Epidemiological model can forecast COVID-19 outbreaks from wastewater-based surveillance in rural communities
Notice bibliographique
Résumé
• Trends of SARS-CoV-2 in rural wastewater tend to foreshadow clinical cases. • Noise in viral trends in rural wastewater makes real-time interpretation difficult. • An SEIR model predicts the start of an outbreak using wastewater surveillance data. • Epidemiologists could rely on 9 to 15-day forecasts. • WBE can serve as an environmental justice tool to support rural communities. Wastewater has emerged as a crucial tool for infectious disease surveillance, offering a valuable means to bridge the equity gap between underserved communities and larger urban municipalities. However, using wastewater surveillance in a predictive manner remains a challenge. In this study, we tested if detecting SARS-CoV-2 in wastewater can forecast outbreaks in rural communities. Under the CDC National Wastewater Surveillance program, we monitored the SARS-CoV-2 in the wastewater of five rural communities and a small city in Idaho (USA). We then used a particle filter method coupled with a stochastic susceptible-exposed-infectious-recovered (SEIR) model to infer active case numbers using quantities of SARS-CoV-2 in wastewater. Our findings revealed that while high daily variations in wastewater viral load made real-time interpretation difficult, the SEIR model successfully factored out this noise, enabling accurate forecasts of the Omicron outbreak in five of the six towns shortly after initial increases in SARS-CoV-2 concentrations were detected in wastewater. The model predicted outbreaks with a lead time of 0 to 11 days (average of 6 days +/- 4) before the surge in reported clinical cases. This study not only underscores the viability of wastewater-based epidemiology (WBE) in rural communities—a demographic often overlooked in WBE research—but also demonstrates the potential of advanced epidemiological modeling to enhance the predictive power of wastewater data. Our work paves the way for more reliable and timely public health guidance, addressing a critical gap in the surveillance of infectious diseases in rural populations.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 ».