Assessing the performance and suitability of wastewater based-surveillance for SARS-CoV-2 RNA in public schools
Notice bibliographique
Résumé
Abstract Municipal wastewater-based surveillance (WBS) programs for SARS-CoV-2 were valuable tools for epidemiological modelling and informing COVID-19 health policy during the pandemic. We conducted a “near to source” study to assess the capacity and performance of SARS-CoV-2 WBS programs in schools relative to municipal wastewater treatment plants (WWTP). Only 4/17 schools screened had plumbing systems that were amenable to WBS. From December 2020 - March 2021 composite wastewater collected 2X/week from four schools and three municipal WWTP were assessed for SARS-CoV-2 and fecal biomarkers. Schools had lower rates of successful sample collection relative to WWTP (44.7% vs 100%, p<0.001). In a time of low COVID-19 activity, 13/64 of school samples were positive of SARS-CoV-2-N1 vs 100% of WWTP. SARS-CoV-2-N1 detected in school wastewater associated with and preceded clinically identified infections, but did not correlate with rates of overall absenteeism. Notably levels of SARS-CoV-2-N1 and fecal biomarkers were markedly lower in wastewater from schools relative to WWTP. While our SARS-CoV-2 WBS program in schools did generate a leading signal relative to clinical disease, the significantly lower levels of SARS-CoV-2 and fecal biomarkers suggests that toileting habits of children who may avoid defecation at school adversely impact school-based WBS of targets shed in feces.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».