Resumen Técnico: Inferencia Bayesiana en Modelado de Epidemias

1. Planteamiento del Problema

El modelado epidemiológico enfrenta un desafío fundamental: la incertidumbre en los parámetros del modelo. Al construir modelos para enfermedades como COVID-19, influenza o ébola, los parámetros clave (tasa de transmisión $\beta$ y tasa de recuperación $\gamma$) no son conocidos a priori y deben inferirse a partir de datos observados que suelen ser ruidosos, incompletos o incompletamente reportados.

El documento contrasta dos filosofías estadísticas para abordar esto:

• Enfoque Frequentista: Busca un único valor "mejor" (estimación de máxima verosimilitud) y reporta intervalos de confianza. No incorpora fácilmente conocimiento previo.
• Enfoque Bayesiano: Busca la distribución completa de valores de parámetros plausibles. Combina formalmente el conocimiento previo (prior) con los nuevos datos (likelihood) para generar una distribución posterior. La pregunta central cambia de "¿Cuál es $\hat{\beta}$?" a "¿Cuál es $P(\beta | \text{datos})$?".

2. Metodología

2.1 El Modelo SIR

El documento utiliza el modelo SIR (Susceptible-Infectado-Recuperado) como base. La dinámica se rige por un sistema de Ecuaciones Diferenciales Ordinarias (ODEs):
$$\frac{dS}{dt} = -\frac{\beta SI}{N}, \quad \frac{dI}{dt} = \frac{\beta SI}{N} - \gamma I, \quad \frac{dR}{dt} = \gamma I$$
Donde:

• $\beta$: Tasa de transmisión.
• $\gamma$: Tasa de recuperación.
• $R_0 = \beta/\gamma$: Número básico de reproducción.

Dado que no existe una solución analítica cerrada para este sistema, se emplea integración numérica (métodos como Euler o Runge-Kutta 4) para generar curvas epidémicas a partir de condiciones iniciales y parámetros propuestos.

2.2 Configuración de la Inferencia Bayesiana

Se aplica el Teorema de Bayes para estimar los parámetros $\theta = (\beta, \gamma)$:
$$P(\theta | y) = \frac{P(y | \theta) \cdot P(\theta)}{P(y)}$$

• Verosimilitud (Likelihood, $P(y|\theta)$): Se asume un modelo de ruido aditivo gaussiano. Los datos observados $I_{obs}(t)$ son la predicción del modelo $I_{model}(t; \theta)$ más ruido $\epsilon \sim N(0, \sigma^2)$. Maximizar el logaritmo de la verosimilitud gaussiana es equivalente a minimizar la suma de cuadrados de los residuos (mínimos cuadrados).
• Prior ($P(\theta)$): Se utilizan distribuciones uniformes en rangos biológicamente sensatos (ej. $\beta \in [0.05, 1.0]$, $\gamma \in [0.01, 0.5]$) para representar un conocimiento previo débil pero informativo.
• Evidencia ($P(y)$): Es una constante de normalización que requiere una integral intratable sobre todo el espacio de parámetros.

2.3 Algoritmo de Muestreo: MCMC y Metropolis-Hastings

Dado que la integral para calcular la evidencia $P(y)$ es intratable, el documento emplea Cadenas de Markov Monte Carlo (MCMC), específicamente el algoritmo Metropolis-Hastings, para muestrear directamente de la distribución posterior sin calcular la normalización.

El algoritmo funciona así:

1. Inicialización: Se eligen valores iniciales para $\theta$.
2. Propuesta: Se genera un nuevo candidato $\theta'$ basado en una distribución de propuesta (ej. un paseo aleatorio gaussiano).
3. Aceptación/Rechazo: Se calcula la razón de aceptación $\alpha = \min(1, \frac{P(\theta'|y)}{P(\theta|y)})$.
   • Si $\theta'$ tiene mayor probabilidad posterior, se acepta siempre.
   • Si tiene menor probabilidad, se acepta con probabilidad $\alpha$.
   • Nota clave: La constante $P(y)$ se cancela en la razón, eliminando la necesidad de calcularla.
4. Iteración: El proceso se repite miles de veces.
5. Burn-in: Las primeras muestras (periodo de "calentamiento") se descartan hasta que la cadena converge a la distribución estacionaria (la posterior real).

3. Resultados del Ejemplo Ilustrativo

El autor implementa un caso de estudio sintético para demostrar la metodología:

• Datos Simulados: Una población de $N=1000$ con parámetros verdaderos $\beta^*=0.3$ y $\gamma^*=0.1$ ($R_0^*=3.0$), añadiendo ruido gaussiano ($\sigma=15$) a las curvas de infección.
• Configuración MCMC: 8000 iteraciones con un periodo de burn-in de 2000.
• Recuperación de Parámetros:
  • La media posterior de $\beta$ fue $0.300$ (error $\approx 0$).
  • La media posterior de $\gamma$ fue $0.102$ (error $\approx 0.002$).
  • La media posterior de $R_0$ fue $2.95$ con una desviación estándar de $0.03$.
• Análisis Gráfico:
  • Trace Plots: Mostraron una cadena bien mezclada ("caterpillar") sin deriva, indicando convergencia.
  • Distribuciones Posteriores: Histogramas estrechos centrados en los valores verdaderos, demostrando que 60 días de datos diarios son altamente informativos.
  • Verificación Predictiva Posterior: Se generaron 100 trayectorias SIR basadas en muestras de la posterior. La banda resultante cubrió adecuadamente los datos observados ruidosos, validando que el modelo es una explicación creíble de la brote.

4. Contribuciones Clave y Discusión

1. Incertidumbre Cuantificada: A diferencia de los métodos que dan un solo número, la inferencia bayesiana proporciona una distribución completa. Esto permite afirmar: "Dado los datos, $R_0$ está entre 2.1 y 2.9 con un 95% de probabilidad", lo cual es crucial para la planificación de intervenciones.
2. Integración de Conocimiento Previo: La metodología permite incorporar datos externos (ej. estudios de intervalo serial) a través de los priores, estabilizando la inferencia cuando los datos de brote son escasos.
3. Distinción Conceptual: El documento aclara la diferencia entre Intervalos de Credibilidad (probabilidad directa sobre el parámetro dado los datos) e Intervalos de Confianza (frecuentistas), favoreciendo la interpretación intuitiva del primero.
4. Validación de Modelos: Se enfatiza la importancia de la Verificación Predictiva Posterior como herramienta para detectar especificaciones incorrectas del modelo (ej. si los datos caen fuera de la banda predictiva, el modelo SIR puede ser inadecuado).
5. Escalabilidad: Aunque se usa Metropolis-Hastings por simplicidad didáctica, se menciona que en la práctica moderna se utilizan samplers más eficientes como NUTS/HMC (implementados en Stan o PyMC) para problemas de mayor dimensionalidad.

5. Significado

Este documento sirve como un puente esencial entre la teoría estadística bayesiana y la aplicación práctica en epidemiología. Demuestra que, mediante MCMC, es posible extraer información robusta y cuantificada sobre la dinámica de transmisión de enfermedades a partir de datos imperfectos. La capacidad de no solo estimar parámetros, sino de caracterizar la incertidumbre asociada a ellos, transforma el modelado epidemiológico de una herramienta puramente descriptiva a una base sólida para la toma de decisiones de salud pública bajo incertidumbre.