Détection par la réaction en chaîne quantitative de la polymérase après transcription inverse en temps réel du variant Delta du SRAS-CoV-2 dans les eaux usées du Canada
Bibliographic record
Abstract
Contexte : Les variants préoccupants du coronavirus 2 du syndrome respiratoire aigu sévère (SRAS-CoV-2) sont associés à une augmentation de l'infectivité, de la gravité et de la mortalité de la maladie à coronavirus 2019 (COVID-19) et sont de plus en plus souvent détectés dans le cadre de la surveillance clinique et de la surveillance des eaux usées au Canada et dans le reste du monde.Dans cette étude, nous présentons un essai de réaction en chaîne quantitative de la polymérase après la transcription inverse en temps réel (RT-qPCR) pour la détection de la mutation D377Y du gène N associée au variant Delta du SRAS-CoV-2 dans les eaux usées.Méthodes : Des échantillons d'eaux usées (n = 980) ont été prélevés dans six villes et 17 collectivités rurales du Canada de juillet à novembre 2021 et ont fait l'objet d'un dépistage de la mutation D377Y.Résultats : Le variant Delta a été détecté dans toutes les grandes villes canadiennes et les régions éloignées du Nord, ainsi que dans la moitié des collectivités rurales du sud.La sensibilité et la spécificité de cet essai étaient suffisantes pour détecter et quantifier le variant Delta dans les eaux usées afin de contribuer à un dépistage et à une surveillance rapides au niveau de la population.Conclusion : Cette étude démontre un nouveau test RT-qPCR rentable pour suivre la propagation du variant Delta du SRAS-CoV-2.Ce test rapide peut être facilement intégré dans les programmes actuels de surveillance des eaux usées afin de faciliter le suivi des variants au niveau de la population.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.003 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".