🧬 biology

Bayesian Inference in Epidemic Modelling: A Beginner's Guide

Deze lezing biedt een zelfstandige inleiding tot Bayesiaanse inferentie en MCMC-methoden voor parameterschatting in epidemische modellen, met als voorbeeld het klassieke SIR-model en de implementatie van het Metropolis-Hastings-algoritme.

Oorspronkelijke auteurs: Augustine Okolie

Gepubliceerd 2026-03-17

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Augustine Okolie

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ⚕️ Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer

De Gids voor het Voorspellen van Epidemieën: Een Reis met de SIR-Model

Stel je voor dat je een detective bent die probeert te achterhalen hoe een geheimzinnig virus zich verspreidt. Je hebt geen toegang tot de "ware" cijfers (want niet iedereen meldt zich ziek), en je weet niet precies hoe besmettelijk het virus is. Je moet het raden op basis van wat je ziet.

Dit artikel, geschreven door Dr. Augustine Okolie, legt uit hoe we Bayesiaanse inferentie gebruiken om dit raadsel op te lossen. Het is een slimme manier om onzekerheid om te zetten in kennis.

1. Waarom hebben we dit nodig? (De Weegschaal)

Stel je voor dat je de gewicht van een vreemdeling moet raden.

De oude manier (Frequentist): Je kijkt naar één foto en zegt: "Hij weegt precies 75 kg." Je geeft één getal en hoopt dat het klopt.
De nieuwe manier (Bayesiaans): Je zegt: "Op basis van zijn uiterlijk denk ik dat hij tussen de 70 en 80 kg weegt. Maar als ik nu zie dat hij een zware jas draagt, pas ik mijn schatting aan."

Bayesiaanse inferentie combineert wat je al weet (je vooroordeel of prior) met nieuwe feiten (de data). Het geeft je geen enkel getal, maar een kansverdeling: een spectrum van alle mogelijke gewichten, waarbij sommige waarschijnlijker zijn dan andere.

2. Het SIR-model: De Drie Kamers

Om een epidemie te begrijpen, gebruiken wetenschappers het SIR-model. Stel je een groot gebouw voor met drie kamers:

S (Gevoelig): Mensen die nog niet ziek zijn en besmet kunnen raken.
I (Besmet): Mensen die ziek zijn en het virus verspreiden.
R (Hersteld): Mensen die genezen zijn en (in dit model) immuniteit hebben.

Mensen lopen van kamer S naar I (besmetting) en van I naar R (herstel). De snelheid waarmee ze deze kamers verlaten, wordt bepaald door twee geheimzinnige getallen:

$\beta$ (Beta): Hoe snel verspreidt het virus zich? (De "besmettelijkheid").
$\gamma$ (Gamma): Hoe snel herstellen mensen? (De "herstelsnelheid").

Het probleem? We weten deze getallen niet precies. We moeten ze raden op basis van de mensen die we zien in kamer I.

3. Het Gokspel: De Likelihood (De Kans)

Stel je voor dat je een machine hebt die een epidemie simuleert. Je draait aan de knoppen $\beta$ en $\gamma$ en kijkt of de uitkomst lijkt op de echte data die je hebt (bijvoorbeeld het aantal zieken per dag).

Als je machine een curve maakt die perfect overeenkomt met de echte data, is de kans dat jouw knopinstellingen correct zijn, groot.
Als de curve eruitziet als een berg en de data als een dal, is de kans klein.

Dit noemen we de likelihood. Het is een score die zegt: "Hoe goed past dit verhaal bij de feiten?"

4. De MCMC: De Hiker op de Berg

Nu komt het lastige deel. Er zijn oneindig veel combinaties van $\beta$ en $\gamma$ . Hoe vinden we de beste?
We gebruiken een algoritme genaamd MCMC (Markov Chain Monte Carlo).

De Analogie van de Hiker:
Stel je voor dat de "waarschijnlijkheid" een berglandschap is.

De toppen van de bergen zijn de beste combinaties van $\beta$ en $\gamma$ (waar de data het beste past).
De dalen zijn slechte combinaties.

Je bent een hiker die in het donker op deze berg loopt. Je kunt niet zien waar de top is, maar je kunt voelen of het terrein stijgt of daalt.

Je neemt een willekeurige stap.
Als je omhoog loopt: Je blijft daar staan (je accepteert de stap).
Als je omlaag loopt: Je kunt soms toch blijven staan (met een kleine kans), zodat je niet vastloopt in een kleine heuvel, maar echt de hoogste bergtop vindt.

Na duizenden stappen heb je een kaart gemaakt van waar de hiker het vaakst is geweest. Die kaart is precies de posterior verdeling: het gebied waar de juiste antwoorden waarschijnlijk liggen.

5. Wat levert dit op? (De Resultaten)

In het artikel wordt getoond dat deze methode werkt.

Ze simuleerden een epidemie met bekende getallen ( $\beta=0.3$ , $\gamma=0.1$ ).
Ze voegden wat "ruis" toe (alsof de data niet perfect was).
Vervolgens lieten ze de MCMC-hiker het landschap verkennen.

Het resultaat: De hiker landde precies op de juiste bergtop!

De geschatte waarde voor $\beta$ was 0.300 (perfect!).
De geschatte waarde voor $\gamma$ was 0.102 (bijna perfect!).

Maar het belangrijkste is niet alleen het getal, maar de onzekerheid. Het artikel geeft een "95% betrouwbaarheidsinterval". In plaats van te zeggen "Het virus is 3.0 keer besmettelijk", zegt het: "Met 95% zekerheid ligt de besmettelijkheid tussen 2.9 en 3.1." Dit is cruciaal voor beleidsmakers: het helpt hen te begrijpen hoe groot het risico is.

6. Waarom is dit beter dan de oude manier?

Het houdt rekening met wat je al weet: Als je al weet dat een virus niet sneller verspreidt dan 100 km/uur, kun je dat als startpunt gebruiken.
Het geeft een volledig plaatje: Je ziet niet alleen het beste antwoord, maar ook hoe "zeker" je bent.
Het controleert zichzelf: Het artikel toont een "posterior predictive check". Dit is alsof je na het raden van de getallen, de epidemie opnieuw simuleert en kijkt of die eruitziet als de echte data. Als dat niet zo is, weet je dat je model fout is.

Samenvatting in één zin:

Bayesiaanse inferentie is als het hebben van een slimme detective die, in plaats van één vast getal te noemen, een kanskaart tekent van alle mogelijke antwoorden, zodat we precies weten hoe zeker we kunnen zijn over hoe een epidemie zich zal ontwikkelen.

Titel: Bayesiaanse Inferentie in Epidemische Modellering: Een Gids voor Beginners

Auteur: Augustine Okolie (PhD Wiskunde)
Context: Lecture Notes over Mathematische Epidemiologie en Bayesiaanse Statistiek.

1. Het Probleem: Parameteronbekendheid in Epidemiologische Modellen

Bij het modelleren van ziekteuitbraken (zoals COVID-19, influenza of Ebola) is de fundamentele uitdaging dat de modelparameters onbekend zijn en moeten worden afgeleid uit ruisachtige, onvolledige of gedeeltelijk waargenomen data.

De uitdaging: Hoe infectieus is een pathogeen? Hoe snel herstellen mensen? Deze waarden (parameters) drijven het model aan, maar zijn niet direct meetbaar.
Frequentistische vs. Bayesiaanse aanpak:
- Frequentistisch: Zoekt naar één "beste" schatting (bijv. maximum likelihood) en rapporteert een puntsschatting met een betrouwbaarheidsinterval. Het kan prior kennis moeilijk integreren.
- Bayesiaans: Zoekt naar de volledige verdeling van plausibele parameterwaarden. Het combineert formeel bestaande kennis (prior) met nieuwe data (likelihood) om een posterior verdeling te genereren. Dit beantwoordt de vraag: "Wat is de waarschijnlijkheid van parameter $\beta$ gegeven de data?" in plaats van "Wat is de schatting van $\beta$ ?".

2. Methodologie

A. Het SIR-Model (De Basis)

Het artikel gebruikt het klassieke SIR-model (Susceptible, Infectious, Recovered) als werkpaard. De dynamiek wordt beschreven door een stelsel gewone differentiaalvergelijkingen (ODE's):
$\frac{dS}{dt} = -\beta \frac{SI}{N}, \quad \frac{dI}{dt} = \beta \frac{SI}{N} - \gamma I, \quad \frac{dR}{dt} = \gamma I$

Parameters:
- $\beta$ : Transmissiegraad.
- $\gamma$ : Herstelgraad.
- $R_0 = \beta/\gamma$ : Het basisreproductiegetal.
Numerieke Oplossing: Omdat er geen gesloten analytische oplossing is, worden numerieke integratiemethoden gebruikt (zoals Euler of Runge-Kutta 4) om de epidemiekrommen te genereren op basis van initiële condities.

B. Bayesiaanse Opstelling

Volgens de stelling van Bayes wordt de posterior verdeling $P(\theta | y)$ berekend als:
$P(\theta | y) = \frac{P(y | \theta) \cdot P(\theta)}{P(y)}$
Waarbij:

Likelihood ( $P(y | \theta)$ ): De waarschijnlijkheid van de waargenomen data gegeven de parameters. Het artikel neemt aan dat de data ruis bevat volgens een Gaussisch model (additieve ruis): $I_{obs}(t) = I_{model}(t) + \epsilon$ . De log-likelihood komt overeen met het minimaliseren van de som van de kwadraten van de residuen (least squares).
Prior ( $P(\theta)$ ): De voorafgaande kennis over de parameters (bijv. uniforme verdelingen binnen biologisch zinvolle ranges voor $\beta$ en $\gamma$ ).
Evidence ( $P(y)$ ): Een normalisatieconstante die vaak onberekenbaar is omdat het een integraal over alle mogelijke parameterwaarden vereist.

C. Markov Chain Monte Carlo (MCMC)

Omdat de posterior niet direct kan worden berekend vanwege de onberekenbare integraal ( $P(y)$ ), gebruikt het artikel MCMC (specifiek het Metropolis-Hastings algoritme) om steekproeven uit de posterior te trekken.

Het algoritme:
1. Start met een initiële schatting $\theta^{(0)}$ .
2. Proposeer een nieuwe waarde $\theta'$ (bijv. via een Gaussische random walk).
3. Bereken de acceptatieverhouding $\alpha = \min(1, \frac{P(\theta'|y)}{P(\theta^{(t)}|y)})$ . Belangrijk: De term $P(y)$ valt hier weg, waardoor de onberekenbare integraal omzeild wordt.
4. Accepteer of verwerp de nieuwe waarde op basis van $\alpha$ .
Burn-in: De eerste iteraties worden verworpen om de "opwarmperiode" te elimineren waarin de keten nog niet is geconvergeerd naar de stationaire verdeling.

3. Resultaten en Case Study

Het artikel presenteert een synthetisch experiment om de methode te valideren:

Setup: Een populatie van $N=1000$ met een simulatie van 60 dagen. De ware parameters waren $\beta=0.3$ en $\gamma=0.1$ ( $R_0=3.0$ ). Er werd Gaussische ruis ( $\sigma=15$ ) toegevoegd aan de data.
MCMC Configuratie: 8000 iteraties met een burn-in van 2000.
Resultaten:
- De posterior gemiddelden kwamen zeer nauwkeurig overeen met de ware waarden ( $\hat{\beta} \approx 0.300$ , $\hat{\gamma} \approx 0.102$ ).
- De posterior standaardafwijkingen waren klein, wat aangeeft dat de data informatief was.
- Trace Plots: Toonden een goed gemengde keten zonder drift, wat convergentie bevestigt.
- Posterior Predictive Check: Door 100 trajecten te simuleren uit de posterior verdeling, bleek dat de waargenomen data binnen het voorspelde betrouwbaarheidsinterval viel. Dit bevestigt dat het model de data goed verklaart.

4. Belangrijke Bijdragen en Inzichten

Verdeling vs. Puntsschatting: Bayesiaanse inferentie levert geen enkel getal op, maar een volledige verdeling die onzekerheid kwantificeert. Dit is cruciaal voor beleidsvorming (bijv. "R0 ligt met 95% waarschijnlijkheid tussen 2.1 en 2.9").
Integratie van Prior Kennis: Het framework stelt onderzoekers in staat om externe kennis (bijv. over de gemiddelde infectieperiode) formeel te integreren, wat vooral nuttig is bij schaarse data.
Omzeilen van de Normalisatieconstante: Het artikel illustreert hoe MCMC het probleem van de onberekenbare integraal oplost door alleen verhoudingen van waarschijnlijkheden te gebruiken.
Validatie: Het benadrukt het belang van trace plots (voor convergentie) en posterior predictive checks (voor modelvalidatie) als onmisbare stappen in de analyse.
Vergelijking Credible vs. Confidence Intervals: Het artikel verduidelijkt dat een 95% credible interval een directe waarschijnlijkheidsuitspraak is over de parameter (gegeven de data), in tegenstelling tot het frequentistische confidence interval.

5. Betekenis en Toekomstperspectief

Dit artikel fungeert als een brug tussen theoretische epidemiologie en praktische statistiek. Het toont aan dat Bayesiaanse methoden, ondersteund door MCMC, een robuust en interpreteerbaar raamwerk bieden voor het schatten van transmissieparameters in realistische, ruisachtige scenario's.

Hoewel Metropolis-Hastings als conceptueel fundament wordt gebruikt, wijst het artikel erop dat moderne toepassingen vaak geavanceerdere samplers gebruiken (zoals NUTS/HMC in Stan of PyMC) voor hogere dimensies en efficiëntere exploratie van de parameterruimte. De kernboodschap is dat onzekerheid inherent is aan modellen, en dat Bayesiaanse inferentie de enige manier biedt om deze onzekerheid systematisch te kwantificeren en te communiceren aan beleidsmakers.