Quantitative analysis of SARS-CoV-2 RNA from wastewater solids in communities with low COVID-19 incidence and prevalence
Notice bibliographique
Résumé
Abstract In the absence of an effective vaccine to prevent COVID-19 it is important to be able to track community infections to inform public health interventions aimed at reducing the spread and therefore reduce pressures on health-care units, improve health outcomes and reduce economic uncertainty. Wastewater surveillance has rapidly emerged as a potential tool to effectively monitor community infections for severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2), through measuring trends of viral RNA signal in wastewater systems. In this study SARS-CoV-2 viral RNA N1 and N2 genes are quantified in solids collected from influent post grit solids (PGS) and primary clarified sludge (PCS) in two water resource recovery facilities (WRRF) serving Canada’s national capital region, i.e., the City of Ottawa, ON (pop. ≈ 1.1M) and the City of Gatineau, QC (pop. ≈ 280K). PCS samples show signal inhibition using RT-ddPCR compared to RT-qPCR, with PGS samples showing similar quantifiable concentrations of RNA using both assays. RT-qPCR shows higher frequency of detection of N1 and N2 genes in PCS (92.7, 90.6%) as compared to PGS samples (79.2, 82.3%). Sampling of PCS may therefore be an effective approach for SARS-CoV-2 viral quantification, especially during periods of declining and low COVID-19 incidence in the community. The pepper mild mottle virus (PMMV) is determined to have a less variable RNA signal in PCS over a three month period for two WRRFs, regardless of environmental conditions, compared to Bacteroides 16S rRNA or human eukaryotic 18S rRNA, making PMMV a potentially useful biomarker for normalization of SARS-CoV-2 signal. PMMV-normalized PCS RNA signal from WRRFs of two cities correlated with the regional public health epidemiological metrics, identifying PCS normalized to a fecal indicator (PMMV) as a potentially effective tool for monitoring trends during decreasing and low-incidence of infection of SARS-Cov-2 in communities.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».