基于废水的流行病学:推导SARS-CoV-2数据验证方法以评估数据质量并改善趋势识别

科学领域:

• 环境科学环境科学
• 公共卫生 公共卫生
• 数据科学是数据科学.

背景情况:

• 准确的SARS-CoV-2数据对于公共卫生决策至关重要.
• 基于废水的流行病学提供了对感染趋势的见解,但由于复杂的样本矩阵和系统可变性,它面临着挑战.
• 由于诸如降水和工业排放等因素,现有的方法在数据质量方面扎.

研究的目的:

• 开发和验证一种自动化方法,用于评估和提高废水处理厂 (WWTP) 的SARS-CoV-2数据的质量.
• 识别潜在的极端事件并提高基于废水的流行病学数据的可靠性.
• 为WWTP和实验室建立数据质量类别.

主要方法:

• 根据生殖率和SARS-CoV-2时间序列转折点的异常值对WWTP和实验室数据质量进行分类.
• 在质量控制参数 (QCP) 中审查的统计异常值,包括流速,电导率和替代病毒 (例如,胡温和斑点病毒).
• 在分析基因段比率中调查异常值,以检测潜在的实验室错误,并评估QCP异常值和SARS-CoV-2度异常值之间的相关性.

主要成果:

• 流量率和基因段比率在识别SARS-CoV-2度曲线中的异常值方面最有效,在WWTP和实验室之间存在差异.
• 排除基于QCP可信性检查的数据点显著改善了整体数据质量.
• 开发的数据质量类别与视觉评估有很好的一致性.

结论:

• 高质量的数据对于在地方和国家层面准确识别趋势至关重要.
• 拟议的自动化方法可以通过提高废水数据可靠性来加强与健康相关的监测.
• 该模型具有适应性,可以针对单个WWTP进行优化,以适应各种操作条件.