Use of growth functions to describe disease vector population dynamics-Additional assumptions are required and are important

برخی از بیماری های مهم توسط بردارهایی که می توانند میزبان حساس را آلوده یا توسط میزبان عفونی آلوده شوند، انجام می شود. توابع رشد ممکن است به جمع بردار اعمال شود. بسیاری از توابع رشد می توانند از یک مدل معادلات دیفرانسیل تحتانی ساخته شوند که در آن فرآیندهای تولد و مرگ و میر صریحا شناسایی می شوند. با این حال، این ممکن است به روش های مختلف. این مدل می تواند به یک جمعیت متوسط ​​تبدیل شود که در آن یک ویروس حساس می تواند میزبان عفونی را از بین ببرد و باعث ایجاد انکوباسیون و سپس دسته های عفونی می شود. بعد از آن یک مگس عفونی می تواند، در صورت غرق شدن یک میزبان غیر عفونی، آن میزبان را آلوده کند، که منجر به عواقب بیماریزا می شود. مدل زیرمجموعه ای که برای جمعیت بردار استفاده می شود، به طور جزئی تعریف می کند که پویش کلی بیماری، که نه تنها به انتخاب عملکرد رشد بستگی دارد، بلکه همچنین بر فرض های اضافی در مورد فرآیند تولد و مرگ و میر که بر عملکرد رشد تاثیر نمی گذارد. معادله لجستیک نمونه ای از یک عملکرد رشد آستانه ای سیگموپلاستی است، که در هنگام تولد و مرگ و میر در نرخ های مساوی به دست می آید. به طور سنتی در لجستیک، تفسیر این است که نرخ تولد ثابت است و با افزایش جمعیت، میزان مرگ و میر افزایش می یابد. یک تابع نرخ ثابت یا متغیر ممکن است به هر دو نرخ تولد و مرگ و میر اضافه شود بدون تغییر دینامیک جمعیت کل بردار از لجستیک. با این حال، پویایی انتشار عفونت می تواند به طور قابل ملاحظه ای با فرض های مختلف در مورد تولد و مرگ و میر متفاوت باشد. این امر به شدت مربوط به مطالعات مربوط به بیماری هایی مانند گوساله های قرمز خون در مجاری گوسفند (شامل مگس ها) و یا دنگی در انسان ها (که در آن پشه ها دخیل هستند).