Simple Science

La science de pointe expliquée simplement

# Sciences de la santé# Santé publique et mondiale

Surveillance des eaux usées : Suivre la santé à travers les égouts

L'analyse des eaux usées aide à détecter les maladies tôt et à prendre des décisions pour la santé publique.

― 7 min lire


Suivi des eaux usées pourSuivi des eaux usées pourla santé publiquedéfinir les réponses.des tendances de maladies et aide àAnalyser les données des égouts révèle
Table des matières

Ces dernières années, surtout pendant la pandémie de COVID-19, le suivi des Eaux usées est devenu un outil important pour suivre les maladies infectieuses. Ce truc consiste à collecter et analyser les égouts pour chercher des signes de virus et d'autres pathogènes. Début 2023, des milliers de sites de Surveillance des eaux usées étaient opérationnels dans de nombreux pays, aidant à garder un œil sur la santé des communautés.

Avantages de la Surveillance des Eaux Usées

La surveillance des eaux usées a plusieurs avantages. Ça peut donner des alertes précoces sur des épidémies, détecter différents types de pathogènes, et même identifier des substances liées à la santé comme des métaux toxiques. Ce n’est pas juste pour le COVID-19 ; ça peut être utilisé pour suivre diverses maladies et problèmes de santé. Mais, interpréter les données des eaux usées, c’est pas simple.

Le Défi de l'Interprétation

Contrairement aux méthodes traditionnelles qui comptent les gens infectés, par exemple les patients à l'hôpital, les données recueillies des eaux usées ne donnent pas une image directe de combien de personnes sont malades. La quantité de virus trouvée dans les égouts est liée à combien de gens éliminent le virus dans leurs selles. Par exemple, des études ont montré un lien entre les niveaux de SARS-CoV-2 dans les eaux usées et les cas de COVID-19 rapportés. Mais plein de facteurs peuvent influencer ces mesures, rendant difficile l'interprétation des résultats avec précision.

Stratégies Courantes pour l'Interprétation des Données

Une méthode courante pour comprendre les données des eaux usées est d’estimer des métriques de maladie traditionnelles, comme le taux d'apparition de nouveaux cas. Ça implique des méthodes statistiques qui cherchent des relations entre la concentration de pathogènes dans les eaux usées et les cas de santé rapportés. Le souci, c'est que les données spécifiques nécessaires pour des Estimations précises, comme la répartition de la population ou combien de virus les gens éliminent, ne sont pas toujours disponibles, surtout pour de nouveaux pathogènes.

Une autre approche consiste à chercher des Tendances dans le temps au même endroit. En comparant les mesures de différents jours, c'est plus facile de voir si la quantité de virus dans les eaux usées augmente ou diminue. Par exemple, si la quantité de virus augmente, ça indique probablement plus d'infections dans la communauté. Suivre ces tendances peut fournir des informations utiles sur comment la maladie se propage.

Méthodes pour Estimer les Tendances

Pendant la pandémie de COVID-19, les Centers for Disease Control and Prevention (CDC) ont développé une méthode simple pour suivre les niveaux de virus dans les eaux usées. Cette méthode utilise une approche statistique basique pour voir comment la quantité de virus change dans le temps. Une autre méthode a été suggérée pour améliorer les estimations en utilisant les nombres de cas quotidiens de COVID-19 rapportés pour combler les lacunes des jours où aucun échantillon d'eaux usées n'était pris.

Ces méthodes fournissent des estimations sur la rapidité de la propagation du virus dans une communauté, classant les tendances comme en augmentation, en diminution ou stables (plateau). Mais l’efficacité de ces approches et leur précision n’ont pas été testées à fond.

Études de Simulation pour Évaluation

Pour évaluer comment ces méthodes fonctionnent, les chercheurs ont créé des données simulées qui imitaient les tendances réelles des eaux usées. En utilisant des tendances connues et en mélangeant du bruit aléatoire, ils pouvaient comparer différentes approches d'estimation par rapport aux véritables changements dans les données.

Ils ont examiné quatre méthodes d'estimation :

  1. Régressions Rolling : Un modèle statistique simple qui analyse les échantillons d'eaux usées les plus récents.
  2. Imputation Multivariée : Cette méthode utilise les données de cas rapportés quotidiennement pour estimer les niveaux manquants de virus dans les eaux usées.
  3. Imputation Univariée : Une approche plus simple qui utilise seulement les données des eaux usées pour combler les lacunes.
  4. Modèles Additifs Généralisés (GAM) : Une méthode plus complexe qui estime les tendances et fournit des fonctions continues lisses.

Performance des Approches d'Estimation

Chaque méthode a été évaluée sur sa capacité à estimer avec précision les taux de changement des charges virales dans les eaux usées. Globalement, les GAM ont généralement produit les résultats les plus précis. La méthode de régression linéaire rolling était moins fiable, surtout quand les tendances étaient moins lisses.

En analysant des données de vraies localités, comme la Caroline du Nord, les chercheurs ont appliqué ces méthodes pour voir comment elles fonctionnaient en pratique. Ils ont découvert que les résultats variaient entre les différentes approches d'estimation, certaines identifiant des tendances comme stables alors qu'elles ne l'étaient pas.

Surveillance dans des Milieux Réels

En Caroline du Nord, la surveillance des eaux usées était menée dans plusieurs communautés. Pour chaque endroit, les chercheurs évaluaient les taux de virus dans les eaux usées et les comparaient avec les comptes de cas de COVID-19 rapportés. En regardant comment le taux de virus changeait dans le temps, ils pouvaient classer les tendances comme en augmentation, en diminution ou stables.

L’étude a trouvé que différentes méthodes produisaient des classifications différentes. La plupart des endroits étaient classés comme ayant des tendances stables malgré des preuves de propagation virale. Cette discordance souligne l'importance du choix de la méthode dans l'estimation des tendances de la maladie.

L'Importance d'Estimations Fiables

Des estimations fiables des tendances d'infection sont cruciales pour les réponses de santé publique. Si une méthode suggère à tort qu'un virus est en diminution alors qu'il se propage réellement, cela pourrait mener à des actions insuffisantes, comme une réduction des mesures de santé publique. À l'inverse, si une méthode indique une augmentation sans preuves suffisantes, cela pourrait entraîner une panique inutile ou des actions de réponse.

À mesure que l'utilisation de la surveillance des eaux usées se développe, il sera essentiel de s’assurer que ces méthodes fournissent des informations précises et fiables. Cela inclut la nécessité de peaufiner les techniques d'estimation et de considérer leurs limites, surtout quand les conditions changent rapidement, comme pendant une pandémie.

Directions Futures

Alors que les communautés continuent de compter sur la surveillance des eaux usées, il est important de développer et de peaufiner des méthodes qui fournissent des conseils clairs. Cela peut impliquer d'intégrer les données des eaux usées avec d'autres métriques de santé, comme les taux d’hospitalisation ou les visites aux urgences, pour créer une vue plus complète de la santé communautaire.

De plus, il faut plus de clarté sur ce qui constitue une tendance significative. Cela inclut la définition de seuils spécifiques pour l'action basés sur les changements de charge virale, ce qui peut aider à former des réponses standards dans différentes régions.

Conclusion

La surveillance des eaux usées est un outil prometteur pour suivre les maladies infectieuses, mais ça vient avec des défis. Comprendre et interpréter les données nécessite une attention particulière aux méthodes utilisées et à leurs forces et faiblesses respectives. En continuant d'étudier et d'améliorer ces approches, les autorités de santé publique peuvent mieux surveiller la santé des communautés et réagir efficacement aux épidémies.

Source originale

Titre: Estimating Rates of Change to Interpret Quantitative Wastewater Surveillance of Disease Trends

Résumé: BackgroundWastewater monitoring data can be used to estimate disease trends to inform public health responses. One commonly estimated metric is the rate of change in pathogen quantity, which typically correlates with clinical surveillance in retrospective analyses. However, the accuracy of rate of change estimation approaches has not previously been evaluated. ObjectivesWe assessed the performance of approaches for estimating rates of change in wastewater pathogen loads by generating synthetic wastewater time series data for which rates of change were known. Each approach was also evaluated on real-world data. MethodsSmooth trends and their first derivatives were jointly sampled from Gaussian processes (GP) and independent errors were added to generate synthetic viral load measurements; the range hyperparameter and error variance were varied to produce nine simulation scenarios representing different potential disease patterns. The directions and magnitudes of the rate of change estimates from four estimation approaches (two established and two developed in this work) were compared to the GP first derivative to evaluate classification and quantitative accuracy. Each approach was also implemented for public SARS-CoV-2 wastewater monitoring data collected January 2021 - May 2023 at 25 sites in North Carolina, USA. ResultsAll four approaches inconsistently identified the correct direction of the trend given by the sign of the GP first derivative. Across all nine simulated disease patterns, between a quarter and a half of all estimates indicated the wrong trend direction, regardless of estimation approach. The proportion of trends classified as plateaus (statistically indistinguishable from zero) for the North Carolina SARS-CoV-2 data varied considerably by estimation method but not by site. DiscussionOur results suggest that wastewater measurements alone might not provide sufficient data to reliably track disease trends in real-time. Instead, wastewater viral loads could be combined with additional public health surveillance data to improve predictions of other outcomes.

Auteurs: David A Holcomb, A. Christensen, K. Hoffman, A. Lee, A. D. Blackwood, T. Clerkin, J. Gallard-Gongora, A. Harris, N. Kotlarz, H. Mitasova, S. Reckling, F. L. de los Reyes, J. R. Stewart, V. T. Guidry, R. T. Noble, M. L. Serre, T. P. Garcia, L. S. Engel

Dernière mise à jour: 2024-04-26 00:00:00

Langue: English

Source URL: https://www.medrxiv.org/content/10.1101/2024.04.24.24306320

Source PDF: https://www.medrxiv.org/content/10.1101/2024.04.24.24306320.full.pdf

Licence: https://creativecommons.org/licenses/by/4.0/

Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.

Merci à medrxiv pour l'utilisation de son interopérabilité en libre accès.

Plus d'auteurs

Articles similaires