A Complete-Data Likelihood for Epidemic Processes on Partially Observed Dynamic Networks

Resumen Técnico: Una Verosimilitud de Datos Completos para Procesos Epidémicos en Redes Parcialmente Observadas

Planteamiento del Problema
La inferencia para la transmisión de enfermedades infecciosas en redes de contacto dinámicas se ve fundamentalmente complicada por cuatro desafíos interrelacionados: tiempos de infección latentes, evolución de la red parcialmente observada, error de medición en los datos de contacto e infección originada fuera de la población observada (presión de infección externa). Los enfoques de verosimilitud existentes suelen abordar estos problemas de forma aislada, apoyándose frecuentemente en supuestos restrictivos como redes totalmente observadas, poblaciones cerradas o el uso del inicio de los síntomas como un sustituto directo del tiempo de infección. Estas simplificaciones oscurecen cuestiones importantes sobre la identificabilidad de los parámetros y la propagación de la incertidumbre, particularmente cuando tanto las trayectorias de la enfermedad como la evolución de la red están solo parcialmente observadas. Los datos observados representan una proyección tosca de un proceso estocástico subyacente, lo que requiere un tratamiento simultáneo de los estados de enfermedad latentes, las historias de contacto latentes y los mecanismos de observación imperfectos.

Metodología
El artículo propone un marco unificado de verosimilitud de datos completos que modela la progresión de la enfermedad, la evolución de la red y los mecanismos de observación como procesos estocásticos de tiempo continuo que interactúan dentro de una única estructura probabilística.

1. Modelo Estocástico Conjunto: El marco acopla un proceso epidémico Susceptible–Expuesto–Infectado–Removido (SEIR) con una red de contacto dinámica dependiente del estado.

   • Proceso Epidémico: Modelado como una cadena de Markov de tiempo continuo donde los riesgos de transición dependen de la configuración actual de la red. Específicamente, el riesgo para un individuo susceptible $i$ de volverse expuesto es $\lambda_{SE}^i(t) = \beta I_i(t) + \xi$, donde $\beta$ es la tasa de transmisión dentro de la red, $I_i(t)$ es el número de contactos infecciosos y $\xi$ es la tasa de infección externa. La progresión de Expuesto a Infectado ($\kappa$) e Infectado a Removido ($\gamma$) sigue tasas constantes.
   • Red Dinámica: La red de contacto evoluciona como un proceso de Markov de tiempo continuo donde las tasas de formación de aristas ($\eta_{ab}$) y disolución ($\tau_{ab}$) dependen de los estados de la enfermedad (a, b) de los nodos incidentes. Esto permite bucles de retroalimentación donde el estado de infección altera el comportamiento de contacto.
   • Modelo de Observación: Se introducen modelos explícitos para los síntomas y los contactos. Las observaciones de los síntomas están sujetas a clasificación errónea (sensibilidad/especificidad), y las observaciones de contactos se modelan con error (falsos positivos/negativos), reconociendo que los datos son a menudo discretos, ruidosos e intermitentes.

2. Derivación de la Verosimilitud de Datos Completos:
   La contribución central es la derivación de una verosimilitud de historial de eventos de datos completos para el proceso conjunto de epidemia-red. Al tratar la trayectoria latente completa (tiempos de infección, tiempos de progresión e historias de aristas) como datos faltantes, los autores derivan una función de verosimilitud que se factoriza en:

   • Un componente de proceso latente (producto de las intensidades de transición y la exponencial de los riesgos integrados).
   • Un componente de observación (producto de las probabilidades condicionales de los datos observados dados los estados latentes).

   Esta formulación produce Estimadores de Máxima Verosimilitud (MLE) de forma cerrada para todos los parámetros (tasas epidémicas, tasas de red y parámetros de observación) condicionados a la trayectoria latente. Estos estimadores adoptan la forma familiar de "conteo de eventos sobre exposición".

3. Marco de Inferencia:

   • Frecuentista: El artículo establece la normalidad asintótica de los MLE de datos completos y deriva expresiones de forma cerrada para las matrices de información de Fisher observada y esperada, facilitando el cálculo de los errores estándar.
   • Bayesiano: Reconociendo que la verosimilitud de datos observados es intratable debido a la explosión combinatoria de trayectorias latentes, el artículo propone una estrategia de aumentación de datos bayesiana. Se construye un muestreador de Metropolis-dentro-de-Gibbs para actualizar alternativamente la historia epidémica latente, la trayectoria de la red latente y los parámetros del modelo. Este enfoque aprovecha la conjugación condicional de la verosimilitud de datos completos (por ejemplo, prioras Gamma para los parámetros de tasa, prioras Beta para las probabilidades de observación) para facilitar el muestreo posterior eficiente.

Contribuciones Clave

• Marco Unificado: El artículo proporciona un marco de verosimilitud general que separa el proceso latente del proceso de observación mientras preserva su dependencia estadística, acomodando periodos de incubación latentes, observación intermitente de la red y presión de infección externa simultáneamente.
• Derivación de la Verosimilitud de Datos Completos: Deriva una rigurosa verosimilitud de historial de eventos de datos completos que sirve como base tanto para la inferencia basada en verosimilitud como para la inferencia bayesiana mediante aumentación de datos.
• Análisis de Identificabilidad: El trabajo clarifica cómo la información de la progresión de la enfermedad y la dinámica de contacto determina conjuntamente la estimabilidad de los parámetros. Distingue entre identificabilidad estructural (bajo observación completa) e identificabilidad práctica (bajo observación parcial), revelando que los parámetros que gobiernan la infección interna vs. externa y la formación de contactos dinámicos son particularmente vulnerables a una identificabilidad débil cuando los datos son escasos.
• Casos Especiales: Se muestra que el marco abarca varios modelos de redes epidémicas existentes como casos especiales (por ejemplo, redes estáticas, poblaciones cerradas, redes totalmente observadas).

Resultados
Se realizó un estudio de simulación con $N=100$ individuos a través de tres regímenes de observación: Alto, Moderado y Escaso.

• Recuperación de Parámetros: Bajo los regímenes de observación Alto y Moderado, el muestreador bayesiano propuesto recuperó con precisión las tasas epidémicas ($\beta, \kappa, \gamma$), las tasas de red ($\eta, \tau$) y los parámetros de observación ($p, s, c$) con un sesgo bajo y de intervalos de credibilidad del 95% bien calibrados.
• Observación Escasa: Bajo observación escasa, el método se mantuvo estable. Si bien la incertidumbre posterior para los parámetros de la red y la tasa de infección externa ($\xi$) aumentó, los estimadores permanecieron centrados cerca de la verdad. Los intervalos de credibilidad se ampliaron apropiadamente para reflejar la pérdida de información, evitando la inferencia excesivamente confiada.
• Confusión: El estudio confirmó que la transmisión interna ($\beta$) y la infección externa ($\xi$) son difíciles de separar sin datos de contacto ricos. Del mismo modo, los parámetros de formación de la red fueron altamente sensibles a la falta de datos y al error de medición.
• Reconstrucción Latente: El modelo reconstruyó con éxito trayectorias plausibles de la epidemia y la red latentes consistentes con los datos observados, incluso cuando la observación directa era limitada, propagando la incertidumbre.

Significancia y Reivindicaciones
El artículo afirma establecer una base para el análisis consciente de la incertidumbre de procesos de transmisión complejos en redes en evolución. Su principal significancia radica en proporcionar una estructura probabilística coherente para la inferencia en entornos donde los datos son inherentemente incompletos y ruidosos, una realidad común en la epidemiología de enfermedades infecciosas.

Los autores sostienen que su marco:

1. Clarifica la Estimabilidad: Revela cómo la observación conjunta de síntomas y contactos es necesaria para desentrañar la dinámica de transmisión de la dinámica de la red y las presiones de infección externa.
2. Permite la Inferencia Conjunta: Permite el aprendizaje simultáneo de los parámetros del modelo y las historias latentes, evitando los sesgos introducidos al tratar los tiempos de red o de infección como fijos o totalmente observados.
3. Proporciona Robustez: Los resultados de la simulación demuestran que el método produce estimaciones puntuales precisas y una incertidumbre posterior sensible incluso cuando la calidad de los datos es subóptima, lo que lo convierte en una herramienta viable para aplicaciones del mundo real donde la disponibilidad de datos perfectos es inexistente.

El artículo concluye que, si bien el método funciona mejor cuando tanto los datos de síntomas como los de contacto son moderadamente informativos, ofrece una herramienta flexible y efectiva para la inferencia en sistemas epidémicos parcialmente observados, cerrando la brecha entre el modelado mecanístico y la inferencia estadística.