Análises de Dados de Doenças Infecciosas de Surto Familiar por Métodos de Cadeia de Markov Monte Carlo

RESUMO A análise de dados de doenças infecciosas apresenta desafios decorrentes da dependência nos dados e do fato de que apenas parte do processo de transmissão é observável. Essas dificuldades geralmente são superadas por meio de suposições simplificadoras. O artigo explora o uso de métodos de Cadeia de Markov Monte Carlo (MCMC) para a análise de dados de doenças infecciosas, com a esperança de que permitam análises sob suposições mais realistas. Dois tipos importantes de conjuntos de dados são considerados, contendo informações temporais e não temporais, de surtos de sarampo e gripe. Modelos epidêmicos estocásticos são utilizados para descrever os processos que geram os dados. Métodos MCMC são então empregados para realizar inferência em um contexto Bayesiano para os parâmetros do modelo. Os métodos MCMC usados incluem algoritmos padrão, como o algoritmo de Metropolis–Hastings e o sampler de Gibbs, assim como um novo método que envolve aproximação de verossimilhança. Verificou-se que os algoritmos padrão funcionam bem em algumas situações, mas podem apresentar sérias dificuldades de convergência em outras. As inferências que obtemos estão em amplo acordo com as estimativas obtidas por outros métodos onde estão disponíveis. No entanto, também podemos fornecer inferências para parâmetros que não foram relatados em análises anteriores.