Genomic surveillance of Canadian airport wastewater samples allows early detection of emerging SARS-CoV-2 lineages
Notice bibliographique
Résumé
The severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) pandemic has shown wastewater (WW) surveillance to be an effective means of tracking the emergence of viral lineages which arrive by many routes of transmission including via transportation hubs. In the Canadian province of Ontario, numerous municipal wastewater treatment plants (WWTPs) participate in WW surveillance of infectious disease targets such as SARS-CoV-2 by qPCR and whole genome sequencing (WGS). The Greater Toronto Airports Authority (GTAA), operator of Toronto Pearson International Airport (Toronto Pearson), has been participating in WW surveillance since January 2022. As a major international airport in Canada and the largest national hub, this airport is an ideal location for tracking globally emerging SARS-CoV-2 variants of concern (VOCs). In this study, WW collected from Toronto Pearson's two terminals and pooled aircraft sewage was processed for WGS using a tiled-amplicon approach targeting the SARS-CoV-2 virus genome. Data generated was analyzed to monitor trends of SARS-CoV-2 lineage frequencies. Initial detections of emerging lineages were compared between Toronto Pearson WW samples, municipal WW samples collected from the surrounding regions, and Ontario clinical data as published by Public Health Ontario. Results enabled the early detection of VOCs and individual mutations emerging in Ontario. On average, the emergence of novel lineages at the airport preceded clinical detections by 1-4 weeks, and up to 16 weeks in one case. This project illustrates the efficacy of WW surveillance at transitory transportation hubs and sets an example that could be applied to other viruses as part of a pandemic preparedness strategy and to provide monitoring on a mass scale.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 ».