Use of Wastewater Metrics to Track COVID-19 in the US
Notice bibliographique
Résumé
Importance: Widespread use of at-home COVID-19 tests hampers determination of community COVID-19 incidence. Objective: To examine the association of county-level wastewater metrics with high case and hospitalization rates nationwide both before and after widespread use of at-home tests. Design, Setting, and Participants: This observational cohort study with a time series analysis was conducted from January to September 2022 in 268 US counties in 22 states participating in the US Centers for Disease Control and Prevention's National Wastewater Surveillance System. Participants included the populations of those US counties. Exposures: County level of circulating SARS-CoV-2 as determined by metrics based on viral wastewater concentration relative to the county maximum (ie, wastewater percentile) and 15-day percentage change in SARS-CoV-2 (ie, percentage change). Main Outcomes and Measures: High county incidence of COVID-19 as evidenced by dichotomized reported cases (current cases ≥200 per 100 000 population) and hospitalization (≥10 per 100 000 population lagged by 2 weeks) rates, stratified by calendar quarter. Results: In the first quarter of 2022, use of the wastewater percentile detected high reported case (area under the curve [AUC], 0.95; 95% CI, 0.94-0.96) and hospitalization (AUC, 0.86; 95% CI, 0.84-0.88) rates. The percentage change metric performed poorly, with AUCs ranging from 0.51 (95% CI, 0.50-0.53) to 0.57 (95% CI, 0.55-0.59) for reported new cases, and from 0.50 (95% CI, 0.48-0.52) to 0.55 (95% CI, 0.53-0.57) for hospitalizations across the first 3 quarters of 2022. The Youden index for detecting high case rates was wastewater percentile of 51% (sensitivity, 0.82; 95% CI, 0.80-0.84; specificity, 0.93; 95% CI, 0.92-0.95). A model inclusive of both metrics performed no better than using wastewater percentile alone. The performance of wastewater percentile declined over time for cases in the second quarter (AUC, 0.84; 95% CI, 0.82-0.86) and third quarter (AUC, 0.72; 95% CI, 0.70-0.75) of 2022. Conclusions and Relevance: In this study, nationwide, county wastewater levels relative to the county maximum were associated with high COVID-19 case and hospitalization rates in the first quarter of 2022, but there was increasing dissociation between wastewater and clinical metrics in subsequent quarters, which may reflect increasing underreporting of cases, reduced testing, and possibly lower virulence of infection due to vaccines and treatments. This study offers a strategy to operationalize county wastewater percentile to improve the accurate assessment of community SARS-CoV-2 infection prevalence when reliability of conventional surveillance data is declining.
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 | 0,005 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 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 ».