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

Technische Samenvatting: Inferentie van de Marginale Likelihood voor het Fitten van Dynamische Survival Analyse Modellen aan Epidemische Telgegevens

Probleemstelling
Stochastische compartimentele modellen, zoals het stochastische SIR-model (Susceptible-Infected-Removed), zijn standaardinstrumenten voor het beschrijven van ziekteverspreiding. Echter, rigoureuze statistische inferentie onder deze modellen is vaak onhandelbaar wanneer ze worden toegepast op realistische surveillancegegevens. In de praktijk zijn infectie- en herstelgeschiedenissen zelden volledig geobserveerd; in plaats daarvan komen gegevens doorgaans binnen als discrete incidentie-aantallen (bijv. dagelijkse of wekelijkse meldingen van gevallen). Onder standaard likelihood-gebaseerde benaderingen vereist de marginale likelihood-functie voor dergelijke gedeeltelijk geobserveerde gegevens integratie over alle mogelijke niet-geobserveerde trajecten die consistent zijn met de aantallen. Deze hoog-dimensionale integratiestap is computationeel prohibitief, wat vaak intensieve simulatiemethoden noodzakelijk maakt zoals particle filters, approximate Bayesian computation, of op maat gemaakte data-augmented Markov Chain Monte Carlo (MCMC) samplers.

Methodologie
De auteurs stellen een closed-form marginale likelihood voor discrete incidentie-aantalgegevens voor, gebaseerd op het Dynamical Survival Analysis (DSA) paradigma. De kern van de methode bestaat uit het benaderen van de stochastische populatiebrede hazard rate door de limiet van de grote populatie, terwijl een tel-waardig stochastisch model behouden blijft.

1. DSA Framework: Bouwend op de constructie van Sellke voor het SIR-model, beschouwen de auteurs de epidemie als een proces op individueel niveau waarbij infectie optreedt wanneer de cumulatieve blootstelling een willekeurige drempel overschrijdt. In de limiet van een grote populatie ($N \to \infty$) convergeren de geschaalde proporties vatbare (susceptible) en geïnfecteerde personen naar de oplossing van een systeem van gewone differentiaalvergelijkingen (ODE's).
2. Survival Interpretatie: De auteurs interpreteren de oplossing van de ODE's als een survivalfunctie voor de tijd tot infectie. Dit maakt de afleiding van expliciete kansdichtheidsfuncties voor infectietijden mogelijk.
3. Marginale Aantal Likelihood: De primaire innovatie is de afleiding van een closed-form likelihood die de onbekende infectie- en herstelmomenten exact marginaliseert.
   • Voor exacte infectiemomenten (maar ontbrekende herstelgegevens), is de likelihood een product van dichtheden.
   • Voor discrete aantalgegevens (het primaire focuspunt), leiden de auteurs een marginale likelihood af door de ongeobserveerde infectietijden binnen discrete observatieintervallen te integreren. Ze demonstreren dat onder de DSA-benadering de gezamenlijke dichtheid van de ongeobserveerde tijden en de geobserveerde aantallen factoriseert zodanig dat de ongeobserveerde tijden een uniforme verdeling volgen op het interval. Bijgevolg levert het integreren van deze tijden een eenvoudige productvorm op:
     $$l(\theta | \{Y_j\}_{j=1}^P) = s_T^{N-K} \prod_{j=1}^P (s_{\xi_{j-1}} - s_{\xi_j})^{Y_j}$$
     waarbij $s_t$ de oplossing van het ODE-systeem is op tijdstip $t$, $Y_j$ het aantal in interval $j$ is, en $K$ het totale aantal infecties is.
4. Generaliseerbaarheid: Het wordt aangetoond dat het framework uitgebreid kan worden naar modellen met individuele heterogeniteit (frailty-modellen) en heterogene menging (Poisson random networks) door simpelweg de passende ODE-oplossingen in de likelihood-formule te substitueren.

Belangrijkste Bijdragen

• Closed-Form Likelihood: Het artikel biedt de eerste closed-form likelihood voor aantalgegevens onder de DSA-benadering, waardoor de noodzaak voor numerieke integratie over ontbrekende tijdstippen vervalt.
• Computationele Efficiëntie: De methode ontkoppelt de computationele kosten van de populatieomvang $N$. In tegen tegenstelling tot exacte methoden waar de grid-resolutie moet toenemen met $N$, hangt de DSA-benadering alleen af van het aantal observatietijden, wat schaalbaar is naar grote uitbraken.
• Flexibiliteit: De inferentiestrategie is gemakkelijk uitbreidbaar naar complexe modelvarianten, inclusief modellen met frailty (ongeobserveerde heterogeniteit in vatbaarheid) en netwerk-gebaseerde menging, zonder dat hiervoor op maat gemaakte MCMC-samplers nodig zijn.
• Verbinding met Interval Censoring: De afgeleide likelihood wordt getoond mathematisch equivalent te zijn aan een interval-gecensureerde survival analyse likelihood, wat een rigoureus statistisch fundament biedt voor de benadering.

Resultaten
De auteurs evalueren de methode via simulatiestudies en real-world casestudies:

• Simulatiestudies:

  • Nauwkeurigheid: Parameterchattingen met de marginale aantal likelihood zijn competitief met exacte, computationeel dure methoden (zoals data-augmented MCMC) en presteren significant beter dan methoden die ontbrekende tijden als uniforme willekeurige variabelen imputeren (die bias vertonen).
  • Dekking: Hoewel de DSA-benadering leidt tot een licht verminderde variabiliteit in trajecten vergeleken met het exacte stochastische proces (wat resulteert in een credible interval dekking die in sommige settings iets onder het nominale niveau van 95% ligt), bereikt de methode nominale dekking wanneer de data direct uit de DSA-benadering gesimuleerd zijn.
  • Efficiëntie: De DSA-gebaseerde inferentie levert orde van grootte verbeteringen in computationele snelheid (gemeten in effectieve samples per seconde) vergeleken met exacte methoden, met name naarmate de populatieomvang toeneemt.
  • Frailty Modellen: De methode schat parameters in frailty-modellen succesvol in, hoewel praktische identificeerbaarheidsproblemen optreden bij kleine populaties en diffuse priors, wat gemitigeerd kan worden met meer informatieve priors.

• Casestudies:

  • Ebola (DRC): Toegepast op de Ebola-uitbraak van 2018–2020 met behulp van een Poisson random network model. De methode, gebruikmakend van enkel dagelijkse infectieaantallen, produceerde posterieure gemiddelden die consistent waren met eerdere analyses die uitgingen van kennis over exacte gebeurtenistijden, maar met bredere credible intervallen die de onzekerheid van ontbrekende data beter reflecteren.
  • COVID-19 (China): Toegepast op incidentiegegevens van 53 steden. De studie vergeleken een standaard SIR-model met een frailty-model. Het frailty-model bood een superieur fit op de data in verschillende steden, wat suggereert dat het negeren van individuele heterogeniteit in vatbaarheid kan leiden tot bevooroordeelde schattingen van cruciale epidemische parameters (bijv. $R_0$), zelfs wanneer populatiebrede trends vergelijkbaar lijken.

Betekenis en Claims
De auteurs beweren dat dit werk een kritieke methodologische kloof vult door efficiënte, likelihood-gebaseerde inferentie voor stochastische epidemische modellen mogelijk te maken onder realistische, gedeeltelijk geobserveerde omstandigheden. Ze benadrukken dat de benadering een "gebruiksvriendelijk" alternatief biedt voor simulatie-zware methoden, waardoor eenvoudige posterieure sampling mogelijk is met standaard algoritmen (bijv. Hamiltonian Monte Carlo) zonder op maat gemaakte model-gebaseerde simulatie.

De auteurs stellen dat de DSA-benadering een getrouwe representatie biedt van epidemische dynamiek voor grote populaties, terwijl het een hanteerbare likelihood-structuur biedt. Door aan te tonen dat de methode uitbreidbaar is naar heterogeniteit en netwerkstructuren, beargumenteren zij dat een flexibel modelleringsparadigma noodzakelijk is om een balans te vinden tussen computationele haalbaarheid en het vermogen om complexe epidemische kenmerken te vangen. Het werk suggereert dat hoewel het standaard DSA-SIR model algemene trends vastlegt, het incorporeren van frailty of netwerkstructuren vaak noodzakelijk is om de resterende variabiliteit in real-world data te verklaren.