Marginal Likelihood Inference for Fitting Dynamical Survival Analysis Models to Epidemic Count Data

ملخص تقني: استنتاج الاحتمالية الهامشية لملائمة نماذج التحليل البقائي الديناميكي لبيانات تعداد الأوبئة

بيان المشكلة
تعد النماذج القطاعية العشوائية، مثل نموذج SIR العشوائي (المعرض للعدوى - المصاب - المتعافي)، أدوات قياسية لوصف انتشار الأمراض. ومع ذلك، فإن الاستدلال الإحصائي الدقيق تحت هذه النماذج غالباً ما يكون مستعصياً عند تطبيقها على بيانات المراقبة في العالم الحقيقي. في الممارسة العملية، نادراً ما تكون سجلات العدوى والتعافي مرصودة بالكامل؛ وبدلاً من ذلك، تصل البيانات عادةً في شكل تعدادات حوادث منفصلة (على سبيل المثال، التقارير اليومية أو الأسبوعية للحالات). وتحت نهج الاحتمالية القياسي، يتطلب دالة الاحتمالية الهامشية لمثل هذه البيانات المرصودة جزئياً عملية تكامل فوق جميع المسارات غير المرصودة المتوافقة مع التعدادات. وتكون خطوة التكامل عالية الأبعاد هذه باهظة التكلفة حاسوبياً، مما يستلزم غالباً استخدام طرق محاكاة مكثفة مثل مرشحات الجسيمات (particle filters)، أو الحساب البايزي التقريبي (ABC)، أو عينات ماركوف تشين مونت كارلو (MCMC) المعززة بالبيانات.

المنهجية
يقترح المؤلفون احتمالية هامشية ذات صيغة مغلقة لبيانات تعداد الحوادث المرصودة بشكل منفصل بناءً على نموذج التحليل البقائي الديناميكي (DSA). ويتمثل جوهر الطريقة في تقريب معدل الخطر العشوائي على مستوى السكان عبر تقريبه بحد السكان الكبير مع الاحتفاظ بنموذج عددي للقيم.

1. إطار عمل DSA: بناءً على بناء "سيلكي" (Sellke) لنموذج SIR، ينظر المؤلفون إلى الوباء كعملية على مستوى الفرد حيث تحدث العدوى عندما يتجاوز التعرض التراكمي عتبة عشوائية. وفي حد السكان الكبير ($N \to \infty$)، تتقارب نسب المعرضين للعدوى والمصابين الموزونة إلى حل لنظام من المعادلات التفاضلية العادية (ODEs).
2. التفسير البقائي: يفسر المؤلفون حل المعادلات التفاضلية العادية كدالة بقاء لوقت العدوى. وهذا يسمح باشتقاق دالات كثافة احتمالية صريحة لأوقات العدوى.
3. احتمالية التعداد الهامشية: الابتكار الرئيسي هو اشتقاق احتمالية هامشية ذات صيغة مغلقة عبر دمج أوقات العدوى والتعافي غير المرصودة.
   • بالنسبة لـ أوقات العدوى الدقيقة (مع فقدان بيانات التعافي)، تكون الاحتمالية عبارة عن حاصل ضرب الكثافات.
   • بالنسبة لـ بيانات التعداد المنفصلة (التركيز الأساسي)، يشتق المؤلفون احتمالية هامشية عبر دمج أوقات العدوى غير المرصودة ضمن فترات الملاحظة المنفصلة. ويوضحون أنه تحت تقريب DSA، فإن الكثافة المشتركة للأوقات غير المرصودة والتعدادات المرصودة تتجزأ بحيث تتبع الأوقات غير المرصودة توزيعاً منتظماً على الفترة. وبالتالي، فإن دمجها ينتج عنه شكل حاصل ضرب بسيط:
     $$l(\theta | \{Y_j\}_{j=1}^P) = s_T^{N-K} \prod_{j=1}^P (s_{\xi_{j-1}} - s_{\xi_j})^{Y_j}$$
     حيث $s_t$ هو حل نظام المعادلات التفاضلية العادية عند الزمن $t$، و $Y_j$ هو التعداد في الفترة $j$، و $K$ هو إجمالي حالات العدوى.
4. القابلية للتعميم: أظهرت الدراسة أن الإطار قابل للتوسع ليشمل النماذج ذات التباين الفردي (نماذج الهشاشة/frailty models) والخلط غير المتجانس (شبكات بويسون العشوائية) ببساطة عن طريق استبدال حلول المعادلات التفاضلية العادية المناسبة في صيغة الاحتمالية.

المساهمات الرئيسية

• احتمالية ذات صيغة مغلقة: يقدم البحث أول احتمالية ذات صيغة مغلقة لبيانات التعداد تحت تقريب DSA، مما يلغي الحاجة إلى التكامل العددي لأوقات الأحداث المفقودة.
• الكفاءة الحاسوبية: تفصل الطريقة التكلفة الحاسوبية عن حجم السكان $N$. وخلافاً للطرق الدقيقة حيث يجب أن تزداد دقة الشبكة مع زيادة $N$، فإن نهج DSA يعتمد فقط على أوقات الملاحظة، مما يجعله قابلاً للتوسع للأنظمة الوبائية الكبيرة.
• المرونة: أثبتت الدراسة أن استراتيجية الاستدلال قابلة للتوسع بسهولة لنماذج متغيرة معقدة، بما في ذلك النماذج ذات الهشاشة (التباين غير المرصود في القابلية للعدوى) والخلط القائم على الشبكات، دون الحاجة إلى عينات MCMC مخصصة.
• الارتباط بالرقابة الفترية: تبين أن الاحتمالية المشتقة مكافئة رياضياً لاحتمالية تحليل البقاء الخاضعة للرقابة الفترية، مما يوفر أساساً إحصائياً رصيناً للتقريب.

النتائج
قيم المؤلفون الطريقة من خلال دراسات المحاكاة وحالات دراسة من الواقع:

• دراسات المحاكاة:

  • الدقة: كانت تقديرات المعلمات باستخدام احتمالية التعداد الهامشية منافسة للطرق الدقيقة والمكلفة حاسوبياً (مثل MCMC المعززة بالبيانات)، وتتفوق بشكل كبير على الطرق التي تعوض الأوقات المفقودة كمتغيرات عشوائية منتظمة (والتي تظهر انحيازاً).
  • التغطية: بينما يؤدي تقريب DSA إلى تقليل التباين في المسارات قليلاً مقارنة بالعملية العشوائية الدقيقة (مما يؤدي إلى تغطية فترات الثقة أقل قليلاً من المستوى الاسمي 95% في بعض الإعدادات)، إلا أن الطريقة تحقق التغطية الاسمية عندما يتم إنشاء البيانات مباشرة من تقريب DSA.
  • الكفاءة: يحقق الاستدلال القائم على DSA تحسينات بمقدار عدة رتب مقدارية في السرعة الحاسوبية (مقاسة بالعينات الفعالة في الثانية) مقارنة بالطرق الدقيقة، خاصة مع زيادة حجم السكان.
  • نماذج الهشاشة: نجحت الطريقة في تقدير المعلمات في نماذج الهشاشة، رغم ظهور مشكلات في إمكانية التحديد العملي مع المجتمعات الصغيرة والارتباطات المشتتة، والتي يمكن التخفيف من حدتها باستخدام احتمالات أكثر إخباراً.

• حالات دراسة:

  • إيبولا (جمهورية الكونغو الديمقراطية): طُبقت على تفشي إيبولا 2018-2020 باستخدام نموذج شبكة بويسون العشوائية. أنتجت الطريقة، باستخدام تعداد الحالات اليومية فقط، متوسطات خلفية متسقة مع التحليلات السابقة التي افترضت معرفة أوقات الأحداث الدقيقة، ولكن مع فترات ثقة أوسع تعكس بشكل أفضل عدم اليقين الناتج عن البيانات المفقودة.
  • كوفيد-19 (الصين): طُبقت على بيانات الحدوث من 53 مدينة. قارنت الدراسة بين نموذج SIR قياسي ونموذج هشاشة. قدم نموذج الهشاشة ملاءمة متفوقة للبيانات في عدة مدن، مما يشير إلى أن تجاهل التباين الفردي في القابلية للعدوى يمكن أن يؤدي إلى تقديرات منحازة للمعلمات الوبائية الرئيسية (مثل $R_0$)، حتى عندما تبدو الاتجاهات على مستوى السكان متشابهة.

الأهمية والادعاءات
يدعي المؤلفون أن هذا العمل يسد فجوة منهجية حرجة من خلال تمكين الاستدلال الفعال القائم على الاحتمالية للنماذج الوبائية العشوائية في ظل ظروف بيانات واقعية مرصودة جزئياً. ويؤكدون أن النهج يقدم بديلاً "سهل الاستخدام" للطرق التي تعتمد بكثافة على المحاكاة، مما يسمح بأخذ عينات خلفية بسيطة باستخدام خوارات قياسية (مثل Hamiltonian Monte Carlo) دون الحاجة إلى محاكاة مخصصة قائمة على النموذج.

وتؤكد الورقة أن تقريب DSA يوفر تمثيلاً أميناً لديناميكيات الوباء لمجتمعات كبيرة مع تقديم هيكل احتمالية قابل للمعالجة. ومن خلال إثبات أن الطريقة تمتد لتشمل الهشاشة وهياكل الشبكات، يجادل المؤلفون بأنها توفر نموذجاً مرناً يوازن بين الجدوى الحاسوبية والقدرة على التقاط الميزات الوبائية المعقدة. ويشير العمل إلى أنه بينما يلتقط نموذج DSA-SIR التقليدي الاتجاهات العامة، فإن دمج الهشاشة أو هياكل الشبكات غالباً ما يكون ضرورياً لتفسير التباين المتبقي في بيانات العالم الحقيقي.