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

Résumé technique : Inférence de la vraisemblance marginale pour l'ajustement de modèles d'analyse de survie dynamique aux données de comptage épidémique

Énoncé du problème
Les modèles compartimentaux stochastiques, tels que le modèle SIR (Susceptible-Infecté-Retiré) stochastique, sont des outils standards pour décrire la propagation des maladies. Cependant, l'inférence statistique rigoureuse sous ces modèles est souvent intraçable lorsqu'ils sont appliqués à des données de surveillance réelles. En pratique, les historiques d'infection et de rétablissement sont rarement entièrement observés ; au contraire, les données arrivent généralement sous forme de comptages d'incidence discrets (par exemple, des rapports quotidiens ou hebdomadaires de cas). Sous les approches classiques basées sur la vraisemblance, la fonction de vraisemblance marginale pour de telles données partiellement observées nécessite l'intégration de toutes les trajectoires non observées compatibles avec les comptages. Cette étape d'intégration de haute dimension est informatiquement prohibitive, nécessitant souvent des méthodes de simulation intensives comme les filtres particulaires, l'abc (Approximate Bayesian Computation) ou des échantillonneurs MCMC (Markov Chain Monte Carlo) à augmentation de données spécifiques.

Méthodologie
Les auteurs proposent une vraisemblance marginale en forme fermée pour les données de comptage d'incidence observées discrètement, basée sur le paradigme de l'Analyse de Survie Dynamique (DSA - Dynamical Survival Analysis). Le cœur de la méthode consiste à approximer le taux de risque de la population stochastique par sa limite en grande population tout en conservant un modèle de comptage de type compte.

1. Cadre DSA : S'appuyant sur la construction de Sellke du modèle SIR, les auteurs considèrent l'épidémie comme un processus au niveau individuel où l'infection se produit lorsque l'exposition cumulée dépasse un seuil aléatoire. Dans la limite de grande population ($N \to \infty$), les proportions de susceptibles et d'infectés à échelle réduite convergent vers la solution d'un système d'équations différentielles ordinaires (ODE).
2. Interprétation de la survie : Les auteurs interprètent la solution des ODE comme une fonction de survie pour le temps jusqu'à l'infection. Cela permet de dériver des fonctions de densité de probabilité explicites pour les temps d'infection.
3. Vraisemblance de comptage marginale : L'innovation principale est la dérivation d'une vraisemblance en forme fermée qui marginalise exactement les temps d'infection et de retrait inconnus.
   • Pour les temps d'infection exacts (mais avec des données de rétablissement manquantes), la vraisemblance est un produit de densités.
   • Pour les données de comptage discrètes (l'objet principal de l'étude), les auteurs dérivent une vraisemblance marginale en intégrant les temps d'infection non observés dans des intervalles d'observation discrets. Ils démontrent que sous l'approximation DSA, la densité jointe des temps non observés et des comptages observés se factorise de telle sorte que les temps non observés suivent une distribution uniforme sur l'intervalle. Par conséquent, l'intégration de ces derniers produit une forme de produit simple :
     $$l(\theta | \{Y_j\}_{j=1}^P) = s_T^{N-K} \prod_{j=1}^P (s_{\xi_{j-1}} - s_{\xi_j})^{Y_j}$$
     où $s_t$ est la solution du système d'ODE au temps $t$, et $Y_j$ est le comptage dans l'intervalle $j$, et $K$ est le nombre total d'infections.
4. Généralisabilité : Le cadre est montré comme étant extensible aux modèles avec hétérogénéité individuelle (modèles de fragilité) et mélange hétérogène (réseaux de Poisson aléatoires) en substituant simplement les solutions d'ODE appropriées dans la formule de vraisemblance.

Contributions clés

• Vraisemblance en forme fermée : Le document fournit la première vraisemblance en forme fermée pour les données de comptage sous l'approximation DSA, éliminant le besoin d'intégration numérique sur les temps d'événements manquants.
• Efficacité computationnelle : La méthode découple le coût de calcul de la taille de la population $N$. Contrairement aux méthodes exactes où la résolution de la grille doit augmenter avec $N$, l'approche DSA dépend uniquement du nombre de temps d'observation, ce qui la rend scalable aux épidémies de grande ampleur.
• Flexibilité : La stratégie d'inférence est facilement extensible à des variantes complexes du modèle, incluant la fragilité (hétérogénéité non observée de la susceptibilité) et les structures de mélange basées sur les réseaux, sans nécessiter d'échantillonneurs MCMC spécifiques.
• Connexion avec la censure par intervalle : La vraisemblance dérivée est montrée comme étant mathématiquement équivalente à une vraisemblance d'analyse de survie censurée par intervalle, fournissant un fondement statistique rigoureux à l'approximation.

Résultats
Les auteurs évaluent la méthode via des études de simulation et des études de cas réels :

• Études de simulation :

  • Précision : Les estimations de paramètres utilisant la vraisemblance de comptage marginale sont compétitives avec les méthodes exactes coûteuses en calcul (telles que le MCMC à augmentation de données) et surpassent nettement les méthodes qui imputent les temps manquants comme des variables aléatoires uniformes (qui présentent un biais).
  • Couverture : Bien que l'approximation DSA conduise à une variabilité légèrement réduite des trajectoires par rapport au processus stochastique exact (résultant en une couverture des intervalles de crédibilité légèrement inférieure au niveau nominal de 95 % dans certains contextes), la méthode atteint une couverture nominale lorsque les données sont simulées directement à partir de l'approximation DSA.
  • Efficacité : L'inférence basée sur la DSA produit des améliorations d'ordres de grandeur de la vitesse de calcul (mesurée en échantillons effectifs par seconde) par rapport aux méthodes exactes, particulièrement à mesure que la taille de la population augmente.
  • Modèles de fragilité : La méthode estime avec succès les paramètres dans les modèles de fragilité, bien que des problèmes d'identifiabilité pratique surviennent avec de petites populations et des priors diffus, ce qui peut être atténué avec des priors plus informatifs.

• Études de cas :

  • Ebola (RDC) : Appliquée à l'épidémie d'Ebola 2018–2020 en utilisant un modèle de réseau de Poisson aléatoire. La méthode, utilisant uniquement les comptages de cas quotidiens, a produit des moyennes postérieures cohérentes avec les analyses précédentes qui supposaient la connaissance des temps d'événements exacts, mais avec des intervalles de crédibilité plus larges qui reflètent mieux l'incertitude des données manquantes.
  • COVID-19 (Chine) : Appliquée aux données d'incidence de 53 villes. L'étude compare un modèle SIR standard à un modèle de fragilité. Le modèle de fragilité offre un meilleur ajustement aux données dans plusieurs villes, suggérant qu'ignorer l'hétérogénéité individuelle de la susceptibilité peut conduire à des estimations biaisées des paramètres épidémiques clés (ex: $R_0$), même lorsque les tendances de population semblent similaires.

Signification et affirmations
Les auteurs affirment que ce travail comble une lacune méthodologique critique en permettant une inférence efficace, basée sur la vraisemblance, pour les modèles épidémiques stochastiques sous des conditions réalistes de données partiellement observées. Ils soulignent que l'approche offre une alternative « conviviale » aux méthodes lourdes en simulation, permettant un échantillonnage postérieur direct via des algorithmes standards (ex: Hamiltonian Monte Carlo) sans nécessiter de simulation spécifique au modèle.

Le document soutient que l'approximation DSA fournit une représentation fidèle de la dynamique épidémique pour les grandes populations tout en offrant une structure de vraisemblance traçable. En démontant que la méthode s'étend à l'hétérogénéité et aux structures de réseaux, ils soutiennent qu'elle offre un paradigme de modélisation flexible qui équilibre la faisabilité computationnelle avec la capacité de capturer des caractéristiques épidémiques complexes. Le travail suggère que si le modèle standard DSA-SIR capture les tendances générales, l'incorporation de la fragilité ou de structures de réseaux est souvent nécessaire pour expliquer la variabilité résiduelle dans les données réelles.