Estimating the effective reproduction number from wastewater (R <sub>t</sub> ): A methods comparison
Notice bibliographique
Résumé
Abstract Background The effective reproduction number (R t ) is a dynamic indicator of current disease spread risk. Wastewater measurements of viral concentrations are known to correlate with clinical measures of diseases and have been incorporated into methods for estimating the R t . Methods We review wastewater-based methods to estimate the R t for SARS-CoV-2 based on similarity to the reference case-based R t , ease of use, and computational requirements. Using wastewater data collected between August 1, 2022 and February 20, 2024 from 200 wastewater treatment plants across New York State, we fit eight wastewater R t models identified from the literature. Each model is compared to the R t estimated from case data for New York at the sewershed (wastewater treatment plant catchment area), county, and state levels. Results We find a high degree of similarity across all eight methods despite differences in model parameters and approach. Further, two methods based on the common measures of percent change and linear fit reproduced the R t from case data very well and a GLM accurately predicted case data. Model output varied between spatial scales with some models more closely estimating sewershed R t values than county R t values. Similarity to clinical models was also highly correlated with the proportion of the population served by sewer in the surveilled communities (r = 0.77). Conclusions While not all methods that estimate R t from wastewater produce the same results, they all provide a way to incorporate wastewater concentration data into epidemic modeling. Our results show that straightforward measures like the percent change can produce similar results of more complex models. Based on the results, researchers and public health officials can select the method that is best for their situation. Key messages Wastewater data has been used to estimate the R t in different ways but the relative strengths and weaknesses of each method were unknown. R t estimation results from wastewater data are influenced by sewershed population size and geographic aggregation making selection of the best method dependent on the study location and available data. Estimating the R t from wastewater is desirable because wastewater data are anonymous, comprehensive, and efficient for measuring disease burden.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,004 |
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 ».