MétaCan
Menu
Retour à la cohorte
Enregistrement W4403201722 · doi:10.3389/fpubh.2024.1394798

Longitudinal wastewater-based surveillance of SARS-CoV-2 during 2023 in Ethiopia

2024· article· en· W4403201722 sur OpenAlexaff
Daniel Abera Dinssa, Gebremedhin Gebremicael, Yohannes Mengistu, Noah Hull, Dinknesh Chalchisa, Girma Berhanu, Atsbeha Gebreegziabxier, Ashley Norberg, Sarah Snyder, Sarah Wright, Waktole Gobena, Adugna Abera, Yohannes Belay, Dawit Chala, Melaku Gizaw, Mesay Getachew, Kirubel Tesfaye, Mesfin Tefera, Mahlet Belachew, Tegegne Mulu, Solomon Ali, Abebaw Kebede, Daniel Melese, Saro Abdella, Tobias F. Rinke de Wit, Yenew Kebede, Mesay Hailu, Dawit Wolday, Masresha Tessema, Getachew Tollera

Notice bibliographique

RevueFrontiers in Public Health · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 detection and testing
Établissements canadiensMcMaster University
Organismes subventionnairesCenters for Disease Control and PreventionAssociation of Public Health LaboratoriesGlobal Fund to Fight AIDS, Tuberculosis and Malaria
Mots-clésSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Coronavirus disease 2019 (COVID-19)WastewaterEnvironmental health2019-20 coronavirus outbreakSars virusMedicineEnvironmental scienceVirologyBusinessGeographyEnvironmental engineeringOutbreakInfectious disease (medical specialty)Pathology

Résumé

récupéré en direct d'OpenAlex

Introduction: Although wastewater-based epidemiology (WBE) successfully functioned as a tool for monitoring the coronavirus disease 2019 (COVID-19) pandemic globally, relatively little is known about its utility in low-income countries. This study aimed to quantify severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) RNA in wastewater, estimate the number of infected individuals in the catchment areas, and correlate the results with the clinically reported COVID-19 cases in Addis Ababa, Ethiopia. Methods: A total of 323 influent and 33 effluent wastewater samples were collected from three Wastewater Treatment Plants (WWTPs) using a 24-h composite Moore swab sampling method from February to November 2023. The virus was captured using Ceres Nanotrap® Enhancement Reagent 2 and Nanotrap® Microbiome A Particles, and then nucleic acids were extracted using the Qiagen QIAamp Viral RNA Mini Kit. The ThermoFisher TaqPath™ COVID-19 kit was applied to perform real-time reverse transcriptase polymerase chain reaction (qRT-PCR) to quantify the SARS-CoV-2 RNA. Wastewater viral concentrations were normalized using flow rate and number of people served. In the sampling period, spearman correlation was used to compare the SARS-CoV-2 target gene concentration to the reported COVID-19 cases. The numbers of infected individuals under each treatment plant were calculated considering the target genes' concentration, the flow rate of treatment plants, a gram of feces per person-day, and RNA copies per gram of feces. Results: = 22) from the upflow anaerobic sludge blanket (UASB) reactor and membrane bioreactor (MBR) technology were SARS-COV-2 RNA negative. In contrast, two out of 11 effluents from Waste Stabilization Pond were found positive. Positive correlations were observed between the weekly average SARS-CoV-2 concentration and the cumulative weekly reported COVID-19 cases in Addis Ababa. The estimated number of infected people in the Kality Treatment catchment area was 330 times the number of COVID-19 cases reported during the study period in Addis Ababa. Discussion: This study revealed that SARS-CoV-2 was circulating in the community and confirmed previous reports of more asymptomatic COVID-19 cases in Ethiopia. Additionally, this study provides further evidence of the importance of wastewater-based surveillance in general to monitor infectious diseases in low-income settings. Conclusion: Wastewater-based surveillance of SARS-CoV-2 can be a useful method for tracking the increment of COVID-19 cases before it spreads widely throughout the community.

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)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,236
Score d'incertitude au seuil0,700

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
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 Opus0,077
Tête enseignante GPT0,342
Écart entre enseignants0,265 · 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

Citations8
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

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