Simple Science

最先端の科学をわかりやすく解説

# 健康科学# 感染症(HIV/AIDSを除く)

廃水分析:COVID-19予測のための新しいツール

wastewaterデータを使うことで、コミュニティのCOVID-19入院予測が良くなるよ。

Naomi A Rankin, S. Saiyed, H. Du, L. M. Gardner

― 1 分で読む


廃水データがCOVIDの予廃水データがCOVIDの予測を強化分析が入院の予測を改善する。革新的な wastewater
目次

COVID-19パンデミックはアメリカの医療に大きな影響を与えた。2024年初めまでに、670万人以上が入院し、約110万人がこのウイルスで亡くなった。COVID-19の拡散を追跡するために、個別の検査や調査などいろんな方法が使われてきた。でも、これらの従来の方法には、時間の経過によるサンプルサイズの変動や人々の参加意欲のバイアス、在宅検査からの過小報告の問題など、いくつかの問題があった。

新しい方法:廃水ベースの疫学

これらの課題を克服するために、研究者たちはCOVID-19を監視するために廃水分析を使用し始めた。この方法は、コミュニティの下水道システムにおけるウイルスのレベルを調べる。廃水中のウイルスレベルを測定することで、保健当局は検査や調査だけに頼らずにCOVID-19の拡散のより明確な状況を把握できる。廃水分析は侵襲的でなく、コスト効率が高く、感染のトレンドを広く捉えることができる。

研究では、廃水中のウイルスレベルとCOVID-19の症例、入院、死亡の間に強い関連性があることが示されている。このつながりは、廃水を見ればウイルスがコミュニティにどのように影響を与えるかを予測するのに役立つツールになるかもしれないことを示唆している。

廃水データを使った入院予測

最近の研究では、廃水データを使ってCOVID-19の入院を予測した。一つの研究では、このデータを使ってアメリカの159の郡の週ごとの入院を予測できた。結果は良好で、廃水情報を使ったモデルが最大4週間前まで正確に入院を予測できることを示した。

別の研究では、特定のモデリング手法を使ってニューヨーク州の異なる地理的地域でのCOVID-19入院を予測した。廃水データを含めることで予測力が大幅に向上した。他の国、オーストリアやスペインでも、廃水データが病床の占有率や入院率のより正確な予測に貢献したという報告があった。

これらの研究が廃水ベースの予測の有効性を示している一方で、改善の余地もある。多くの既存モデルは継続的な予測に焦点を当てており、時には意思決定者に不確実性を効果的に伝えられないことがある。これが実際のリスクについての誤解を招くことになる。また、ほとんどのモデルは都市レベルの特異性に欠けており、効果的なローカル意思決定に必要なことが多い。

我々の研究:COVID-19入院予測の強化

この研究では、廃水データを使用したCOVID-19入院のための明確で有用な予測モデルを構築することを目指した。アメリカの6つの都市に焦点を当て、保健当局向けに2つの主要な出力を提供できるモデルを作成した:

  1. 入院キャパシティリスク (HCR):これは、利用可能な病床に基づいて、地域の医療システムがどれだけ逼迫するかを予測する。
  2. 入院率トレンド (HRT):これは、COVID-19の拡散が今後どのように変化する可能性があるかを予測する。

我々のモデルは、1、2、3週間先の予測を生成することを目指していた。廃水データ、過去の入院、ワクチン接種率、その他の関連要因の情報を組み合わせた。さまざまな指標を使って、我々のモデルがどれだけうまく機能したかを評価した。

データ収集と変数

入力変数

我々の研究のために、モデルを作成するためにさまざまな情報を集めた:

  • 入院:各都市の病院におけるCOVID-19患者の数を調べた。
  • 廃水ウイルス負荷:新しい入院の先行指標として使用するために、廃水中のウイルスの測定値を含めた。
  • 過去の感染:地域内の以前のCOVID-19症例を自然免疫の指標とした。
  • ワクチン接種率:各都市で完全にワクチン接種されている人の数に関するデータを含めた。
  • コミュニティ脆弱性指数 (CCVI):この指標は、コミュニティが重症疾患の結果にどれだけ脆弱かを理解するのに役立つ。

ターゲットの設計

入院の正確な数を予測する代わりに、情報をリスクレベルに分類した。HCRモデルは医療資源に対する負担の大きさに焦点を当て、HRTモデルは入院率がどれだけ早く変化するかを見た。

我々の研究の主要な発見

  1. モデルのパフォーマンス:HCRとHRTの両方のモデルは強い予測力を示した。モデルは特に短期的なリスクの予測に効果的だった。
  2. 廃水データの重要性:分析の結果、廃水レベルが予測の精度を向上させる重要な要因であることが分かった。特に最初の2週間の予測において。
  3. コミュニティ脆弱性の影響:CCVIは結果を形作る重要な役割を果たし、コミュニティのリスクが入院のダイナミクスに影響を与えることを示した。

公衆衛生の意思決定者への影響と利点

我々の研究は、廃水データを使うことがCOVID-19の予測においてゲームチェンジャーになりうることを強調している。個別の検査に依存する従来の方法とは異なり、廃水監視はコミュニティリスクの理解に対するより包括的なアプローチを提供する。

都市への実行可能な洞察

都市レベルのデータに焦点を当てることで、我々の発見は地元当局が資源配分や公衆衛生介入について情報に基づいた決定をするのに役立つ。このことは、COVID-19の影響が深刻な人口密集地域では特に重要だ。

制限と今後の研究の領域

我々の研究は可能性を示しているが、解決すべき課題もある:

  • データの質:廃水データの有効性は、都市によって報告や分析手法の違いにより異なる。高品質のデータがより良い予測をもたらす。

  • 追加要因の必要性:今後の研究では、循環ウイルス変異株など、他の要因を統合して予測モデルをさらに強化することを考慮すべきだ。

  • 変化点に焦点を当てる:トレンドの急激な変化の際のモデルのパフォーマンスを評価することは重要だ。我々の研究は、モデルが全体のトレンドを予測できる一方で、突然の変化を捉える能力を向上させる必要があることを示唆している。

結論

COVID-19に関するさまざまな課題に直面する中で、廃水監視のような革新的な方法を使用することで、パンデミックを理解し対応する能力を大幅に向上させることができる。より正確で解釈可能なモデルを開発することで、保健当局は将来のアウトブレイクに備え、コミュニティを情報提供し保護することができる。

予測方法の継続的な改善と研究を通じて、将来のCOVID-19や他の感染症に対する対応を改善できる。この研究は、既存のリソースをより効果的に活用し、地元コミュニティの特定のニーズに焦点を当てる方法のロードマップを提供する。

オリジナルソース

タイトル: A Multi-City COVID-19 Categorical Forecasting Model Utilizing Wastewater-Based Epidemiology

概要: The COVID-19 pandemic highlighted shortcomings in forecasting models, such as unreliable inputs/outputs and poor performance at critical points. As COVID-19 remains a threat, it is imperative to improve current forecasting approaches by incorporating reliable data and alternative forecasting targets to better inform decision-makers. Wastewater-based epidemiology (WBE) has emerged as a viable method to track COVID-19 transmission, offering a more reliable metric than reported cases for forecasting critical outcomes like hospitalizations. Recognizing the natural alignment of wastewater systems with city structures, ideal for leveraging WBE data, this study introduces a multi-city, wastewater-based forecasting model to categorically predict COVID-19 hospitalizations. Using hospitalization and COVID-19 wastewater data for six US cities, accompanied by other epidemiological variables, we develop a Generalized Additive Model (GAM) to generate two categorization types. The Hospitalization Capacity Risk Categorization (HCR) predicts the burden on the healthcare system based on the number of available hospital beds in a city. The Hospitalization Rate Trend (HRT) Categorization predicts the trajectory of this burden based on the growth rate of COVID-19 hospitalizations. Using these categorical thresholds, we create probabilistic forecasts to retrospectively predict the risk and trend category of six cities over a 20-month period for 1, 2, and 3 week forecasting windows. We also propose a new methodology to measure forecasting model performance at change points, or time periods where sudden changes in outbreak dynamics occurred. We also explore the influence of wastewater as a predictor for hospitalizations, showing its inclusion positively impacts the models performance. With this categorical forecasting study, we are able to predict hospital capacity risk and disease trends in a novel and useful way, giving city decision-makers a new tool to predict COVID-19 hospitalizations.

著者: Naomi A Rankin, S. Saiyed, H. Du, L. M. Gardner

最終更新: 2024-09-16 00:00:00

言語: English

ソースURL: https://www.medrxiv.org/content/10.1101/2024.09.16.24313752

ソースPDF: https://www.medrxiv.org/content/10.1101/2024.09.16.24313752.full.pdf

ライセンス: https://creativecommons.org/licenses/by/4.0/

変更点: この要約はAIの助けを借りて作成されており、不正確な場合があります。正確な情報については、ここにリンクされている元のソース文書を参照してください。

オープンアクセスの相互運用性を利用させていただいた medrxiv に感謝します。

著者たちからもっと読む

類似の記事