[论文解读] 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 4

一句话总结

本文提出使用近似贝叶斯计算（ABC）作为一种无需似然函数的统计推断方法，用于处理存在不完整数据的流行病学模型，将其应用于校准包含接触追踪和未观测感染病例的古巴艾滋病病毒/艾滋病流行病模型。该方法利用基于模拟的推断来估计后验分布，并在无法完全观测感染过程的情况下预测疾病动态和检测系统效率。

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.

研究动机与目标

• 解决流行病学中因未报告病例和不完全接触追踪导致感染数据部分观测时的统计推断挑战。
• 评估不同ABC变体在使用已知真实值的合成数据集时估计后验分布的性能。
• 利用来自国家艾滋病数据库的真实世界数据，对古巴艾滋病病毒/艾滋病流行病模型进行校准。
• 预测古巴艾滋病检测系统的效率以及在当前控制策略下未来几年的流行病发展趋势。

提出的方法

• 本研究采用近似贝叶斯计算（ABC），一种无需显式计算似然函数的似然-free推断方法，依赖于模型模拟进行推断。
• ABC通过比较模拟结果与观测数据，使用模拟数据和真实数据摘要统计量之间的距离度量进行匹配。
• 评估了不同ABC变体（如序列蒙特卡洛ABC和基于核平滑的ABC）在后验估计中的准确性和效率。
• 流行病学模型整合了潜伏感染个体和接触追踪动态，以反映现实数据的局限性。
• 在已知参数值下生成合成数据集，以评估ABC估计后验分布的统计特性。
• 校准后的模型随后用于模拟未来流行病情景，并评估检测系统性能。

实验结果

研究问题

• RQ1 当应用于具有已知参数的合成数据时，不同ABC算法在多大程度上能恢复真实的后验分布？
• RQ2 未观测到的感染个体和接触追踪对流行病模型校准准确性的具体影响是什么？
• RQ3 根据校准后的模型，古巴艾滋病检测系统的有效性如何？
• RQ4 在未来几年内，古巴艾滋病病毒/艾滋病的患病率和检测率的预测趋势是什么？

主要发现

• ABC框架在不同变体下均成功估计了后验分布，且准确度可接受，经合成数据集验证。
• 未观测感染个体的引入显著影响模型校准，凸显了需要考虑隐匿传播的建模方法的重要性。
• 校准后的模型表明，古巴艾滋病检测系统效率极高，大部分病例通过接触追踪被识别。
• 预测显示，未来几年古巴新发艾滋病病例将持续下降，与当前公共卫生干预措施的有效性一致。