A multicentre study to predict COVID-19 outbreaks in long-term care homes using wastewater surveillance and environmental surface sampling for SARS-CoV-2
Notice bibliographique
Résumé
ABSTRACT Background Floor swabs can be an effective environmental sampling method for proactive SARS-CoV-2 surveillance in congregate settings like long-term care homes (LTCHs). Concurrent assessment of additional variables such as wastewater surveillance data and weather data have the potential to improve the predictive performance of this approach. Methods We analyzed existing data from 5,095 floor swabs collected between August 2021 and January 2023 from 10 LTCHs across three cities in Ontario, Canada: Ottawa, Toronto, and Sault Ste. Marie. Floors were swabbed weekly at each LTCH. Swabs were analyzed using RT-qPCR. Wastewater data was obtained from the Ontario Wastewater Surveillance Consortium’s repository; we included one treatment plant for each city. Weather data was sourced from Environment Canada, with one station selected from each city. Logistic regression, LASSO-penalized logistic regression, Random Forest, and XGBoost were used for COVID-19 outbreak predictions using different subsets of predictors with leave-one-LTCH-out cross-validation. SHAP values were computed for model explainability. Our outcome of interest was a COVID-19 outbreak within an LTCH. Results Over the study period, 25 COVID-19 outbreaks occurred in the participating LTCHs, with a median duration of 30 days and a median of 39 cases per outbreak (range 2 to 196). LASSO generally out-performed logistic regression, Random Forest, and XGBoost. The two variables with the highest SHAP values were log transformed 7-day mean wastewater and log viral copies from floor swabs. Conclusions Incorporating wastewater data and weather data enhanced the ability of floor swab results to predict an outbreak of COVID-19 in an LTCH. Future studies are needed to evaluate how well the model performs when implemented into practice.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».