Spatiotemporal estimation of actively shedding mpox virus, clade IIb, cases using wastewater signals in British Columbia, Canada
Notice bibliographique
Résumé
• Wastewater surveillance is useful tool for detecting the presence or absence of a pathogen within a population, but wastewater signals direct relationship with the number of cases is complex and often unknown. • We use a Bayesian hierarchical model to estimate the number of actively shedding mpox cases using wastewater signal while adjusting for spatial and temporal autocorrelation, two often overlooked sources of bias in wastewater surveillance studies. • Actively shedding mpox cases were accurately estimated across time for a finer level of geography than the wastewater treatment plant catchment area which allows for understanding regions, populations or times of increased risk of transmission. • Our work uses a simple model that could be repurposed to wastewater surveillance programs for other viral pathogens, geographies or surveillance strategies. Wastewater surveillance programs collect sewage influent to monitor for pathogens or chemical signatures. Using wastewater surveillance to detect viral genetic material can offer less biased prevalence estimates of viral infections than test or case-based surveillance systems, but existing methods often overlook key factors like spatiotemporal autocorrelation and the duration of viral shedding. Here, we incorporate wastewater signals within a hierarchical Bayesian spatiotemporal model to estimate active mpox cases, defined as individuals who are actively shedding the virus. Our model allows for estimation of active mpox cases within community health service areas, the most precise geographical level of health administration in British Columbia, Canada over time. The inclusion of a time-varying wastewater signal improved the model fit to active cases (WAIC = 3569, Δ 51), when compared to a null model fit without the wastewater signal (WAIC = 3620). The mean absolute error of mpox active cases was ∼2 cases (95 %CI, 1–4) per community health service area. Our study demonstrates the use of hierarchical Bayesian spatiotemporal models as essential tools in wastewater-based infectious diseases surveillance, emphasizing the importance of spatial and temporal autocorrelation in understanding the patterns in both wastewater signals and actively shedding mpox cases.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».