A continuous-time Markov chain framework for population size estimation from multi-list data: accounting for absorbing lists and asymmetric interactions

Riepilogo Tecnico: Un Framework a Catena di Markov in Tempo Continuo per la Stima della Dimensione della Popolazione da Dati Multi-Lista

Enunciato del Problema
Stimare la dimensione di popolazioni nascoste o difficili da raggiungere è fondamentale per le politiche pubbliche, tipicamente ottenuto attraverso la Stima con Sistemi Multipli (MSE) o metodi di cattura-ricattura utilizzando dati multi-lista. Gli approcci standard, principalmente modelli log-lineari, si basano sull'assunzione che la popolazione target sia chiusa (nessun ingresso o uscita) e che gli individui siano omogenei nella loro probabilità di essere registrati. Tuttavia, queste assunzioni sono frequentemente violate nei contesti sociali ed epidemiologici in cui le fonti di dati includono "liste assorbenti"—registri che catturano gli individui mentre lasciano la popolazione, come registri di decesso o registri di emigrazione.

Gli autori sostengono che non tenere conto della natura assorbente di tali liste viola le assunzioni di chiusura e omogeneità. Nello specifico, gli individui registrati su una lista assorbente hanno una finestra di opportunità ridotta per essere catturati da altre liste, portando a una violazione delle assunzioni di indipendenza inerenti alla modellazione log-lineare standard. Il documento ipotizza che l'applicazione di modelli log-lineari standard a dati contenenti liste assorbenti risulti in stime della dimensione della popolazione distorte (specificamente sovrastimate). Inoltre, sebbene i metodi ecologici di cattura-ricattura abbiano da tempo affrontato popolazioni aperte, tali modelli non sono stati efficacemente adattati al contesto MSE a causa della mancanza di informazioni temporali nei dataset amministrativi.

Metodologia
Il documento propone un framework a Catena di Markov in Tempo Continuo (CTMC) per modellare il processo di raccolta dati per dati multi-lista.

• Spazio degli Stati e Transizioni: Il framework definisce uno spazio degli stati $L$ come l'insieme delle parti di $k$ liste. Gli individui transitano da uno stato iniziale di non osservazione ($\emptyset$) a stati che rappresentano combinazioni di liste su cui sono stati registrati. Il processo è modellato come una catena di Markov in tempo continuo con una matrice generatrice $Q$.
• Parametrizzazione: I tassi di transizione sono definiti da parametri di cattura specifici per lista ($\lambda_i$) e parametri di interazione ($\mu_K$) che rappresentano le dipendenze tra le liste. Il modello assume che i tempi di cattura su una scala operativa siano distribuiti esponenzialmente.
• Liste Assorbenti: Per gestire le liste assorbenti (es. registri di decesso), il framework modifica la matrice generatrice $Q$ impostando i tassi di transizione a zero per qualsiasi stato contenente la lista assorbente. Questo impone matematicamente il vincolo che, una volta che un individuo entra in uno stato assorbente, non può transitare verso alcun altro stato, modellando efficacemente l'"uscita" dalla popolazione osservabile.
• Liste Ordinate e Asimmetria: Il framework è esteso per gestire liste ordinate (dove la registrazione sulla lista $L_j$ richiede una registrazione precedente sulla lista $L_i$) riducendo lo spazio degli stati e rimuovendo parametri ridondanti. Consente inoltre interazioni asimmetriche generali (es. referral) stimando parametri di interazione direzionali ($\mu_{ij}$ rispetto a $\mu_{ji}$).
• Stima: Il modello stima la dimensione totale della popolazione $N$ massimizzando una funzione di verosimiglianza. Gli autori utilizzano un'approssimazione di Poisson per i conteggi osservati, che produce valori di log-verosimiglianza e AIC direttamente confrontabili con i modelli log-lineari standard. La selezione del modello è eseguita utilizzando strategie di selezione in avanti, all'indietro e bidirezionali basate sull'AIC.

Contributi Chiave

1. Sviluppo del Framework: Gli autori introducono un framework CTMC per la MSE che è algebricamente equivalente al modello log-lineare standard quando le liste sono indipendenti, ma offre maggiore flessibilità per modellare dipendenze e dinamiche specifiche di raccolta dati.
2. Modellazione delle Liste Assorbenti: Il documento fornisce un meccanismo specifico per modellare le liste assorbenti nel contesto MSE, affrontando una limitazione nota dei modelli log-lineari standard che assumono una popolazione chiusa.
3. Evidenza da Simulazione: Attraverso studi di simulazione, gli autori dimostrano che:
   • I modelli CTMC e log-lineari producono risultati simili quando le liste sono indipendenti o quando le dipendenze sono standard.
   • In presenza di una lista assorbente, i modelli log-lineari standard (anche con selezione del modello) tendono a sovrastimare la dimensione della popolazione e a esibire una varianza più elevata.
   • Il modello CTMC con un vincolo di lista assorbente fornisce stime più accurate e meno variabili in questi scenari.
4. Applicazione Empirica: Il framework è stato applicato a due dataset reali:
   • Dati sugli Ictus (Nord-ovest dell'Inghilterra, 1994-1995): Un dataset che include un registro di decesso (lista assorbente). Il modello CTMC ha prodotto stime della popolazione leggermente inferiori (777–815) rispetto ai modelli log-lineari (997–1015), coerentemente con i risultati di simulazione che indicano una sovrastima dei modelli log-lineari in questo contesto.
   • Dati sull'Uso di Droga (Città di Londra, 2018-2019): Un dataset che coinvolge liste ordinate (ingresso vs. uscita dal trattamento comunitario). Il framework CTMC ha modellato con successo la struttura ordinata, producendo stime (404–421) comparabili, sebbene leggermente superiori, alle stime log-lineari, con intervalli di confidenza che includevano stime alternative.

Risultati e Affermazioni di Rilevanza
Il documento afferma che il significato primario di questo lavoro risiede nella sua capacità di tenere esplicitamente conto delle liste assorbenti e delle interazioni asimmetriche nella MSE, cosa che i modelli log-lineari standard non possono fare senza modifiche ad hoc.

• Riduzione del Bias: Gli autori concludono che ignorare la natura assorbente delle liste (come i registri di decesso) porta a una significativa sovrastima della dimensione della popolazione. Il framework CTMC corregge questo fenomeno modellando il flusso direzionale degli individui fuori dalla popolazione osservabile.
• Flessibilità: Il framework è presentato come uno strumento versatile in grado di adattarsi a vari processi di raccolta dati, incluse liste ordinate e periodi di osservazione variabili, senza richiedere le rigide assunzioni di chiusura della MSE tradizionale.
• Utilità Pratica: Sebbene il modello CTMC abbia un costo computazionale più elevato (richiedendo l'inversione di una matrice di dimensioni $2^k \times 2^k$), gli autori suggeriscono che per dataset con liste assorbenti il compromesso è necessario per evitare il bias. Raccomandano l'uso di selezioni accelerate in avanti o bidirezionali per il modello CTMC, oppure, in alternativa, l'uso di un modello log-lineare con interazioni assorbenti "forzate" come approssimazione computazionalmente più economica.

Gli autori notano modestamente che, sebbene il modello CTMC offra nuove prospettive per l'analisi di dati multi-lista, i test diagnostici per le violazioni delle assunzioni del modello rimangono un'area per ricerche future. Sottolineano inoltre che la capacità del framework di identificare le liste assorbenti quando la natura delle liste non è dichiarata è attualmente in fase di indagine.