Catching a resurgence: Increase in SARS-CoV-2 viral RNA identified in wastewater 48 hours before COVID-19 clinical tests and 96 hours before hospitalizations
Notice bibliographique
Résumé
Abstract Curtailing the Spring 2020 COVID-19 surge required sweeping and stringent interventions by governments across the world. Wastewater-based COVID-19 epidemiology programs have been initiated in many countries to provide public health agencies with a complementary disease tracking metric and facile surveillance tool. However, their efficacy in prospectively capturing resurgence following a period of low prevalence is unclear. In this study, the SARS-CoV-2 viral signal was measured in primary clarified sludge harvested every two days at the City of Ottawa’s water resource recovery facility during the summer of 2020, when clinical testing recorded daily percent positivity below 1%. In late July, increases of >400% in normalized SARS-CoV-2 RNA signal in wastewater were identified 48 hours prior to reported >300% increases in positive cases that were retrospectively attributed to community-acquired infections. During this resurgence period, SARS-CoV-2 RNA signal in wastewater preceded the reported >160% increase in community hospitalizations by approximately 96 hours. This study supports wastewater-based COVID-19 surveillance of populations in augmenting the efficacy of diagnostic testing, which can suffer from sampling biases or timely reporting as in the case of hospitalization census.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,002 | 0,001 |
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 ».