优化全校范围的COVID-19测试通知,使用可解释的废水时间序列功能,使用机器学习模型
Tuo Lin1, Smruthi Karthikeyan2, Alysson Satterlund3
1Department of Biostatistics, University of Florida, Gainesville, FL, 32608, USA.
Scientific reports
|November 24, 2023
概括
对SARS-CoV-2的废水监测有效地预测了住宅中的COVID-19感染. 在过去7天中至少3天的污水样本呈阳性是个体感染的最佳指标.
科学领域:
- 环境科学 环境科学
- 流行病学 流行病学
- 公共卫生 公共卫生
背景情况:
- 对SARS-CoV-2的废水监测对于人口健康监测是有效的.
- 加利福尼亚大学圣地亚哥分校 (UCSD) 的高分辨率废水监测旨在检测未被诊断的COVID-19病例并触发居民通知.
- 触发这些通知的最佳指标仍未确定.
研究的目的:
- 开发数据处理管道,以确定废水监测数据中的关键特征,从而预测相关住宅中的COVID-19存在.
- 以废水数据为基础,确定启动公共卫生干预措施的最佳决定因素.
主要方法:
- 利用了废水SARS-CoV-2结果和UCSD学生 (11/2020-11/2021) 个人测试结果的时间序列数据.
- 开发了层次分类/决策树模型,以识别预测个体感染的信息性废水特征.
- 将决策树模型的性能与其他统计和机器学习模型进行比较.
主要成果:
- 在住宅建筑中对个人COVID-19测试呈阳性的最有效预测因素是废水样本在前7天中的至少3天呈阳性.
- 与其他模型相比,等级决策树模型表现出优越的预测性能,同时保持可解释性.
结论:
- 该研究成功地确定了用于预测住宅环境中的个人COVID-19感染的关键废水监测特征.
- 这些发现有助于完善全校公共卫生指南和UCSD的通知系统,以加强早期检测和应对潜在的疫情.


