想象一下，人体就像一座繁忙的城市，而污水系统则是这座城市的地下河流，带走城市产生的一切物质。几十年来，科学家们已经意识到，这条“地下河流”是城市健康状况的秘密日记。如果一种病毒正在传播，即使人们感觉良好或从未就医，这种病毒也经常会在马桶水中留下微小的痕迹。这个被称为“废水流行病学”的领域，就像是在倾听城市的管道，以便在人群中有人真正打喷嚏之前，先听到一声咳嗽。这是一个强大的工具，因为它捕捉到了所有人的感染情况，而不仅仅是那些病得足够重而不得不去医院的人。
然而，阅读这本“日记”非常困难。河流中充满了噪音：降雨会稀释水质，使用管道的人数会发生变化，病毒本身也会以不同的速度降解。这就像是在暴风雨中试图听清一声低语。科学家们长期以来一直在思考：我们能否利用这些嘈ole的低语来准确预测会有多少人最终住进医院？答案并非简单的“是”或“否”。有时，这些低语很清晰，而有时它们又消失在静电噪音中。核心问题在于，我们能否清理出信号，并利用它来预见疫情爆发的未来，尤其是在病毒处于静默且难以追踪的状态下。
这就是名为 EpiFlow 的新工具包发挥作用的地方，它扮演着污水系统中高科技侦探的角色。开发 EpiFlow 的研究人员不仅观察了原始数据，还构建了一个框架来清理数据、理解其节奏，并利用这些信息做出更好的预测。他们将废水数据视为一段杂乱的音频录音，需要一副降噪耳机和一个聪明的编辑器才能使其变得有意义。
团队在弗吉尼亚州的 COVID-19 数据上测试了他们的侦探工作，分析了 2021 年 10 月至 2023 年 12 月期间的废水样本和住院人数。他们发现，原始的废水数据确实非常“嘈杂”，很难单独进行预测。但当他们应用特殊的“去噪”过滤器（一种称为 Savitzky–Golay 的数学平滑技术）时，信号变得清晰多了。他们发现，水中的病毒与住院人数之间的关系并不是静态的，而是随时间变化的。有时，废水会起到领先作用，提前数周预警医院的激增；而有时，这种关系会发生反转或减弱。
通过使用一个能够适应这些变化节奏的模型（滚动窗口向量自回归模型），EpiFlow 表明废水数据可以显著改善预测。在“激增”时期（即病毒传播迅速的时期），结果尤其令人印象深刻。在这些关键时刻，使用清洗后的废水数据的模型，其预测准确度比仅观察过去住院人数的模型提高了 20 个百分点。即使在废水报告延迟一到两周的情况下（这是一个常见的现实问题），该模型仍然能够优于标准方法。
论文指出，虽然废水并非万能的预言水晶球，但它是拼图中的重要一块。核心结论是，你不能只是将原始的污水数据输入计算机并期望得到完美的预测。你必须清洗数据，理解下水道与医院之间的联系是如何随时间变化的，并使用一个能随着疫情演变而学习的灵活模型。作者强调，这种方法在病毒激增期间效果最好，能提供一个至关重要的早期预警系统，帮助医院在病床填满之前做好准备。他们同时也指出，他们的方法是对现有数据的模拟和分析，展示了在现实世界中应用的潜力，但它并不是针对每种疾病场景的永久且不变的解决方案。
技术摘要：EpiFlow —— 一个旨在提高废水信号在疾病预测中效用的框架
问题陈述
基于废水的监测（WBS）为监测传染病提供了一种稳健的机制，能够覆盖有症状和无症状人群，且不受医疗求助行为的影响。然而，废水病毒载量（WVL）信号对于实时预测疾病负担（如住院人数）的直接效用仍处于研究阶段。由于因素如可变的分区人口、排泄动力学、流量和采样策略，WVL 数据本质上具有高噪声和异质性。虽然 WVL 与疾病负担相关，但其预测价值在低流行期或发生报告延迟时往往会降低。此外，废水信号与临床指标之间的关系并非静态的；它是随时间演变的，这挑战了假设具有平稳关系的模型的有效性。本文旨在解决一个原则性的框架问题，即如何处理、分析并将废水数据整合到概率预测模型中，以提高准确性，特别是在关键流行阶段。
方法论：EpiFlow 框架
作者提出了 EpiFlow，这是一个由数据预处理、信号分析和预测三个连续模块组成的集成框架。该框架应用于 2021 年 10 月至 2023 年 12 月期间美国弗吉尼亚州五个卫生区域的 SARS-CoV-2 数据。
数据预处理与信号构建：
- 对齐： 将废水和住院数据在时间维度上对齐至周分辨率。缺失值通过前向填充进行插补，空间聚合在卫生区域层面进行。
- 归一化： 使用 NWSS 指定的归一化方法将废水病毒载量（WVL）转换为病毒活性水平（VAL），并将污水渠系层级的数据聚合为区域中位数。
- 去噪： 为了减轻高频波动的影响，对 VAL 信号（记作 VAL-dn）应用 Savitzky–Golay (SG) 滤波器。通过优化滤波器参数（多项式阶数和窗口长度）来减少噪声，同时保留具有流行病学意义的变化的时机和幅度。
信号分析：
- 可预测性评估： 使用排列熵（Permutation Entropy, PE）在滚动窗口内量化时间序列的内在可预测性。分析确定了平衡局部适应性与足够样本量的最佳窗口长度，发现超过 10–16 周后，可预测性显著下降。
- 动态关系分析： 采用滚动窗口格兰杰因果检验（RWGC）来表征 VAL 与住院人数之间随时间变化的定向依赖关系。这涉及在滑动窗口内拟合二元向量自回归（VAR）模型，以测试滞后的 VAL 是否能改善当前住院人数的预测（反之亦然）。通过基于置换的检验来处理短小且多噪的窗口，从而评估显著性。
预测模型：
- VAR 建模： 使用滚动窗口 VAR 模型生成概率预测。该模型捕捉了废水信号与住院信号之间不断演变的关系。
- 基准模型： 将 VAR 方法与 ARIMA（单变量）和 ARIMAX（纳入外生废水变量）基准模型进行对比。
- 延迟模拟： 该框架通过调整输入滞后结构来显式地模拟报告延迟（1–2 周），模拟当前无法获得实时废水数据的情景。
核心贡献
- 集成框架： EpiFlow 提供了一个系统化的流水线，超越了简单的相关性分析，转而解决废水数据的特定挑战：噪声、非平稳性和报告延迟。
- 去噪效能： 研究表明，Savitzky–Golay 去噪显著提高了废水信号的可预测性，使其更具预测价值。
- 时变动力学： 通过利用滚动窗口格兰杰因果关系，该框架捕捉了非平稳的废水-负担关系，识别出废水作为领先指标的时期，以及其关系减弱或反转的时期。
- 对延迟的鲁棒性： 该框架显式地考虑并模拟了报告延迟，证明了即使在数据无法实时获取的情况下，废水信号仍具有效用。
结果
根据加权间隔分数（WIS）和预测覆盖率指标进行评估：
- 提高准确性： 将去噪后的废水信号（VAL-dn）纳入 VAR 模型（VAR-dn）后，其表现始终优于 ARIMA 和 ARIMAX 基准模型，尤其是在激增期（surge periods）。
- 预测覆盖率： 在激增阶段，VAR-dn 比基准模型将观测到的 95% 预测覆盖率提高了约 20 个百分点。
- 相位依赖性： 废水信号带来的益处在激增阶段最为显著。在动力学较为稳定且具有自回归特征的平台期，较简单的单变量模型（ARIMA）表现出了竞争力。
- 延迟韧性： 即使在模拟 1–2 周的报告延迟情况下，包含延迟废水数据的模型（VAR-dn-del1/del2）仍优于 ARIMA 基准模型，证实了其尽管存在延迟但仍具有信号价值。
意义与主张
本文主张，只要通过时变动力学进行适当的处理和建模，废水衍生指标是传染病预测中的一项宝贵资产。作者强调：
- 信号质量至关重要： 原始废水数据噪声过大，无法直接使用；去噪和仔细的选择窗口是实现其效用的前提条件。
- 背景环境是关键： 废水信号的预测能力是动态的；它在激增期间作为强有力的领先指标，但在稳定时期提供的优势较小。
- 操作可行性： 该框架证明，即使在低流行率或存在报告延迟的情况下，废水监测仍能改善实时概率预测，解决了先前报告（如 NASEM 第二阶段）中关于 WBS 数据操作化使用的关键差距。
作者总结道，EpiFlow 提供了一种将废水数据整合进公共卫生预测的原则性方法，推动该领域从早期探索迈向操作可靠性。代码和数据均已公开，以促进进一步的研究与应用。
每周获取最佳 machine learning 论文。
受到斯坦福、剑桥和法国科学院研究人员的信赖。
请查收邮箱确认订阅。
出了点问题，再试一次？
无垃圾邮件，随时退订。