P-1953. Youden’s Index Ensures the Accuracy of Wastewater-based Surveillance of SARS-CoV-2 Variants by Allele-Specific RT-qPCR or Genomic Sequencing
Notice bibliographique
Résumé
Abstract Background Clinical genomic surveillance is the gold standard for monitoring SARS-CoV-2 variants globally, but as the pandemic wanes, reduced testing increases the risk of missing the emergence of variants of concern or failing to accurately follow their trajectory in populations. Wastewater-based genomic surveillance (WWS) that estimates variant frequency based on its defining set of alleles derived from clinical genomic surveillance has been successfully implemented. However, this method has its challenges, and allele-specific (AS) RT-qPCR that monitors a single, variant-defining, allele is used as a complementary method for estimating variant prevalence. Demonstrating equivalent performance of the methods is a prerequisite for their continued application of WWS in current and future pandemics.Figure 1:Comparison of AS-RT-qPCR and amplicon-based sequencing methods for estimating SARS-CoV-2 variants frequency in wastewaters; A) N: D63G and B.1.617.2 haplotype, B) N: P13L and B.1.1.529 haplotype, C) S: H69+/V70+ and BA.1 haplotype, and D) S: H69-/V70- and BA.2 haplotype. Methods We compared single-allele frequency estimation using AS-RT-qPCR, to single-allele or haplotype frequency estimations derived from amplicon-based sequencing to estimate variant prevalence in municipal wastewater collected during emergent and prevalent periods of Delta, Omicron, and two of its sub-lineages in Ottawa, Canada.Table 1:Youden index of targeted alleles (N: D63G, N: P13L, S: H69+/V70+ and S: H69-/V70-) in wastewaters using AS-RT-qPCR and sequencing as well as haplotype of each variant. Results We found that all three methods of frequency estimation were concordant and contained sufficient information to describe the trajectory of variant prevalence in wastewater across time (Figure 1). We further evaluated the accuracy of these methods by quantifying the diagnostic performance (i.e., method accuracy expressed as Youden’s index), based on available clinical genomic prevalence data. Youden’s index confirms the accuracy of methods employed for variant frequency estimation in wastewater (Table 1), but accuracy of each method can be influenced by different factors. Conclusion WWS emerges as a crucial epidemiological tool for monitoring infectious disease in the population during the COVID-19 pandemic. This study validates the accuracy of WWS in SARS-CoV-2 variants monitoring using AS-RT-qPCR or sequencing methods and provides comprehensive perspective for implementing public health interventions against infectious diseases. Disclosures All Authors: No reported disclosures
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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 ».