以废水为基础的流行病学作为预测工具的实施挑战:SARS-CoV-2的范式
Dimosthenis Chochlakis1, Georgios Tzedakis2, Areti Kokkinomagoula1
1Laboratory of Clinical Microbiology and Microbial Pathogenesis, School of Medicine, University of Crete, Heraklion, Crete, Greece; Regional Laboratory of Public Health of Crete, School of Medicine, University of Crete, Heraklion, Crete, Greece.
The Science of the total environment
|May 7, 2025
概括
废水基础流行病学 (WBE) 对废水中SARS-CoV-2RNA的监测显示,雨和封锁等因素会影响病毒载量. 机器学习模型在预测人类病例方面表现有前途,尽管在不同地点之间存在差异.
科学领域:
- 环境科学 环境科学
- 流行病学 流行病学
- 分子生物学分子生物学
背景情况:
- 基于废水的流行病学 (WBE) 是跟踪SARS-CoV-2的宝贵工具.
- 病毒遗传物质测量的每日变化受到多种因素的影响.
- 了解这些变化对于准确的WBE至关重要.
研究的目的:
- 调查影响废水中SARS-CoV-2RNA度的因素.
- 评估废水病毒载量与报告的人类病例之间的相关性.
- 使用WBE数据开发和评估用于预测SARS-CoV-2病例的机器学习模型.
主要方法:
- 从希腊克里特岛的两个污水处理厂系统采集废水样本.
- RT实时PCR用于病毒RNA量化和规范化.
- 对物理化学因素,限制措施和降雨影响的分析.
- 应用统计方法和机器学习 (ML) 来进行案例预测.
主要成果:
- 废水RNA度在封锁期间下降,并受到降雨的影响.
- 与病毒载荷相关的pH,总固体和导电性的波动.
- 在赫拉克利昂,废水病毒载量在人类病例之前平均有三天.
- ML模型表明,记录和预测病例之间存在密切的近似性,与第一波相比,注意到了差异.
结论:
- 物理化学参数 (总固体,pH,导电性),雨水和抑制剂显著影响病毒RNA恢复.
- 废水病毒载量与人类病例之间的相关性是复杂的,并不总是直接的.
- 机器学习可以改善WBE预测,但现有的模型需要适应不同的位置和处理厂.


