<div dir="ltr"><div class="gmail_default" style="font-size:small"><p class="MsoNormal" style="margin-bottom:0.0001pt;text-align:justify;line-height:150%">In recent years, there has been a
growing interest on how to employ data, combined with population modeling, with
the aim to address some of the important biological questions regarding the population
dynamics in a more realistic way. An especially promising approach, which also
raises methodological challenges, is to develop methods to improve our ability
of combining different types of data sets, each with its own unique features,
in order to piece together a faithful portrait of the underlying forces, which
govern the dynamical processes. Two classical examples that we have been
studying in recent years are i) the unfolding of epidemics ii) predator prey interactions.
In the case of infectious disease outbreaks the goal is to utilize data in
order to first estimate the model parameters and conduct model selection. In
the second phase, the selected model can be used to study different control
methods with the aim of reducing and/or curtailing the outbreak in an optimal
way (Yaari et al).  When studying
ecological interactions there are many myriad theoretical studies that explore
the role of spatial structures on predation and/or competition among different organisms.
However, there are only sparse field studies that have validated, and quantified
their predictions. In our work (Dattner et al), we combine experimental results,
which observed the temporal dynamic of the predatory bacterium, and its prey, in
a structured environment composed of sand under various regimes of water
content. By constructing a dynamic model, and estimated its parameters. The
ability of the model to fit the data combined with realistic parameter
estimates indicate that bacterial predation in the sand can be described by a
relatively simple model, and stress the importance of prey refuge on predation
dynamics in heterogeneous environments.<span></span></p>

<p class="MsoNormal" style="margin-bottom:0.0001pt;text-align:justify;line-height:150%"><span> </span></p>

<p class="MsoNormal" style="margin-bottom:0.0001pt;text-align:justify;line-height:150%">Mathematical models are a vital tool,
which can be used to resolve complex biological phenomena such as multihost
transmission. Yet, theoretical studies on multihost diseases are sparse.  We developed and analyzed a set of novel
dynamic models (Miller et al). The modeling framework is based on that of Ross,
which was extended to include two distinct host species, one vector species
with variable preferences, and unlike previous studies, a critical separation
between density and diversity parameters (richness and evenness). The model
analysis reveals a new mechanism for disease amplification. In this mechanism
the maximum disease risk is obtained when both host species are present in the
community. The model expands on the previous understanding about the
relationship between host diversity and disease risk by formulating the exact
conditions under which diversity amplification, or dilution, would occur. Such
formulation is able to account for the different and contradictory patterns
often observed in nature. We have also extended the model to look at personal
protection (PP) techniques, such as insecticide treated nets (ITN), repellents,
and medications, include some of the most important and commonest ways used
today to protect individuals from vector borne infectious diseases.  To this end, a dynamic model was developed which
incorporates parameters that describe the potential effects of PP on vector
searching and biting behavior and calculated its basic reproductive rate, <i>R₀</i>.
The model analysis revealed that partial coverage with popular PP techniques
can realistically lead to a substantial increase in the reproductive number. An
increase in <i>R₀</i> implies an increase in disease burden and
difficulties in eradication efforts within certain parameter regimes.  Such findings therefore stress the importance
of studying vector behavioral patterns in response to PP interventions for
future mitigation of vector borne diseases. <span></span></p>

<p class="MsoNormal" style="margin-bottom:0.0001pt;text-align:justify;line-height:150%"><span> </span></p>

<p class="MsoNormal" style="margin-bottom:0.0001pt;text-align:justify;line-height:150%"><span> </span></p>

<p class="MsoNormal" style="margin-bottom:0.0001pt;text-align:justify;line-height:150%"><b><u>References <span></span></u></b></p>

<p class="MsoNormal" style="margin-bottom:0.0001pt;text-align:justify;line-height:150%"><b><u><span> </span></u></b></p>

<p class="MsoNormal" style="margin-bottom:0.0001pt;line-height:150%">Miller E and Huppert A. The effects of host diversity on vector-borne
disease: The conditions under which diversity will amplify or dilute the
disease risk. PLoS ONE 8(11): e80279. doi:10.1371/journal.pone.0080279<span></span></p>

<p class="MsoNormal" style="margin-bottom:0.0001pt;line-height:150%"><span> </span></p>

<p class="MsoNormal" style="margin-bottom:0.0001pt;line-height:150%">Miller E, Dushoff J, and Huppert A. The risk of
incomplete personal protection in vector borne disease Journal of The Royal
Society Interface 13.115 (2016): 20150666.<span dir="RTL"></span><span dir="RTL"></span><span lang="HE" dir="RTL" style="font-family:arial,sans-serif"><span dir="RTL"></span><span dir="RTL"></span>‏</span><span></span></p>

<p class="MsoNormal" style="margin-bottom:0.0001pt;line-height:150%"><span> </span></p>

<p class="MsoNormal" style="margin-bottom:0.0001pt;line-height:150%">Yaari R, Katriel G, Stone L, Mendelson E, Mandelboim M, Huppert
A. 2016 Model-based reconstruction of an epidemic using multiple datasets:
understanding influenza A/H1N1 pandemic dynamics in Israel. Journal of The
Royal Society Interface  13: 20160099. <a href="http://dx.doi.org/10.1098/rsif.2016.009"><span style="color:windowtext;text-decoration:none">http://dx.doi.org/10.1098/rsif.2016.009</span></a><span></span></p>

<p class="MsoNormal" style="margin-bottom:0.0001pt;line-height:150%"><span> </span></p>

<p class="MsoNormal" style="margin-bottom:0.0001pt;line-height:150%">Rami Yaari, Ehud Kaliner, Itamar Grotto, Guy Katriel ,Jacob
Moran-Gilad, Danit Sofer,  Ella
Mendelson, Elizabeth Miller and Amit Huppert. 
Modeling the spread of polio in an IPV-vaccinated population; lessons
learned from the 2013 silent outbreak in southern Israel. BMC medicine 14.1
(2016): 95.<span></span></p>

<p class="MsoNormal" style="margin-bottom:0.0001pt;line-height:150%"><span> </span></p>

<p class="MsoNormal" style="margin-bottom:0.0001pt;line-height:150%">Dattner, I., Miller, E., Petrenko, M., Kadouri, D. E.,
Jurkevitch, E., & Huppert, A. (2017). Modelling and parameter inference of
predator–prey dynamics in heterogeneous environments using the direct integral
approach. Journal of The Royal Society Interface, 14(126), 20160525.<span></span></p>

<p class="MsoNormal" style="margin-bottom:0.0001pt;line-height:150%"><span> </span></p>

<p class="MsoNormal" style="margin-bottom:0.0001pt;line-height:150%"><span> </span></p>

<p class="MsoNormal" style="margin-bottom:0.0001pt;text-align:justify;line-height:150%"><span> </span></p>

<p class="MsoNormal" style="margin-bottom:0.0001pt;text-align:justify;line-height:150%"><span> </span></p>

<p class="MsoNormal" style="margin-bottom:0.0001pt;text-align:justify;line-height:150%"><span> </span></p></div></div>