基于废水的有效繁殖数和预测,如果没有泄漏信息,则可以预测

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:

• 估计有效生殖数 (R_e) 和预测疾病发病率对于有效的疾病控制策略至关重要.
• 从废水数据中推断R_e的现有模型通常需要有关病原体脱落动态的特定信息,这可能是一个局限性.
• 废水监测提供了一种有希望的,不那么侵入性的方法来监测人口层面的健康趋势.

研究的目的:

• 提出和验证一个新的框架来估计R_e和预测使用废水数据的疾病发病率,专门设计不需要流放动态信息.
• 通过模拟数据和真实世界废水数据对A型流感病毒 (IAV) 和SARS-CoV-2进行评估,评估框架的性能.
• 评估该框架对于近乎实时的传染病动态监测和预测的有用性,特别是在临床监测有限的地区.

主要方法:

• 开发了一个框架,集成一个空间状态模型来平滑废水度数据,以及一个针对废水输入量身定制的修改后的更新方程.
• 用模拟的流行病曲线和来自美国2022/2023赛季的真实世界废水数据测试了框架.
• 分析了基于废水的R_e (R_e^ww) 和临床R_e在不同的泄漏场景下之间的关系,并确定了最佳采样频率.

主要成果:

• 空间状态模型有效地适应了模拟和真实世界废水数据.
• 在模拟中,R_e^ww与瞬间临床R_e与快速脱落密切匹配,并与长时间脱落的光滑R_e近似.
• 应用到现实数据显示,SARS-CoV-2的R_e^ww与临床R_e一致,IAV的R_e^ww值 (0.66-1.52) 与之前的估计相匹配,并成功预测了废水度.

结论:

• 拟议的框架允许使用废水监测对传染病动态进行可靠的估计和预测,即使不泄露信息.
• 这种方法促进了近乎实时的监测和预测,大大减少了报告延迟.
• 该框架对于临床监测不足的地区尤其有价值,并且可以适应各种可检测到废水的传染病.