MétaCan
Menu
Retour à la cohorte
Enregistrement W4406229305 · doi:10.1016/j.jece.2025.115374

Wastewater solids drive comparability of sampling methods for SARS-CoV-2 wastewater and environmental surveillance

2025· article· en· W4406229305 sur OpenAlexafffund
Md Pervez Kabir, Elizabeth Renouf, Lakshmi Pisharody, Élisabeth Mercier, Patrick M. D’Aoust, Shen Wan, Nada Hegazy, Tram Nguyen, Felix Gyawu Addo, Emma Tomalty, Tyson E. Graber, Robert Delatolla

Notice bibliographique

RevueJournal of environmental chemical engineering · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 detection and testing
Établissements canadiensChildren's Hospital of Eastern OntarioUniversity of Ottawa
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésWastewaterEnvironmental scienceComparabilitySevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Sampling (signal processing)Waste managementCoronavirus disease 2019 (COVID-19)2019-20 coronavirus outbreakEnvironmental engineeringVirologyEngineeringMedicineMathematics

Résumé

récupéré en direct d'OpenAlex

Passive sampling has proven to be a reliable and cost-effective method in wastewater and environmental surveillance (WES) during the COVID-19 pandemic. In passive sampling, wastewater solids were collected from the wastewater networks, homogenized in solutes and analyzed the supernatant to measure the SARS-CoV-2 RNA concentrations in wastewater. However, the direct impact of wastewater solids content collected via passive sampling on SARS-CoV-2 RNA measurements has not been previously evaluated. In this study, we analyzed wastewater solids collected using Auto, Torpedo, COSCa-ball samplers, and primary sludge samples from a wastewater treatment plant to measure SARS-CoV-2 RNA concentrations in wastewater. Results showed significant variation (p < 0.05) in wastewater solids content (i.e., TS and VS) across Auto, Torpedo, COSCa-ball samplers, and primary sludge samples. Despite differences in solids content, SARS-CoV-2 RNA concentrations in wastewater solids from passive samplers can be effectively compared (p > 0.05) to autosampler and primary sludge samples. To evaluate the influences of wastewater solids content on SARS-CoV-2 RNA measurement, we used a linear mixed-effects model. The model demonstrated that wastewater solids content had no direct effect on SARS-CoV-2 RNA measurements across the sampling methods and primary sludge samples. Overall, this study established a standardized experimental approach for implementing passive samplers as a viable alternative to conventional autosampler in WES for emerging pathogens. • Wastewater solids were evaluated for SARS-CoV-2 RNA measurements across sampling methods. • Wastewater solids content varied among Auto, Torpedo, COSCa-ball sampler and primary sludge samples. • SARS-CoV-2 RNA concentrations in solid mass fraction or PMMoV-normalized unit from passive samplers can be compared to autosampler and primary sludge samples. • Wastewater solids content had no direct influence on SARS-CoV-2 RNA measurements.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,049
Score d'incertitude au seuil0,703

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,025
Tête enseignante GPT0,310
Écart entre enseignants0,285 · 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'étudeExpérimental (laboratoire)
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

Citations3
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of environmental chemical engineeringMême sujetSARS-CoV-2 detection and testingTravaux en français237 207