Wastewater-Based Epidemiology of SARS-CoV-2 and Other Respiratory Viruses: Bibliometric Tracking of the Last Decade and Emerging Research Directions
Notice bibliographique
Résumé
The COVID-19 pandemic has prompted an overwhelming surge in research investigating different aspects of the disease and its causative agent. In this study, we aim to discern research themes and trends in the field of wastewater-based epidemiology (WBE) of SARS-CoV-2 and other respiratory viruses over the past decade. We examined 904 papers in the field authored by researchers from 87 countries. Despite the low reported incidence of COVID-19 in 2023, researchers are still interested in the application of WBE to SARS-CoV-2. Based on network visualization mapping of 189 keyword co-occurrences, method optimization, source, transmission, survival, surveillance or early-warning detection systems, and variants of concern in wastewater were found to be the topics of greatest interest among WBE researchers. A trend toward evaluations of the utility of new technologies such as digital PCR and WBE for other respiratory viruses, particularly influenza, was observed. The USA emerged as the leading country in terms of research publications, citations, and international collaborations. Additionally, Science of the Total Environment stood out as the journal with the highest number of publications and citations. The study highlighted areas for further research, including data normalization and biosensor-based data collection, and emphasized the need for international collaboration and standardized methodology for WBE in future research directions.
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 | 0,009 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,072 | 0,121 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».