基于废水的SARS-CoV-2监测:使用贝叶斯平滑的短期预测 (预测),平滑和异常值识别
Douglas G Manuel1, Gauri Saran2, Ivan Lee2
1The Ottawa Hospital Research Institute, 1053 Carling Ave, Ottawa, Ontario K1Y 4E9, Canada; University of Ottawa, Ottawa, 75 Laurier Ave E, ON K1N 6N5, Canada.
The Science of the total environment
|July 27, 2024
概括
废水数据的贝叶斯平滑准确地估计了COVID-19 (SARS-CoV-2) 的增长率,并预测了公共卫生中的病毒水平. 这种方法改善了废水监测解释和短期COVID-19预测.
科学领域:
- 环境微生物学环境微生物学
- 流行病学 流行病学
- 公共卫生监督是对公共卫生的监督.
背景情况:
- 废水中的SARS-CoV-2 (导致COVID-19的病毒) 每日变异测量使公共卫生解释复杂化.
- 评估了贝叶斯平滑和预测方法,此前用于COVID-19病例和住院预测.
研究的目的:
- 评估贝叶斯平滑和预测方法用于分析SARS-CoV-2废水监测数据的有效性.
- 为了验证估计COVID-19增长率和预测废水中的病毒水平的方法.
主要方法:
- 来自加拿大太华废水中的SARS-CoV-2病毒测量 (2020年7月至2022年2月) 用于内部验证.
- 外部验证使用了来自加拿大安大略省15个市镇的废水数据.
主要成果:
- 贝叶斯平滑可视识别了不同的COVID-19波,与病例和住院数据保持一致.
- 废水SARS-CoV-2的增长率与报告病例和住院病例的增长率非常接近.
- 一周的废水病毒载荷预测与模型重新校准后的观察测量非常相匹配.
结论:
- 对SARS-CoV-2废水数据的贝叶斯平滑使得准确的COVID-19增长率估计和安大略省16个城市的12周预测成为可能.
- 建议进行进一步的研究,以评估该方法在各种污水盆地和环境条件中的性能.


