贝叶斯序列方法通过废水测试阳性率来监测COVID-19变种
J Cricelio Montesinos-López1, Maria L Daza-Torres1, Yury E García1
1Department of Public Health Sciences, University of California Davis , Davis, California, USA.
mSystems
|July 25, 2023
概括
废水监测为估计COVID-19测试阳性率提供了一种可靠的方法,克服了减少临床测试的局限性. 这种方法有助于监测病毒趋势,并为针对新兴变种的公共卫生战略提供信息.
科学领域:
- 环境科学与公共卫生
- 流行病学和传染病建模.
- 统计和计算建模的统计和计算建模
背景情况:
- 大规模的临床测试对于控制COVID-19至关重要,但随着疫苗和家庭测试的出现,临床测试下降了.
- 减少测试和报告减少了用于决策的公共卫生数据的可用性.
- 废水监测 (WW) 作为补充公共卫生监测工具出现.
研究的目的:
- 开发一个统计模型,将WW中的SARS-CoV-2RNA度与COVID-19测试阳性率 (TPR) 相关联起来.
- 实施适应贝叶斯方法来估计TPR,考虑到病毒动态的演变.
- 为持续的COVID-19趋势监测和公共卫生指导提供框架.
主要方法:
- 开发了一种使用β回归模型的顺序贝叶斯式方法.
- 在WW中SARS-CoV-2RNA度作为估计TPR的共变量.
- 该模型应用于加利福尼亚州戴维斯的世界大战监视数据,并结合了适应方案.
主要成果:
- 该研究成功地将WW SARS-CoV-2 RNA水平与TPR估计结果相关联.
- 使用TPR估计来确定传输值 (低,中等,实质性,高).
- 实际生殖人数的估计来自基于WW的TPR.
结论:
- 拟议的模型提供了一种可靠的方法,可以使用 WW 监控数据来估计 COVID-19 TPR.
- 这种方法克服了减少临床测试的局限性,并增强了监测病毒演变的公共卫生数据.
- 这些发现支持对未来的疫情和新兴变种进行明智的公共卫生干预.
