Spatiotemporal estimation of actively shedding mpox virus, clade IIb, cases using wastewater signals in British Columbia, Canada
Notice bibliographique
Résumé
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 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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».