MétaCan
Menu
Retour à la cohorte
Enregistrement W4385491437 · doi:10.3389/fpubh.2023.1141837

Wastewater-based epidemiology: the crucial role of viral shedding dynamics in small communities

2023· article· en· W4385491437 sur OpenAlexafffundabout
Marc-Denis Rioux, François Guillemette, Karine Lemarchand, Kim Doiron, Jean-François Lemay, Thomas Maere, Patrick Dolcé, Patrik Quessy, Nanouk Abonnenc, Peter A. Vanrolleghem, Dominic Frigon

Notice bibliographique

RevueFrontiers in Public Health · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 detection and testing
Établissements canadiensMcGill UniversityCentre Intégré de Santé et de Services Sociaux du Bas-Saint-LaurentUniversité LavalUniversité du Québec à Trois-RivièresUniversité du Québec à Rimouski
Organismes subventionnairesMolson FoundationMcGill University
Mots-clésInterpretabilityOutbreakGeographyMedicineEnvironmental healthComputer scienceVirology

Résumé

récupéré en direct d'OpenAlex

Background: Wastewater surveillance (WWS) of pathogens is a rapidly evolving field owing to the 2019 coronavirus disease pandemic, which brought about a paradigm shift in public health authorities for the management of pathogen outbreaks. However, the interpretation of WWS in terms of clinical cases remains a challenge, particularly in small communities where large variations in pathogen concentrations are routinely observed without a clear relation to clinical incident cases. Methods: Results are presented for WWS from six municipalities in the eastern part of Canada during the spring of 2021. We developed a numerical model based on viral kinetics reduction functions to consider both prevalent and incident cases to interpret the WWS data in light of the reported clinical cases in the six surveyed communities. Results: The use of the proposed numerical model with a viral kinetics reduction function drastically increased the interpretability of the WWS data in terms of the clinical cases reported for the surveyed community. In line with our working hypothesis, the effects of viral kinetics reduction modeling were more important in small communities than in larger communities. In all but one of the community cases (where it had no effect), the use of the proposed numerical model led to a change from a +1.5% (for the larger urban center, Quebec City) to a +48.8% increase in the case of a smaller community (Drummondville). Conclusion: Consideration of prevalent and incident cases through the proposed numerical model increases the correlation between clinical cases and WWS data. This is particularly the case in small communities. Because the proposed model is based on a biological mechanism, we believe it is an inherent part of any wastewater system and, hence, that it should be used in any WWS analysis where the aim is to relate WWS measurement to clinical cases.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,847
Score d'incertitude au seuil0,788

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,100
Tête enseignante GPT0,337
Écart entre enseignants0,237 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFrontiers in Public HealthMême sujetSARS-CoV-2 detection and testingTravaux en français237 207