Actionable wastewater surveillance: application to a university residence hall during the transition between Delta and Omicron resurgences of COVID-19
Notice bibliographique
Résumé
Wastewater surveillance has gained traction during the COVID-19 pandemic as an effective and non-biased means to track community infection. While most surveillance relies on samples collected at municipal wastewater treatment plants, surveillance is more actionable when samples are collected “upstream” where mitigation of transmission is tractable. This report describes the results of wastewater surveillance for SARS-CoV-2 at residence halls on a university campus aimed at preventing outbreak escalation by mitigating community spread. Another goal was to estimate fecal shedding rates of SARS-CoV-2 in a non-clinical setting. Passive sampling devices were deployed in sewer laterals originating from residence halls at a frequency of twice weekly during fall 2021 as the Delta variant of concern continued to circulate across North America. A positive detection as part of routine sampling in late November 2021 triggered daily monitoring and further isolated the signal to a single wing of one residence hall. Detection of SARS-CoV-2 within the wastewater over a period of 3 consecutive days led to a coordinated rapid antigen testing campaign targeting the residence hall occupants and the identification and isolation of infected individuals. With knowledge of the number of individuals testing positive for COVID-19, fecal shedding rates were estimated to range from 3.70 log10 gc ‧ g feces −1 to 5.94 log10 gc ‧ g feces −1 . These results reinforce the efficacy of wastewater surveillance as an early indicator of infection in congregate living settings. Detections can trigger public health measures ranging from enhanced communications to targeted coordinated testing and quarantine.
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 | 0,000 |
| 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 | 0,000 | 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 ».