A comprehensive, open-source data model for wastewater-based epidemiology
Notice bibliographique
Résumé
The recent SARS-COV-2 pandemic has sparked the adoption of wastewater-based epidemiology (WBE) as a low-cost way to monitor the health of populations. In parallel, the pandemic has encouraged researchers to openly share their data to serve the public better and accelerate science. However, environmental surveillance data are highly dependent on context and are difficult to interpret meaningfully across sites. This paper presents the second iteration of the Public Health Environmental Surveillance Open Data Model (PHES-ODM), an open-source dictionary and set of data tools to enhance the interoperability of environmental surveillance data and enable the storage of contextual (meta)data. The data model describes how to store environmental surveillance program data, metadata about measurements taken on various specimens (water, air, surfaces, sites, populations) and data about measurement protocols. The model provides software tools that support the collection and use of PHES-ODM formatted data, including performing PCR calculations and data validation, recording data into input templates, generating wide tables for analysis, and producing SQL database definitions. Fully open-source and already adopted by institutions in Canada, the European Union, and other countries, the PHES-ODM provides a path forward for creating robust, interoperable, open datasets for environmental public health surveillance for SARS-CoV-2 and beyond.
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 | 0,015 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,010 | 0,012 |
| Science ouverte | 0,007 | 0,008 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,006 |
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 ».