A continuous-time Markov chain framework for population size estimation from multi-list data: accounting for absorbing lists and asymmetric interactions

Resumo Técnico: Uma Estrutura de Cadeia de Markov em Tempo Contínuo para Estimativa do Tamanho Populacional a partir de Dados de Múltiplas Listas

Declaração do Problema
Estimar o tamanho de populações ocultas ou de difícil acesso é crítico para políticas públicas, sendo tipicamente alcançado por meio da Estimativa por Múltiplos Sistemas (EMS) ou métodos de captura-recaptura utilizando dados de múltiplas listas. Abordagens padrão, principalmente modelos log-lineares, baseiam-se na suposição de que a população-alvo é fechada (sem entradas ou saídas) e de que os indivíduos são homogêneos em sua probabilidade de serem registrados. No entanto, essas suposições são frequentemente violadas em contextos sociais e epidemiológicos onde as fontes de dados incluem "listas absorventes"—registros que capturam indivíduos à medida que deixam a população, como registros de óbito ou registros de emigração.

Os autores argumentam que não levar em conta a natureza absorvente de tais listas viola as suposições de fechamento e homogeneidade. Especificamente, indivíduos registrados em uma lista absorvente têm uma janela de oportunidade reduzida para serem capturados por outras listas, levando a uma violação das suposições de independência inerentes à modelagem log-linear padrão. O artigo postula que a aplicação de modelos log-lineares padrão a dados contendo listas absorventes resulta em estimativas de tamanho populacional enviesadas (especificamente superestimadas). Além disso, embora métodos de captura-recaptura ecológica tenham há muito tempo abordado populações abertas, tais modelos não foram efetivamente adaptados ao contexto da EMS devido à falta de informações temporais em conjuntos de dados administrativos.

Metodologia
O artigo propõe uma estrutura de Cadeia de Markov em Tempo Contínuo (CTMC) para modelar o processo de coleta de dados para dados de múltiplas listas.

• Espaço de Estados e Transições: A estrutura define um espaço de estados $L$ como o conjunto das partes de $k$ listas. Os indivíduos transitam de um estado inicial de não observação ($\emptyset$) para estados representando combinações de listas nas quais foram registrados. O processo é modelado como uma cadeia de Markov em tempo contínuo com uma matriz geradora $Q$.
• Parametrização: As taxas de transição são definidas por parâmetros de captura específicos da lista ($\lambda_i$) e parâmetros de interação ($\mu_K$) representando dependências entre as listas. O modelo assume que os tempos de captura em uma escala operacional são distribuídos exponencialmente.
• Listas Absorventes: Para lidar com listas absorventes (por exemplo, registros de óbito), a estrutura modifica a matriz geradora $Q$ definindo as taxas de transição como zero para qualquer estado contendo a lista absorvente. Isso impõe matematicamente a restrição de que, uma vez que um indivíduo entra em um estado absorvente, ele não pode transitar para qualquer outro estado, modelando efetivamente a "saída" da população observável.
• Listas Ordenadas e Assimetria: A estrutura é estendida para lidar com listas ordenadas (onde o registro na lista $L_j$ requer registro prévio na lista $L_i$) reduzindo o espaço de estados e removendo parâmetros redundantes. Também permite interações assimétricas gerais (por exemplo, encaminhamentos) estimando parâmetros de interação direcionais ($\mu_{ij}$ versus $\mu_{ji}$).
• Estimação: O modelo estima o tamanho total da população $N$ maximizando uma função de verossimilhança. Os autores utilizam uma aproximação de Poisson para as contagens observadas, o que produz valores de log-verossimilhança e AIC diretamente comparáveis aos modelos log-lineares padrão. A seleção de modelos é realizada usando estratégias de seleção direta, reversa e bidirecional baseadas em AIC.

Principais Contribuições

1. Desenvolvimento da Estrutura: Os autores introduzem uma estrutura CTMC para EMS que é algebricamente equivalente ao modelo log-linear padrão quando as listas são independentes, mas oferece maior flexibilidade para modelar dependências e dinâmicas específicas de coleta de dados.
2. Modelagem de Listas Absorventes: O artigo fornece um mecanismo específico para modelar listas absorventes no contexto da EMS, abordando uma limitação conhecida dos modelos log-lineares padrão que assumem uma população fechada.
3. Evidência de Simulação: Através de estudos de simulação, os autores demonstram que:
   • Os modelos CTMC e log-linear produzem resultados semelhantes quando as listas são independentes ou quando as dependências são padrão.
   • Na presença de uma lista absorvente, modelos log-lineares padrão (mesmo com seleção de modelos) tendem a superestimar o tamanho populacional e exibem maior variância.
   • O modelo CTMC com uma restrição de lista absorvente fornece estimativas mais precisas e menos variáveis nesses cenários.
4. Aplicação Empírica: A estrutura é aplicada a dois conjuntos de dados do mundo real:
   • Dados de Acidente Vascular Cerebral (Noroeste da Inglaterra, 1994-1995): Um conjunto de dados incluindo um registro de óbito (lista absorvente). O modelo CTMC produziu estimativas populacionais ligeiramente menores (777–815) em comparação com os modelos log-lineares (997–1015), consistente com as descobertas de simulação de que os modelos log-lineares superestimam neste contexto.
   • Dados de Uso de Drogas (Cidade de Londres, 2018-2019): Um conjunto de dados envolvendo listas ordenadas (entrada versus saída de tratamento comunitário). A estrutura CTMC modelou com sucesso a estrutura ordenada, produzindo estimativas (404–421) comparáveis, embora ligeiramente superiores, às estimativas log-lineares, com intervalos de confiança que englobavam estimativas alternativas.

Resultados e Alegações de Significância
O artigo afirma que a principal significância deste trabalho reside em sua capacidade de levar explicitamente em conta listas absorventes e interações assimétricas na EMS, o que os modelos log-lineares padrão não podem fazer sem modificações ad hoc.

• Redução de Viés: Os autores concluem que ignorar a natureza absorvente das listas (como registros de óbito) leva a uma superestimação significativa do tamanho populacional. A estrutura CTMC corrige isso modelando o fluxo direcional de indivíduos para fora da população observável.
• Flexibilidade: A estrutura é apresentada como uma ferramenta versátil que pode se adaptar a vários processos de coleta de dados, incluindo listas ordenadas e períodos de observação variados, sem exigir as suposições estritas de fechamento da EMS tradicional.
• Utilidade Prática: Embora o modelo CTMC tenha um custo computacional mais alto (requerendo inversão de matriz de tamanho $2^k \times 2^k$), os autores sugerem que, para conjuntos de dados com listas absorventes, o trade-off é necessário para evitar viés. Eles recomendam o uso de seleção direta acelerada ou bidirecional para o modelo CTMC, ou alternativamente, o uso de um modelo log-linear com interações absorventes "forçadas" como uma aproximação computacionalmente mais barata.

Os autores observam modestamente que, embora o modelo CTMC ofereça novas perspectivas para a análise de dados de múltiplas listas, testes de diagnóstico para violações de suposições do modelo permanecem uma área para pesquisa futura. Eles também destacam que a capacidade da estrutura de identificar listas absorventes quando a natureza das listas não é divulgada está atualmente sob investigação.