【正文】 最后，我們希望我們的研究有助于您的制造業(yè)的戰(zhàn)略和提供新的藥物。最后，是在接觸跟蹤之前的時間地方。第三，它的有效性醫(yī)學(xué)。其次，這是介紹時間分配發(fā)生前。首先，它是制造業(yè)的速度。%個，%個，%個，27%個，%個，%個。一組特定的有色城市將從總部接受藥物治療里面。這些總部將負責醫(yī)學(xué)的儲存和分配。因為需要的數(shù)量醫(yī)學(xué)與累計患者數(shù)量有關(guān)，我們的模型將作為一個完善的工具，以供以后決定的數(shù)量的藥物每個城市的需求。我們的模型具有很好的可行性，因為我們成功地模擬了累積個人數(shù)量的增長趨勢在弗里敦，塞拉利昂的首都，大多數(shù)患者的城市。這就是原因我們寫這封信。給世界醫(yī)學(xué)協(xié)會的信對他們可能關(guān)心的人，聽說你的協(xié)會已經(jīng)開發(fā)出了一種新的藥物阻止埃博拉病毒和病人的疾病是不先進的，我相信不僅是我，但也有其他人在受影響的地區(qū)是激動！不是一個有效的在你的大批量生產(chǎn)之前，藥品已經(jīng)可以生產(chǎn)了盡管已經(jīng)支付了大量的努力，以減緩埃博拉病毒的傳播發(fā)明新藥物治療病人！我和同事們一直在深入研究埃博拉的傳播以及藥物如何可以作為一個重要的干預(yù)，控制和根除這種致命疾病。更多重要的是，我們可以將我們的模型應(yīng)用到埃博拉病毒的爆發(fā)和測試中可行性。此外，我們還可以測試我們的模型應(yīng)用到其他的可能性與埃博拉有類似特點的流行病。其次，分析每個城市的數(shù)據(jù)可以使用SEIHCR獲得（WHO）模型。例如，三的傳輸速率的值：I，H，C實際上是相關(guān)的，所以這三個參數(shù)的變化與相關(guān)。在這篇文章中，我們只考慮了其中的幾個，如gH和k之間的關(guān)系。因為在我們的工作中，有許多弱點，如相對較弱的完整性之間的參數(shù)和不足夠的分析，每個城市的統(tǒng)計，大量的努力可以用在未來的工作來提高我們的工作。由于模型中的參數(shù)數(shù)量龐大，他們在解決誠信這個問題有時可能缺乏。不同城市的每日需要的藥品數(shù)量從SEIHCR（CT）模型作為權(quán)值，使得算法的一部分整個流行病模型，增加了完整性。不同的方法已被應(yīng)用于不同的因素，以提高精度。我們改進了傳統(tǒng)的傳染病模型的SEIR及轉(zhuǎn)化SEIHCR（CT）模型，考慮更多的因素，從而更好的適應(yīng)西非的特殊功能。圖19在噪聲個人累計數(shù)增加到H我們可以看到輕微的差異時，會出現(xiàn)噪音增加。噪聲添加H院內(nèi)病死率的敏感性測試。然而，改變價值從5到15，這是一個相當大的差異，幾乎超出了正常范圍，我們可以從圖18看到的趨勢個人的累積數(shù)量相當相似。圖18。在可接受范圍內(nèi)的值被認為是合理的。，這里bI是比較小的相比于灰色地帶的價值。紅區(qū)此曲線表示的累積數(shù)的正常范圍個人在這個范圍內(nèi)的結(jié)果被認為是合理的。通過改變這些參數(shù)的值，我們可以看到它們對模型的影響。然而，早期的合同跟蹤將導(dǎo)致兩個下降在CUM暨一個較早的根除日。通過增加和CT，根除點會更快地到達。 圖16通過改變藥物的藥效學(xué)的實驗研究,接觸跟蹤介紹時間c 圖16中的黑色線條也不代表藥物療效的變化和接觸者追蹤分別引入時間CT。此外，根除日期也縮短了一個較小的。我們可以看到對的影響值小，這是一個非?？斓捻憫?yīng)時間將控制措施，將有很大的影響，對消除埃博拉病毒。通過改變他們的價值觀，我們可以看到這三個參數(shù)t ,h，CT的影響最終消滅埃博拉病毒的最后一天。2）有效的藥。因此，如果埃博拉是要根除的，CUM還應(yīng)滿足CUM162。從圖3圖4，我們可以看到，雖然固化周期和死亡率的下降可以導(dǎo)致要控制埃博拉，這是不是一種有效的方法。表五a ,k ,1/gH，dH 在不同區(qū)域的權(quán)值從圖1，我們可以看到，在a的增加可以更好的控制疾病。藍色區(qū)域下面的綠色區(qū)域是埃博拉病毒可以在該地區(qū)的地區(qū)有效地控制。0，藍色區(qū)域代表埃博拉病毒可被視為是的關(guān)鍵區(qū)域的控制。不同的這兩個接觸跟蹤參數(shù)k和a而保持其他參數(shù)常數(shù)可以幫助我們看到增強接觸跟蹤的效果識別/隔離。作為被定義和描述之前，k是平均數(shù)每一個人識別/孤立的傳染病個體，它描述了接觸跟蹤強度。這是，最高的預(yù)測的累積數(shù)預(yù)測發(fā)生時1/1/10y=和最低的曲線對應(yīng)于1/1y=條件/從上面的分析，我們可以看到，在平均時間減少死者可以妥善處理（1/y）是非常重要的在試圖控制或進一步根除埃博拉。預(yù)測的累積情況也會有所不同。自1/y是平均時間直到死者是妥善處理，我們可以改變價值y看看更好的處理尸體可以作為一個潛在的干預(yù)對于埃博拉。我們可以看到，一個較大的Hg，這會導(dǎo)致一個更好的藥效h，將導(dǎo)致在一個適度的下降個人及累積人數(shù)。因此，通過不同的價值Hg（同時不同價值觀h），我們可以測試不同的H值，g影響個人的累積數(shù)量。如果一個醫(yī)學(xué)有更大的療效，治療時間可能會減少。得出結(jié)論，生產(chǎn)速度可以大大影響效率藥物干預(yù)。因此，U和Hd滿足如下方程:其中，r是一個系數(shù)，最低的病死率020%小時，從醫(yī)學(xué)的計算劑量之前。4幾內(nèi)亞比紹、利比里亞和塞拉利昂的藥物劑量及其交付率由于醫(yī)院內(nèi)Hd病死率很大程度上取決于量可用藥物，如果制造業(yè)的速度大于數(shù)量的每天需要藥物治療，我們假設(shè)病死率將達到最低值H0d。表36總部的藥品劑量及其交付率除了六個季度所需的藥品，我們也按國家分類所需藥品。我們也加了劑量的單位看到的總數(shù)一段時間所需的藥品。應(yīng)用模糊C均值聚類算法得到的單位劑量6總部所需藥品。每一個點集以后會得到來自總部的藥品和疫苗里面。這個這6個總部的地理位置見表2。通過迭代，我們可以得到我們的交貨地點，這是在下面的結(jié)果。提供明確的數(shù)據(jù)，在三個國家的城市的案件數(shù)量有病人[24]。如果我們畫一個曲線，反映了方差的米，拐點點應(yīng)該是最終的群集數(shù)。要設(shè)定具體的價值，我們發(fā)現(xiàn)，米，肯定是減少更多的集群。我們正式的一般過程針對模糊C均值聚類算法如下:在這種情況下，我們設(shè)置了2。每個樣品將在每個集群成員，會員接近統(tǒng)一意味著樣品和集群之間的相似程度很高而會員接近零，意味著樣本之間的相似性不大群[25]最流行和最研究的聚類標準確定最佳模糊在同一個分區(qū)中，與廣義最小平方誤差函數(shù)有關(guān)。加權(quán)模糊C均值聚類算法：加權(quán)模糊C均值聚類算法不同于傳統(tǒng)的模糊C均值聚類算法在它認為KD，藥品的數(shù)量每個城市需要。然后我們將確定從哪一個總部其他城市將得到藥物。這些地方也將負責提供給一些地方的藥品在他們旁邊。事實上，這是醫(yī)學(xué)和地方的數(shù)量飛機是最困難的部分，以決定交付系統(tǒng)。在發(fā)達國家制造的埃博拉病毒的藥物和疫苗美國和英國。我們可以看到，這2個結(jié)果的匹配和差異是在可接受的范圍內(nèi)。圖8弗里敦市累計患者數(shù)量及所需藥品數(shù)量每星期圖中的灰色曲線表示每天的單位劑量所需要的藥品和陰影區(qū)域代表所需藥品的總量。弗里敦患者的數(shù)量可以從改進的模型計算在P暨獲得，我們也可以知道，增長率u。（CT）模型正如之前提到的，有那么多的城市，如果我們計算每個城市的需要從改進型，會有太多工作。因此，我們使用單位劑量。灰色區(qū)域代表三個國家所需要的聯(lián)合劑量。相反，我們畫了一個圖表，說明這三個國家所需要的藥品由2013年12月30日至1月31日，2015。到目前為止，我們已經(jīng)收集了我們需要計算數(shù)量的所有藥物信息。按時間劃分新的總和周期T（在T=7這種情況下，報告是根據(jù)每星期）發(fā)布，疾病的增長率v。因此，在決定所需藥品的數(shù)量時，我們考慮了2個重要因素:1)目前累計患者數(shù)CUM；2)疾病增長率v。然而，