Pandemic danger to the deep: the risk of marine mammals contracting SARS-CoV-2 from wastewater
Notice bibliographique
Résumé
Abstract We are in unprecedented times with the ongoing COVID-19 pandemic. The pandemic has impacted public health, the economy and our society on a global scale. In addition, the impacts of COVID-19 permeate into our environment and wildlife as well. Here, we discuss the essential role of wastewater treatment and management during these times. A consequence of poor wastewater management is the discharge of untreated wastewater carrying infectious SARS-CoV-2 into natural water systems that are home to marine mammals. Here, we predict the susceptibility of marine mammal species using a modelling approach. We identified that many species of whale, dolphin and seal, as well as otters, are predicted to be highly susceptible to infection by the SARS-CoV-2 virus. In addition, geo-mapping highlights how current wastewater management in Alaska may lead to susceptible marine mammal populations being exposed to the virus. Localities such as Cold Bay, Naknek, Dillingham and Palmer may require additional treatment of their wastewater to prevent virus spillover through sewage. Since over half of these susceptibility species are already at risk worldwide, the release of the virus via untreated wastewater could have devastating consequences for their already declining populations. For these reasons, we discuss approaches that can be taken by the public, policymakers and wastewater treatment facilities to reduce the risk of virus spillover in our natural water systems. Thus, we indicate the potential for reverse zoonotic transmission of COVID-19 and its impact on marine wildlife; impacts that can be mitigated with appropriate action to prevent further damage to these vulnerable populations.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».