Bayesian Modeling and Prediction of Generalized Contact Matrices

技術的サマリー：一般化された接触行列のベイズモデリングと予測

問題定義
社会的接触行列は、感染症疫学において基礎的な役割を果たし、感染を駆動する近距離での人間相互作用を定量化する。伝統的に、これらの行列は年齢のみで層別化されてきた。しかし、コロナウイルス、インフルエンザ、結核などの病原体は、年齢を超えて性別、人種、民族、社会経済的地位（SES）などの人口統計学的および社会経済的要因によって大きく影響を受ける。接触行列を推論する既存の方法は、これらの追加的な特徴を処理するための原理的なメカニズムを欠くことが多く、特にデータが希薄な場合や、報告された接触者に関する特徴情報が欠落している場合（「部分データ」設定）に顕著である。さらに、対称性（グループ A から B への接触総数が B から A への接触総数と等しくなければならないという原則）のような構造的制約を、高次元の多特徴空間において強制することは、計算上および統計的に困難となる。

手法
著者は、複数の特徴で層別化された接触行列を推論し、かつ基本的な構造的仮定を満たすように設計されたフレームワークである一般化ベイズ社会的混合（g-mix）モデルを提案する。

• モデル定式化: このモデルは、接触数を負の二項分布の実現値として扱う。期待接触強度を、年齢固有の基準接触率（$\gamma_{a,b}$）と、層間（例：性別、SES）の異質性を説明する一連の率修正係数（$\delta^{k,\ell}_{a,b}$）に分解する。
• 構造的制約: このフレームワークは、以下の 3 つの重要な制約を強制する。
  1. 年齢の対称性: $\gamma_{a,b} = \gamma_{b,a}$。
  2. 修正係数の対称性: $\delta^{k,\ell}_{a,b} = \delta^{\ell,k}_{b,a}$。
  3. 周辺整合性: 修正係数は、人口比率で重み付けされた際に 1 に収束しなければならない。これにより、モデルが基礎となる人口構造と整合するよう保証される。
• パラメータ化と制約: これらの制約を計算的に満たすため、著者は制約のない潜在パラメータ（$\omega$）をソフトマックス変換を用いて単体（simplex）空間に写像する。このアプローチにより、モデルは置換行列を介して対称性制約を処理でき、周辺整合性を自動的に保証する。複数の特徴を持つ場合、モデルは潜在パラメータに対して加法的な対数線形構造を仮定し、成分テンソルのクロネッカー和を利用することで、パラメータ空間の指数関数的な増大を管理する。
• 平滑化と事前分布: このモデルは、二次の内在的ガウスマルコフ確率場（IGMRF）事前分布を用いたベイズ P-スプライン（ペナルティ付きスプライン）を採用する。これにより、モデルは隣接する年齢層間で情報を共有（strength を借りる）でき、接触パターンを滑らかな表面として扱うことができる。
• 欠損データの処理（部分層別化）: 現実世界の調査では、回答者は自身の属性は知っているが、接触者の属性は知らないことがよくある。著者はこの欠損データ問題を分割表の理論と関連付ける。部分データから周辺接触強度を導出し、対称性を適用することで、未観測の「帰属割合」（特定の層間の接触の割合）に対する鋭い境界（フレシェット＝ホエフディング境界）を確立する。これらの境界を切断型ディリクレ事前分布に組み込むことで、完全な接触行列を予測する。
• 推論: このモデルは、Python ライブラリ NumPyro で実装された確率的変分推論（SVI）を用いて適合され、証拠下限（ELBO）を最適化する。

主要な貢献

1. 一般化フレームワーク: g-mix モデルは、数学的一貫性を維持しつつ、年齢を超えて任意のカテゴリカルな特徴（例：SES、人種）を含む接触行列の推論を拡張する。
2. 構造的強制の実現: 対称性を事後の修正として強制する従来のアプローチとは異なり、g-mix はパラメータ化を通じて対称性と周辺整合性を本質的に強制し、実効パラメータ空間を削減して統計的効率を向上させる。
3. 欠損データへの解決策: 本論文は、接触属性が観測されていない部分データから完全な接触行列を予測するための厳密なベイズ的アプローチを提供する。これは、分割表の理論から導出された実行可能な混合境界を用いて予測を制約する。
4. 特徴選択: このフレームワークは、接触パターンの異質性をどの特徴が有意に説明するかを特定するための原理的なモデル選択（Leave-One-Out クロスバリデーションおよび期待対数予測密度による）を可能にする。
5. オープンソース実装: 著者は採用を促進するために、Python パッケージ cntmosaic を公開した。

結果

• シミュレーション研究: g-mix モデルは、拡張版 socialmixr（ブートストラッピング）、Prem らの IGMRF 手法、および van de Kassteele らの方法と比較評価された。特徴数が増加するシナリオ（年齢のみから多変量層別化まで）において、g-mix は一貫して最小の平均絶対パーセント誤差（MAPE）と最良の区間スコアを達成した。socialmixr は最も高速であったが、ブートストラッピングにおけるゼロ除算の問題により、希薄なデータ領域では高い誤差率と失敗確率に苦しんだ。
• 部分データからの予測: 接触特徴が隠蔽された場合（現実世界の調査制限をシミュレート）、モデルは完全な接触行列を正常に予測した。完全データシナリオと比較して平均絶対パーセント誤差は増加したが、事後 95% カバレッジ率は適切に較正されたままだった（例：中立/同類交配シナリオでは約 94-98%）。これは、頑健な不確実性の定量化を示している。
• ケーススタディ 1（ドイツ - COVIMOD）: COVID-19 パンデミック中の非家庭接触データに適用した結果、厳格な非薬物的介入（ロックダウン）が一時的に接触パターンにおける社会経済的不平等を抑制し、「疫学的平等化剤」として機能することが明らかになった。制限が緩和されると不平等は再浮上し、熟練労働者は管理職や退職者グループよりも高い接触率を維持した。
• ケーススタディ 2（米国 - BICS）: 特徴選択分析により、年齢に加えて性別および人種/民族が接触の異質性の統計的に有意な予測因子であることが特定された。モデルは、非薬物的介入が緩和されるにつれて接触パターンが人種/民族によって大きく変動することを検出した。具体的には、「非ヒスパニック系アジア系およびその他」などの特定のグループは、他のグループと比較して一貫して少ない接触を示した。

意義と主張
本論文は、g-mix フレームワークが、年齢を超えた社会階層の次元における接触パターンの変動理解に、分野を近づけつつあると主張する。既存の調査データ（接触属性が欠落している場合でも）から一般化された接触行列を推論するための原理的な手法を提供することで、このフレームワークは、再生産数（$R_0$）のより正確な推定、介入影響のより良い監視、およびワクチン配分戦略の改善を支援する。著者は、人口規模データが利用可能であれば、新しい高価なデータ収集努力を必要とせずに、疫学者が追加的な異質性を捉えることを可能にするアプローチであると強調している。彼らは、調査サンプリング重みの除外や、高度な同類交配シナリオにおいて部分データから完全な行列を正確に予測することの難しさといった限界を認めているが、このフレームワークは感染症の駆動要因のモデリングにおいて重要な前進を提供すると位置づけている。