠為艾滋病事業(yè)始終如一的提供數(shù)十億美元。問題并不是關(guān)于有沒有錢，而是應(yīng)該怎樣分配這些錢。</p><p>　　是一個有力的武器，它幾乎可以完全防止未感染人群被感染。然而，抗體研究成果也是存在風(fēng)險的。項目的實施必須非常強調(diào)保留項目的持久度，這是非常重要的。</p><p>　　預(yù)防性的疫苗的快速供應(yīng)將延遲

58、新病例的出現(xiàn)，并可以使艾滋病病情降低至一個可控制的水平。我們相信一種新的疫苗可能將在未來25-40年內(nèi)研制成功。因此投入資源進行疫苗的研究與發(fā)展是非常重要的。</p><p>　　我們建議在接下來的近幾年中分配大量的資金用于，以使病情嚴重地區(qū)的艾滋病蔓延情況得到控制，接下來將對近十年內(nèi)的強勢疫苗研發(fā)項目開始進行階段定位調(diào)整。</p><p><b>　　結(jié)論</b>&

59、lt;/p><p>　　病情嚴重地區(qū)——博茨瓦納，泰國，湯加，烏克蘭，巴哈馬群島和圭亞那(拉丁美洲)——是全球控制病情蔓延的出發(fā)點。</p><p>　　國外援助應(yīng)該集中在病情最嚴重的地區(qū)，不是集中在某個大陸，而是全世界范圍內(nèi)。治療應(yīng)該以大規(guī)模的治療計劃開始，并且重點在于維持100%的持久度。同時，也應(yīng)該開始研發(fā)預(yù)防型疫苗的研究，在研制成功后，它可以快速分布于各國并且在十年內(nèi)達到穩(wěn)定的水平。&

60、lt;/p><p><b>　　優(yōu)點和缺點</b></p><p>　　模型的缺點：為了簡化而對不確定因素假設(shè)。例如，將我們的模型應(yīng)用于任何國家時，包括大多數(shù)成年人人口的病例在三年內(nèi)快速增長——一種與以往行為不符合的特征。這種特征可能是由只要與感染者有過性行為或者共享過不潔的毒品注射針管都能被傳染的假設(shè)造成的。</p><p>　　我們模型相應(yīng)的優(yōu)

61、點是，可以相對比較容易的得出感染的概率參數(shù)。</p><p>　　我們的模型明顯適用于抵制抗體進化的模擬，這個問題自然而然的把自己引向這樣的離散模型。</p><p><b>　　參考文獻</b></p><p>　　Agence France-presse.2004.UN report sounds grim new warning over

62、 .</p><p>　　http://www.commondreams.org/headlines04/1123-07.htm.</p><p>　　Central intelligence agency.2001.The World Factbook.</p><p>　　http://www.cia.gov/cia/publications/factbook

63、/index.html.Accessed 4 February 2006.</p><p>　　Francoeur, Robert T, Raymond J. Noonan, et al (eds.) 2004. the continuum Complete international Encyclopedia of sexuality. New York: continuum.</p><p

64、>　　Global fund. 2006. Global Fund Grants: Progress Report. http: www.theglobalfund.org/en /funds_raised/reports/ .Accessed 4 February 2006.</p><p>　　Mackay,Judith.2000. The Penguin Atlas of Human Sexual

65、Behavior. New York: Penguin Reference.</p><p>　　Martin, Gayle.2003. A comparative Analysis of Financing of Programmes. Chicago, IL:independent Publishing Co. </p><p>　　Orendi,J.M.,K.Boer K, et

66、al. 1998. Vertical HIV-I-transmission. I.Risk and prevention in prevention in pregnancy. Nederlands Tijdsvhrift voor Geneeskunde 142: 2720-2724. Abstraact at http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&

67、amp;db=PubMed&list_uids=10065235&dopt=citation.</p><p>　　Proter,Kholoud.2003. Determinants of survival following seroconversion after the introduction of HAART. Lancet 362(18 October 2003): 1267-127

68、4.</p><p>　　United Nations Office on Drugs and Crime. 2005 World Drug Report.</p><p>　　Vol.1:Analysis.http://www.unodc.org/pdf/WDR_2005/volume_1_web.pdf.Accessed 4 February 2006.</p><