用于 SARS-CoV-2 废水监测的数据滤波方法
应用统计
2022-02-08 v1 种群与进化
摘要
在 SARS-CoV-2 大流行管理中，基于废水的流行病学旨在通过监测废水中的病毒浓度来推导感染动态信息。然而，由于废水中病毒信号固有的随机波动（例如由于稀释、污水系统中的输移与归趋过程、排放人数变化、每日病毒排泄量与耗水量变化），后续的患病率分析可能导致误导性结论。因此，应用数据滤波技术以降低信号中的噪声是有帮助的。本文研究了应用于奥地利四座污水处理厂监测病毒信号的 13 种平滑算法。算法的参数通过以性能指标为目标的优化过程确定。结果进一步通过聚类分析加以考察。尽管所有算法原则上均可适用，SPLINE、广义加性模型（Generalized Additive Model）与 Friedman 超级平滑器（Friedman Super Smoother）在此情境下被认定为更优方法（后两者有过度平滑的倾向）。对所得数据集的初步分析表明了集水区规模对基于废水的流行病学的影响：较小社区既在感染动态的任何关联显现之前揭示出信号阈值，也对感染聚集表现出更高的敏感性。
引用
@article{arxiv.2104.11566,
title = {Data filtering methods for SARS-CoV-2 wastewater surveillance},
author = {Rezgar Arabzadeh and Daniel Martin Gruenbacher and Heribert Insam and Norbert Kreuzinger and Rudolf Markt and Wolfgang Rauch},
journal= {arXiv preprint arXiv:2104.11566},
year = {2022}
}
备注
22 pages 6 Figures