模型构建：引入治疗“往返”与潜伏期的SEIATR模型
为了深入理解中国HIV/AIDS的传播动态，本研究构建了一个全新的确定性数学模型。该模型将总人口划分为六个相互独立的“室”：易感者（S）、潜伏期/暴露者（E）、HIV阳性携带者（I）、艾滋病晚期患者（A）、正在接受治疗者（T）以及移除者（R）。其核心创新在于两点：一是考虑了HIV感染后平均8-10年的无症状潜伏期；二是现实地引入了治疗过程中的“往返”现象，即部分患者会因经济困难、社会歧视等原因中断治疗，而之后在获得足够支持时又可能恢复治疗。基于这些假设和人群流动机制，研究绘制了清晰的传播流程图 ，并建立了一组常微分方程组（ODE）来描述各个人群随时间的变化。
模型的基本性质与阈值分析
在应用模型之前，研究首先证明了其解的非负性和有界性，确保模型在生物学上是合理的。所有解都被约束在一个正不变集Ω内。随后，研究采用下一代矩阵法计算了决定疫情能否流行的关键阈值——基本再生数R0。当R0<1时，疾病将逐渐消亡，系统存在一个无病平衡点；当R0>1时，疾病将持续流行，系统存在一个地方病平衡点。理论分析表明，无病平衡点在R0<1时是全局渐近稳定的，而地方病平衡点在R0>1时是全局渐近稳定的。此外，模型在R0=1附近表现出正向分岔，这意味着当R0略大于1时，会出现一个稳定的地方病平衡点，而不会出现复杂的滞后或不可预测行为。
基于中国实际数据的参数估计与数值模拟
为了增强模型的现实意义，研究利用中国2004年至2020年报告的累计HIV/AIDS病例数据，采用非线性最小二乘法对模型参数进行了估计，实现了良好的拟合效果。基于拟合参数进行的数值模拟，分别展示了在R0<1和R0>1两种情况下，各个人群数量随时间演变的趋势，直观验证了理论分析的稳定性结论。
多参数敏感性分析与关键因素识别
为了识别影响模型结果的关键参数，研究采用了拉丁超立方抽样（LHS）和偏秩相关系数（PRCC）方法进行了全面的敏感性分析。这种方法能够同时评估多个参数在单一时间点以及连续时间段内对感染变量的影响。分析揭示了哪些参数（如感染率β1、β2，从潜伏期转为感染者的速率γ1等）对疫情的发展最为敏感，从而为防控资源的精准投放提供了科学依据。
控制策略评估与实践启示
最后，研究应用该模型评估了在不同感染阶段（如针对I类或T类人群）提高治疗覆盖率这一控制策略的效果。模拟结果表明，综合性措施——包括减少高危人群的HIV暴露、加强HIV筛查以尽早发现感染者、积极推广和维持抗病毒治疗（ART）、以及广泛开展疾病预防意识教育——是遏制HIV/AIDS传播最为有效的手段。这为公共卫生部门制定和优化防控策略提供了量化的决策支持。
综上所述，本研究构建并分析了一个更贴合中国HIV/AIDS疫情实际特点的动力学模型。它不仅深化了对疫情传播机制的理论认识，而且通过数据拟合和策略评估，为实际防控工作提供了具有可操作性的科学建议。
