SARS-CoV-2 Detection in International Travelers Through Wastewater-Based Epidemiology at the Kigali International Airport: Genomic Surveillance Study
Notice bibliographique
Résumé
Background: Traditional infectious disease surveillance systems face significant limitations, including delayed detection, underreporting of asymptomatic cases, and inequitable health care access. Wastewater-based epidemiology (WBE), enhanced with genomic analysis, offers a noninvasive and cost-effective alternative for early pathogen detection and variant characterization, particularly valuable for monitoring international disease transmission. Objective: This study aimed to implement and evaluate a genomics-enhanced WBE surveillance system for detecting and characterizing SARS-CoV-2 variants among international travelers at the Kigali International Airport, Rwanda, and to assess its potential as an early warning system for pandemic preparedness. Methods: Between May and December 2023, we collected wastewater samples from international flights arriving at the Kigali International Airport under Rwanda's National One Health strategy. Molecular detection was performed using polymerase chain reaction (PCR) assays, followed by whole-genome sequencing of positive samples. Bioinformatics analysis included quality assessment with Nanoplot (version 1.41.6), genome mapping using minimap2 (version 2.26), and lineage identification using the Freyja tool (version 1.4.5). Spatial and temporal analyses were used to identify transmission patterns and variant origins. Results: Of 630 wastewater samples collected from flights originating from 9 countries, 603 were successfully processed, with 21% (132/617) testing positive for SARS-CoV-2. Whole-genome sequencing was conducted on 33 samples, yielding an average viral sequence depth of 1250 reads with 92% genome coverage (range 78%-97%). Genomic analysis identified 7 SARS-CoV-2 variants, including Omicron subvariants XBB.1.5, XBB.1.16.6 (eg, 5.1), GE.1, and FE.1.1.1. Notably, 70% (23/33) of sequenced samples could not be assigned to existing lineages, suggesting potential novel variants. Most samples came from Qatar (21.4%, 135/1630), the United Arab Emirates (19.5%, 123/1630), and the United Kingdom (19.4%, 122/1630). Positive samples were detected from 11 countries, with variants frequently found in flights from the United Kingdom, France, Belgium, Kenya, Tanzania, and South Africa. Sample collection capacity increased from 6 in week 1 to 33 by week 27. SARS-CoV-2 positivity rates showed seasonal variation, with a marked decline in June-July 2023. Conclusions: Genomics-enhanced WBE demonstrated a high sensitivity for the early detection of SARS-CoV-2 variants among international travelers, including potential novel variants undetectable through traditional surveillance. Its noninvasive and cost-effective nature, combined with the ability to generate population-level epidemiological insights, makes it particularly suitable for resource-limited settings. This approach supports Rwanda's National One Health strategy and offers a scalable model for advancing global health security in Sub-Saharan Africa through innovative surveillance tools.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».