The Catalan Surveillance Network of SARS-CoV-2 in Sewage: design, implementation, and performance
Notice bibliographique
Résumé
Wastewater-based epidemiology has shown to be an efficient tool to track the circulation of SARS-CoV-2 in communities assisted by wastewater treatment plants (WWTPs). The challenge comes when this approach is employed to help Health authorities in their decision-making. Here, we describe the roadmap for the design and deployment of SARSAIGUA, the Catalan Surveillance Network of SARS-CoV-2 in Sewage. The network monitors, weekly or biweekly, 56 WWTPs evenly distributed across the territory and serving 6 M inhabitants (80% of the Catalan population). Each week, samples from 45 WWTPs are collected, analyzed, results reported to Health authorities, and finally published within less than 72 h in an online dashboard ( https://sarsaigua.icra.cat ). After 20 months of monitoring (July 20-March 22), the standardized viral load (gene copies/day) in all the WWTPs monitored fairly matched the cumulative number of COVID-19 cases along the successive pandemic waves, showing a good fit with the diagnosed cases in the served municipalities (Spearman Rho = 0.69). Here we describe the roadmap of the design and deployment of SARSAIGUA while providing several open-access tools for the management and visualization of the surveillance data.
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 | 0,004 | 0,000 |
| 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 | 0,000 | 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 ».