我将假设没有潜伏期和两种类型的症状：严重症状和轻微症状。重要的是，混杂疾病引起的症状与流行性疾病引起的症状相似，因此前者在la的诊断过程中起到了实质性的作用呃。与流行病类似，两个随机变量注意到，混杂疾病也可以被认为是两种疾病不同的疾病呃在他们诱发的症状类型中。例如，轻度症状状态可以被认为是季节性的u、 这种严重的症状可以被认为是肺炎。事件决定了症状的类型和风险最终结果：严重f *( j) =严重的(≡ 1） 可湿性粉剂sf温和的(≡ 0）可湿性粉剂1- sf死f *( j) =1 wpφf0可湿性粉剂1- φfe最终结果的时间由以下公式描述：kf *( j), 表示感染和死亡之间的周期数qf *( j), 表示感染和恢复之间的周期数。为简单起见，我假设这些滞后是退化的，与症状类型无关。我还假设最终结果与症状类型无关。图3提供了感染后疾病演变的视觉总结。感染几种症状(sf)恢复（1）- φf)死亡(φf)轻度症状（1- sf)恢复（1）- φf)死亡(φf)图3：混杂疾病在感染后的演变更正式地说，混杂疾病在个体水平上的演变如下所示：df *t( j) = 死f *( j) · cf *t-kf *( j)rf *t( j) =1.- 死f *( j)· cf *t-qf *( j)sf *t( j) = 严峻的f *( j) ·cf *t( j) - df *t( j) - rf *t( j)mf *t( j) =1.- 严峻的f *( j)·cf *t( j) - df *t( j) - rf *t( j)if *t( j) = cf *t( j) - rf *t( j) - df *t( j) = sf *t( j) + mf *t( j)4.3电子ZF电子政务在模型中扮演着两个角色。

首先，它通过医疗系统执行测试活动。第二，它收集收入并参与医疗支出。4.3.1基于症状的测试策略我假设模型中的医疗系统采用模拟现实世界的基于症状的测试策略。正如世界卫生组织（World Health Organization，简称WHO）所说，“检测决定应基于临床和流行病学因素，并与对感染可能性的评估相关联”，很少有人会这样做尤其是在疫情暴发的早期阶段，疾病的特征仍然未知。通过假设测试活动根据个体表现出的症状的真实性进行优先排序，将这些考虑因素引入到模型中：总是测试有严重症状的个体rst，然后是症状轻微的个体，以及几乎没有症状。与标准的分室流行病学模型不同，标准的分室流行病学模型假设每个时期都会测试某个分室的（恒定）份额，建议的框架考虑到了特定的根据要执行的测试数量确定每日测试能力。例如，is意味着，一定的检测能力允许在疫情开始时对大量有症状的个体进行检测，但在疫情高峰期对极少数个体进行检测。重要的是，我将假设如下：T1：总是有足够的日常检测能力来检测有严重症状的个体。假设T1的动机有两个方面。首先，它是ects检测个体抑制严重症状的优先顺序由于需要确定潜在的疾病，从而决定适当的医疗治疗。

第二，它是ects的事实是，有严重症状的个体更有可能出现在医院、住院治疗和检测。因此，政府可以选择是否进行额外的测试TN St未出现严重症状的个体（NS代表“非严重”）。与基于症状的政策的理念一致，这些额外的测试是针对轻度症状患者进行的rst，并且只有在有剩余检测能力的情况下才对无症状个体进行检测。4.3.2检测策略的实施根据现有检测技术的技术特点和传染病的性质，可以做出轻微的关于测试活动如何在模型中实际实现的不同假设。我将假设如下：T2：测试呈阳性的个体不会再次接受测试。T3：检测只检测活动性感染，假阴性率高α.T4：e测试结果以a为准固定延迟d, 在知道之前测试的结果之前，个人不会再次接受测试。见hps://www.who。int/publications/i/item/10665-331501，查看Covid-19疫情期间截至2020年3月19日的检测指南。截至2020年1月31日，就在疫情暴发之初，需要检测的疑似病例需要显示“需要入院的严重急性呼吸道感染”或“任何急性呼吸系统疾病”。见hps://www.who。int/publications/i/item/laboratory-testing-of-2019-novel-coronavirus-2019-ncov-inspected-human-cases-middial-guidance-17-1-2020。请注意，没有对自愿测试进行建模。

然而，由于很大一部分自愿检测都是由于症状的出现而引起争议的，因此，优先对有症状的个体进行检测的检测政策应该充分——至少部分地——考虑自愿检测。假设T2只是当获得豁免权时呃从感染中恢复过来。假设T3意味着在潜伏期内，无论感染活跃时的症状类型如何，检测（不精确）都能检测到感染，但不包括死亡或康复。延迟d 假设T4可以ect技术和组织上的限制都会造成从实施测试到知道测试结果之间的时间差。电子医疗系统的测试策略是使用集合论实现的。首先，根据假设T1，所有需要接受检测的严重症状个体都要接受检测。e当时测试的一组严重症状患者t 是byT给的St= ΣSt\\ （C）t-1.∪ Tpt)由表现出严重症状的个体组成（∑St), 减去过去被诊断出患有该疾病的患者（Ct-1） ，减去那些测试结果仍在等待中的人（Tpt).当政府要求增加测试能力时（即。TN St> 卫生保健系统将检测扩展到症状轻微的个体。e.它想给byG提供睾丸的一组个体Mt= ΣMt\\ （C）t-1.∪ Tpt)其中∑Mt是一组表现出轻微症状的个体。随机子集TMt GMtsizeequal toTMt= |TMt| = 闵{TN St, |GMt|} 这是经过测试的。A.如果有额外的检测能力，即。TN St- TMt> 0它想要测试的一组个体由G给出At=Pt\\ (ΣSt∪ ΣMt)\\ （C）t-1.∪ Tpt)P在哪里t是一组活着的个体。

随机子集TAt GAt经过测试，其大小与TAt= |TAt| = 闵{TN St- TMt, |GAt|}.e在一般时间测试的所有个体的集合t 是byT给的t= TSt∪ TMt∪ TAt执行的测试总数由下式给出：Tt= |Tt|. 检测结果可能是阳性的，也可能是隐含地假设医疗系统有一种检测恢复的方法，不需要使用附加检测，或者有另一种专门用于此目的的检测能力。或者是阴性，即Tt= T+t∪ T-t, 阳性检测结果由：T给出+t 我*t∩ Tt哪里x ∈ 我*t∩ Tt也属于T+t概率为1- α, 哪里α 是测试技术的假阴性率。由于检测结果的延迟，阳性病例只有在延迟后才能知道：Ct= Ct-1.∪ T+t-d当时t, 待决测试结果列表由byT提供pt=dOindex=1Tt-index和Tpt=  如果d = 0.最后，根据检测到的病例列表Ct, 可以恢复任何检测到的setZt如下：Zt= Ct∩ Z*tZ在哪里*t是它潜在的对应物。报告的疫情时间序列由下式给出：Zt= |Zt|.换句话说，一旦一个人进入阳性病例名单，她的健康状况就会被医疗系统完全了解。4.3.3 e政府预算政府支出如下：Expt= cT· Tt+ cs· |ΣSt|哪里cT是每次测试的成本，Tt是执行的测试数量，cS是治疗严重感染的成本，∑St| 指出现严重症状的人数。e政府还通过对经济活动征税来获取收入：Revt= τ · Yt哪里τ 是一个统一的税率和Yt是每日GDP，是个人每日生产总值的总和。为简单起见，我假设政府可以进行预算管理可自由展期的CIT或盈余。我隐含地假设所有测试都具有相同的技术特征。

例如，通过假设有严重症状的个体接受di，is可以轻松缓解与其他人群不同类型的测试，如Atkeson等人所做的。