MétaCan
Menu
Retour à la cohorte
Enregistrement W4406681508 · doi:10.1016/j.eehl.2025.100135

Diagnostic performance of allele-specific RT-qPCR and genomic sequencing in wastewater-based surveillance of SARS-CoV-2

2025· article· en· W4406681508 sur OpenAlexafffund
Md Pervez Kabir, Élisabeth Mercier, Walaa Eid, Julio Plaza‐Díaz, Patrick M. D’Aoust, Chrystal Landgraff, Lawrence Goodridge, Opeyemi U. Lawal, Shen Wan, Nada Hegazy, Tram Nguyen, Ocean Thakali, Lakshmi Pisharody, Sean Stephenson, Tyson E. Graber, Robert Delatolla

Notice bibliographique

RevueEco-Environment & Health · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 detection and testing
Établissements canadiensUniversity of GuelphPublic Health Agency of CanadaChildren's Hospital of Eastern OntarioUniversity of Ottawa
Organismes subventionnairesCentre Hospitalier pour Enfants de l'est de l'OntarioMinistry of EnvironmentUniversity of GuelphCanadian Institutes of Health ResearchUniversity of Ottawa
Mots-clésVirologySevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)AlleleBiologyCoronavirus disease 2019 (COVID-19)Genomic sequencingVariants of PCRGeneticsComputational biologyMedicineGenomeGeneInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Clinical genomic surveillance is regarded as the gold standard for monitoring SARS-CoV-2 variants globally. However, as the pandemic wanes, reduced testing poses a risk to effectively tracking the trajectory of these variants within populations. Wastewater-based genomic surveillance that estimates variant frequency based on its defining set of alleles derived from clinical genomic surveillance has been successfully implemented. This method has its challenges, and allele-specific (AS) RT-qPCR or RT-dPCR may instead be used as a complementary method for estimating variant prevalence. Demonstrating equivalent performance of these methods is a prerequisite for their continued application in current and future pandemics. Here, we compared single-allele frequency using AS-RT-qPCR, to single-allele or haplotype frequency estimations derived from amplicon-based sequencing to estimate variant prevalence in wastewater during emergent and prevalent periods of Delta, Omicron, and two sub-lineages of Omicron. We found that all three methods of frequency estimation were concordant and contained sufficient information to describe the trajectory of variant prevalence. We further confirmed the accuracy of these methods by quantifying the diagnostic performance through Youden's index. The Youden's index of AS-RT-qPCR was reduced during the low prevalence period of a particular variant while the same allele in sequencing was negatively influenced due to insufficient read depth. Youden's index of haplotype-based calls was negatively influenced when alleles were common between variants. Coupling AS-RT-qPCR with sequencing can overcome the shortcomings of either platform and provide a comprehensive picture to the stakeholders for public health responses. • SARS-CoV-2 variant frequency estimation in wastewater is comparable between AS-RT-qPCR and genomic sequencing. • Diagnostic performance confirms the accuracy of AS-RT-qPCR and genomic sequencing for variant estimation in wastewater. • Diagnostic performance of AS-RT-qPCR is reduced during periods of lower SARS-CoV-2 variant concentration in wastewater. • Diagnostic performance of wastewater sequencing is reduced due to insufficient sequencing depth of the targeted allele. • Monitoring of more than one allele is suggested to overcome limitations of both AS-RT-qPCR and sequencing. • Accuracy of variant frequency estimation by sequenced haplotype requires careful curation.

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)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,050
Score d'incertitude au seuil0,711

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,039
Tête enseignante GPT0,280
Écart entre enseignants0,241 · 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'étudeObservationnel
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

Citations7
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEco-Environment & HealthMême sujetSARS-CoV-2 detection and testingTravaux en français237 207