Successful Application of Wastewater-Based Epidemiology in Prediction and Monitoring of the Second Wave of COVID-19 in India with Fragmented Sewerage Systems- A Case Study of Jaipur (India)
Notice bibliographique
Résumé
Abstract The present study tracked the city-wide dynamics of severe acute respiratory syndrome-corona virus 2 (SARS-CoV-2) RNA in the wastewater from nine different wastewater treatment plants (WWTPs) in Jaipur during second wave of COVID-19 out-break in India. A total of 164 samples were collected weekly between February 19 th and June 8 th , 2021. SARS-CoV-2 was detected in 47.2% (52/110) influent samples and 37% (20/54) effluent samples. The increasing percentage of positive influent samples correlated with the city’s increasing active clinical cases during the second wave of COVID-19 in Jaipur. Furthermore, WBE based evidence clearly showed early detection of about 20 days (9/9 samples reported positive on April 20 th , 2021) prior to the maximum cases & maximum deaths reported in the city on May 8 th , 2021. The present study further observed the presence of SARS-CoV-2 RNA in treated effluents at the time window of maximum active cases in the city even after tertiary disinfection treatments of UV & Chlorine. The average genome concentration in the effluents and removal efficacy of six commonly used treatments; Activated Sludge Treatment + Chlorine disinfection (ASP + Cl 2) , Moving Bed Biofilm Reactor (MBBR) with Ultraviolet radiations disinfection (MBBR + UV), MBBR + Chlorine (Cl 2 ), Sequencing Batch Reactor (SBR) and SBR + Cl 2 were compared with removal efficacy of SBR + Cl 2 (81.2%)> MBBR + UV (68.8%) > SBR (57.1%) > ASP (50%) > MBBR + Cl 2 (36.4%). The study observed the trends & prevalence of four genes (E, RdRp, N, and ORF1ab gene) based on two different kits and found that prevalence of N> ORF1ab >RdRp> E gene, suggested that the effective genome concentration should be calculated based on the presence/absence of multiple genes. Hence, it is imperative to say that using a combination of different detection genes (E, N, RdRp & ORF1ab genes) reduce false positives in WBE. Graphical Abstract Highlights Successful application of WBE with prediction of 14-20 days for COVID-19 in Jaipur A comparison of SARS-CoV-2 RNA removal efficacy of 9 WWTPs was investigated SBR showed better performance than MBBR with SARS-CoV-2 RNA removal from wastewater Presence of SARS-CoV-2 in effluents even after UV and Chlorine disinfection Using a combination of different detection genes reduce false positives in WBE
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 | 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 ».