A sensitive and rapid wastewater test for SARS-COV-2 and its use for the early detection of a cluster of cases in a remote community
Notice bibliographique
Résumé
Abstract Throughout the COVID-19 pandemic, wastewater surveillance has been used to monitor trends in SARS-CoV-2 prevalence in the community. A major challenge in establishing wastewater surveillance programs, especially in remote areas, is the need for a well-equipped laboratory for sample analysis. Currently, no options exist for rapid, sensitive, mobile, and easy-to-use wastewater tests for SARS-CoV-2. The performance of the GeneXpert System, which offers cartridge-based, rapid molecular clinical testing for SARS-CoV-2 in a portable platform, was evaluated using wastewater as the input. The GeneXpert demonstrated a SARS-CoV-2 limit of detection in wastewater below 32 copies/mL with a sample processing time of less than an hour. Using wastewater samples collected from multiple sites across Canada during February and March 2021, a high overall agreement (97.8%) was observed between the GeneXpert assay and laboratory-developed tests regarding the presence or absence of SARS-CoV-2. Additionally, with the use of centrifugal filters the detection threshold of the GeneXpert system was improved to <10 copies/mL in wastewater. Finally, to support on-site wastewater surveillance, GeneXpert testing was implemented in Yellowknife, a remote community in Northern Canada where its use successfully alerted public health authorities to undetected transmission of COVID-19. The identification of SARS-CoV-2 in wastewater triggered clinical testing of recent travelers and identification of new COVID-19 cases/clusters. Taken together, these results suggest the GeneXpert is a viable option for surveillance of SARS-CoV-2 in wastewater in locations that do not have access to established testing laboratories.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».