在本研究中，我们在 Caputo–Fabrizio 框架下开发并研究了一个包含住院因素的分数阶数学模型，用于捕捉拉沙热的传播动力学。鉴于拉沙热的周期性发生，以及已知整数阶模型无法解释长程依赖性和记忆效应的局限性，本研究提出了一个新的数学模型来描述人群与啮齿动物群落之间的动态相互作用。该模型考虑了拉沙热感染的不同阶段，捕捉了人群的易感性、暴露、传染性、住院和康复，以及啮齿动物的感染动力学。在解析方面，通过不动点迭代确立了模型解的存在性与唯一性，并确定了平衡点以及基本再生数 \ (R₀\)——该指标被进一步分解为啮齿动物和人类传播两个组成部分。利用 Nigeria Centre for Disease Control (NCDC) 的每周拉沙热发病率数据，估计了选定的流行病学参数，通过受约束的最小二乘法显示出模拟发病率与报告发病率之间的高度吻合。包括 PRCC 分析在内的详细敏感性研究表明，啮齿动物对啮齿动物、啮齿动物对人以及人对人的传播是驱动拉沙热发病率最显著的因素。分析进一步表明，住院和康复过程会影响拉沙热发病率的进展，而时间分数阶参数 α 在 \ (0< <1\) 时显著延迟并抑制了发病率。数值模拟还揭示了拉沙热控制措施的重要性，这些措施大幅减少了疾病传播和相应的啮齿动物数量。总体而言，该分析证明了所开发的 Caputo–Fabrizio 数学模型在探索拉沙热动力学方面的实用性和可行性，并突显了此类模型在设计控制并最大程度降低拉沙热发病率策略时所提供的支持。
Butt et al. (Thu,) 研究了这一问题。