Salgın Modellemesinde Üstel Büyüme ve Logaritmik Azalış

Epidemik Modellerin Matematiksel Yapısı

Salgın dönemlerinde bulaşıcı hastalıkların zaman içindeki yayılma miktarını anlamak için matematiksel araçlardan yararlanılarak epidemik modeller kullanılır. En bilinen modeller SIR (Susceptible-Infectious-Recovered: hastalığa duyarlı, hastalığı taşıyan, iyileşmiş bireyler) ve SEIR (Susceptible-Exposed-Infectious-Recovered: bu üçüne ek olarak taşıyıcı ama henüz bulaştırmayan bireyler) modelleridir. Her iki modelde de hasta sayısı başlangıçta üstel olarak artar; belli bir süre sonra hastalık epidemik pik (zirve) seviyesine ulaşır, yani hasta sayısı en yüksek değerine erişir. Başlangıçtan pik seviyesine ulaşana kadar geçen süreye pik süresi denir; alınan koruma önlemleri hem pik süresini hem de pik seviyesini etkiler. Pik seviyesine ulaştıktan sonra hasta sayısı zamanla azalmaya başlar.

Parçalı Fonksiyonla Modelleme: Üstel Artış, Logaritmik Azalış

Bir şehirde gözlenen salgında, hasta sayısının başlangıçta üstel büyüme gösterdiği, hastalığın pike ulaşmasından sonra ise logaritmik azalış gösterdiği saptanmıştır. P(0): başlangıçta hasta olan kişi sayısı, r: enfeksiyon oranı, t₀: salgının pik süresi olmak üzere, t. gün sonunda hasta sayısı şu parçalı fonksiyonla modellenmektedir:

P(t) = P(0)·eʳᵗ, t < t₀ için; P(t) = 150 − 20·ln t, t ≥ t₀ için

Bu yapı, gerçek yaşamdaki birçok sürecin (bir salgının seyri, bir ürünün pazar payı, bir kimyasal reaksiyonun hızı gibi) neden tek bir fonksiyonla değil, farklı aşamalarda farklı fonksiyon türleriyle (üstel sonra logaritmik) modellenmesi gerektiğini gösteren önemli bir örnektir — çünkü büyüme ve azalma süreçlerinin matematiksel karakteri (hızlanan artış vs. yavaşlayan azalış) farklıdır.

Hesaplama Örneği: Belirli Bir Gündeki Hasta Sayısının Bulunması

Başlangıçta hasta sayısının 40 olduğu ve enfeksiyon oranının r=1/80 olduğu bir salgında, pik süresinin 30 günden daha az olamayacağı öngörülmüştür. 20. gün sonunda hasta olan kişi sayısı bulunsun.

Hastalığın pik süresi t₀ bir aydan (30 günden) daha az olmadığından, t=20 için hasta sayısı P(t)=P(0)·eʳᵗ fonksiyonu ile bulunur (çünkü t=20 < t₀). Enfeksiyon oranı r=1/80 ve başlangıçtaki hasta sayısı P(0)=40 olduğundan: P(20)=40·e^(20/80)=40·e^(1/4). e^(1/4)≈1,284 değeri kullanılırsa P(20)≈40·1,284=51,36, yani 20. günde hasta sayısı yaklaşık 51 kişi olur.

Hesaplama Örneği: Grafik Yöntemiyle Pik Süresinin Bulunması

Hasta sayısındaki artış f(t)=40·e^(t/80) üstel fonksiyonuyla, pik yapmasından sonraki azalış ise g(t)=150−20·ln t logaritmik fonksiyonuyla modellenmektedir. f ve g fonksiyonlarının kesişme noktasında hastalık pik seviyesine ulaşır — çünkü bu nokta, üstel artış modelinin ve logaritmik azalış modelinin aynı hasta sayısını verdiği, yani salgının yön değiştirdiği andır. Grafik incelendiğinde f ve g fonksiyonlarının t≈47,76 noktasında kesiştiği görülür (kesişim noktasındaki hasta sayısı ≈72,67). Buna göre hastalığın pik seviyesine ulaşması yaklaşık 48 gün sürer.

Neden Cebirsel Değil Grafik Yöntem Kullanıldı?

Bu problemdeki iki soru, iki farklı çözüm stratejisi gerektirmiştir ve bu fark, hangi yöntemin ne zaman tercih edilmesi gerektiği konusunda önemli bir ders verir. 1. soruda (20. gündeki hasta sayısı) yalnızca tek bir üstel ifadenin (P(t)=40e^(t/80)) belirli bir t değeri için hesaplanması gerektiğinden, cebirsel yöntem doğrudan ve verimli biçimde kullanılabilmiştir. 2. soruda ise pik süresini bulmak için f(t)=g(t), yani 40e^(t/80)=150−20ln t denkleminin çözülmesi gerekmektedir; bu denklem üstel ve logaritmik ifadeleri aynı anda içerdiğinden (transandantal denklem), cebirsel yöntemlerle kapalı formda çözülemez. Bu nedenle çözüm stratejisi olarak grafik temsilinden (matematik yazılımıyla iki fonksiyonun grafiğinin çizilip kesişim noktasının bulunması) yararlanılmıştır.

Bu karşılaştırma, matematiksel modellemede denklemin yapısına göre çözüm stratejisi seçmenin önemini somut biçimde gösterir: basit, tek terimli üstel/logaritmik denklemler cebirsel olarak çözülebilirken, üstel ve logaritmik terimlerin birlikte bulunduğu karmaşık denklemler genellikle yalnızca sayısal/grafiksel yöntemlerle çözülebilir.

Gerçek Yaşamdaki Önemi

Bu tür parçalı üstel-logaritmik modeller, salgın hastalık yönetiminde kritik kararlar almak için kullanılır: sağlık otoriteleri, pik süresinin ne zaman geleceğini tahmin ederek hastane kapasitesi planlaması yapabilir, koruma önlemlerinin (maske, karantina, aşılama) pik süresini geciktirip geciktirmediğini veya pik seviyesini düşürüp düşürmediğini bu tür modellerle değerlendirebilir. Bu, üstel ve logaritmik fonksiyonların yalnızca soyut matematik problemlerinde değil, halk sağlığı politikalarının bilimsel temelinde de doğrudan rol oynadığını göstermektedir.

Özet

• SIR/SEIR epidemik modellerinde hasta sayısı, pik süresine kadar üstel artış, pik süresinden sonra logaritmik azalış gösteren bir parçalı fonksiyonla (P(t)=P(0)eʳᵗ, t<t₀; P(t)=150−20lnt, t≥t₀) modellenir.
• P(0)=40, r=1/80 olduğunda 20. gün hasta sayısı P(20)=40e^(1/4)≈51 kişi olarak cebirsel yöntemle doğrudan hesaplanır.
• Pik süresi, f(t)=40e^(t/80) ve g(t)=150−20lnt fonksiyonlarının kesişim noktası (t≈47,76) grafik yöntemiyle bulunarak yaklaşık 48 gün olarak belirlenir.
• Basit tek-terimli denklemler cebirsel yöntemle, üstel ve logaritmik terimleri birlikte içeren karmaşık denklemler ise grafik/sayısal yöntemle çözülür; bu ayrım, denklemin yapısına uygun stratejiyi seçmenin modellemedeki önemini gösterir.
• Bu modeller, salgın yönetiminde hastane kapasitesi planlaması ve koruma önlemlerinin etkisini değerlendirme gibi halk sağlığı kararlarında doğrudan kullanılır.