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

Resumo Técnico: Inferência de Verossimilhança Marginal para Ajuste de Modelos de Análise de Sobrevivência Dinâmica a Dados de Contagem de Epidemias

Definição do Problema
Modelos compartimentais estocásticos, como o modelo SIR (Suscetíveis-Infectados-Removidos) estocástico, são ferramentas padrão para descrever a propagação de doenças. No entanto, a inferência estatística rigorosa sob esses modelos é frequentemente intratável quando aplicados a dados de vigilância do mundo real. Na prática, os históricos de infecção e recuperação raramente são totalmente observados; em vez disso, os dados geralmente chegam como contagens discretas de incidência (por exemplo, relatórios diários ou semanais de casos). Sob abordagens padrão baseadas em verossimilhança, a função de verossimilhança marginal para tais dados parcialmente observados requer a integração sobre todas as trajetórias não observadas consistentes com as contagens. Esse passo de integração de alta dimensão é computacionalmente proibitivo, necessitando frequentemente de métodos de simulação intensivos, como filtros de partículas, computação bayesiana aproximada ou amostradores MCMC (Cadeia de Markov Monte Carlo) com aumento de dados customizados.

Metodologia
Os autores propõem uma verossimilhança marginal de forma fechada para dados de contagem de incidência observados discretamente baseada no paradigma da Análise de Sobrevivência Dinâmica (DSA). O núcleo do método envolve aproximar a taxa de risco populacional estocástica por seu limite de grande população, mantendo um modelo de contagem estocástico.

1. Estrutura DSA: Baseando-se na construção de Sellke para o modelo SIR, os autores visualizam a epidemia como um processo de nível individual onde a infecção ocorre quando a exposição cumulativa excede um limiar aleatório. No limite de grande população ($N \to \infty$), as proporções escalonadas de suscetíveis e infectados convergem para a solução de um sistema de Equações Diferenciais Ordinárias (ODEs).
2. Interpretação de Sobrevivência: Os autores interpretam a solução das ODEs como uma função de sobrevivência para o tempo até a infecção. Isso permite a derivação de funções de densidade de probabilidade explícitas para tempos de infecção.
3. Verossimilhança de Contagem Marginal: A principal inovação é a derivação de uma verossimilhança de forma fechada que marginaliza exatamente sobre tempos de infecção e remoção desconhecidos.
   • Para tempos de infecção exatos (mas com dados de recuperação ausentes), a verossimilhança é um produto de densidades.
   • Para dados de contagem discretos (o foco principal), os autores derivam uma verossimilhança marginal integrando os tempos de infecção não observados dentro de intervalos de observação discretos. Eles demonstram que, sob a aproximação DSA, a densidade conjunta dos tempos não observados e das contagens observadas fatoriza de tal forma que os tempos não observados seguem uma distribuição uniforme no intervalo. Consequentemente, integrar-os resulta em uma forma de produto simples:
     $$l(\theta | \{Y_j\}_{j=1}^P) = s_T^{N-K} \prod_{j=1}^P (s_{\xi_{j-1}} - s_{\xi_j})^{Y_j}$$
     onde $s_t$ é a solução do sistema de ODE no tempo $t$, e $Y_j$ é a contagem no intervalo $j$, e $K$ é o número total de infecções.
4. Generalização: Mostra-se que a estrutura se estende a modelos com heterogeneidade individual (modelos de fragilidade) e mistura heterogênea (redes aleatórias de Poisson) simplesmente substituindo as soluções de ODE apropriadas na fórmula da verossimilhança.

Principais Contribuições

• Verossimilhança de Forma Fechada: O artigo fornece a primeira verossimilhança de forma fechada para dados de contagem sob a aproximação DSA, eliminando a necessidade de integração numérica sobre tempos de eventos ausentes.
• Eficiência Computacional: O método desacopla o custo computacional do tamanho da população $N$. Ao contrário dos métodos exatos onde a resolução da grade deve aumentar com $N$, a abordagem DSA depende apenas do número de tempos de observação, tornando-a escalável para grandes surtos.
• Flexibilidade: A estratégia de inferência é facilmente extensível para variantes complexas do modelo, incluindo modelos com fragilidade (heterogeneidade não observada na suscetibilidade) e estruturas de rede, sem exigir amostradores MCMC customizados.
• Conexão com Censura por Intervalo: A verossimilhança derivada mostra-se matematicamente equivalente a uma verossimilhança de análise de sobrevivência com censura por intervalo, fornecendo uma base estatística rigorosa para a aproximação.

Resultados
Os autores avaliam o método através de estudos de simulação e estudos de caso reais:

• Estudos de Simulação:

  • Precisão: Estimativas de parâmetros usando a verossimilhança de contagem marginal são competitivas com métodos exatos e computacionalmente caros (como MCMC com aumento de dados) e superam significativamente métodos que imputam tempos ausentes como variáveis aleatórias uniformes (que exibem viés).
  • Cobertura: Embora a aproximação DSA leve a uma variabilidade ligeiramente reduzida nas trajetórias em comparação com o processo estocástico exato (resultando em cobertura de intervalos de credibilidade ligeiramente abaixo do nível nominal de 95% em alguns cenários), o método alcança cobertura nominal quando os dados são simulados diretamente da aproximação DSA.
  • Eficiência: A inferência baseada em DSA produz melhorias de ordens de magnitude na velocidade computacional (medida em amostras efetivas por segundo) em comparação com métodos exatos, particularmente conforme o tamanho da população aumenta.
  • Modelos de Fragilidade: O método estima com sucesso parâmetros em modelos de fragilidade, embora problemas práticos de identificabilidade surjam com populações pequenas e priors difusos, o que pode ser mitigado com priors mais informativos.

• Estudos de Caso:

  • Ebola (RDC): Aplicado ao surto de Ebola de 2018–2020 usando um modelo de rede aleatória de Poisson. O método, usando apenas contagens diárias de casos, produziu médias posteriores consistentes com análises anteriores que assumiam o conhecimento dos tempos exatos de eventos, mas com intervalos de credibilidade mais amplos que refletem melhor a incerteza dos dados ausentes.
  • COVID-19 (China): Aplicado a dados de incidência de 53 cidades. O estudo comparou um modelo SIR padrão com um modelo de fragilidade. O modelo de fragilidade proporcionou um ajuste superior aos dados em várias cidades, sugerindo que ignorar a heterogeneidade individual na suscetibilidade pode levar a estimativas enviesadas de parâmetros epidêmicos chave (ex: $R_0$), mesmo quando as tendências populacionais parecem semelhantes.

Significância e Alegações
Os autores alegam que este trabalho preenche uma lacuna metodológica crítica ao permitir a inferência eficiente baseada em verossimilhança para modelos epidêmicos estocásticos sob condições realistas de dados parcialmente observados. Eles enfatizam que a abordagem oferece uma alternativa "amigável ao usuário" aos métodos pesados de simulação, permitindo a amostragem posterior direta usando algoritmos padrão (ex: Hamiltonian Monte Carlo) sem a necessidade de simulações baseadas no modelo customizadas.

O artigo afirma que a aproximação DSA fornece uma representação fiel da dinâmica epidêmica para grandes populações, ao mesmo tempo em que oferece uma estrutura de verossimilhança tratável. Ao demonstrar que o método se estende à heterogeneidade e estruturas de rede, os autores argumentam que uma abordagem de modelagem flexível é necessária para equilibrar a viabilidade computacional com a capacidade de capturar características epidêmicas complexas. O trabalho sugere que, embora o modelo padrão DSA-SIR capture tendências gerais, incorporar fragilidade ou estruturas de rede é frequentemente necessário para explicar a variabilidade residual em dados do mundo real.