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

Sintesi Tecnica: Inferenza della Verosimiglianza Marginale per l'Adattamento di Modelli di Analisi della Sopravvivenza Dinamica a Dati di Conteggio Epidemico

Enunciato del Problema
I modelli compartimentali stocastici, come il modello SIR (Susceptible-Infected-Removed) stocastico, sono strumenti standard per descrivere la diffusione delle malattie. Tuttavia, l'inferenza statistica rigorosa sotto questi modelli è spesso intrattabile quando applicata a dati di sorveglianza del mondo reale. In pratica, le storie di infezione e guarigione sono raramente completamente osservate; invece, i dati arrivano tipicamente come conteggi discreti di incidenza (ad esempio, rapporti giornalieri o settimanali dei casi). Sotto gli approcci standard basati sulla verosimiglianza, la funzione di verosimiglianza marginale per tali dati parzialmente osservati richiede l'integrazione su tutte le possibili traiettorie non osservate coerenti con i conteggi. Questo passaggio di integrazione ad alta dimensionalità è computazionalmente proibitivo, rendendo spesso necessari metodi di simulazione intensivi come i filtri particellari, l'approssimazione bayesiana computazionale (ABC) o campionatori MCMC (Markov Chain Monte Carlo) con aumento dei dati (data-augmentation) personalizzati.

Metodologia
Gli autori propongono una verosimiglianza marginale in forma chiusa per i dati di conteggio di incidenza osservati discretamente basata sul paradigma dell'Analisi della Sopravvivenza Dinamica (DSA). Il nucleo del metodo consiste nell'approssimare il tasso di rischio (hazard rate) stocastico a livello di popolazione con il suo limite per popolazioni numerose, mantenendo al contempo un modello di conteggio stocastico.

1. Framework DSA: Costruendo sulla costruzione di Sellke del modello SIR, gli autori considerano l'epidemia come un processo a livello individuale in cui l'infezione avviene quando l'esposizione cumulativa supera una soglia casuale. Nel limite di popolazione numerosa ($N \to \infty$), le proporzioni suscettibili e infette scalate convergono alla soluzione di un sistema di equazioni differenziali ordinarie (ODE).
2. Interpretazione della Sopravvivenza: Gli autori interpretano la soluzione delle ODE come una funzione di sopravvivenza per il tempo di infezione. Ciò consente la derivazione di funzioni di densità di probabilità esplicite per i tempi di infezione.
3. Verosimiglianza di Conteggio Marginale: L'innovazione principale è la derivazione di una verosimiglianza in forma chiusa che marginalizza esattamente i tempi di infezione e rimozione sconosciuti.
   • Per tempi di infezione esatti (ma con dati di guarigione mancanti), la verosimiglianza è un prodotto di densità.
   • Per i dati di conteggio discreti (il focus primario), gli autori derivano una verosimiglianza marginale integrando i tempi di infezione non osservati all'interno degli intervalli di osservazione discreti. Dimostrano che, sotto l'approssimazione DSA, la densità congiunta dei tempi non osservati e dei conteggi osservati si fattorizza in modo tale che i tempi non osservati seguano una distribuzione uniforme sull'intervallo. Di conseguenza, l'integrazione di essi produce una semplice forma prodotto:
     $$l(\theta | \{Y_j\}_{j=1}^P) = s_T^{N-K} \prod_{j=1}^P (s_{\xi_{j-1}} - s_{\xi_j})^{Y_j}$$
     dove $s_t$ è la soluzione del sistema di ODE al tempo $t$, e $Y_j$ è il conteggio nell'intervallo $j$, con $K$ che rappresenta il numero totale di infezioni.
4. Generalizzabilità: Si dimostra che il framework è estendibile a modelli con eterogeneità individuale (modelli di frailty) e miscelazione eterogenea (reti casuali di Poisson) semplicemente sostituendo le appropriate soluzioni delle ODE nella formula della verosimiglianza.

Contributi Chiave

• Verosimiglianza in Forma Chiusa: Il documento fornisce la prima verosimiglianza in forma chiusa per i dati di conteggio sotto l'approssimazione DSA, eliminando la necessità di integrazione numerica sui tempi di evento mancanti.
• Efficienza Computazionale: Il metodo scollega il costo computazionale dalla dimensione della popolazione $N$. A differenza dei metodi esatti dove la risoluzione della griglia deve aumentare con $N$, l'approccio DSA dipende solo dal numero di tempi di osservazione, rendendolo scalabile a grandi epidemie.
  o Flessibilità: La strategia di inferenza è facilmente estendibile a varianti complesse del modello, inclusi i modelli con frailty (eterogeneità non osservata nella suscettibilità) e strutture di miscelazione basate su reti, senza richiedere campionatori MCMC personalizzati.
• Connessione con la Censura a Intervalli: La verosimiglianza derivata è mostrata essere matematicamente equivalente a una verosimiglianza di analisi della sopravvivenza con censura a intervalli, fornendo una base statistica rigorosa per l'approssimazione.

Risultati
Gli autori valutano il metodo attraverso studi di simulazione e casi studio reali:

• Studi di Simulazione:

  • Accuratezza: Le stime dei parametri utilizzando la verosimiglianza marginale di conteggio sono competitive con i metodi esatti e computazionalmente costosi (come l'MCMC con aumento dei dati) e superano significativamente i metodi che imputano i tempi mancanti come variabili casuali uniformi (che presentano bias).
  • Copertura: Sebbene l'approssimazione DSA porti a una leggera riduzione della variabilità nei percorsi rispetto al processo stocastico esatto (risultando in una copertura degli intervalli di credibilità leggermente inferiore al livello nominale del 95% in alcuni contesti), il metodo raggiunge la copertura nominale quando i dati sono simulati direttamente dall'approssimazione DSA.
  • Efficienza: L'inferenza basata su DSA produce miglioramenti di ordini di grandezza nella velocità computazionale (misurata in campioni effettivi per secondo) rispetto ai metodi esatti, in particolare all'aumentare della dimensione della popolazione.
  • Modelli di Frailty: Il metodo stima con successo i parametri nei modelli di frailty, sebbene possano sorgere problemi di identificabilità pratica con popolazioni piccole e prior diffuse, che possono essere mitigati con prior più informative.

• Casi Studio:

  • Ebola (RDC): Applicato all'epidemia di Ebola 2018–2020 utilizzando un modello di rete casuale di Poisson. Il metodo, utilizzando solo i conteggi giornalieri dei casi, ha prodotto medie a posteriori coerenti con analisi precedenti che assumevano la conoscenza dei tempi esatti degli eventi, ma con intervalli di credibilità più ampi che riflettono meglio l'incertezza dei dati mancanti.
  • COVID-19 (Cina): Applicato ai dati di incidenza di 53 città. Lo studio ha confrontato un modello SIR standard con un modello di frailty. Il modello di frailty ha fornito un adattamento superiore ai dati in diverse città, suggerendo che ignorare l'eterogeneità individuale nella suscettibilità può portare a stime distorte dei parametri chiave dell'epidemia (ad esempio, $R_0$), anche quando i trend a livello di popolazione appaiono simili.

Significatività e Rivendicazioni
Gli autori affermano che questo lavoro colma una lacuna metodologica critica, consentendo un'inferenza efficiente basata sulla verosimiglianza per modelli epidemici stocastici in condizioni di dati parzialmente osservati e realistici. Enfatizzano che l'approccio offre un'alternaiva "user-friendly" ai metodi pesanti in termini di simulazione, permettendo un campionamento posteriore diretto tramite algoritmi standard (ad esempio, Hamiltonian Monte Carlo) senza necessità di simulazioni personalizzate basate sul modello.

Il documento asserisce che l'approssimazione DSA fornisce una rappresentazione fedele della dinamica epidemica per popolazioni numerose, offrendo al contempo una struttura di verosimiglianza trattabile. Dimostrando che il metodo è estendibile a eterogeneità e strutture di rete, gli autori sostengono che esso offre un paradigma di modellazione flessibile che bilancia la fattibilità computazionale con la capacità di catturare caratteristiche epidemiche complesse. Il lavoro suggerisce che, mentre il modello standard DSA-SIR cattura i trend generali, l'integrazione di frailty o strutture di rete è spesso necessaria per spiegare la variabilità residua nei dati del mondo reale.