Performance and suitability of wastewater based-surveillance for SARS-CoV-2 RNA in public schools
Notice bibliographique
Résumé
Wastewater-based surveillance (WBS) for SARS-CoV-2 was a key strategy for epidemiological modelling and informing COVID-19 health policy during the pandemic. We assessed the capacity and performance of SARS-CoV-2 WBS in public schools. Of seventeen schools screened for participation, only four had plumbing systems that were amenable to comprehensive monitoring. From December 2020 to March 2021 composite wastewater collected twice-weekly from these four schools was compared with three municipal wastewater treatment plants (WWTPs) for SARS-CoV-2 RNA by RTqPCR and fecal biomarkers. Schools had lower rates of successful sample collection relative to WWTPs (64/79 vs. 66/66, p < 0.001). In a time of low COVID-19 activity, 13/64 of school samples were positive for SARS-CoV-2, versus 66/66 for WWTP (p < 0.0001). SARS-CoV-2 RNA in school wastewater was associated with, and often preceded, clinically confirmed COVID-19 cases among students, but showed no correlation with overall rates of student absenteeism. Levels of both SARS-CoV-2 RNA and fecal biomarkers were markedly lower in school wastewater relative to WWTPs. This work demonstrated that WBS for SARS-CoV-2 in schools can be a leading indicator of clinical disease but is technically challenging. The lower fecal biomarker levels from schools suggests children may avoid defecation at school which may further adversely impact school-based WBS for fecal-shed targets.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».