Surveillance of SARS-CoV-2 in sewage from buildings housing residents with different vulnerability levels
Notice bibliographique
Résumé
During the last three years, various restrictions have been set up to limit the transmission of the Coronavirus Disease (COVID-19). While these rules apply at a large scale (e.g., country-wide level) human-to-human transmission of the virus that causes COVID-19, the Severe Acute Respiratory Syndrome Coronavirus 2 (SARS-CoV-2), occurs at a small scale. Different preventive policies and testing protocols were implemented in buildings where COVID-19 poses a threat (e.g., elderly residences) or constitutes a disruptive force (e.g., schools). In this study, we sampled sewage from different buildings (a school, a university campus, a university residence, and an elderly residence) that host residents of different levels of vulnerability. Our main goal was to assess the agreement between the SARS-CoV-2 concentration in wastewater and the policies applied in these buildings. All buildings were sampled using passive samplers while 24 h composite samples were also collected from the elderly residence. Results showed that passive samplers performed comparably well to composite samples while being cost-effective to keep track of COVID-19 prevalence. In the elderly residence, the comparison of sampling protocols (passive vs. active) combined with the strict clinical testing allowed us to compare the sensitivities of the two methods. Active sampling was more sensitive than passive sampling, as the former was able to detect a COVID-19 prevalence of 0.4 %, compared to a prevalence of 2.2 % for passive sampling. The number of COVID-19-positive individuals was tracked clinically in all the monitored buildings. More frequent detection of SARS-CoV-2 in wastewater was observed in residential buildings than in non-residential buildings using passive samplers. In all buildings, sewage surveillance can be used to complement COVID-19 clinical testing regimes, as the detection of SARS-CoV-2 in wastewater remained positive even when no COVID-19-positive individuals were reported. Passive sampling is useful for building managers to adapt their COVID-19 mitigation policies.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».