[論文レビュー] Approximate Bayesian Computation for epidemiological models: Application to the Cuban HIV-AIDS epidemic with contact-tracing and unobserved infectious population

Michaël G. B. Blum, Viet Chi Tran|arXiv (Cornell University)|Oct 6, 2008

Markov Chains and Monte Carlo Methods参考文献 43被引用数 4

ひとこと要約

本稿では、感染症の疫学的モデルにおける不完全なデータを想定し、近似ベイズ計算（ABC）を尤度フリーな推論手法として提案する。この手法は、接触追跡と未検出の感染例を含むキューバのHIV-AIDS流行のモデルをキャリブレーションするために適用されている。シミュレーションベースの推論を用いて、感染過程の完全な観測が不可能な状況下でも、事後分布の推定と、疾患の動態および検出システムの効率性の予測がなされる。

ABSTRACT

Statistical inference with missing data is a recurrent issue in epidemiology where the infection process is only partially observable. In this paper, Approximate Bayesian Computation, an alternative to data imputation methods such as Monte Carlo Markov chain integration, is proposed for making inference in epidemiological models. This method of inference is not based on the likelihood function and relies exclusively on numerical simulations of the model. We apply the Approximate Bayesian Computation framework to calibrate an epidemiological model dedicated to the analysis of the HIV contact-tracing program in Cuba. We first evaluate numerically, using synthetic data sets, the statistical properties of the estimated posterior distributions obtained with different variants of Approximate Bayesian Computation. Then, once the epidemiological model has been calibrated with the Cuban VIH database, we make predictions concerning the efficiency of the detection system, and the evolution of the disease in the forthcoming years.

研究の動機と目的

• 報告されていない症例や不完全な接触追跡による感染データの部分的観測に起因する疫学的推論の課題に対処すること。
• 真の値が既知の合成データセットを用いて、異なるABCバージョンの事後分布推定の精度と性能を評価すること。
• 国営VIHデータベースからの実世界のデータを用いて、キューバのHIV-AIDS流行の疫学的モデルをキャリブレーションすること。
• 現在の制御戦略の下で、キューバのHIV検出システムの効率性と、今後の流行の推移を予測すること。

提案手法

• 本研究では、尤度の明示的計算を回避するため、モデルのシミュレーションに依存する尤度フリー推論手法として、近似ベイズ計算（ABC）を採用する。
• ABCは、シミュレートされた結果と観測データとの間の要約統計量の距離を測度として用い、シミュレートされたデータと実際のデータを比較する。
• 事後分布推定の精度と効率性を評価するために、逐次モンテカルロABCやカーネルベースのスムージングを用いたABCといった、ABCの異なるバリエーションが検討される。
• 疫学的モデルには、潜在的な感染個体と接触追跡のダイナミクスが組み込まれており、現実のデータ制限を反映している。
• ABC推定事後分布の統計的性質を評価するために、既知のパrameter値の下で合成データセットが生成される。
• キャリブレーション済みのモデルを用いて、将来の流行シナリオをシミュレートし、検出システムのパフォーマンスを評価する。

実験結果

リサーチクエスチョン

• RQ1 真の事後分布が既知のパrameterを有する合成データにABCアルゴリズムを適用した場合、どの程度正確に回復できるか？
• RQ2 未検出の感染個体と接触追跡の有無が、疫学的モデルキャリブレーションの精度に与える影響は何か？
• RQ3 キャリブレーション済みモデルから導かれるキューバのHIV検出システムの効果性はどの程度か？
• RQ4 今後数年間におけるキューバのHIV-AIDS有病率と検出率の予測される傾向は何か？

主な発見

• ABCフレームワークは、合成データセット上で検証された結果、さまざまなバージョンにおいて受け入れ可能な精度で事後分布を推定できた。
• 未検出の感染個体の取り扱いがモデルキャリブレーションに顕著な影響を及ぼし、隠れた伝播を考慮する手法の必要性を強調している。
• キャリブレーション済みモデルは、接触追跡によって多数の症例が同定されていることから、キューバのHIV検出システムが極めて効率的であると示唆している。
• 予測結果は、今後数年間で新規HIV症例が継続的に減少すると示しており、現在の公衆衛生介入の有効性と整合的である。