Wastewater Surveillance as an Event Detection System: Outbreak and Peak Detection of SARS-CoV-2 Across 281 U.S. Counties

ملخص تقني: مراقبة مياه الصرف الصحي كنظام للكشف عن الأحداث

بيان المشكلة
بينما يتم استخدام المراقبة القائمة على تحليل مياه الصرف الصحي (WBS) بشكل متزايد لمراقبة ديناميكيات الأمراض المعدية، تركز التقييمات الحالية في الغالب على تحليلات الارتباط أو التنبؤ بالنتائج السريرية. يرى المؤلفون أن هذه النهج تفشل في تقييم ما إذا كانت عملية المراقبة عبر مياه الصرف الصحي قادرة مباشرةً على تحديد أحداث وبائية محددة تعد الأكثر أهمية لاتخاذ القرارات المتعلقة بالصحة العامة، وهي: بداية التفشي وتوقيت ذروة الوباء. علاوة على ذلك، غالبًا ما تواجه نماذج التنبؤ التقليدية صعوبة في البيئات التشغيلية الآنية، لا سيما عند توقع الزيادات الحادة في نشاط المرض. وهناك نقص في وجود إطار عمل منهجي لتقييم نظام المراقبة بمياه الصرف الصحي كـ "نظام لكشف الأحداث" يأخذ في الاعتبار عدم اليقين في التوقيت، والبيانات المبتورة، وعيوب النتائج المرجعية السريرية.

المنهجية
تقدم الدراسة إطار عمل قائم على التصنيف لتقييم مراقبة مياه الصرف الصحي كنظام للكشف عن الأحداث، وطُبق هذا الإطار على بيانات أسبوعية لفيروس سارس-كوف-2 من مياه الصرف الصحي من 281 مقاطعة أمريكية (مصدر Biobot، للفترة 2021-2024) وبيانات سريرية مقابلة (الحالات، الاستشفاء، الوفيات).

1. نهج الكشف عن الأحداث:

• الكشف عن التفشي (البداية): يستخدم المؤلفون نموذج نمو أسي بايزي (Bayesian exponential growth model). لكل موقع وفترة زمنية، يقوم النموذج بملاءمة منحنى نمو أسي للبيانات (مياه الصرف الصحي أو البيانات السريرية) بافتراض توزيع ثنائي الحدين السالب (Negative Binomial). تُعرَّف حالات التفشي بناءً على تقديرات الاحتمال البعدي لمعدل النمو ($\eta$): يبدأ التفشي عندما يكون المئوي الخامس لتقدير معدل النمو البعدي موجبًا ($\eta_{0.05} > 0$) وينتهي عندما يصبح وسيط معدل النمو سالبًا ($\eta_{0.5} < 0$). ويتم اختبار هذا النهج مقابل طريقة قياسية تعتمد على عدد التكاثر الأساسي ($R_t$).
• الكشف عن الذروة: تحدد خوارزمية قائمة على القواعد القيم القصوى المحلية في السلسلة الزمنية. يُكتشَف وجود ذروة إذا كانت قيمة الإشارة عند الزمن $t_p$ أكبر تماماً من القيم في النافذة اليسرى ($w_L$) وأكبر من أو تساوي القيم في النافذة اليمنى ($w_R$)، مع حد أدنى لعظمة المقدار.

2. إطار التقييم:

• النتائج المرجعية: تستخدم الدراسة كلًا من الأحداث المُعرفة خوارزميًا والأحداث "المُنقحة". تم إنشاء حالات التفشي والذروات المنقحة من خلال الفحص البصري الخبير للسلاسل الزمنية للحالات لإزالة الاكتشافات غير المعقولة أو دمج الأحداث المجزأة، مما يوفر معيارًا مرجعيًا أكثر صرامة.
• فترات الكشف: لمعالجة عدم اليقين في التوقيت، تم تحديد فترة كشف حول كل حدث مرجعي. يعتبر حدث مياه الصرف الصحي "إيجابيًا حقيقيًا" (True Positive - TP) إذا وقع ضمن هذه الفترة (على سبيل المثال، $[-3, 3]$ أسابيع للحالات؛ و $[-6, 0]$ أسابيع للوفيات).
• ضوابط جودة البيانات: يتضمن إطار العمل معايير لاكتمال البيانات (استبعاد التصنيفات التي تفتقر فيها بيانات مياه الصرف الصحي لأكثر من ثلث النافذة ذات الصلة) والبيانات المبتورة (استبعاد الأحداث القريبة من بداية أو نهاية السلسلة الزمنية حيث تكون نوافذ الكشف غير مكتملة).
• المقاييس: يتم قياس الأداء باستخدام الحساسية (نسبة الأحداث السريرية المكتشفة) والقيمة التنبؤية الإيجابية (PPV، نسبة اكتشافات مياه الصرف الصحي التي تعتبر إنذارات حقيقية).

3. التجميع المكاني: يقارن التحليل الأداء على مستوى المقاطعة، ومستوى تجمع المقاطعات (متوسط مرجح بالسكان للمقاطعات المختارة)، وعلى مستوى الولاية لتقييم تأثير التنعيم المكاني على دقة الكشف.

النتائج الرئيسية

• الكشف عن التفشي: حقق نهج النمو الأسي البايزي تفوقًا ملحوظًا على خط الأساس المستند إلى $R_t$. فعلى مستوى المقاطعة، حقق النموذج الأسي حساسية قدرها 0.82 وقيمة تنبؤية إيجابية بلغت 0.64 لتفشي الحالات، مقارنة بحساسية قدرها 0.58 وقيمة تنبؤية إيجابية قدرها 0.19 لأفضل متغير لـ $R_t$. وفي مواجهة تفشي الحالات المنقحة، ارتفعت الحساسية إلى 0.92.
• الكشف عن الذروة: أظهرت خوارزمية الكشف عن الذروة القائمة على القواعد اتساقًا قويًا، حيث حققت حساسية قدرها 0.84 وقيمة تنبؤية إيجابية قدرها 0.70 على مستوى المقاطعة مقابل ذروات الحالات الخوارزمية.
• التجميع المكاني: قدم التجميع تحسينات طفيفة وغير مهمة إحصائيًا في الكشف عن التفشي. ومع ذلك، بالنسبة للكشف عن الذروة مقابل المعيار المرجعي المنقح، تحسنت القيمة التنبؤية الإيجابية بشكل كبير مع التجميع (من 0.40 على مستوى المقاطعة إلى 0.52 على مستوى الولاية، $p < 0.001$)، مما يشير إلى أن التجميع يساعد في التمييز بين الذروات ذات المغزى وبين الضوضاء الموجودة في البيانات المرجعية.
• الفترات الزمنية الرائدة (Lead Times): سبقت إشارات مياه الصرف الصحي بدايات التفشي المحددة بالحالات بنحو 4 إلى 6 أيام (0.6 إلى 0.8 أسبوع). وفي المقابل، أظهرت إشارات مياه الصرف الصحي وقتًا رائدًا ضئيلاً فيما يتعلق بذروات الحالات (يقارب الصفر)، وهو أمر يتفق مع كون مياه الصرف تعكس الانتشار (الإفراز المتراكم) بدلاً من الإصابة الجديدة (Incidence). وكانت الفترات الزمنية الرائدة أطول لحالات الاستشفاء والوفيات، بما يتماشى مع التأخيرات البيولوجية في مسار الانتقال من العدوى إلى النتيجة النهائية.
• النتائج السريرية: ظل الأداء قوياً عبر مختلف النتائج السريرية (الحالات، الاستشفاء، الوفيات)، مع ظهور فوائد خاصة للتجميع على مستوى الولاية في الكشف عن التفشي والذروات في النتائج الأكثر ضجيجًا مثل الوفيات.

الأهمية والادعاءات
تدعي الورقة ثلاث مساهمات رئيسية:

1. تحول منهجي: هي تعيد صياغة تقييم مراقبة مياه الصرف الصحي من مجرد ارتباط وتنبؤ إلى مشكلة "كشف عن الأحداث"، موفرةً إطار تصنيف قابل لإعادة الاستخدام يتعامل بوضوح مع عدم اليقين في التوقيت، والبيانات المبتورة، والمعايير المرجعية غير الكاملة. وقد صُمم هذا النهج ليكون قابلاً للتعميم خارج نطاق كوفيد-19 ومياه الصرف الصحي ليشمل أي إشارة مراقبة أخرى.
2. التحقق التجريبي: تثبت الدراسة أن إشارات مياه الصرف الصحي يمكنها الكشف بشكل موثوق عن بدايات التفشي وذروات الأوباء عبر مستويات مكانية مختلفة ونتائج سريرية متنوعة. تسلط الدراسة الضوء على أن اختيار طريقة الكشف أمر بالغ الأهمية، موضحة أن النماذج البسيطة والموجزة (مثل النمو الأسي والكشف عن الذروات بالقاعدة) يمكن أن تتفوق على النماذج الأكثر تعقيدًا ($R_t$) عندما تتم مطابقتها لهدف الكشف.
3. الأهمية التشغيلية: تدعم النتائج استخدام مراقبة مياه الصرف الصحي كأداة عملية لاتخاذ قرارات الصحة العامة. وترى الدراسة أن تحديد أحداث منفصلة (بداية/ذروة) هو هدف غالباً ما يكون أكثر واقعية وقابلية للتطبيق من التنبؤ بالمسارات المستمرة، خاصة في البيئات الواقعية المليئة بالضجيج.

خلص المؤلفون إلى أنه بينما يختلف الأداء حسب الموقع والنطاق، فإن مراقبة مياه الصرف الصحي تُعد أداة مكملة وجديرة بالثقة لمراقبة الديناميكيات الوبائية، قادرة على توفير إشارات في الوقت المناسب لبداية التفشي وتوقيت الذروة، بما يتوافق مع النظرية الوبائية بشأن الفرق بين معدل الإصابات (Incidence) والانتشار (Prevalence).