MétaCan
Menu
Retour à la cohorte
Enregistrement W4399886311 · doi:10.1038/s41597-024-03414-w

SARS-CoV-2 viral titer measurements in Ontario, Canada wastewaters throughout the COVID-19 pandemic

2024· article· en· W4399886311 sur OpenAlexafffundabout
Patrick M. D’Aoust, Nada Hegazy, Nathan T. Ramsay, Minqing Ivy Yang, Hadi A. Dhiyebi, Elizabeth A. Edwards, Mark R. Servos, Gustavo Ybazeta, Marc Habash, Lawrence Goodridge, Art F. Y. Poon, Eric J. Arts, R. Stephen Brown, Sarah Jane Payne, Andrea E. Kirkwood, Denina Simmons, Jean‐Paul Desaulniers, Banu Örmeci, Christopher J. Kyle, David Bulir, Trevor C. Charles, R. Michael L. McKay, Kimberley Gilbride, Claire Oswald, Hui Peng, Vince Pileggi, Menglu L. Wang, Arthur Tong, Diego Orellano, Adebowale I. Adebiyi, Matthew Advani, Simininuoluwa O. Agboola, Dania Andino, Hussain Aqeel, Yash Badlani, Lena Carolin Bitter, Leslie M. Bragg, Julia Brasset-Gorny, Patrick Breadner, Stephen Brown, Ronny Chan, Babneet Channa, Jinjin Chen, Ryland Corchis-Scott, Matthew Cranney, Hoang Dang, Nora Danna, Rachel Dawe, Christopher T. DeGroot, Tomás de Melo, Justin Donovan, Walaa Eid, Isaac Ellmen, Joud Abu Farah, Farnaz Farahbakhsh, Meghan Fuzzen, Tim Garant, Qiudi Geng, Ashley Gedge, Alice Gere, Richard M. Gibson, Kimberly Gilbride, Eyerusalem Goitom, Qinyuan Gong, Tyson E. Graber, Amanda M. Hamilton, B. Haskell, Samina Hayat, Hannifer Ho, Yemurayi Hungwe, Heather Ikert, Golam Islam, D. Planer Joseph, Ismail Khan, Richard Kibbee, Jennifer J. Knapp, James Knockleby, Su-Hyun Kwon, Opeyemi U. Lawal, Line Lomheim, R. Menon, Élisabeth Mercier, Zach Miller, Aleksandra M. Mloszewska, Ataollah Mohammadiankia, Shiv Naik, Delaney Nash, Anthony Ng, Abayomi S. Olabode, Alyssa K. Overton, Gabriela Jimenez Pabon, Vinthiya Paramananthasivam, Jessica Pardy, Valeria R. Parreira, Lakshmi Pisharody, Samran Prasla, Melinda Precious, Fozia Rizvi, Matthew Santilli, Hooman Sarvi, Dan Siemon, Carly Sing-Judge, Nivetha Srikanthan, Sean Stephenson, Jianxian Sun, Endang Susilawati, Amir Tehrani, Ocean Thakali, Shen Wan, Martin Wellman, Katie Williams, Eli Zeeb, Elizabeth Renouf, Robert Delatolla

Notice bibliographique

RevueScientific Data · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 detection and testing
Établissements canadiensChildren's Hospital of Eastern OntarioMinistry of the Environment, Conservation and ParksUniversity of WindsorTrent UniversityUniversity of GuelphOntario Tech UniversityMcMaster UniversityQueen's UniversityWestern UniversityUniversity of TorontoHealth Sciences NorthOttawa HospitalToronto Metropolitan UniversityCarleton UniversityUniversity of WaterlooUniversity of Ottawa
Organismes subventionnairesMinistère de l’Environnement, de la Protection de la nature et des ParcsCanadian Institutes of Health ResearchUniversity of WaterlooUniversity of TorontoUniversity of Ontario Institute of TechnologyTrent UniversityQueen's UniversityMcMaster UniversityUniversity of WindsorUniversity of Ottawa
Mots-clésPandemicCoronavirus disease 2019 (COVID-19)VirologySevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)2019-20 coronavirus outbreakTiterBetacoronavirusBiologyMedicineVirusOutbreakInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

During the COVID-19 pandemic, the Province of Ontario, Canada, launched a wastewater surveillance program to monitor SARS-CoV-2, inspired by the early work and successful forecasts of COVID-19 waves in the city of Ottawa, Ontario. This manuscript presents a dataset from January 1, 2021, to March 31, 2023, with RT-qPCR results for SARS-CoV-2 genes and PMMoV from 107 sites across all 34 public health units in Ontario, covering 72% of the province's and 26.2% of Canada's population. Sampling occurred 2-7 times weekly, including geographical coordinates, serviced populations, physico-chemical water characteristics, and flowrates. In doing so, this manuscript ensures data availability and metadata preservation to support future research and epidemic preparedness through detailed analyses and modeling. The dataset has been crucial for public health in tracking disease locally, especially with the rise of the Omicron variant and the decline in clinical testing, highlighting wastewater-based surveillance's role in estimating disease incidence in Ontario.

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)0,002
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,533
Score d'incertitude au seuil0,556

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,274
Tête enseignante GPT0,386
Écart entre enseignants0,112 · 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'étudeSans objet
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

Citations15
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueScientific DataMême sujetSARS-CoV-2 detection and testingTravaux en français237 207