Spatially-resolved wastewater-based surveillance enables COVID-19 case localization across a university campus, and confirms lower SARS-CoV-2 RNA burden relative to the surrounding community
Notice bibliographique
Résumé
Abstract Wastewater-based surveillance (WBS) has been established as a powerful tool that can guide health policy at multiple levels of government. However, this technology has not been well assessed at more granular scales, including large work sites such as University campuses. Between August 2021-April 2022, we explored the occurrence of SARS-CoV-2 RNA in wastewater from multiple complimentary sewer catchments and residential buildings spanning the University of Calgary’s campus and how this compared to levels from the municipal wastewater treatment plant servicing the campus. Concentrations of wastewater SARS-CoV-2 N1 and N2 RNA varied significantly across six sampling sites – regardless of several normalization strategies – with certain catchments consistently demonstrating values 1–2 orders higher than the others. Additionally, our comprehensive monitoring strategy enabled an estimation of the total burden of SARS-CoV-2 for the campus per capita, which was significantly lower than the surrounding community (p≤0.01). Real-time contact tracing data was used to confirm an association between wastewater SARS-CoV-2 burden and clinically confirmed cases proving the potential of WBS as a tool for disease monitoring across worksites. Allele-specific qPCR assays confirmed that variants across campus were representative of the community at large, and at no time did emerging variants first debut on campus. This study demonstrates how WBS can be efficiently applied to locate hotspots of disease activity at a very granular scale, and predict disease burden across large, complex worksites. Synopsis ‘This study establishes that wastewater-based surveillance with a node-based sampling strategy can be used to passively monitor for disease, locate disease “hotspots” and approximate the burden of infected individuals’
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,002 | 0,001 |
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 ».