A bootstrap particle filter for viral Rt inference and forecasting using wastewater data

Deze paper introduceert een lichtgewicht bootstrap-deeltjesfilter dat sewage- en aanvullende epidemiologische gegevens integreert om de effectieve reproductiegetallen (Rt) van virussen nauwkeurig te schatten en te voorspellen, zelfs bij ontbrekende data of onregelmatige steekproeven.

De kern

Titel: Het Gootsteen-voorspellingssysteem: Hoe we virussen in rioolwater kunnen volgen en de toekomst voorspellen

Stel je voor dat je een stad hebt, maar je kunt de mensen niet direct zien of tellen. Je wilt weten of er een virus rondwaart, of het uitdooft of juist uitbarst. Hoe doe je dat zonder iedereen te testen?

De auteurs van dit paper hebben een slimme oplossing bedacht: kijk in het riool.

1. Het idee: De "Gootsteen" als spiegel

Stel je voor dat een stad een enorme gootsteen is. Als mensen ziek zijn, spoelen ze virussen door de afvoer. De hoeveelheid virus in het water is als een spiegel die laat zien hoeveel mensen er in de stad ziek zijn, vaak lang voordat ze zelf weten dat ze ziek zijn of voordat ze naar de dokter gaan.

Maar hier zit de valkuil: het rioolwater is rommelig. Het regent (wat het water verdunt), de leidingen zijn oud, en soms zijn metingen vergeten. Het is alsof je probeert de exacte hoeveelheid suiker in een thee te bepalen terwijl iemand er steeds water bij doet en er soms een slok uit neemt.

2. De oplossing: De "Wiskundige Dolfijn" (De Bootstrap Particle Filter)

De auteurs hebben een wiskundig hulpmiddel ontwikkeld dat ze een Bootstrap Particle Filter noemen. Laten we dit vergelijken met een zwerm dolfijnen die op zoek gaat naar vis.

• De Dolfijnen (De deeltjes): In plaats van één dolfijn die een gok doet, laten ze 1000 dolfijnen (wiskundige modellen) tegelijkertijd zwemmen. Elke dolfijn heeft een eigen idee over hoe het virus zich verspreidt.
• Het Voer (De data): Ze krijgen twee soorten voer:
  1. Aantallen ziekmeldingen: De officiële cijfers van mensen die naar de dokter gaan.
  2. Rioolwatermetingen: De hoeveelheid virus in het water.
• Het spel: De dolfijnen die een idee hebben dat niet past bij de werkelijkheid (bijvoorbeeld: "Er is veel virus in het water, maar niemand is ziek" of "Er is weinig water, maar iedereen is ziek"), worden uitgesloten. De dolfijnen die het beste matchen met de data, krijgen meer "gewicht" en blijven zwemmen.

Op deze manier vinden ze de meest waarschijnlijke route die het virus heeft afgelegd.

3. Het grote mysterie: De "Onzichtbare Hand"

Toen ze dit systeem testten, ontdekten ze iets verrassends. Alleen kijken naar de ziekmeldingen of alleen naar het rioolwater gaf een raadselachtig beeld.

• Het Riool-raadsel: Als je alleen naar het water kijkt, weet je niet of er heel veel mensen zijn die heel weinig virus uitscheiden, of heel weinig mensen die een berg virus uitscheiden. Het is alsof je een bakje met snoepjes ziet, maar je weet niet of er 100 mensen zijn die elk één snoepje hebben, of 10 mensen die elk 10 snoepjes hebben. Je kunt de "echte" verspreiding niet precies achterhalen.
• De oplossing: Als je beide bronnen combineert (ziekmeldingen én rioolwater), wordt het beeld scherper. Het rioolwater zegt: "Er is veel virus," en de ziekmeldingen zeggen: "Maar er zijn weinig mensen die zich ziek melden." Samen vertellen ze je dat er waarschijnlijk veel mensen zijn die het virus hebben, maar niet naar de dokter gaan.

4. De extra puzzelstukjes: Het "Antilichamen-Compass"

Soms blijft het beeld nog steeds wazig. De auteurs ontdekten dat als ze ook bloedtesten (serologische data) toevoegden – metingen van mensen die al besmet zijn geweest en antistoffen hebben – het raadsel opgelost wordt.

Dit is alsof je naast de dolfijnen ook een kompas hebt. Het kompas (de bloedtesten) vertelt je precies hoeveel mensen er in de stad al besmet zijn geweest. Hiermee kunnen ze de "onzichtbare hand" van het virus eindelijk precies in kaart brengen.

5. De toekomstvoorspelling: Het "Weerbericht"

Het mooiste van dit systeem is dat het niet alleen kijkt naar het verleden, maar ook naar de toekomst. Omdat de dolfijnen (de modellen) weten hoe het virus zich nu gedraagt, kunnen ze een voorspelling doen voor de komende 10 dagen.

• Zullen er meer zieken zijn?
• Zal het virus in het riool stijgen?
• Is de verspreiding (de $R_t$-waarde) boven of onder 1?

Dit helpt overheden om op tijd te reageren, net als een weerbericht dat je waarschuwt voor een storm voordat hij losbreekt.

Conclusie

Kortom: Dit paper laat zien dat we door slimme wiskunde toe te passen op rioolwater, ziekmeldingen en bloedtesten, een krachtig instrument hebben om virussen te volgen. Het is alsof we een onzichtbare ziekte zichtbaar maken door naar de "gootsteen" van de samenleving te kijken, zodat we beter voorbereid zijn op wat er komen gaat.

Het is een snelle, flexibele en slimme manier om de gezondheid van een stad in de gaten te houden, zelfs als de data niet perfect is.

Technische samenvatting

Probleemstelling

Afvalwater-epidemiologie wordt steeds belangrijker voor het bewaken en voorspellen van infectieziekten. Echter, bestaande statistische methoden voor het afleiden van epidemiologische dynamieken (zoals de effectieve reproductiegetal, $R_t$) uit afvalwaterdata hebben aanzienlijke beperkingen:

1. Ze integreren zelden systematisch meerdere datastromen (bijv. het combineren van afvalwaterdata met casestromen of serologische data).
2. Ze vereisen vaak imputatie voor ontbrekende data.
3. Ze kunnen moeilijk omgaan met datasets met verschillende steekproeftijden of intervallen.
4. Er is een structureel identificeerbaarheidsprobleem: alleen op afvalwater- of casestromen gebaseerde modellen kunnen de onderliggende infectiedynamiek en specifieke parameters (zoals de meldingskans of de virale afscheidingslast) niet uniek bepalen.

Methodologie

De auteurs ontwikkelen een lichtgewicht, statistisch rigoureuze aanpak gebaseerd op een state-space model gekoppeld aan een bootstrap particle filter.

1. Het State-Space Model:

• Procesmodel: Een semi-mechanistisch epidemiologisch model dat geïnfecteerde individuen verdeelt over $n$ compartimenten ($I_0$ tot $I_{n-1}$). Individuen bewegen sequentieel door deze compartimenten.
  • De dynamiek wordt gestuurd door een tijdsvariabele effectieve reproductiegetal ($R_t$), gemodelleerd als een Brownse beweging (stochastisch proces).
  • Het model simuleert drie outputvariabelen: cumulatieve casestromen ($C$), virusconcentraties in afvalwater ($W$), en seropositiviteit ($S$).
  • Er worden specifieke profielen gebruikt voor infectiviteit, casemelding en virale afscheiding (shedding), gebaseerd op een gemodificeerde negatief-binomiale verdeling.
• Observatiemodellen:
  • Casestromen: Gemodelleerd met een negatief-binomiale verdeling om overdispersie en rapportagekansen ($\rho$) te vangen.
  • Afvalwater: Gemodelleerd met een Gamma-verdeling voor virusconcentraties.
  • Omgevingsruis: Cruciaal voor de real-world toepassing is de toevoeging van een stochastische term aan het uitstroomproces van het virus in afvalwater (omgevingsruis, parameter $\epsilon$) om dag-tot-dag variatie in afvalwaterconcentraties te verklaren die niet door $R_t$-fluctuaties wordt veroorzaakt.

2. Bootstrap Particle Filter:

• De filter gebruikt 1000 deeltjes om de posterior-verdeling van de latentere variabelen (zoals $R_t$ en infectieprevalentie) en parameters te schatten.
• Het algoritme simuleert deeltjes, berekent hun waarschijnlijkheid (likelihood) op basis van de waargenomen data, en hersteekt (resampling) deeltjes op basis van hun gewichten.
• Het kan werken met alleen casestromen, alleen afvalwaterdata, of een combinatie daarvan, zonder imputatie voor ontbrekende datapunten.

3. Validatie en Toepassing:

• Mock-data: Het model werd eerst getest op gesimuleerde datasets waar de "ware" parameters bekend waren.
• Real-world data: Het model werd toegepast op SARS-CoV-2 data uit Zürich (Zwitserland), bestaande uit dagelijkse casestromen en tweewekelijkse afvalwatermetingen (sept 2020 - jan 2021).
• Serologische integratie: Serologische data (seroprevalentie) werd gebruikt als een externe constraint om de identificeerbaarheid van parameters op te lossen.

Belangrijkste Resultaten

1. Identificeerbaarheid en Parameteronbepaaldheid:

• Bij gebruik van alleen casestromen is de meldingskans ($\rho$) niet identificeerbaar; verschillende waarden van $\rho$ leiden tot dezelfde $R_t$-schattingen, maar zeer verschillende onderliggende infectieprevalenties.
• Bij gebruik van alleen afvalwaterdata is de afscheidingslast-schaalconstante ($\lambda$) niet identificeerbaar.
• Bij gezamenlijke schatting (casestromen + afvalwater) blijven $\rho$ en $\lambda$ niet uniek identificeerbaar, maar ontstaat er een "hoog-likelihood-ridge": alleen specifieke combinaties van hoge $\rho$ met hoge $\lambda$ (of lage met lage) zijn consistent met beide datatypen.

2. Rol van Omgevingsruis (Environmental Stochasticity):

• Toepassing op Zürich-data zonder omgevingsruis leidde tot onrealistische, extreem fluctuerende $R_t$-schattingen om de hoge variatie in afvalwaterdata te verklaren.
• Door omgevingsruis in het uitstroomproces van het virus toe te voegen, verbeterde de modelpassing aanzienlijk. De geschatte $R_t$ werd realistischer (minder "gezaagd") en kwam beter overeen met de casestromen, terwijl de afvalwaterconcentraties de hoge frequentie variaties in de data konden volgen.

3. Oplossen van Identificeerbaarheid met Serologische Data:

• Door de geschatte toename in seropositiviteit tussen september en december 2020 te vergelijken met de serologische metingen uit Zürich, konden de auteurs de "ridge" van mogelijke parameters inperken.
• Dit resulteerde in een geschatte meldingskans van ongeveer 28% ($\rho \approx 0.28$) en een afscheidingslast van $3.1 \times 10^{10}$ kopieën/mL ($\lambda$). Dit loste het probleem van de niet-identificeerbare onderliggende infectiedynamiek op.

4. Voorspelling (Forecasting):

• Het model bleek effectief voor korte-termijn voorspellingen (10 dagen vooruit) van $R_t$, dagelijkse casestromen en afvalwaterconcentraties. De voorspellingen voor casestromen vielen binnen de waargenomen waarden in de testperiode.

Bijdragen en Significantie

1. Geïntegreerde Inference: De studie presenteert een van de eerste methoden die $R_t$ direct en rigoureus afleidt uit een combinatie van casestromen en afvalwaterdata binnen één state-space framework, zonder imputatie van ontbrekende data.
2. Behandeling van Ruis: Het benadrukt het belang van het modelleren van omgevingsruis (bijv. door regen of variatie in afvalwaterdebiet) in afvalwatermodellen. Zonder deze term zijn modellen vaak niet in staat om de realiteit van afvalwaterdata te vangen zonder de epidemiologische parameters onrealistisch te laten fluctueren.
3. Oplossing voor Identificeerbaarheid: Het toont aan dat serologische data essentieel kan zijn om de onderliggende infectieprevalentie en specifieke parameters (meldingskans, afscheiding) te kwantificeren, wat met alleen casestromen of afvalwaterdata onmogelijk is.
4. Efficiëntie en Flexibiliteit: De methode is computatie-efficiënt (een run duurt < 3 seconden) en flexibel genoeg om profielen voor verschillende pathogenen aan te passen.
5. Praktische Toepassing: De aanpak biedt publieke gezondheidsinstanties een robuust instrument voor surveillance en voorspelling, wat cruciaal is voor het nemen van maatregelen tijdens uitbraken.

Kortom, dit artikel levert een technisch geavanceerde maar toepasbare oplossing voor de complexe uitdagingen van het interpreteren van afvalwaterdata, waarbij het combineert met andere datatypen om een completer beeld van de epidemiologische dynamiek te krijgen.