流行病学模型：疾病在人群中的传播

1. 图示
   观察依据

   黑板标题显示为“3. 流行病学模型”和“疾病在人群中的传播”。

2. 图示
   观察依据

   系统方程旁标注有“*SIR模型”。

SIR

黑板上讨论的三室流行病学模型的名称。

模型名称；未单独说明其所属的数学领域。

1. 图示
   观察依据

   各室的定义写作 $S(t)$、$I(t)$ 和 $R(t)$。

2. 声音
   观察依据

   讲师指出，人群的动力学“将随时间变化。”

t

用于描述各室人口数量的时间变量。

连续时间变量；黑板上未明确写出其具体单位。

1. 图示
   观察依据

   黑板上写有“$S(t)$ = 易感者”。

2. 声音
   观察依据

   讲师将易感者定义为尚未接触病原体或尚未被感染的人群。

$S(t)$

时刻 t 时易感个体的数量。

人口数量；在解释中为非负整数取值，在速率方程中则按连续量处理。

1. 图示
   观察依据

   黑板上写着“$I(t)$ = 感染者”。

2. 声音
   观察依据

   讲师说明：感染者群体已因病原体而患病，并能将病原体传染给他人。

$I(t)$

时刻 t 的感染者人数。

人口数量；在解释中取非负整数值，在速率方程中按连续变量处理。

1. 图示
   观察依据

   黑板上写着“$R(t)$ = 康复者（或移出者）”。

2. 声音
   观察依据

   讲师说明：R 表示曾患疾病但现已康复或已被移出的人群，移出可能源于康复或死亡。

$R(t)$

时刻 t 的康复者或移出者人数。

人口数量；在解释中取非负整数值，在速率方程中按连续变量处理。

1. 图示
   观察依据

   黑板上写着“$S + I + R = N$”。

2. 声音
   观察依据

   讲师说：“若人群总人数为 N”，随后指出三者之和等于 N。

N

总人口规模表示为三个舱室的和。

在所展示的守恒方程下，总人口保持恒定。

1. 图示
   观察依据

   黑板在前两个微分方程旁写下“β = 传播率（每对）”。

2. 声音
   观察依据

   主讲人提到存在“某些类型的全局速率，已被明确写出”。

1. 黑板标注为“每对”，但所展示的方程中使用的是 β S I，未显式除以 N；视频在当前可见片段中未调和这一量纲表述。

$\beta$

出现在 SIR 方程中的传播率参数。

在所展示方程中乘在 S I 上的速率参数。

1. 图示
   观察依据

   黑板在第二与第三个方程旁写下“γ = 移出/康复率”。

2. 声音
   观察依据

   主讲人描述个体进入康复/移出舱室的过程。

$\gamma$

出现在 SIR 方程中的移出或康复率参数。

在所展示方程中乘在 I 上的速率参数。

1. 图示
   观察依据

   黑板上的第一个方程是 "$\frac{dS}{dt} = -\beta S I$"。

$\frac{dS}{dt}$

易感舱室瞬时变化率。

关于时间 t 的导数。

1. 图示
   观察依据

   黑板上的第二个方程是 "$\frac{dI}{dt} = \beta S I - \gamma I$"。

$\frac{dI}{dt}$

感染人群数量的瞬时变化率。

对时间 t 求导。

1. 图示
   观察依据

   黑板上的第三个方程是 "$\frac{dR}{dt} = \gamma I$"。

$\frac{dR}{dt}$

康复或移除人群数量的瞬时变化率。

对时间 t 求导。

1. 公式
   观察依据

   黑板上显示SIR系统中的参数$\beta$，并标注为“$\beta$ = 传播率（每对个体）”。

2. 声音
   观察依据

   主讲人说：“其中一个参数是beta，即传播率”，并解释它表示一名感染者与一名易感者之间发生传染的速率。

$\beta$

每对个体之间的传播率；即乘在相互作用项$SI$上的速率常数。

SIR模型中的正速率参数。

1. 声音
   观察依据

   讲师指出，这类模型被称为仓室模型，因为人口被划分为若干个仓室。

2. 图示
   观察依据

   黑板上列出 $S(t)$、$I(t)$ 和 $R(t)$ 作为人口的仓室。

仓室模型通过将人口划分为若干群体来表示总体，这些群体的规模随时间变化。在屏幕上展示的 SIR 示例中，各群体分别为易感者、感染者以及康复者或移除者。

1. 人口被划分为若干命名的仓室。

2. 每个仓室均由一个关于时间的函数来表示。

1. 图示
   观察依据

   黑板上写着“$S(t)$ = 易感者”、“$I(t)$ = 感染者”和“$R(t)$ = 康复者（或移出者）”。

2. 声音
   观察依据

   主讲人解释道：S 包含尚未暴露的人群，I 包含正在患病且具有传染性的人群，R 包含已康复或已被移出的人群。

SIR 模型使用三个仓室：$S(t)$ 表示易感个体，$I(t)$ 表示感染个体，$R(t)$ 表示康复或移出个体。口述解释中，R 的含义较宽泛，包括康复与移出（例如死亡）两种情形。

1. 仅追踪一个总体人群。

2. 在每个时刻，个体被归入这三个仓室中的某一个。

1. 仓室模型思想

1. 图示
   观察依据

   黑板上展示了方程组：$\frac{dS}{dt}=-\beta$ SI，$\frac{dI}{dt}=\beta$ SI-\gamma I，$\frac{dR}{dt}=\gamma I$。

2. 声音
   观察依据

   主讲人称这些方程为类似于化学动力学的简单速率方程。

该模型被写作一组常微分方程，用以描述仓室之间的转移：易感者因感染而减少，感染者因新感染而增加、又因康复或移出而减少，康复者则因从感染者仓室中移出而增加。

1. 人群被建模为充分混合的。

2. 系统动力学由全局速率方程刻画，而非空间分辨的方程。

1. SIR 三类仓室

1. 图示
   观察依据

   黑板在方程组下方写下“$S + I + R = N$”。

2. 声音
   观察依据

   讲师说：“若人群中总共有 N 人”，随后指出这三项之和等于 N。

三个舱室的规模之和被约束为等于总人口 N。这表示在所展示的模型中，个体在各舱室之间流动，但被统计的总人口数量保持不变。

1. 所展示的计数中未包含出生、与移除无关的死亡、移民或迁出。

2. N 被视为总人口规模。

1. SIR 三类仓室

1. 声音
   观察依据

   讲师称这些方程类似于化学动力学，其中没有空间分辨，并实质上假设人群是充分混合的。

2. 声音
   观察依据

   他进一步指出，该模型未提供关于人们如何互动、其接触网络或物理位置的信息，且假设每个人都能接触到所有人。

所展示的 SIR 模型忽略了空间结构和接触网络细节，假设均匀混合，因而传播过程可用全局速率概括，而无需具体刻画谁与谁相遇。

1. 该模型没有空间分辨。

2. 互动被抽象为全局速率。

1. SIR 速率方程组

1. 公式
   观察依据

   黑板左侧列出了“Kermack-McKendrick模型（1927）”、“人群的‘仓室’：”、$S(t)=\text{Susceptible}$、$I(t)=\text{Infected}$和$R(t)=\text{Recovered (or removed)}$。

2. 声音
   观察依据

   讲师在讲解模型中的两个过程时，提到了易感者、感染者和康复者（或移除者）三类人群池。

视频将Kermack-McKendrick SIR模型呈现为对一个群体的仓室化描述。三个仓室分别为易感个体$S(t)$、感染个体$I(t)$以及康复或移除个体$R(t)$。所展示的守恒方程$S+I+R=N$表明，在该模型中，这三个仓室共同构成了整个群体。

1. 适用于所展示的Kermack-McKendrick SIR模型。

2. 视频未提及出生、与移除无关的死亡或免疫力减弱等额外人口学过程。

1. 公式
   观察依据

   黑板在“*SIR模型*”标题下展示了以下系统：$\frac{dS}{dt}=-\beta SI$、$\frac{dI}{dt}=\beta SI-\gamma I$、$\frac{dR}{dt}=\gamma I$和$S+I+R=N$。

2. 声音
   观察依据

   讲师解释道，反应速率为$\beta SI$，该速率使$S$减少、$I$增加；而康复/移除以速率$\gamma I$发生，并向康复者仓室添加个体。

所展示的SIR模型是一个非线性常微分方程组。新感染通过易感者与感染者之间的相互作用以速率$\beta SI$发生，这导致$S$减少、$I$增加；感染者则以速率$\gamma I$离开感染仓室（经康复或移除），这导致$I$减少、$R$增加。方程$S+I+R=N$记录了黑板上所展示的仓室总和。

1. $\beta$是每对个体间的传播速率。

2. $\gamma$是康复/移除速率。

3. 所展示的模型将群体划分为$S$、$I$和$R$三个仓室。

1. SIR仓室定义
2. $\beta$
3. $\gamma$
4. $S(t)$
5. $I(t)$
6. $R(t)$
7. N

1. 公式
   观察依据

   系统旁的注释写道：“$\beta$ = 传播率（每对个体）”。

2. 声音
   观察依据

   讲师指出，$\beta$是“一对人之间感染传播的速率，其中一人已被感染，另一人易感。”

参数$\beta$在视频中被定义为每对个体的传播率。它量化了感染从已感染者向易感者传播的快慢程度。在方程中，总的感染流为乘积$\beta SI$，因此新发感染人数取决于易感人群数量和已感染人群数量。

1. 适用于由一名已感染者和一名易感者组成的配对。

2. 用于所展示的SIR模型中。

1. $\beta$
2. SIR微分方程组

1. 公式
   观察依据

   系统旁的注释写道：“$\gamma$ = 移除/康复率”。

2. 声音
   观察依据

   讲师指出，第二个过程是“康复或移除”，且个体以速率$\gamma I$被移除，并加入康复者群体。

参数$\gamma$被定义为移除或康复率。它表示已感染者离开感染舱室的速率。视频明确将康复与死亡均纳入‘移除’范畴，对应流入康复或移除舱室的流量为$\gamma I$。

1. 适用于所展示的SIR模型中的已感染者。

2. 视频将‘移除’描述为康复或死亡。

1. $\gamma$
2. SIR微分方程组

1. 声音
   观察依据

   讲师说：“由于 S 和 I 的乘积项，该模型是非线性的，因此很难为这一完整模型写出精确解。”

2. 公式
   观察依据

   所展示的方程中包含乘积项$\beta SI$。

讲师指出，感染项中的乘积$SI$是导致 SIR 系统呈非线性的原因。正因这一非线性相互作用项，他说明很难为完整模型写出精确解。他还提到，存在更复杂的流行病学模型，其解析求解难度更大。

1. 指所展示的完整 SIR 系统。

2. 该陈述关注的是解析可解性，而非本片段中已证明的定理。

1. SIR微分方程组

1. 字幕依据
   观察依据

   黑板左侧列出了SIR系统：dS/dt=-\beta SI，dI/dt=$\beta$ SI-\gamma I，dR/dt=$\gamma I$，以及约束关系 $S+I+R=N$。

2. 声音
   观察依据

   讲师通过比较新感染者产生速率与感染者移出速率，来解释感染者的微分方程。

本节采用Kermack-McKendrick SIR模型，包含易感者、感染者和已移除者三个舱室。方程分别描述：易感者因感染而减少、感染者因新感染而增加、感染者因移出而减少、已移除者因累积而增加；关系式 $S+I+R=N$ 表明这三个舱室划分了固定不变的总人口。

1. 人群被划分为易感者（S）、感染者（I）和康复者（R）三类。

2. N 表示总人口数。

3. β 是每对个体间的传播率。

4. γ 是移除率／康复率。

1. SIR model
2. $S(t)$
3. $I(t)$
4. $R(t)$
5. N
6. $\beta$
7. $\gamma$

1. 字幕依据
   观察依据

   黑板右侧写着“若：dI/dt>0，则发生流行病”，初始条件框为“$S=N-1$, $I=1$”，比值为“$R_0=(N-1)β/γ>1$”。

2. 声音
   观察依据

   主讲人指出，若首位感染者对应的该比值为正，则疫情开始增长，因为新产生的感染者多于被移除的感染者。

要判断一次暴发是否由单个初始感染者引发并持续增长，需考察初始状态下 dI/dt 的符号。在 $I(0)=1$ 且 $S(0)=N-1$ 的条件下，感染者方程简化为判断感染产生项是否超过移除项。由此得到阈值比值 $R_0=(N-1)β/γ$，当该比值大于1时，疫情开始流行。

1. 适用于疫情暴发初期。

2. 采用单感染者初始设定 $I(0)=1$。

3. 基于黑板上所示的 SIR 动力学模型。

1. SIR模型方程及其守恒律
2. $I(t)$
3. $S(t)$
4. N
5. $\beta$
6. $\gamma$
7. $R_0$

1. 声音
   观察依据

   主讲人指出，这项工作始于克马克与麦肯德里克于1927年发表的经典论文。

2. 图示
   观察依据

   黑板上写着“克马克-麦肯德里克模型（1927）”。

讲座将此类流行病学房室模型的起源归功于1927年的克马克与麦肯德里克研究。

1. 讲座所指为经典的SIR型房室建模传统。

讲座中关于该模型族起源的历史主张。

1. 声音
   观察依据

   主讲人指出，这些方程是简单的速率方程，与化学动力学和化学工程中建立的速率方程非常相似。

SIR方程被表述为速率方程，其形式类似于化学动力学和化学工程中所用的速率方程。

1. 此处是在比较房室速率定律的数学结构，并非声称物理系统完全相同。

主讲人明确表述的定性类比。

1. 声音
   观察依据

   讲师指出，从这一简单模型中可获得的主要洞见是“疫情是否会发生”。

2. 公式
   观察依据

   他在黑板右侧写下“若满足以下条件，则发生疫情：”后接$\frac{dI}{dt}>0$。

3. 声音
   观察依据

   他解释道：“因此，若 dI/dt 为正，则疫情将发生；也就是说，感染者人数的变化率明显呈增长趋势。”

1. 视频以疫情早期感染者数量的增长为依据，给出了疫情发生的条件；并未给出包含全部量词与假设的严格形式化定理陈述。

在所展示的 SIR 模型中，若$\frac{dI}{dt}>0$，即感染者人数呈增长趋势，则发生疫情。

1. 该模型是所展示的SIR系统。

2. 相关比较是在疫情暴发初期进行的，此时$S$接近$N$，且$I$与$N$相比很小。

针对讲座中描述的初期情形，当感染人数随时间的变化率为正时，即可判定为疫情暴发。

1. 声音
   观察依据

   主讲人指出，增长必须发生在“初期”，即“$S$接近$N$”；在离散种群中，可能有“$S$等于$N-1$”，例如仅有一名感染者；更一般地，“$S$……的量级为$N$”，且“$I$远小于$N$。”

2. 公式
   观察依据

   黑板右侧累积标注 $S=N-1$、$(S\sim N)$、$I=1$、$R=0$ 以及 $(I\ll N)$ 靠近条件 $\frac{dI}{dt}>0$。

1. 符号$\sim$在口述中读作“量级为”，在视觉上则以类似渐近式的注释形式呈现；本片段未对其作形式化定义。

为判断疫情是否会增长，讲座考虑了初期情形：$S$接近$N$（例如$S=N-1$或$S\sim N$），且$I$远小于$N$（例如$I=1$）；在离散示例的起始时刻，$R=0$成立。

1. 疫情正处于初期阶段。

2. 总人口规模为$N$。

3. 正在使用所展示的SIR变量$S$、$I$和$R$。

存在若干具体的初期示例：$S=N-1$、$I=1$、$R=0$，以及一个更一般的尺度描述：$S\sim N$、$I\ll N$。

1. 字幕依据
   观察依据

   黑板上写着“若 dI/dt > 0，则发生疫情”，并写出“$R_0 = (N - 1)\beta/\gamma > 1$”。

2. 声音
   观察依据

   讲师指出，当该因子大于一时，疫情开始增长，因为新产生的感染者多于被移除的感染者。

对于初始条件为 $S(0) = N - 1$ 且 $I(0) = 1$ 的 SIR 模型，疫情在初始时刻增长当且仅当 $\frac{(N - 1)\beta}{\gamma} > 1$。

1. 黑板上展示的 SIR 方程成立。

2. 初始状态为 $S = N - 1$ 且 $I = 1$。

3. 通过除以 $\gamma$ 这一操作，隐含假设了 $\gamma > 0$。

针对 SIR 模型中指定的初始条件。

1. 声音
   观察依据

   讲师称该量为基本再生数，表示一名感染者平均预期会传染的人数。

2. 公式
   观察依据

   方框中的公式将该量标识为 $R_0 = \hat{\beta}/\gamma$。

在本讲中，$R_0$被解释为一个感染者平均会传染的人数。

1. 该量与从初始增长条件推导出的$R_0$相同。

2. 模型背景是黑板上展示的SIR框架。

针对起始人群构型中最初的一名感染者。

1. 声音
   观察依据

   主讲人指出，一旦超过阈值，疫情便进入指数增长阶段；当易感者耗尽时，增长趋于饱和，随后疫情逐渐结束。

1. 这一说法以定性描述方式口头陈述；视频片段内未给出明确证明，也未绘制相应曲线。

当满足阈值条件时，主讲人将疫情描述为：首先进入指数增长阶段，随后随着易感者数量减少而趋于饱和，最终缓慢结束。

1. SIR模型正在初始增长阈值被超过的条件下求解。

关于疫情暴发后时间演化的定性陈述

1. 公式
   观察依据

   右侧黑板写着“若满足以下条件，则发生疫情：”后接 dI/dt>0（当 $t=0$ 时），且 $S=N-1$，$I=1$，$R_0>1$。

2. 声音
   观察依据

   主讲人称，当 R 零大于一时，这是疫情的典型图景。

在所展示的 SIR 模型中，若感染人群数量初始即上升，则发生疫情；黑板上以此条件 $R_0>1$ 加以概括。

1. 采用初始条件 $S=N-1$，$I=1$，$R=0$。

2. 该模型即黑板上所示的 SIR 系统。

针对黑板上所写的特定初始条件。

1. 声音
   观察依据

   主讲人称，易感者数量起始时非常接近 N……但经过某一时间尺度后便开始下降……该时间尺度即为 $\hat{\beta}$ 的倒数。

2. 公式
   观察依据

   黑板上显示 $\hat{\beta}=S_0\beta=(N-1)\beta$。

1. 该陈述在音频中属于定性描述；本片段中未写出易感者数量 $S(t)$ 的显式指数公式。

讲话者指出，易感者减少的早期时间尺度为 $\hat{\beta}^{-1}$。

1. 初始条件附近的疫情早期阶段：$S_0=N-1$，$I_0=1$。

2. 使用有效传播率 $\hat{\beta}=S_0\beta$。

关于所绘制轨迹早期阶段的定性论断。

1. 声音
   观察依据

   讲话者说：‘感染人数 I 可能不会一直上升到峰值……因为它将开始下降，因为易感者数量 S 将趋近于零……所以当 S 趋近于零时，这一传播速率实际上也趋近于零……最终会下降，因为你已耗尽了可被感染的人群。’

2. 公式
   观察依据

   黑板上写出 dI/dt=βSI-γI。

当 S 趋近于零时，感染项 βSI 消失，因此感染人数不再增长，并最终下降。

1. 适用 SIR 方程 dI/dt=βSI-γI。

2. 如示意图所示，S 随时间推移而减少。

关于所绘制流行病曲线后期阶段的描述性陈述。

1. 图示
   观察依据

   黑板上展示了三个微分方程以及代数约束式 $S+I+R=N$。

2. 声音
   观察依据

   主讲人明确提到了累加至 N。

1. 该守恒性检验源自屏幕上显示的方程；主讲人在本片段中并未口头进行求导步骤。

1. 公式

   $$\frac{dS}{dt}=-\beta SI$$
   解释

   取黑板上给出的易感者方程。

   步骤依据

   黑板上直接写出的公式。

   视频直接表达
2. 公式

   $$\frac{dI}{dt}=\beta SI-\gamma I$$
   解释

   取黑板上给出的感染者方程。

   步骤依据

   黑板上直接写出的公式。

   视频直接表达
3. 公式

   $$\frac{dR}{dt}=\gamma I$$
   解释

   取黑板上给出的康复者方程。

   步骤依据

   黑板上直接写出的公式。

   视频直接表达
4. 公式

   $$\frac{d}{dt}(S+I+R)=\frac{dS}{dt}+\frac{dI}{dt}+\frac{dR}{dt}$$
   解释

   对总人口和式逐项求导。

   步骤依据

   求导运算的线性性质。

   依据视频推导
5. 公式

   $$\frac{d}{dt}(S+I+R)=(-\beta SI)+(\beta SI-\gamma I)+(\gamma I)=0$$
   解释

   代入三个已展示的变化率，并消去符号相反的项。

   步骤依据

   利用黑板上的方程进行代数代入与约简。

   依据视频推导
6. 公式

   $$S+I+R=N$$
   解释

   因此总量保持不变，与黑板上所写的守恒关系一致。

   步骤依据

   若和的导数为零，则该和为常数；黑板上将该常数记为 N。

   视频直接表达

所展示的 SIR 系统与所述守恒律 $S+I+R=N$ 一致。

1. 声音
   观察依据

   讲师说：“因此，反应速率——姑且这么称呼它——是 beta SI。当该反应发生时，S 减少，I 增加。”

2. 公式
   观察依据

   黑板显示 $\frac{dS}{dt}=-\beta SI$ 和 $+\beta SI$ 的一部分$\frac{dI}{dt}=\beta SI-\gamma I$。

1. 公式

   $$\text{pair type: one susceptible, one infected}$$
   解释

   讲师指出，相关相互作用是一对人之间的传播：其中一人已被感染，另一人仍为易感者。

   步骤依据

   音频定义$\beta$为每对个体的传播速率。

   视频直接表达
2. 公式

   $$\beta SI$$
   解释

   总反应速率或感染速率写作：每对传播速率与仓室规模$S$和$I$的乘积。

   步骤依据

   音频陈述“反应速率……是 beta SI”，并显示术语$\beta SI$。

   视频直接表达
3. 公式

   $$\frac{dS}{dt}=-\beta SI$$
   解释

   当感染事件发生时，一名易感个体离开易感仓室，因此$S$按感染速率减少。

   步骤依据

   音频陈述该反应使$S$降低，并显示$dS/dt$的方程。

   视频直接表达
4. 公式

   $$I\text{ increases by }\beta SI$$
   解释

   同一感染事件使感染者舱室增加一个个体，从而在 $\beta SI$ 中产生正向 $I$ 项。

   步骤依据

   音频陈述该反应使$I$增加，并显示$dI/dt$中的对应项。

   视频直接表达

感染过程以速率 $S$ 向 $I$ 转移个体，生成 $\beta SI$ 项，$-\beta SI$ 出现在 $dS/dt$ 和 $+\beta SI$ 中$dI/dt$。

1. 声音
   观察依据

   讲师说：“第二个过程是康复或移除……以速率 gamma 完成……当个体因康复或死亡而被移除时，他们以 gamma I 的速率被移除，随后便进入康复者群体。”

2. 公式
   观察依据

   黑板上显示$-\gamma I$在$\frac{dI}{dt}=\beta SI-\gamma I$和$\frac{dR}{dt}=\gamma I$中。

1. 公式

   $$\gamma I$$
   解释

   感染个体以每个感染者$\gamma$的速率从感染舱室中被移除，因此总移除流量与$I$成正比。

   步骤依据

   音频中将$\gamma$定义为移除/康复速率，并显示术语$\gamma I$。

   视频直接表达
2. 公式

   $$\frac{dI}{dt}\text{ contains }-\gamma I$$
   解释

   移除会减少感染 compartment，从而贡献负项 $-\gamma I$ 到 $I$ 方程中。

   步骤依据

   音频中指出个体以速率$\gamma I$被移除，并显示关于$dI/dt$的方程。

   视频直接表达
3. 公式

   $$\frac{dR}{dt}=\gamma I$$
   解释

   被移除的个体被加入康复或移除群体，从而向$R$提供正向流入。

   步骤依据

   音频中指出被移除的个体被加入康复群体，并显示关于$dR/dt$的方程。

   视频直接表达

康复或移除过程以速率 $I$ 向 $R$ 转移个体，产生项 $\gamma I$, producing the terms $-\gamma I$ 在 $dI/dt$ 中和 $+\gamma I$ 在 $dR/dt$ 中。

1. 声音
   观察依据

   讲师指出核心洞见在于疫情是否会暴发，写下并说道：‘若 dI/dt 为正，则疫情将暴发’，随后将分析限定于早期阶段，此时$S$接近$N$且$I$很小。

2. 公式
   观察依据

   黑板右侧显示‘疫情暴发当且仅当：’、$\frac{dI}{dt}>0$、$S=N-1$、$(S\sim N)$、$I=1$、$R=0$和$(I\ll N)$。

3. 声音
   观察依据

   临近结尾时，他说：“从这个速率方程中，你可以非常清晰地看出这一点”，指的就是屏幕上显示的$I$方程。

1. 视频片段在讲师完成代入$\frac{dI}{dt}=\beta SI-\gamma I$的代数替换之前就结束了；本段未展示任何涉及$\beta N/\gamma$的最终阈值不等式。

1. 公式

   $$\frac{dI}{dt}>0$$
   解释

   讲师将传染病的爆发定义为感染者人数的增长。

   步骤依据

   音频陈述与黑板上的手写条件。

   视频直接表达
2. 公式

   $$\frac{dI}{dt}=\beta SI-\gamma I$$
   解释

   该增长条件需借助 SIR 模型中的感染者仓室方程来评估。

   步骤依据

   屏幕上显示的 SIR 方程，以及讲师所指的“这个速率方程”。

   视频直接表达
3. 公式

   $$S\approx N\text{ or }S=N-1\text{ or }S\sim N$$
   解释

   由于问题关注的是早期阶段，故将$S$视为接近总人口规模$N$。

   步骤依据

   音频讲解与黑板上的手写标注$S=N-1$和$(S\sim N)$。

   视频直接表达
4. 公式

   $$I\ll N\text{, e.g. }I=1$$
   解释

   假设感染者仓室远小于总人口；讲师以“一名感染者”这一离散例子加以说明。

   步骤依据

   音频讲解与黑板上的手写标注$I=1$和$(I\ll N)$。

   视频直接表达
5. 公式

   $$R=0\text{ at the beginning in the discrete example}$$
   解释

   在“一名感染者”的例子中，尚无人进入康复者或移除者仓室。

   步骤依据

   音频陈述与手写注释$R=0$。

   视频直接表达

该片段确立了流行病问题由早期尺度下$\frac{dI}{dt}=\beta SI-\gamma I$的符号决定：此时$S$接近$N$，且$I$远小于$N$；但片段在推导出最终阈值不等式前即结束。

1. 公式
   观察依据

   黑板上显示dI/dt=$\beta$ SI-\gamma I，以及阈值区块dI/dt>0，其中$S=N-1$，$I=1$。

2. 声音
   观察依据

   主讲人指出，对于一名传染者，易感者数量可能为N-1，并由此推导出比值大于一的条件。

1. 公式

   $$\frac{dI}{dt}=\beta SI-\gamma I$$
   解释

   从黑板上显示的感染仓室方程出发。

   步骤依据

   给定SIR模型方程。

   视频直接表达
2. 公式

   $$\frac{dI}{dt}=I(\beta S-\gamma)$$
   解释

   将等式右侧的I提取公因式。

   步骤依据

   代数因式分解。

   依据视频推导
3. 公式

   $$S=N-1,\quad I=1$$
   解释

   代入单个初始感染者所对应的初始条件。

   步骤依据

   黑板上写出的初始条件模块。

   视频直接表达
4. 公式

   $$\left.\frac{dI}{dt}\right|_{t=0}=\beta(N-1)-\gamma$$
   解释

   在初始状态下计算感染人数的增长率。

   步骤依据

   将初始条件代入已提取公因式的方程。

   依据视频推导
5. 公式

   $$\frac{dI}{dt}>0\quad\Longleftrightarrow\quad \beta(N-1)-\gamma>0$$
   解释

   要求初始感染人口数量增加。

   步骤依据

   黑板上所用的传染病暴发定义。

   视频直接表达
6. 公式

   $$\frac{(N-1)\beta}{\gamma}>1$$
   解释

   两边同除以$\gamma$，并整理以分离出无量纲阈值比。

   步骤依据

   代数变形，假设 $γ > 0$。

   依据视频推导