Campus node-based wastewater surveillance enables COVID-19 case localization and confirms lower SARS-CoV-2 burden relative to the surrounding community
Notice bibliographique
Résumé
Wastewater-based surveillance (WBS) has been established as a powerful tool that can guide health policy at multiple levels of government. However, this approach has not been well assessed at more granular scales, including large work sites such as University campuses. Between August 2021 and April 2022, we explored the occurrence of SARS-CoV-2 RNA in wastewater using qPCR assays 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. Real-time contact tracing data was used to evaluate an association between wastewater SARS-CoV-2 burden and clinically confirmed cases and to assess the potential of WBS as a tool for disease monitoring across worksites. 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. Relative to clinical cases identified in specific sewersheds, WBS provided one-week leading indicator. 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≤0.001). 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.
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 | 0,005 | 0,003 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 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 ».