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

Resumen Técnico: Inferencia de la Verosimilitud Marginal para el Ajuste de Modelos de Supervivencia Dinámica a Datos de Recuentos Epidémicos

Planteamiento del Problema
Los modelos compartimentales estocásticos, como el modelo estocástico SIR (Susceptibles-Infectados-Removidos), son herramientas estándar para describir la propagación de enfermedades. Sin embargo, la inferencia estadística rigurosa bajo estos modelos es a menudo intratable cuando se aplica a datos de vigilancia del mundo real. En la práctica, los historiales de infección y recuperación rara vez se observan por completo; en su lugar, los datos suelen llegar como recuentos de incidencia discretos (por ejemplo, informes diarios o semanales de casos). Bajo los enfoques estándar basados en la verosimilitud, la función de verosimilitud marginal para tales datos parcialmente observados requiere integrar sobre todas las posibles trayectorias no observadas consistentes con los recuentos. Este paso de integración de alta dimensión es computacionalmente prohibitivo, lo que a menudo requiere métodos de simulación intensivos como filtros de partículas, computación bayesiana aproximada o muestreadores MCMC de aumentación de datos específicos.

Metodología
Los autores proponen una verosimilitud marginal de forma cerrada para datos de recuento de incidencia observados discretamente basada en el paradigma del Análisis de Supervivencia Dinámica (DSA, por sus siglas en inglés). El núcleo del método consiste en aproximar la tasa de riesgo poblacional estocástica mediante su límite de gran población, manteniendo al mismo tiempo un modelo de recuentos.

1. Marco DSA: Basándose en la construcción de Sellke para el modelo SIR, los autores ven la epidemia como un proceso a nivel individual donde la infección ocurre cuando la exposición acumulada supera un umbral aleatorio. En el límite de gran población ($N \to \infty$), las proporciones de susceptibles e infectados escaladas convergen a la solución de un sistema de ecuaciones diferenciales ordinarias (ODE).
2. Interpretación de Supervivencia: Los autores interpretan la solución de las ODE como una función de supervivencia para el tiempo hasta la infección. Esto permite la derivación de funciones de densidad de probabilidad explícitas para los tiempos de infección.
3. Verosimilitud de Recuento Marginal: La principal innovación es la derivación de una verosimilitud de forma cerrada que marginaliza exactamente sobre los tiempos de infección y remoción desconocidos.
   • Para tiempos de infección exactos (pero con datos de recuperación faltantes), la verosimilitud es un producto de densidades.
   • Para datos de recuento discretos (el enfoque principal), los autores derivan una verosimilitud marginal integrando los tiempos de infección no observados dentro de los intervalos de observación discretos. Demuestran que, bajo la aproximación DSA, la densidad conjunta de los tiempos no observados y los recuentos observados se factoriza de tal manera que los tiempos no observados siguen una distribución uniforme en el intervalo. En consecuencia, la integración de estos resulta en una forma de producto simple:
     $$l(\theta | \{Y_j\}_{j=1}^P) = s_T^{N-K} \prod_{j=1}^P (s_{\xi_{j-1}} - s_{\xi_j})^{Y_j}$$
     donde $s_t$ es la solución del sistema de ODE en el tiempo $t$, y $Y_j$ es el recuento en el intervalo $j$, y $K$ es el número total de infecciones.
4. Generalizabilidad: Se muestra que el marco se extiende a modelos con heterogeneidad individual (modelos de fragilidad) y mezcla heterogénea (redes aleatorias de Poisson) simplemente sustituyendo las soluciones de las ODE apropiadas en la fórmula de verosimilitud.

Contribuciones Clave

• Verosimilitud de Forma Cerrada: El artículo proporciona la primera verosimilitud de forma cerrada para datos de recuento bajo la aproximación DSA, eliminando la necesidad de integración numérica sobre los tiempos de eventos faltantes.
• Eficiencia Computacional: El método desacopla el costo computacional del tamaño de la población $N$. A diferencia de los métodos exactos donde la resolución de la rejilla debe aumentar con $N$, el enfoque DSA depende únicamente del número de tiempos de observación, lo que lo hace escalable a brotes de gran magnitud.
• Flexibilidad: Se demuestra que la estrategia de inferencia es fácilmente extensible a variantes complejas del modelo, incluyendo aquellos con fragilidad (heterogeneidad no observada en la susceptibilidad) y estructuras de mezcla basadas en redes, sin requerir muestreadores MCMC específicos.
• Conexión con el Censado por Intervalos: Se demuestra que la verosimilitud derivada es matemáticamente equivalente a una verosimilitud de análisis de supervivencia censada por intervalos, proporcionando una base estadística rigurosa para la aproximación.

Resultados
Los autores evalúan el método a través de estudios de simulación y casos de estudio del mundo real:

• Estudios de Simulación:

  • Precisión: Los estimadores de parámetros utilizando la verosimilitud de recuento marginal son competitivos con los métodos exactos computacionalmente costosos (como MCMC de aumentación de datos) y superan significativamente a los métodos que imputan los tiempos faltantes como variables aleatorias uniformes (los cuales exhiben sesgo).
  • Cobertura: Si bien la aproximación DSA conduce a una variabilidad ligeramente reducida en las trayectorias en comparación con el proceso estocástico exacto (lo que resulta en una cobertura de los intervalos de credibilidad ligeramente por debajo del nivel nominal del 95%), el método logra la cobertura nominal cuando los datos se simulan directamente desde la aproximación DSA.
  • Eficiencia: La inferencia basada en DSA produce mejoras de órdenes de magnitud en la velocidad computacional (medida en muestras efectivas por segundo) en comparación con los métodos exactos, particularmente a medida que el tamaño de la población aumenta.
  • Modelos de Fragilidad: El método estima con éxito los parámetros en modelos de fragilidad, aunque surgen problemas de identificabilidad práctica con poblaciones pequeñas y distribuciones a priori difusas, que pueden mitigarse con distribuciones a priori más informativas.

• Casos de Estudio:

  • Ébola (RDC): Aplicado al brote de Ébola 2018–2020 utilizando un modelo de red aleatoria de Poisson. El método, utilizando solo recuentos diarios de casos, produjo medias a posteriori consistentes con análisis previos que asumían el conocimiento de los tiempos exactos de los eventos, pero con intervalos de credibilidad más amplios que reflejan mejor la incertidumbre de los datos faltantes.
  • COVID-19 (China): Aplicado a datos de incidencia de 53 ciudades. El estudio comparó un modelo SIR estándar contra un modelo de fragilidad. El modelo de fragilidad proporcionó un ajuste superior a los datos en varias ciudades, lo que sugiere que ignorar la heterogeneidad individual en la susceptibilidad puede conducir a estimaciones sesgadas de parámetros epidémicos clave (por ejemplo, $R_0$), incluso cuando las tendencias a nivel poblacional parecen similares.

Significancia y Afirmaciones
Los autores afirman que este trabajo llena un vacío metodológico crítico al permitir una inferencia eficiente basada en la verosimilitud para modelos epidémicos estocásticos bajo condiciones realistas de datos parcialmente observados. Enfatizan que el enfoque ofrece una alternativa "fácil de usar" a los métodos pesados de simulación, permitiendo el muestreo de la distribución a posteriori mediante algoritmos estándar (por ejemplo, Hamiltonian Monte Carlo) sin necesidad de simulaciones de modelos específicos.

El artículo sostiene que la aproximación DSA proporciona una representación fiel de la dinámica epidémica para grandes poblaciones, ofreciendo al mismo tiempo una estructura de verosimilitud tratable. Al demostrar que el método se extiende a la heterogeneidad y a las estructuras de red, los autores argumentan que ofrece un paradigma de modelado flexible que equilibra la viabilidad computacional con la capacidad de capturar características epidémicas complejas. El trabajo sugiere que, si bien el modelo estándar DSA-SIR captura las tendencias generales, incorporar fragilidad o estructuras de red suele ser necesario para explicar la variabilidad residual en los datos del mundo real.