Bayesian generative modeling for heterogeneous wastewater data applied to COVID-19 forecasting

Este estudo avalia um modelo de previsão bayesiano semi-mecanístico para internações hospitalares por COVID-19 nos EUA, demonstrando que, embora a inclusão de dados de esgoto não tenha melhorado o desempenho geral em comparação com modelos baseados apenas em dados clínicos, houve heterogeneidade significativa nos resultados por localidade e data, destacando a necessidade de desenvolvimento futuro para otimizar o uso da epidemiologia baseada em esgoto.

O essencial

Imagine que você é um capitão tentando navegar um navio (a saúde pública) através de uma tempestade (uma pandemia). O seu mapa principal são os dados dos hospitais: quantas pessoas estão chegando com sintomas graves. Mas o mapa tem um problema: ele mostra o que já aconteceu, não o que está prestes a acontecer. É como olhar para as ondas que já quebraram no seu casco para tentar prever a próxima.

Os cientistas deste estudo tentaram adicionar um segundo mapa, um "radar de esgoto" (dados de águas residuais), para ver se conseguiriam prever o futuro com mais precisão.

Aqui está a explicação do que eles fizeram e descobriram, usando uma linguagem simples:

1. A Ideia: O "Cheiro" do Vírus antes da Tempestade

Quando as pessoas têm o vírus, mesmo que não estejam doentes o suficiente para ir ao hospital, elas liberam pedaços dele no esgoto. Os cientistas pensaram: "Se o esgoto começa a cheirar mais forte (ter mais vírus) antes das pessoas ficarem doentes o suficiente para ir ao hospital, podemos usar isso para avisar sobre uma onda de casos antes que ela aconteça."

Eles criaram um modelo de computador inteligente (um "oráculo matemático") que faz duas coisas:

• Versão 1: Olha apenas para os dados dos hospitais.
• Versão 2: Olha para os hospitais E para os dados do esgoto ao mesmo tempo.

2. O Experimento: A Corrida de Carros

Eles testaram esse modelo nos Estados Unidos durante o inverno de 2023-2024. Foi como uma corrida de carros contra outros modelos criados por outros cientistas.

• O Resultado Geral: Surpreendentemente, o carro que usava o "radar de esgoto" não foi muito mais rápido do que o carro que usava apenas os dados dos hospitais. Na verdade, em média, eles chegaram quase ao mesmo tempo.
• A Posição: O modelo com esgoto ficou em 4º lugar entre 10 modelos. O modelo sem esgoto ficou em 2º lugar. Ou seja, adicionar o esgoto não ajudou a ganhar a corrida geral.

3. A Grande Surpresa: Nem Tudo é Preto no Branco

Aqui é onde a história fica interessante. Embora a média fosse parecida, a realidade era cheia de altos e baixos (heterogeneidade).

• Onde o esgoto ajudou: Em alguns lugares (como na Califórnia no exemplo do estudo), o esgoto mostrou que a situação estava melhorando antes dos hospitais mostrarem. Foi como o radar ver uma clareira na floresta antes de você chegar lá. O modelo acertou a previsão!
• Onde o esgoto atrapalhou: Em outros lugares (como em Ohio e Illinois), o esgoto deu um sinal falso. Choveu muito, a água da chuva diluiu o esgoto e o vírus parecia sumir, mas na verdade as pessoas continuavam doentes. O modelo, confiando cegamente no esgoto, previu que a crise havia acabado, mas não havia. Foi como o radar ter visto uma neblina e achado que o caminho estava livre, quando na verdade havia um buraco na estrada.

4. O Problema do "Radars" Correlacionados

Os cientistas descobriram que o modelo às vezes ficava excessivamente confiante.
Imagine que você tem 5 radares diferentes em uma cidade. Se todos eles estiverem apontando para a mesma direção, o computador pensa: "Ok, 5 radares concordam, deve ser verdade!". Mas, se todos os radares estiverem errados da mesma forma (por exemplo, todos afetados pela mesma chuva), o computador fica superconfiante em uma previsão errada.
O modelo não entendia que os dados do esgoto de diferentes lugares de uma mesma cidade estavam "conversando" entre si e poderiam estar todos errados juntos.

5. Conclusão: O Radar é Útil, Mas Precisa de Ajuste

A lição principal é que usar dados de esgoto para prever pandemias é uma ideia brilhante, mas ainda está na fase de "protótipo".

• Funciona? Sim, às vezes é um superpoder que vê o futuro.
• Funciona sempre? Não. Às vezes, fatores externos (como chuva, esgotos misturados ou mudanças nos laboratórios) confundem o sinal.
• O que fazer agora? Os cientistas precisam ensinar o modelo a ser mais cético. Ele precisa aprender a dizer: "Ok, o esgoto está mudando, mas será que é o vírus ou foi só uma tempestade?" antes de mudar a previsão.

Em resumo: Adicionar o monitoramento de esgoto aos dados de hospitais é como adicionar um novo instrumento a uma orquestra. Às vezes, ele toca a nota perfeita e melhora a música. Outras vezes, ele está desafinado e estraga o som. O trabalho dos cientistas agora é afinar esse instrumento para que ele toque sempre no tom certo.

Resumo técnico

Título: Modelagem Gerativa Bayesiana para Dados de Esgoto Heterogêneos Aplicada à Previsão de COVID-19

1. Problema e Contexto

A previsão de doenças infecciosas é crucial para a tomada de decisões em saúde pública, como alocação de recursos e políticas de distanciamento. Durante a pandemia de COVID-19, a vigilância baseada em esgoto (WBE) emergiu como uma fonte de dados promissora, capaz de detectar patógenos de forma passiva, contínua e abrangendo tanto casos sintomáticos quanto assintomáticos.

No entanto, integrar dados de esgoto em modelos de previsão epidemiológica apresenta desafios significativos:

• Heterogeneidade: As áreas de captação de esgoto não correspondem diretamente às regiões de notificação de saúde (estados/territórios).
• Complexidade de Dados: Os dados vêm de múltiplos locais de amostragem com diferentes frequências, métodos de laboratório, latências de reporte e coberturas populacionais.
• Falta de Avaliação: Poucos estudos avaliaram rigorosamente se a inclusão de dados de esgoto realmente melhora o desempenho de previsões em comparação com modelos baseados apenas em dados clínicos (como internações hospitalares).

O objetivo deste estudo foi desenvolver, implementar e avaliar um modelo de previsão semi-mecanístico que integra dados de internações hospitalares com concentrações de SARS-CoV-2 em esgoto, comparando seu desempenho com e sem a inclusão de dados de esgoto, tanto em tempo real quanto retrospectivamente.

2. Metodologia

Modelo Gerativo Bayesiano Hierárquico:
Os autores desenvolveram um modelo de renovação semi-mecanístico implementado na linguagem probabilística Stan.

• Estrutura: O modelo infere dinâmicas de infecção latentes. Ele divide a população de uma jurisdição em subpopulações não sobrepostas: uma para cada área de captação de esgoto monitorada e uma "subpopulação de referência" para o restante da população não coberta pelo esgoto.
• Mecanismo:
  • O número reprodutivo efetivo ($R_t$) é modelado hierarquicamente, onde as subpopulações de esgoto são desvios em relação à subpopulação de referência.
  • As infecções incidentes são geradas via equação de renovação.
  • As concentrações de esgoto são geradas a partir das infecções da subpopulação local através de um modelo de "shedding" (eliminação viral).
  • As internações hospitalares são geradas a partir das infecções totais da jurisdição, considerando a probabilidade de admissão e o atraso entre infecção e hospitalização.
• Versões do Modelo:
  1. Apenas Internações: Um caso especial com uma única subpopulação (referência).
  2. Informado por Esgoto: Integra dados de múltiplos sites de esgoto e internações.

Dados e Fluxo de Trabalho:

• Dados Clínicos: Internações diárias de COVID-19 nos EUA (50 estados, DC e Porto Rico) do NHSN (National Healthcare Safety Network).
• Dados de Esgoto: Concentrações de RNA do SARS-CoV-2 do Sistema Nacional de Vigilância de Esgoto (NWSS) da CDC.
• Abordagem Temporal:
  • Tempo Real (Fev-Abr 2024): Submissão de previsões de 28 dias ao US COVID-19 Forecast Hub. O modelo foi ajustado a 90 dias de dados observados.
  • Retrospectivo (Out 2023-Mar 2024): Uso do pacote R de código aberto wwinference para gerar previsões hipotéticas para toda a onda epidêmica de inverno, utilizando apenas dados que estariam disponíveis na data da previsão (datasets "vintaged" ou congelados no tempo).

Métricas de Avaliação:

• Pontuação: Weighted Interval Score (WIS) para previsões em tempo real (formato de quantis) e Continuous Ranked Probability Score (CRPS) para análise retrospectiva (amostras posteriores).
• Comparação: Ranking contra outros modelos submetidos ao Hub e comparação direta "cabeça-a-cabeça" entre as versões com e sem esgoto do mesmo modelo.

3. Principais Contribuições

• Modelo Unificado: Desenvolvimento de um modelo Bayesiano hierárquico capaz de integrar dados de esgoto de múltiplos sites heterogêneos com dados de internações hospitalares, tratando cada fluxo de dados como gerado a partir de infecções latentes.
• Pacote de Software: Lançamento do pacote R wwinference, permitindo a reprodutibilidade e aplicação do modelo em outras regiões.
• Avaliação Abrangente: Primeira avaliação que compara previsões em tempo real e retrospectivas de uma única família de modelos, com e sem dados de esgoto, contra um conjunto diversificado de modelos concorrentes em todo o território dos EUA.
• Análise de Heterogeneidade: Investigação exploratória sobre quando e por que os dados de esgoto melhoram ou pioram a previsão, identificando drivers de desempenho.

4. Resultados

Desempenho em Tempo Real (Fev-Abr 2024):

• O modelo informado por esgoto classificou-se em 4º lugar entre 10 modelos individuais submetidos ao Hub.
• A versão apenas com internações (não submetida, mas gerada) teria classificado em 2º lugar.
• Ambos os modelos performaram de forma semelhante ao Hub Ensemble (média ponderada dos modelos), com ligeira vantagem para a versão apenas com internações.

Desempenho Retrospectivo (Temporada 2023-2024):

• Ao longo de toda a temporada de inverno, as versões com e sem esgoto teriam performado de forma quase idêntica (5º e 4º lugares, respectivamente).
• Comparação Direta (Com vs. Sem Esgoto):
  • O desempenho agregado foi muito similar (Razão de CRPS relativa $\approx$ 1.01), indicando que, em média, adicionar esgoto não melhorou a precisão geral.
  • Heterogeneidade Significativa: Houve grande variabilidade por local e data. Em alguns casos, o esgoto melhorou significativamente a previsão (ex.: Califórnia, onde o esgoto sinalizou uma queda antes das internações); em outros, piorou (ex.: Illinois e Ohio, onde chuvas causaram diluição no esgoto, criando um sinal falso de queda que não se refletiu nas internações).

Análise de Drivers de Desempenho:

• O modelo tendeu a performar pior quando os sites de esgoto estavam altamente correlacionados e quando as tendências de esgoto e internações eram muito similares, sugerindo superconfiança do modelo ao combinar sinais redundantes.
• Eventos climáticos (chuva) que afetaram a concentração de esgoto sem alterar a incidência real de infecções levaram a previsões errôneas e confiantes.

5. Significado e Conclusões

O estudo conclui que, embora a vigilância baseada em esgoto tenha o potencial de ser um indicador líder, sua inclusão automática em modelos de previsão não garante melhoria de desempenho.

• Oportunidade vs. Desafio: A melhoria depende criticamente da qualidade, consistência e alinhamento temporal dos dados de esgoto com os dados clínicos.
• Limitações Identificadas: O modelo atual não lida bem com fatores externos (como chuva em sistemas combinados), correlações espaciais entre sites de esgoto e variações na taxa de eliminação viral.
• Futuro: Para que a WBE seja útil na previsão, é necessário desenvolver modelos que incorporem estruturas de correlação mais realistas, fatores ambientais e normalizações mais robustas. A avaliação rigorosa de desempenho (como a realizada neste estudo) é essencial para guiar o desenvolvimento de modelos e a alocação de recursos para sistemas de vigilância.

Em suma, o trabalho demonstra que a integração de dados de esgoto é tecnicamente viável e às vezes benéfica, mas exige cautela e refinamento metodológico para evitar a introdução de ruído que degrade a precisão das previsões de saúde pública.