A multicenter study investigating SARS-CoV-2 in tertiary-care hospital wastewater. viral burden correlates with increasing hospitalized cases as well as hospital-associated transmissions and outbreaks
Notice bibliographique
Résumé
SARS-CoV-2 has been detected in wastewater and its abundance correlated with community COVID-19 cases, hospitalizations and deaths. We sought to use wastewater-based detection of SARS-CoV-2 to assess the epidemiology of SARS-CoV-2 in hospitals. Between August and December 2020, twice-weekly wastewater samples from three tertiary-care hospitals (totaling > 2100 dedicated inpatient beds) were collected. Hospital-1 and Hospital-2 could be captured with a single sampling point whereas Hospital-3 required three separate monitoring sites. Wastewater samples were concentrated and cleaned using the 4S-silica column method and assessed for SARS-CoV-2 gene-targets (N1, N2 and E) and controls using RT-qPCR. Wastewater SARS-CoV-2 as measured by quantification cycle (Cq), genome copies and genomes normalized to the fecal biomarker PMMoV were compared to the total daily number of patients hospitalized with active COVID-19, confirmed cases of hospital-acquired infection, and the occurrence of unit-specific outbreaks. Of 165 wastewater samples collected, 159 (96%) were assayable. The N1-gene from SARS-CoV-2 was detected in 64.1% of samples, N2 in 49.7% and E in 10%. N1 and N2 in wastewater increased over time both in terms of the amount of detectable virus and the proportion of samples that were positive, consistent with increasing hospitalizations at those sites with single monitoring points (Pearson's r = 0.679, P < 0.0001, Pearson's r = 0.799, P < 0.0001, respectively). Despite increasing hospitalizations through the study period, nosocomial-acquired cases of COVID-19 (Pearson's r = 0.389, P < 0.001) and unit-specific outbreaks were discernable with significant increases in detectable SARS-CoV-2 N1-RNA (median 112 copies/ml) versus outbreak-free periods (0 copies/ml; P < 0.0001). Wastewater-based monitoring of SARS-CoV-2 represents a promising tool for SARS-CoV-2 passive surveillance and case identification, containment, and mitigation in acute- care medical facilities.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».