ドイツにおけるCOVID-19入院の短期予測の早期指標としての排水

科学分野:

• 環境科学
• 流行病学
• 公衆衛生

背景:

• COVID-19 パンデミックは,世界的な保健システムに重大な影響を及ぼし,パンデミック進行の評価と予測のための改善された方法が必要になりました.
• 正確なモニタリングと予測は 効果的な公衆衛生の介入と準備に不可欠です

研究 の 目的:

• ドイツにおけるCOVID-19入院予測の改善のための排水監視データの有用性を評価する.
• 排水データを統合した状態や状態のない状態で,さまざまな統計モデルや機械学習モデルのパフォーマンスを比較する.

主な方法:

• 時間の遅れを考慮して,廃水におけるSARS-CoV-2 RNAとCOVID-19入院の相互関連を調べた.
• ランダムフォレスト,XGBoost,ARIMA,リニア,リッジの回帰モデルを,排水データ予測器と比較した.
• 病院入院の予測に利用された 完全クロスモダルモデルを評価.

主要な成果:

• 排水データと入院傾向の強い相関 (86%まで) が示され,8日前までの早期警告指標として機能する可能性がある.
• 排水データを統合することで 入院予測モデルの精度が 統計的に改善されませんでした
• 排水データのないARIMAモデルは,7日先の入院予測で最高の性能 (4.76%MAPE) を達成しました.
• 廃棄水のウイルスの負荷は,パンデミック傾向を監視するための貴重な単独の予測指標であることが判明しました.

結論:

• 廃水監視は,ドイツにおけるCOVID-19入院の早期警告システムとしての可能性を示しています.
• 強い相関関係にもかかわらず,排水データの統合は予測モデルのパフォーマンスを向上させませんでした.
• 汚水ウイルスの負荷は,公衆衛生の監視と資源の配分のための貴重な指標であり,より広範な応用の可能性があります.