🧬 biology

Bayesian Inference in Epidemic Modelling: A Beginner's Guide

Ce document de cours offre une introduction autonome à l'inférence bayésienne et aux méthodes MCMC pour l'estimation des paramètres dans les modèles épidémiques, en utilisant le modèle SIR comme exemple concret pour guider les étudiants et chercheurs débutants dans la dérivation de la vraisemblance, la spécification des priors et l'implémentation de l'algorithme Metropolis-Hastings.

Auteurs originaux : Augustine Okolie

Publié 2026-03-17

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Augustine Okolie

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ⚕️ Ceci est une explication générée par l'IA d'un preprint qui n'a pas été évalué par des pairs. Ce n'est pas un avis médical. Ne prenez pas de décisions de santé basées sur ce contenu. Lire la clause de non-responsabilité complète

🦠 Comprendre les Épidémies avec la "Sagesse" des Mathématiques : Un Guide pour Tous

Imaginez que vous essayez de deviner la recette secrète d'un gâteau que vous n'avez jamais goûté, mais que vous voyez juste les ingrédients restants sur la table. C'est un peu ce que font les épidémiologistes avec les virus : ils voient les cas (les ingrédients restants) mais doivent deviner les paramètres cachés (la recette) pour prédire la suite.

Ce document explique comment utiliser une méthode mathématique appelée Inférence Bayésienne pour faire cette prédiction, en utilisant un modèle célèbre appelé SIR.

1. Le Modèle SIR : La Danse des Trois Compagnons 🕺💃

Pour comprendre une épidémie, on imagine la population divisée en trois groupes qui dansent ensemble :

S (Suscceptibles) : Les gens sains qui pourraient tomber malades.
I (Infectés) : Les gens malades qui transmettent le virus.
R (Rétablis) : Les gens guéris qui sont immunisés (ils ne tombent plus malades).

Le modèle SIR décrit comment les gens passent de S à I (infection) puis de I à R (guérison).

Le problème : Nous ne connaissons pas la vitesse exacte de cette danse. À quelle vitesse le virus se propage-t-il ? Combien de temps reste-t-on contagieux ? Ce sont des nombres mystérieux (appelés $\beta$ et $\gamma$ ) que nous devons deviner à partir de données bruyantes et imparfaites.

2. Deux Façons de Deviner : Le Frequentiste vs Le Bayésien 🎯 vs 🗺️

Le document compare deux philosophies pour trouver ces nombres cachés :

L'approche classique (Fréquentiste) : C'est comme essayer de viser une cible avec une flèche. On cherche un seul meilleur chiffre (le "meilleur" taux de transmission). On dit : "La réponse est 0,3". C'est précis, mais un peu rigide.
L'approche Bayésienne (Notre héros) : C'est comme dessiner une carte de trésor. Au lieu de chercher un seul point, on cherche toutes les zones probables. On dit : "Il y a 95 % de chances que le taux soit entre 0,28 et 0,32".
- La magie du Bayésien : Il combine deux choses :
  1. Ce que l'on sait déjà (Le "Prior") : Avant de voir les données, on sait déjà que le virus ne se propage pas à la vitesse de la lumière (ce n'est pas 1000) ni à la vitesse d'un escargot (ce n'est pas 0). C'est notre intuition de départ.
  2. Les nouvelles données (La "Vraisemblance") : Ce que l'on observe réellement dans la rue (le nombre de cas).
- Le résultat (Le "Postérieur") : Une mise à jour de notre croyance. C'est comme si vous deviniez le poids d'un ami inconnu (votre intuition), puis que vous le voyiez (les données), et que vous ajustiez votre estimation pour être plus précis.

3. Le Moteur Magique : MCMC (La Montagne et le Randonneur) 🏔️🥾

Le problème, c'est que calculer cette carte de trésor (la distribution complète) est mathématiquement impossible à faire directement. C'est trop compliqué.

C'est là qu'intervient MCMC (Monte Carlo par Chaîne de Markov), et plus précisément l'algorithme Metropolis-Hastings.

L'analogie du randonneur : Imaginez que la probabilité des bons paramètres est une montagne avec des pics (très probables) et des vallées (peu probables).
- Le but est de trouver le sommet de la montagne.
- Le randonneur (l'algorithme) commence n'importe où.
- À chaque pas, il propose de bouger.
- La règle : S'il monte, il y va toujours. S'il descend, il y va parfois (pour ne pas rester coincé sur un petit pic local).
- Au bout de milliers de pas, le randonneur aura passé plus de temps près des sommets. En regardant où il a marché le plus, on peut dessiner la carte de la montagne !
- Le tour de force : Cette méthode permet de trouver la carte sans jamais avoir besoin de calculer la hauteur totale de la montagne (ce qui est impossible).

4. Les Résultats : De l'Incertitude à la Clarté 📊

Dans l'exemple du document, les chercheurs simulent une épidémie avec des paramètres connus, puis ajoutent du "bruit" (des erreurs de comptage, comme un week-end où on compte moins de cas).

En utilisant MCMC :

Ils récupèrent les paramètres initiaux avec une grande précision.
Ils obtiennent non seulement une valeur moyenne, mais aussi une marge d'erreur (un intervalle de crédibilité).
- Exemple : Au lieu de dire "R0 = 3", on dit "R0 est probablement entre 2,9 et 3,1".
La vérification finale (Posterior Predictive Check) : On prend des centaines de scénarios possibles générés par notre modèle et on les superpose aux données réelles. Si les données réelles sont bien "coincées" au milieu de nos scénarios, c'est que notre modèle fonctionne ! Si elles sont à l'extérieur, c'est que notre modèle est faux (comme si on oubliait un ingrédient dans la recette).

5. Pourquoi c'est important pour nous ? 🌍

Dans la vraie vie, quand on gère une épidémie (comme le COVID ou la grippe), l'incertitude est l'ennemi.

Si on dit juste "Le virus se propage à ce rythme", on risque de prendre de mauvaises décisions si on se trompe de 10 %.
Avec le Bayésien, on dit : "Il y a 95 % de chances que le virus se propage entre X et Y". Cela permet aux gouvernements de préparer des plans pour le pire scénario et le meilleur scénario.

En Résumé 🎒

Ce document nous apprend que :

Les modèles épidémiques sont des outils imparfaits mais utiles (comme dit George Box : "Tous les modèles sont faux, mais certains sont utiles").
L'inférence Bayésienne ne cherche pas une seule réponse parfaite, mais une carte des possibilités.
Elle combine notre savoir préalable (l'intuition) avec les données réelles (la réalité).
L'algorithme MCMC est le randonneur intelligent qui explore cette carte sans se perdre.
Le résultat final nous donne non seulement une réponse, mais aussi un degré de confiance, ce qui est crucial pour prendre des décisions de santé publique éclairées.

C'est une façon de dire : "Nous ne savons pas tout, mais nous savons exactement à quel point nous ne savons pas, et c'est déjà une grande victoire."

1. Problématique

L'épidémiologie mathématique repose sur des modèles compartimentaux (comme le modèle SIR) pour décrire la dynamique des maladies infectieuses. Cependant, une difficulté fondamentale persiste : les paramètres du modèle (taux de transmission $\beta$ et taux de récupération $\gamma$ ) sont inconnus et doivent être inférés à partir de données d'observation souvent bruitées, incomplètes ou retardées.

L'approche classique (fréquentiste) cherche une estimation ponctuelle unique (par exemple, le maximum de vraisemblance), ce qui ne capture pas pleinement l'incertitude inhérente aux données épidémiques. Le document propose une approche bayésienne pour répondre à la question : « Quelle est la distribution complète des valeurs de paramètres plausibles étant donné les données observées ? » plutôt que de se contenter d'une seule valeur « meilleure ».

2. Méthodologie

La méthodologie présentée combine la modélisation déterministe, l'inférence statistique bayésienne et des algorithmes de simulation computationnelle.

A. Le Modèle SIR (Système d'Équations Différentielles Ordinaires)

Le modèle divise la population $N$ en trois compartiments : Susceptibles ( $S$ ), Infectieux ( $I$ ) et Rétablis ( $R$ ). La dynamique est régie par le système d'EDOs suivant :
$\frac{dS}{dt} = -\beta \frac{SI}{N}, \quad \frac{dI}{dt} = \beta \frac{SI}{N} - \gamma I, \quad \frac{dR}{dt} = \gamma I$
Comme il n'existe pas de solution analytique fermée pour ce système, l'auteur utilise des méthodes d'intégration numérique (méthode d'Euler ou Runge-Kutta d'ordre 4) pour générer les courbes épidémiques à partir de paramètres donnés.

B. Cadre Bayésien

L'objectif est de calculer la distribution a posteriori $P(\theta | y)$ des paramètres $\theta = (\beta, \gamma)$ étant donné les données $y$ (comptes de cas journaliers). Selon le théorème de Bayes :
$P(\theta | y) = \frac{P(y | \theta) \cdot P(\theta)}{P(y)}$

Vraisemblance (Likelihood) $P(y | \theta)$ : Modélise la probabilité des données observées. L'auteur suppose un bruit additif gaussien ( $I_{obs} = I_{modèle} + \epsilon$ ), ce qui équivaut à minimiser la somme des carrés des résidus (moindres carrés).
A priori (Prior) $P(\theta)$ : Représente la connaissance préalable sur les paramètres (par exemple, des distributions uniformes sur des plages biologiquement plausibles).
Preuve (Evidence) $P(y)$ : Une constante de normalisation difficile à calculer analytiquement pour les modèles complexes.

C. Algorithme d'Inférence : MCMC (Monte Carlo par Chaîne de Markov)

Puisque l'intégrale pour calculer $P(y)$ est intraitable, le document utilise l'algorithme Metropolis-Hastings pour échantillonner directement la distribution a posteriori sans avoir besoin de calculer la constante de normalisation.

Initialisation : Choix de valeurs de départ pour $\theta$ .
Proposition : Génération d'une nouvelle proposition $\theta'$ via une marche aléatoire (ex: $\theta' = \theta + \epsilon$ ).
Acceptation/Rejet : Calcul du rapport d'acceptation $\alpha$ . Si le rapport est élevé, la proposition est acceptée. Sinon, elle est acceptée avec une probabilité $\alpha < 1$ . Cela permet à la chaîne d'explorer l'espace des paramètres et d'éviter de rester bloquée dans un optimum local.
Burn-in : Les premières itérations (période de « chauffe ») sont rejetées pour éliminer l'influence des conditions initiales arbitraires.

3. Contributions Clés

Intégration explicite de l'incertitude : Contrairement aux méthodes fréquentistes qui fournissent un intervalle de confiance (interprété de manière indirecte), l'approche bayésienne fournit une distribution a posteriori complète, permettant de calculer directement des intervalles crédibles (ex: « il y a 95 % de chances que $R_0$ soit entre 2,1 et 2,9 »).
Démonstration pratique du Metropolis-Hastings : Le document détaille étape par étape comment l'algorithme contourne le problème de la constante de normalisation inconnue en utilisant un rapport de probabilités où cette constante s'annule.
Validation par vérification prédictive (Posterior Predictive Check) : L'auteur insiste sur l'importance de simuler de nouvelles données à partir de la distribution a posteriori estimée et de les comparer aux données observées pour valider la capacité du modèle à reproduire la réalité épidémique.
Distinction entre $R_0$ et les paramètres individuels : L'analyse montre que deux paires de paramètres $(\beta, \gamma)$ avec le même $R_0$ peuvent produire des formes de courbes épidémiques différentes, soulignant la nécessité d'estimer les taux individuels et non seulement le nombre de reproduction de base.

4. Résultats (Étude de Cas)

Une expérience numérique a été menée avec des données synthétiques générées à partir d'un modèle SIR avec des paramètres réels connus ( $\beta^*=0.3, \gamma^*=0.1, R_0^*=3.0$ ) et un bruit gaussien ajouté.

Précision de l'estimation : Après 8000 itérations (dont 2000 de burn-in), les moyennes a posteriori estimées ( $\hat{\beta} \approx 0.300, \hat{\gamma} \approx 0.102$ ) correspondent extrêmement bien aux valeurs vraies.
Quantification de l'incertitude : Les écarts-types a posteriori sont très faibles (0,002 pour $\beta$ , 0,001 pour $\gamma$ ), indiquant que 60 jours de données quotidiennes sont très informatives.
Comportement de la chaîne : Les graphiques de traces (trace plots) montrent une convergence rapide vers une distribution stationnaire stable, sans dérive ni blocage, confirmant la santé de l'algorithme MCMC.
Vérification prédictive : La bande bleue générée par 100 simulations à partir de la distribution a posteriori englobe correctement les points de données observés (bruyants), validant la crédibilité du modèle.

5. Signification et Conclusion

Ce guide démontre que l'inférence bayésienne couplée à des méthodes MCMC est un outil puissant et nécessaire pour la modélisation épidémique.

Pour la prise de décision : Elle permet aux décideurs de ne pas se fier à une seule estimation ponctuelle, mais de comprendre la gamme complète des scénarios plausibles, ce qui est crucial pour la planification des interventions de santé publique.
Flexibilité : L'approche permet d'intégrer facilement des connaissances préalables (via les priors) et de gérer des données complexes ou rares.
Évolution future : Bien que Metropolis-Hastings soit utilisé ici pour sa pédagogie, l'auteur note que pour des problèmes de plus haute dimension, des méthodes plus avancées comme NUTS/HMC (utilisées dans Stan ou PyMC) sont préférables pour une efficacité accrue.

En résumé, le document établit que « tous les modèles sont faux, mais certains sont utiles », et que l'inférence bayésienne est la méthode rigoureuse pour quantifier à quel point un modèle est utile et à quel point il est faux, en fournissant une mesure probabiliste de l'incertitude des paramètres épidémiologiques.