Comparison of Detecting and Quantitating SARS-CoV-2 in Wastewater Using Moderate-Speed Centrifuged Solids versus an Ultrafiltration Method
Notice bibliographique
Résumé
Mounting evidence suggests that solids are a reliable matrix for SARS-CoV-2 detection in wastewater, yet studies comparing solids-based methods and common concentration methods using the liquid fraction remain limited. In this study, we developed and optimized a method for SARS-CoV-2 detection in wastewater using moderate-speed centrifuged solids and evaluated it against an ultrafiltration reference method. SARS-CoV-2 was quantified in samples from 12 wastewater treatment plants from Alberta, Canada, using RT-qPCR targeting the N2 and E genes. PCR inhibition was examined by spiking salmon DNA. The effects of using different amounts of solids, adjusting the sample pH to 9.6–10, and modifying the elution volume at the final step of RNA extraction were evaluated. SARS-CoV-2 detection rate in solids from 20 mL of wastewater showed no statistically significant difference compared to the ultrafiltration method (97/139 versus 90/139, p = 0.26, McNemar’s mid-p test). The optimized wastewater solids-based method had a significantly lower rate of samples with PCR inhibition versus ultrafiltration (3% versus 9.5%, p = 0.014, Chi-square test). Our optimized moderate-speed centrifuged solids-based method had similar sensitivity when compared to the ultrafiltration reference method but had the added advantages of lower costs, fewer processing steps, and a shorter turnaround time.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 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) | 0,000 | 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 ».