跳至主要内容
LuminUltra
EnglishFrançais简体中文

Covid-19废水测试

废水监测和直接提取的力量:
提前 19 天检测 COVID-7 趋势

废水监测研究的结果表明,有能力在报告病例前19天发现社区COVID-7病例的趋势。

重点外卖:

通过使用直接提取方法比较废水中SARS-CoV-2的浓度与同期报告的临床病例,结果表明废水监测能够在报告病例前19天检测社区COVID-7病例的趋势。

在下面了解更多信息,或 立即联系 有关如何的详细信息 LuminUltra改变游戏规则的废水测试解决方案可以应用在您的系统中。


 

介绍

废水监测已成为在社区一级监测COVID-19病例趋势的有用工具。 SARS-CoV-2(引起COVID-19的病毒)的废水测试是一种非侵入性方法,可提供准确的结果,已显示出可以对临床病例趋势提供高级警告。 常规方法通常需要专门的设备和熟练的操作人员来对SARS-CoV-2进行分析之前对大量废水进行预浓缩。 LuminUltra 已经发展了 GeneCount®SARS-CoV-2废水测试套件 使用磁结合珠技术直接从2 mL原始废水样品中提取SARS-CoV-1 RNA的方法,从而无需对样品进行预浓缩。 此外,它允许同时测试废水中的液体和固体部分,从而提高了结果的准确性。

使用 GeneCount®SARS-CoV-2废水检测试剂盒以及负电膜RNA浓缩技术,这是一种常用的实验室方法。 每种方法均在分离的废水样品上进行,随后使用相同的RT-qPCR分析法检测RNA,以靶向SARS-CoV-2基因组。 在数周的时间内,使用来自六个不同社区废水处理设施的废水样本集对多个样本进行了测试,从而得出总共31个样本集。

比较方法结果

通过直接提取和负电膜浓缩方法制备的RNA样品使用相同的RT-qPCR测定法进行了测试,以进行并排比较。 本研究中使用的RT-qPCR分析针对SARS-CoV-1病毒的N2和N2基因。

皮尔逊相关系数用于确定每种方法的结果中N1或N2目标之间是否存在显着差异。 统计分析表明,每种方法的N0.01或N1靶标的测量浓度(拷贝数/ mL)之间没有显着差异(p值<2)。 每种方法的N1和N2目标之间的关系如图1所示。

图1:用于目标浓度比较的线性回归模型 GeneCount®SARS-CoV-2废水试剂盒和电负性膜RNA浓缩在整个样品组中。
图1:用于目标浓度比较的线性回归模型 GeneCount®SARS-CoV-2废水试剂盒和电负性膜RNA浓缩在整个样品组中。

对于方法之间的比较,皮尔逊相关系数用于比较两种方法的N1和N2目标浓度(份数/ mL)。 统计分析表明,直接法和负电膜浓缩法之间的N2基因靶结果无统计学差异(p值<0.01)。 但是,相关性确定两种方法之间的N1目标结果在统计学上是显着的(p值= 0.15)。 需要进一步调查以了解N1目标之间的差异。 尽管出于本研究的目的使用另一种RT-qPCR分析进行了测试, LuminUltra GeneCount®SARS-CoV-2废水检测试剂盒旨在在RT-qPCR分析中检测N2基因靶标。 方法与各个N1和N2目标浓度之间的关系如图2所示。

图2:线性回归模型用于各个目标浓度之间的比较 GeneCount®SARS-CoV-2废水试剂盒和电负性膜RNA浓缩在整个样品组中。
图2:线性回归模型用于各个目标浓度之间的比较 GeneCount®SARS-CoV-2废水试剂盒和电负性膜RNA浓缩在整个样品组中。

将直接提取的数据与报告的临床病例进行关联

文献报道,基于废水的流行病学可以在人群中最多花几天的时间就临床病例趋势进行预测。 因此,将直接提取数据(份数/ mL)与来自其中一个测试地点的公共可用临床病例数据(报告的病例/周)并排进行比较。 无法在其他测试位置获得临床COVID-19病例数据,因此无法分析相关性。

图3:来自未配对数据点的废水浓度的LOESS回归模型和报告的临床病例。
图3:来自未配对数据点的废水浓度的LOESS回归模型和报告的临床病例。

报告的临床数据(每周总计)和测量的废水数据(随机间隔)未在相同的时间间隔上进行,因此,首先使用LOESS回归模型在数据点之间进行插值。 在两个模型之间确定了皮尔逊相关系数(r)。 通过将模型移动1天到最多10天,可以确定潜在的滞后关系。 在每个间隔处,计算Pearson相关系数,并将所有可能间隔的最大绝对系数确定为最佳关系。 从临床和废水未配对数据点开发的LOESS回归模型如图3所示。

两种模型之间的最佳关系是在7天的滞后关系下计算的(r = 0.6),显示废水数据在报告病例前19天检测到的趋势与COVID-7病例相似。 图4显示了用于临床和废水数据的LOESS模型以及经过调整的模型,以表示将临床数据的初始时间点后移7天的滞后时间。 调整后的临床模型与废水模型显示出很强的关系。

图4:具有最佳临床数据滞后关系的废水和临床LOESS模型(-7天)
图4:具有最佳临床数据滞后关系的废水和临床LOESS模型(-7天)

皮尔森相关系数(r = 0.6)和相应的滞后关系(7天)证明了废水监测能够在临床病例发生19天之前检测出社区COVID-7病例的趋势,如文献报道。 来自废水监测的临床病例趋势的提前期可能是大流行反应的宝贵工具,可以做出明智的公共卫生决策,例如增加临床检测或调整社会限制。

总结

使用两种方法分析了废水样品中的SARS-CoV-2: GeneCount®SARS-CoV-2废水测试套件 和负电膜过滤。 皮尔逊相关系数用于比较两种制备方法的结果,以及直接提取方法的结果与采样点之一公开提供的临床数据的比较。 总而言之,结果显示:

  • 当使用Pearson相关系数比较各个测试的N1和N2目标时,两种测试的目标之间均无显着差异(p值<0.01)。
  • 当使用Pearson相关系数比较样品制备方法时,N2目标的结果之间没有显着差异(p值<0.01),但是,N1目标的结果之间存在显着差异(p值) = 0.15)。 需要进一步调查以了解差异。
  • 皮尔逊相关系数用于比较将废水和临床数据集配对生成的LOESS回归模型。 最佳相关性是通过将数据移动一天(最多10天)来最大化Pearson相关系数(r)来计算的。 最佳相关性是在7天的滞后关系下计算的(r = 0.6)。
  • 通过使用直接提取方法比较废水中SARS-CoV-2的浓度与同期报告的临床病例,结果表明废水监测能够在报告病例前19天检测社区COVID-7病例的趋势。
您的浏览器已过时!

更新您的浏览器以正确查看此网站。 立即更新我的浏览器