Efficient sequential Bayesian inference for state-space epidemic models using ensemble data assimilation

Título: Inferência Bayesiana Sequencial Eficiente para Modelos de Epidemia em Espaço de Estados usando Assimilação de Dados de Ensemble

Autores: Dhorasso Temfack e Jason Wyse (Trinity College Dublin)

1. O Problema

A estimação precisa de estados epidêmicos latentes (como o número de infectados não observados) e parâmetros do modelo (como taxas de transmissão) a partir de dados observados ruidosos e parciais é um desafio central na modelagem de doenças infecciosas.

• Desafio Computacional: Embora os modelos de espaço de estados (SSMs) ofereçam um framework probabilístico coerente, a inferência Bayesiana completa é frequentemente computacionalmente proibitiva. Isso ocorre porque a verossimilhança dos dados observados requer a integração sobre trajetórias latentes complexas.
• Limitações dos Métodos Atuais: O algoritmo Sequential Monte Carlo Squared (SMC2) é uma abordagem rigorosa que combina amostragem de Monte Carlo Sequencial (SMC) sobre parâmetros com um filtro de partículas (PF) interno para estimar a verossimilhança. No entanto, o custo computacional do SMC2 é alto devido à necessidade de executar um filtro de partículas completo a cada iteração, tornando-o difícil de usar em tempo real para resposta a surtos. Métodos livres de verossimilhança (como ABC) exigem muitas simulações e são difíceis de calibrar em tempo real.

2. Metodologia Proposta: eSMC2

Os autores propõem o Ensemble SMC2 (eSMC2), uma variante computacionalmente eficiente que substitui o filtro de partículas interno do SMC2 por um Filtro de Kalman de Ensemble (EnKF).

Componentes Principais:

1. Substituição do Filtro de Partículas pelo EnKF:

   • O EnKF atualiza o ensemble de estados através de transformações lineares em vez de reamostragem por importância, o que mitiga o problema de degenerescência de pesos e permite o uso de muito menos membros de ensemble (partículas) para obter resultados confiáveis.
   • Isso reduz drasticamente o custo computacional da estimativa da verossimilhança incremental.

2. Correção de Viés e Estimação de Verossimilhança:

   • Como o EnKF assume uma distribuição Gaussiana (o que pode introduzir viés em sistemas não-lineares), o método incorpora um estimador de densidade Gaussiana não tendencioso (baseado em Ghurye & Olkin, 1969, e Drovandi et al., 2022).
   • Isso corrige o viés introduzido pela estimativa de média e covariância a partir de um ensemble finito, garantindo que a inferência seja estável e precisa, mesmo com tamanhos de ensemble moderados.

3. Adaptação para Dados de Vigilância Epidemiológica:

   • Variância Dependente do Estado: Diferente do EnKF padrão que assume variância de erro constante, o eSMC2 calcula dinamicamente a variância de observação baseada no ensemble previsto. Isso é crucial para dados de incidência que exibem sobredispersão (variação maior que a média).
   • Modelos de Observação: O método suporta tanto distribuições Poisson quanto Negativa Binomial para lidar com a variabilidade excessiva comum em dados de contagem de casos.

4. Estrutura do Algoritmo:

   • O eSMC2 mantém uma população de partículas de parâmetros. Para cada partícula de parâmetro, um EnKF é executado para estimar a verossimilhança dos dados até o momento atual.
   • Os pesos das partículas de parâmetro são atualizados sequencialmente.
   • Quando a degenerescência das partículas ocorre (medida pelo Tamanho de Amostra Eficiente - ESS), é realizado um passo de reamostragem seguido por uma mutação Particle Marginal Metropolis-Hastings (PMMH) para rejuvenescer as partículas e manter a diversidade.

3. Contribuições Chave

• Eficiência Computacional: O eSMC2 oferece ganhos de velocidade de 4x a 7x em comparação com o SMC2 padrão (baseado em Filtro de Partículas), tornando a inferência Bayesiana sequencial viável para aplicações em tempo quase real.
• Precisão com Menor Custo: Demonstra que a aproximação via EnKF, quando corrigida para viés, produz estimativas posteriores comparáveis às do SMC2 "exato", recuperando com precisão trajetórias latentes e parâmetros epidemiológicos.
• Robustez a Sobredispersão: A adaptação da variância de observação baseada no ensemble torna o método particularmente adequado para dados de vigilância de doenças reais, que raramente seguem uma distribuição Poisson pura.
• Aplicação Real: Validação bem-sucedida em dados reais do surto de Monkeypox (Mpox) nos EUA em 2022.

4. Resultados

Os autores avaliaram o método através de simulações sintéticas e aplicação a dados reais:

• Experimentos de Simulação (SEIR):

  • Testados em três cenários: surto com flutuações moderadas, surto prolongado (similar ao Mpox) e ondas múltiplas (similar à COVID-19).
  • Desempenho: O eSMC2 recuperou com precisão as trajetórias de incidência, a taxa de transmissão ($\beta_t$) e o número reprodutivo efetivo ($R_{eff}$), com intervalos de credibilidade que cobriam os valores verdadeiros.
  • Comparação: Os erros (MAE e RMSE) foram muito próximos aos do SMC2 padrão, mas com um tempo de CPU significativamente menor (ex: ~467s vs ~2760s no Exemplo 1).
  • Análise de Sensibilidade: O método mostrou-se robusto a variações no tamanho do ensemble e na fração de notificação ($\rho$).

• Aplicação ao Surtos de Mpox (EUA, 2022):

  • O modelo foi aplicado a dados diários de casos confirmados.
  • Resultados: Estimou um período de incubação médio de ~5,3 dias e um período infeccioso de ~18,2 dias, consistentes com a literatura.
  • Eficiência: Uma única execução do eSMC2 levou ~16 minutos, enquanto a versão SMC2 padrão levou ~2,5 horas.
  • Previsão: As previsões de 14 dias geradas pelo eSMC2 mostraram melhor calibração probabilística e menor erro absoluto (MAE) em comparação com modelos autorregressivos (AR) simples, especialmente após a estabilização da epidemia.

5. Significância e Conclusão

O artigo apresenta uma solução prática para o dilema entre rigor inferencial e viabilidade computacional na epidemiologia. O eSMC2 permite que pesquisadores e gestores de saúde realizem atualizações sequenciais de modelos complexos de espaço de estados à medida que novos dados chegam, sem o custo proibitivo dos métodos tradicionais de Monte Carlo.

• Impacto: Facilita a tomada de decisão em tempo real durante surtos, fornecendo estimativas atualizadas de parâmetros críticos (como $R_{eff}$) e trajetórias latentes.
• Limitações: O método ainda é tendencioso em sistemas fortemente não-lineares ou multimodais devido à aproximação Gaussiana do EnKF, embora os resultados empíricos mostrem que essa limitação é mínima em sistemas moderadamente não-lineares típicos de epidemias.
• Futuro: Sugere-se o desenvolvimento de implementações totalmente recursivas e a incorporação de múltiplas fontes de dados (hospitalizações, sorologia) para melhorar a identificabilidade dos parâmetros.

Em resumo, o eSMC2 representa um avanço significativo na caixa de ferramentas de modelagem de doenças, equilibrando a precisão da inferência Bayesiana completa com a velocidade necessária para a resposta a emergências de saúde pública.