Študija: Odpadne vode, sindromski nadzor COVID-19 so pomembni deli kompleta orodij za spremljanje COVID-a PlatoBlockchain Data Intelligence. Navpično iskanje. Ai.

Študija: Odpadne vode, sindromski nadzor COVID-19 so pomembni deli orodja za spremljanje COVID-a

Skupina raziskovalcev pod vodstvom Državne univerze Severne Karoline je med začetkom pandemije primerjala spremljanje odpadne vode in dva druga pristopa nadzora COVID-19 v Raleighu, NC. Ugotovili so, da sta spremljanje odpadne vode in sindromskega nadzora koristna dopolnila k laboratorijsko potrjenemu nadzoru primerov.

Od aprila do decembra 2020 je raziskovalna skupina razvila metode in analizirala dve meritvi odpadne vode (surove odpadne vode in trdne snovi, ki se usedejo iz odpadne vode) za SARS-CoV-2 RNA v vzorcih iz čistilne naprave za odpadne vode Raleigh, NC. Primerjali so rezultate odpadne vode z laboratorijsko potrjenimi primeri COVID-19 in primeri bolezni, podobnih COVID-u – ali sindromskih primerov, ki niso bili potrjeni z laboratorijskim testiranjem –, da bi ugotovili, ali in/ali kdaj so nabori podatkov povezani, pa tudi, ali so obdobja naraščanja ali zmanjševanja trende, usklajene po naborih podatkov.

»Splošni namen je bil pregledati štiri različne nize podatkov na enem geografskem območju in videti, kako se ujemajo,« pravi Nadine Kotlarz, raziskovalka na oddelku za biološke znanosti NC State in soavtorica prispevka, ki opisuje delo .

»Vsak pristop nadzora ima svoje edinstvene prednosti in omejitve. Nismo poskušali ugotoviti, katera metoda nadzora je najboljša; namesto tega smo želeli ustvariti celostno sliko o tem, kako bi lahko različna orodja, ki so na voljo zdravstvenemu oddelku, delovala skupaj, da bi jim pomagala obvladati pandemijo.«

Raziskovalna skupina je uporabila standardne korelacijske in linearne regresijske analize v nizih podatkov, da bi ocenila, kdaj so se različni pristopi nadzora med seboj strinjali in ali so nekateri pristopi zagotovili zgodnejše opozorilo o spreminjajočih se trendih.

Največja korelacija med nizi podatkov je bila med laboratorijsko potrjenimi in sindromnimi primeri. Vendar so bile koncentracije SARS-CoV-2 RNK v odpadnih vodah in trdnih snoveh zelo povezane tako z laboratorijsko potrjenimi primeri kot s sindromskimi primeri.

»Vse štiri meritve so pokazale trajno povečanje COVID-19 junija, julija in novembra 2020 ter trajno zmanjšanje avgusta in septembra 2020,« pravi Kotlarz. "V sistemu Raleigh so bili laboratorijsko potrjeni primeri in vplivi odpadne vode prejšnji pokazatelji sprememb, ki so jim sledili sindromni primeri in trdne snovi v odpadni vodi."

"Mislim, da je to delo pomembno, ker bi lahko uradnikom javnega zdravja omogočilo, da bolje razumejo svoje podatke," pravi Francis de los Reyes III, profesor civilnega, gradbenega in okoljskega inženiringa na NC State in soavtor prispevka. "Zlasti kadar ste v situaciji, ko je klinično testiranje nizko, lahko z možnostjo pregleda vseh podatkov na enem mestu uradnikom pomagate razumeti, kaj se dogaja."

»Medtem ko spremljanje odpadnih voda ni samostojna strategija iz številnih razlogov – na primer niso vsi priključeni na kanalizacijo –, saj vemo, da nadzor nad odpadno vodo in sindromom COVID-19 dopolnjuje laboratorijsko potrjene primere, zlasti na začetku pandemije, podpira njihovo uporabo kot dragocenega orodja pri sledenju dinamike okužbe s COVID-19,« pravi Angela Harris, docentka za civilno, gradbeno in okoljsko inženirstvo na NC State in soavtorica raziskave.«

Delo se pojavi v American Journal of Public Health in so ga podprli Nacionalna znanstvena fundacija (Rapid Response Research grant CBET- 2029025), North Carolina Policy Collaboratory in North Carolina State Center for Human Health and the Environment (grant P30ES025128). David Holcomb in Lawrence Engel z Univerze Severne Karoline v Chapel Hillu ter Virginia Guidry, Ariel Christensen in Steven Berkowitz z Ministrstva za zdravje ljudi in storitve Severne Karoline so prav tako prispevali k delu, ki je bilo opravljeno v sodelovanju z Obrat za obnovo virov reke Neuse.

(C) NCSU

Časovni žig:

Več od WRAL Techwire