废水作为短期预测COVID-19住院的早期指标
Jonas Radermacher1, Steffen Thiel2, Aimo Kannt3,4
1Department of Bioinformatics, Fraunhofer Institute for Algorithms and Scientific Computing (SCAI), Schloss Birlinghoven 1, Sankt Augustin, 53757, Germany. jonas.radermacher@scai.fraunhofer.de.
BMC public health
|August 26, 2025
概括
废水监测与德国的COVID-19住院病例有很强的相关性,作为早期预警指标. 然而,整合这些数据并没有提高预测模型的准确性,ARIMA模型在没有这些数据的情况下表现得最好.
科学领域:
- 环境科学
- 流行病学
- 公共卫生
背景情况:
- COVID-19 疫情对全球卫生系统产生了重大影响,需要改进疫情进展评估和预测的方法.
- 准确的监测和预测对于有效的公共卫生干预和准备至关重要.
研究的目的:
- 评估废水监测数据对提高德国COVID-19住院预测的有用性.
- 将各种统计和机器学习模型的性能与废水数据集成进行比较.
主要方法:
- 考虑到时间延迟,探索了废水中的SARS-CoV-2 RNA与COVID-19住院患者之间的交叉相关性.
- 随机森林,XGBoost,ARIMA,线性和回归模型的比较,有和没有废水数据预测器.
- 仅使用废水数据进行住院预测.
主要成果:
- 废水数据显示与住院趋势有很强的相关性 (高达86%),可能会提前8天作为预警指标.
- 整合废水数据并没有提高住院预测模型的统计准确性.
- 没有废水数据的ARIMA模型在7天前的住院预测中取得了最佳表现 (4.76% MAPE).
- 废水病毒载量证明是监测流行病趋势的有价值的独立预测指标.
结论:
- 废水监测显示了在德国COVID-19住院的早期预警系统的潜力.
- 尽管存在很强的相关性,但废水数据整合并没有提高预测模型的性能.
- 废水病毒载量仍然是公共卫生监测和资源分配的重要指标,具有更广泛的应用潜力.
更多相关视频
09:26Quantification and Whole Genome Characterization of SARS-CoV-2 RNA in Wastewater and Air Samples
Published on: June 30, 2023
1.2K
06:54Author Spotlight: Understanding and Detecting Environmental Antimicrobial Resistance by Combining Culture-Based Techniques and Genomics
Published on: July 19, 2024
1.2K
