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

Résumé technique : Un maximum de vraisemblance de données complètes pour les processus épidémiques sur des réseaux dynamiques partiellement observés

Énoncé du problème
L'inférence pour la transmission de maladies infectieuses sur des réseaux de contacts dynamiques est fondamentalement complexifiée par quatre défis interreliés : les temps d'infection latents, l'évolution partiellement observée du réseau, l'erreur de mesure dans les données de contact et l'infection provenant de l'extérieur de la population observée (pression d'infection externe). Les approches existantes basées sur la vraisemblance traitent généralement ces problèmes de manière isolée, en s'appuyant souvent sur des hypothèses restrictives telles que des réseaux entièrement observés, des populations fermées ou l'utilisation de l'apparition des symptômes comme substitut direct du temps d'infection. Ces simplifications occultent des questions importantes concernant l'identifiabilité des paramètres et la propagation de l'incertitude, particulièrement lorsque les trajectoires de la maladie et l'évolution du réseau ne sont que partiellement observées. Les données observées représentent une projection grossière d'un processus stochastique sous-jacent, nécessitant un traitement simultané des états de maladie latents, des historiques de contacts latents et des mécanismes d'observation imparfaits.

Méthodologie
Le document propose un cadre unifié de vraisemblance de données complètes qui modélise la progression de la maladie, l'évolution du réseau et les mécanismes d'observation comme des processus stochastiques continus en interaction au sein d'une structure probabiliste unique.

1. Modèle stochastique conjoint : Le cadre couple un processus épidémique Susceptible–Exposé–Infectieux–Retiré (SEIR) avec un réseau de contacts dynamique dépendant de l'état.

   • Processus épidémique : Modélisé comme une chaîne de Markov en temps continu où les taux de transition dépendent de la configuration actuelle du réseau. Plus précisément, le taux de risque pour un individu $i$ susceptible de devenir exposé est $\lambda_{SE}^i(t) = \beta I_i(t) + \xi$, où $\beta$ est le taux de transmission intra-réseau, $I_i(t)$ est le nombre de contacts infectieux et $\xi$ est le taux d'infection externe. La progression de l'état Exposé à Infectieux ($\kappa$) et d'Infectieux à Retiré ($\gamma$) suit des taux constants.
   • Réseau dynamique : Le réseau de contacts évolue comme un processus de Markov en temps continu où les taux de formation ($\eta_{ab}$) et de dissolution ($\tau_{ab}$) des arêtes dépendent des états de maladie ($a, b$) des nœuds incidents. Cela permet des boucles de rétroaction où le statut d'infection modifie le comportement de contact.
   • Modèle d'observation : Des modèles explicites sont introduits pour les symptômes et les contacts. Les observations de symptômes sont sujettes à des erreurs de classification (sensibilité/spécificité), et les observations de contacts sont modélisées avec des erreurs (faux positifs/négatifs), reconnaissant que les données sont souvent discrètes, bruitées et intermittentes.

2. Dérivation de la vraisemblance de données complètes :
   La contribution centrale est la dérivation d'une vraisemblance de données complètes de type analyse de survie pour le processus conjoint épidémie-réseau. En traitant la trajectoire latente complète (temps d'infection, temps de progression et historiques d'arêtes) comme des données manquantes, les auteurs dérivent une fonction de vraisemblance qui se factorise en :

   • Une composante de processus latent (produit des intensités de transition et de l'exponentielle des risques intégrés).
   • Une composante d'observation (produit des probabilités conditionnelles des données observées étant donné les états latents).

   Cette formulation produit des estimateurs du maximum de vraisemblance (MLE) en forme fermée pour tous les paramètres (taux épidémiques, taux de réseau et paramètres d'observation) conditionnellement à la trajectoire latente. Ces estimateurs adoptent la forme familière de « nombre d'événements sur le temps d'exposition ».

3. Cadre inférentiel :

   • Fréquentiste : Le document établit la normalité asymptotique des MLE de données complètes et dérive des expressions en forme fermée pour les matrices d'information de Fisher observée et attendue, facilitant le calcul des erreurs types.
   • Bayésien : Reconnaissant que la vraisemblance des données observées est intraçable en raison de l'explosion combinatoire des trajectoires latentes, le document propose une stratégie d'augmentation de données bayésienne. Un échantillonneur Metropolis-au-sein-de-Gibbs est construit pour mettre à jour alternativement l'historique épidémique latent, la trajectoire de réseau latente et les paramètres du modèle. Cette approche tire parti de la conjugaison conditionnelle de la vraisemblance de données complètes (par exemple, des priors Gamma pour les paramètres de taux, des priors Beta pour les probabilités d'observation) pour faciliter l'échantillonnage postérieur efficace.

Contributions clés

• Cadre unifié : Le document fournit un cadre de vraisemblance général qui sépare le processus latent du processus d'observation tout en préservant leur dépendance statistique, accommodant simultanément les périodes d'incubation latentes, l'observation intermittente du réseau et la pression d'infection externe.
• Dérivation de la vraisemblance de données complètes : Il dérive une rigoureuse vraisemblance de données complètes de type analyse de survie qui sert de fondation tant pour l'inférence de type vraisemblance que pour l'inférence bayésienne via l'augmentation de données.
• Analyse de l'identifiabilité : Le travail clarifie comment l'information provenant de la progression de la maladie et de la dynamique de contact détermine conjointement l'estimabilité des paramètres. Il distingue l'identifiabilité structurelle (sous observation complète) de l'identifiabilité pratique (sous observation partielle), révélant que les paramètres régissant l'infection interne versus externe et la formation de contacts dynamiques sont particulièrement vulnérables à une faible identifiabilité lorsque les données sont rares.
• Cas particuliers : Le cadre montre qu'il englobe plusieurs modèles de réseaux épidémiques existants comme des cas particuliers (par exemple, réseaux statiques, populations fermées, réseaux entièrement observés).

Résultats
Une étude de simulation a été menée avec $N=100$ individus à travers trois régimes d'observation : Élevé, Modéré et Rare.

• Récupération des paramètres : Sous les régimes d'observation Élevé et Modéré, l'échantillonneur bayésien proposé a récupéré avec précision les taux épidémiques ($\beta, \kappa, \gamma$), les taux de réseau ($\eta, \tau$) et les paramètres d'observation ($p, s, c$) avec un faible biais et des intervalles de crédibilité à 95 % bien calibrés.
• Observation Rare : Sous une observation rare, la méthode est restée stable. Bien que l'incertitude postérieure pour les paramètres de réseau et le taux d'infection externe ($\xi$) ait augmenté, les estimations sont restées centrées près de la vérité. Les intervalles de crédibilité se sont élargis de manière appropriée pour refléter la perte d'information, évitant ainsi une inférence trop confiante.
• Confusion : L'étude a confirmé que la transmission interne ($\beta$) et l'infection externe ($\xi$) sont difficiles à séparer sans des données de contact riches. De même, les paramètres de formation de réseau étaient très sensibles à l'absence de données et aux erreurs de mesure.
• Reconstruction latente : Le modèle a réussi à propager l'incertitude, reconstruisant des trajectoires épidémiques et de réseau plausibles cohérentes avec les données observées, même lorsque l'observation directe était limitée.

Signification et affirmations
Le document affirme établir une base pour l'analyse de la prise en compte de l'incertitude des processus de transmission complexes sur des réseaux évolutifs. Sa principale signification réside dans la fourniture d'une structure probabiliste cohérente pour l'inférence dans des contextes où les données sont intrinsèquement incomplètes et bruitées — une réalité courante en épidémiologie des maladies infectieuses.

Les auteurs affirment que leur cadre :

1. Clarifie l'estimabilité : Il révèle comment l'observation conjointe des symptômes et des contacts est nécessaire pour démêler la dynamique de transmission de la dynamique de réseau et des pressions d'infection externes.
2. Permet l'inférence conjointe : Il permet l'apprentissage simultané des paramètres du modèle et des historiques latents, évitant les biais introduits par le traitement des temps de réseau ou d'infection comme fixes ou entièrement observés.
3. Assure la robustesse : Les résultats de la simulation démontrent que la méthode produit des estimations ponctuelles précises et des incertitudes postérieures sensées même lorsque la qualité des données est sous-optimale, ce qui en fait un outil viable pour les applications réelles où des données parfaites sont indisponibles.

Le document conclut que bien que la méthode soit plus performante lorsque les données de symptômes et de contacts sont toutes deux modérément informatives, elle offre un outil flexible et efficace pour l'inférence dans les systèmes épidémiques partiellement observés, comblant le fossé entre la modélisation mécaniste et l'inférence statistique.