2020-2022年马萨诸塞州惩教设施SARS-CoV-2废水监测评估
莫尼娜·克莱文斯
克里斯汀·c·w·杨2，
斯科特·w·奥里森
安东尼Osinski- 1美国麻萨诸塞州公共卫生部传染病和实验室科学局，麻萨诸塞州波士顿
- 2生物机器人分析公司，剑桥，马萨诸塞州，美国
- 3.马萨诸塞州卫生与公共服务执行办公室，美国马萨诸塞州波士顿
作品简介:惩教机构的环境、资源和组织因素会促进SARS-CoV-2的传播，并对工作人员和住院医生的临床测试构成挑战。在马萨诸塞州，根据美国疾病控制和预防中心(CDC)的建议，多所州立监狱实施了废水监测，以对个人进行战略性检测，并在感染过程的早期隔离COVID-19病例。我们的目标是量化COVID-19病例与设施级废水监测的相关性，与地理位置最接近参与惩教设施的城镇的标准病例监测相比。
材料和方法:现有数据包括来自8个参与设施(标记为A-H以匿名)的居民报告的COVID-19病例数，每个设施的废水病毒浓度，以及距离每个设施最近的城镇例行监测报告的COVID-19病例。我们选择了2020年12月至2022年2月的数据。在每个设施中计算斯皮尔曼等级相关性，以评估城镇病例和设施居民病例之间的一致性，以及废水浓度和设施居民病例之间的一致性。我们认为≤0.3的相关性为弱相关性，≥0.6的相关性为强相关性。
结果:各设施平均可容纳502人(范围54-1,184)，平均人手341人(范围53-547)。在7/8的设施中，城镇/居民病例相关系数(ρ)具有统计学意义(范围为0.22-0.65);在所有设施中，废水/设施居民病例相关性具有统计学意义(范围0.57-0.82)。始终，特定设施废水/居民案例的ρ值高于城镇/居民案例:A (0.65, 0.80)， B (0.59, 0.81)， C (0.55, 0.70)， D (0.61, 0.82)， E (0.46, 0.62)， F(0.51, 0.70)和H(0.22, 0.57)。
结论:我们得出的结论是，对SARS-CoV-2废水的监测可以提供额外的信号，客观地补充现有的COVID-19临床监测，以早期发现病例和惩教设施的感染控制工作。
1.简介
SARS-CoV-2大流行在发病率、死亡率和经济影响方面造成了难以估量的痛苦，弱势群体受到的影响尤为严重。特别是，居住在惩教设施的个人的死亡率高于可比的一般人口(马尔克斯等，2021年）;她们的脆弱性与其所在社区的条件(例如，健康的社会决定因素)以及在监禁期间(辛普森和巴特勒，2020年)．具体而言，SARS-CoV-2在拥挤的室内空间传播效率最高，纠正中存在环境、资源和组织因素的组合，有利于SARS-CoV-2的传播。与此同时，在惩教设施中，对工作人员和住院医生进行临床测试以及早发现感染并预防传播是一项挑战(霍克斯等，2020年；蒙托亚-巴塞尔米等人，2020年；Hassard等人，2022)．
在马萨诸塞州，大约有6500人居住在不同规模和基础设施的马萨诸塞州矫正部(DOC)的监督下。DOC的任务之一是为居民提供适当的护理，DOC与一家私人医疗服务机构签订了合同(DOC冠状病毒信息指南|Mass.gov)来满足这些需求。为应对新冠肺炎疫情，美国司法部开展了一系列活动，“尽量减少新冠病毒进入州立惩教机构的机会;抑制病毒在这些设施内的传播;并提供充分的检测，以确定感染此病的居民和工作人员，并提供医疗护理。”(EOPSS和DOC, 2021)．
不幸的是，筛查无症状个体具有挑战性，因为检测到阳性个体后的感染控制干预措施会导致检测拒绝(Wurcel等人，2020年)．在缺乏系统筛查的情况下，无症状病例很容易被发现，成为传播源。正因为如此，卫生部于2020年12月在选定的设施中实施了废水监测，目标是捕获无偏倚的居民样本，并使用结果进行针对性检测，并在感染过程中早期隔离阳性。我们的目标是量化COVID-19病例与设施级废水监测的相关性，与地理位置最接近参与惩教设施的城镇的标准病例监测相比。
2.方法
在这项研究中，我们使用了几个数据来源来衡量病例，包括来自DOC的居民检测和病例数据，马萨诸塞州公共卫生部监测系统(马萨诸塞州虚拟流行病学网络[MAVEN]来自邻近城镇的病例数据和监测记录)，以及生物机器人分析(废水数据)。
八间惩教所参与污水监察工作(表1)．2021年，每个设施的日均人口从< 100人到1000人不等;设施在安全性和居民人口统计方面差别很大。
表1．马萨诸塞州惩教部门的设施和相关特征的表。
2.1.案例数据
病例数据是向监测部门报告的个体感染。DOC为本分析提供了DOC设施居民的设施级病例数据。该设施的活动性病例被定义为PCR或快速抗原检测阳性并在检测后10天内出现症状的个人。获得了设施容量信息通过惩教署就二零一二年一月三十一日至十二月三十一日期间监狱容量的季度报告(https://www.mass.gov/doc/prison-capacity-first-quarter-2022/download)．使用马萨诸塞州DOC Tableau仪表板确定设施居民的容量、安全级别和人口统计数据(https://public.tableau.com/app/profile/madoc)．这些是由商务部的数据分析部门根据马萨诸塞州的一项紧急法律创建的，以保护健康和健康(2020年会议法-法案第93章(malegislature.gov)．
确定了距离参与DOC设施最近的城镇。镇级病例数据来自MAVEN，这是一个基于网络的综合疾病监测和病例管理系统，用于监测超过90种应报告的传染病(Troppy等人，2014)．实验室发起的COVID-19病例电子报告遵循CDC/CSTE的病例定义(https://www.cdc.gov/sars/guidance/b-surveillance/app1.html)．MAVEN还包含流行病学家进行监测跟踪以跟踪活动的笔记，并使用与设施集群相关的自由文本笔记。在本研究中，所有PCR检测均按城镇、周(发病率和死亡率周报使用1-53)、周开始和结束日期以及检测结果提取，以汇编DOC设施附近城镇的COVID-19病例，并以csv文件提供分析期间的数据。我们还提取了自由文本注释，以确定任何增加临床测试的计划建议的日期，以及这些建议是否被指定为对废水信号的响应。
2.2.废水数据
作为Biobot Analytics提供的常规废水监测的一部分，从每个站点收集了24小时原始进水废水的复合样本，使用时间或流量成比例的24小时复合采样器。从2020年12月15日起，每周至少收集一次样本，分析期结束于2022年2月12日，共收集8个地点的890个样本(表1)．样本收集和分析如前所述(Duvallet等人，2022)．简单地说，将15 mL废水浓缩约100倍，使用RNeasy Mini柱或盒提取RNA。从RNeasy试剂盒中洗脱的RNA样本进行一步RT-qPCR，对N1、N2、胡椒轻度斑驳病毒(PMMoV)和其他对照扩增子进行三次分析。Ct-值使用Cy0算法从原始荧光数据中调用，该算法来自R (盖奇尼等人，2008年)，并手动检查与原生Biorad软件中的原始痕迹是否一致。生成标准曲线并用于量化病毒数量Ct值。PMMV被用作SARS-CoV-2浓度正常化的粪便指标。
2022年2月，我们更新了实验室方法，改善了样品处理时间、吞吐量和灵敏度，并考虑到供应链可用性，采用了当前协议，该协议使用谷神星纳米陷阱颗粒(SKU 44202)捕获病毒，基本上与谷神星纳米科学APP-030协议中所描述的一样。从9.6 mL废水中捕获病毒颗粒，立即用MagMAX裂解液(Applied Biosystems A52606)裂解，400 μL裂解液用MagMAX DNA/RNA结合珠进行核酸分离。磁珠洗脱样品进行一步RT-qPCR分析，如上所述。
采用所有方法进行实验室对照，包括每个qPCR板上的合成SARS-CoV-2 RNA阳性对照和两个无模板对照。对于阳性和阴性对照，超出预期范围的Ct值会触发qPCR板的重新运行。每天还运行一组提取空白对照。此外，在每个样品中加入一个回收对照，并与PMMV平行测量。通过回顾原始qPCR曲线和与PMMV平行测量的内部qPCR对照来手动评估基质抑制。最后，PMMV被用作每个板恢复的代理测量，PMMV异常低的qPCR板被标记为进一步审查和可能的板重做。只有通过所有质量控制的结果才包含在这个数据集中。
2.3.统计分析
我们的假设是:(1)在设施废水中测量的SARS-CoV-2浓度将与DOC设施中的居民(即被监禁的个人)中的COVID-19病例密切相关，因为设施中的居民在很大程度上是一个封闭的人群，所有废物都存放在设施中;(2)居民和城镇病例将适度相关，因为工作人员通常生活在邻近社区，可能会通过社区接触将SARS-CoV-2带入目标惩教设施。
为了评估DOC设施、邻近城镇的COVID-19病例与废水中SARS-CoV-2浓度之间的相关性，我们分析了2020年12月15日至2022年2月12日期间所有地点的时间序列。变量为:废水SARS-CoV-2浓度、城镇级病例数据和设施级病例数据。然而，这些都是以不同的频率报告的，所以流行病学周被用作一个通用的时间尺度来比较各个数据源。废水SARS-CoV-2浓度和病例数分别用几何平均值和标准平均值按流行病学周平均。为了表征废水SARS-CoV-2浓度与COVID-19病例之间的关系，我们计算了三个时间序列之间的交叉相关性:每周平均设施级废水SARS-CoV-2浓度(以下简称“废水”)，每周平均设施级记录的DOC居民COVID-19病例(“居民病例”)，每周和每周普通人群中城镇级别的COVID-19病例(“城镇病例”)。
进行Spearman等级相关系数检验(ρ)以评估相关性;p< 0.05为差异有统计学意义;ρ≥0.6为强，ρ≤0.3为弱。进行了敏感性分析，以评估COVID-19波(omicron前与所有样本)对相关性的影响。所有统计分析均在R Studio 4.2.0版本中进行(R核心团队，2022年)．
该分析是数据的二次使用，不被马萨诸塞州公共卫生部认为是人体研究。
3.结果
在2020年12月15日至2022年2月12日期间，马萨诸塞州8个DOC设施共记录了1246例COVID-19病例，进行了34781次快速抗原检测，其中1273次呈阳性。在与每个设施地理上最密切相关的8个城镇共记录了32908例COVID-19病例。在同一时间内，在所有设施收集了890个废水样本(表1)．
3.1.相关性
不同设施的结果不同，但总体而言，居民和废水之间的相关性很强(p> 0.6)，居民和城镇病例相关性中等(图1)．特定设施废水/居民案例的相关值始终高于城镇/居民案例(表2)．我们进行了敏感性分析(补充材料)评估相关性:(1)至少进行了5次COVID-19检测的天数;(2)进行至少5次COVID-19检测的周;(3)欧米克隆波之前的时间段(2020年12月- 2021年11月)。正如预期的那样，在前两次敏感性分析中，居民病例和废水浓度在各设施之间的相关性更强(补充表格S1，S2)．当每周至少平均进行5次COVID-19检测时，城镇病例数与居民病例数的相关性更强;这可能表明影响社区和设施级COVID-19活动的整体大流行动态和疾病浪潮。值得注意的是，分析2021年12月Omicron浪潮之前的数据显示，跨设施的居民、废水和城镇病例之间的相关性减弱。几个设施的居民病例与废水相关性中等;居民和城镇病例的相关性较弱，大多数不具有统计学意义(补充表S3)．
图1．在马萨诸塞州惩教部门的设施中，居民和城镇病例与废水中SARS-CoV-2浓度的成对相关性。采用斯皮尔曼秩相关系数;直线表示95%置信区间。病例数和废水SARS-CoV-2病毒浓度按MMWR周平均。废水= SARS-CoV-2有效浓度的周几何平均值(copies/L);城镇=邻近城镇每周平均报告新冠肺炎病例;居民=马萨诸塞州医疗机构居民中每周平均报告的COVID-19活跃病例。
表2．2020年12月至2022年2月，马萨诸塞州惩教部门的设施废水、居民COVID-19活跃病例和城镇COVID-19病例的斯派曼等级相关系数表。
3.2.案例研究
SARS-CoV-2废水监测作为提供态势感知和/或COVID-19疫情早期预警的工具，对建筑物级设施最有利。尽管大多数设施报告的总病例数较小，但废水中SARS-CoV-2浓度与COVID-19病例数之间的相关性很明显(图2)．因此，我们还选择了三个单独的设施，根据废水监测信号的响应信息，在不同的案例研究中进行评估。
图2．马萨诸塞州8个惩教部门的有效SARS-CoV-2浓度和活跃的居民COVID-19病例(a)， 2020年12月- 2022年2月。
3.2.1.设施C
C设施的独特之处在于，它为有特定医疗监督需求的短期人群提供服务。这里没有保安人员，也没有访客;与其他惩教设施相比，进出人员的控制较少。对居民的摄入量进行了SARS-CoV-2检测，但除此之外，没有对居民进行COVID-19常规筛查。注意到2021年3月和2021/2022年冬季观察到的废水信号，但似乎没有触发主动测试。
3.2.2.设备维
D设施是最高安全级别的设施。对有COVID-19症状的居民进行了检测。对访客进行控制，对访客进行筛选和测试。对员工的SARS-CoV-2检测包括每月随机、不事先通知地使用一个移动检测设备。阳性结果不定期报告给DPH。研究人员观察并记录了2021年冬季的废水信号，但目前尚不清楚个人受到了多大程度的检测。
3.2.3.设施E
E设施是根据需要对有症状的居民进行检查的大型、中型安全设施。游客接受了SARS-CoV-2筛查和测试。记录了2021年6月的废水信号，并指出测试结果没有增加。
4.讨论
废水监测在社区监测和控制COVID-19方面具有明显优势(冈萨雷斯等人，2020年；Wu等，2022)和大学校园水平(哈里斯-洛维特等人，2021年；Wong等人，2021)，据我们所知，这是首个量化惩教机构的关系的研究。此外，这里提出的案例研究记录了废水监测在各种惩教设施设置中的应用和直接效用。常规监测报告的病例(如在我们的镇级数据中捕获的)受到检测模式的影响，除非通过筛查确定，否则会低估无症状病例。城镇与惩教设施之间的互动是动态的，因为工作人员和访客经常住在邻近的城镇，而居民则被释放到城镇(蒙托亚-巴塞尔米等人，2020年；Hassard等人，2022）;然而，这项研究发现，与镇一级监测和居民病例相比，惩教设施废水监测与居民病例之间的相关性更强。
用于控制COVID-19的建筑级废水监测的一个特点是，它在短反馈循环中是可操作的(Wong等人，2021)．新的证据表明，它也可以负担得起(Liu等，2022)，使惩教设施等资源有限的地方得以进一步扩展。此外，由于主动临床筛查以检测受感染个体的规划工作和费用具有挑战性(布林克利-鲁宾斯坦等人，2021)，我们发现惩教设施的废水监测提供了超越城镇或城市级别监测的价值，这表明这是一个很好的用例。针对废水信号采取行动需要公共卫生和惩教设施领导层和工作人员之间建立伙伴关系。在这种情况下，废水监测可以是一个额外的信号，以帮助惩教设施的感染控制工作。
马萨诸塞州监狱的一项研究中描述了城镇和居民病例关联的证据，其中拥挤也是一个因素(莱博维茨等人，2021)．工作人员和访客进出惩教设施给废水数据的解释带来了挑战。安全是马萨诸塞州DOC的高度优先事项，并且对访问进行了管理。此外，根据其他人的建议(霍克斯等，2020年；王等，2020)，试图在2020年减少居民数量，以降低COVID-19传播风险。官员们于2021年1月开始为DOC居民和工作人员分发第一轮COVID-19疫苗(EOPSS和DOC, 2021)．然而，在惩教设施中控制感染传播还有许多其他障碍，包括物理和结构方面的挑战(王等，2020)，而各设施执行缓解工作的能力各不相同。
废水中检测到SARS-CoV-2是某处感染的明确结果。然而，废水中SARS-CoV-2检测的许多可变性来源(韦德等人，2022年)在解释个人结果和感染控制方面带来了挑战。受监测的人口较少(即建筑物水平)导致废水浓度与报告病例之间的定量相关性不确定。在某一天，可能对废水产生影响的受感染人数很难量化;此外，粪便中的病毒脱落在个体之间差异很大(Acer et al.， 2022)．因此，我们提醒合作伙伴避免过度解读废水中高浓度SARS-CoV-2的单一观察结果。然而，我们观察到高病毒浓度值通常与病例群相关，表明在探索基于某些界限(例如，百分比增长)的解释指导方面具有潜在价值。此外，快速现场检测的可用性和实施缩短了废水在大流行早期提供的时间窗口期。这加强了将这些数据与其他监测数据来源结合起来的价值。
这项研究的最大局限性是缺乏随着时间的推移在人群中感染的生物学证据。我们的数据是观察性的和不完整的，因为我们的结果(病例)低估了感染，原因有几个，包括识别阳性个体的不利因素，针对废水信号的检测实施不一致，以及在主要基于症状的检测下，工作人员和居民中未发现病例。这意味着以病例作为结果的相关分析可能并不理想，我们的发现是保守的。
目前正在CDC的合作和支持下，对在惩教设施中使用废水监测监测SARS-CoV-2的成本效益进行正式的基于模型的评估，目标是开发一种类似于COVIDTracer和COVIDTracer Advanced | CDC的交互式工具。
独特的人口脆弱性，加上惩教设施的环境和结构条件，使临床测试成为挑战，表明废水监测在这种情况下是有益的。在麻萨诸塞州，环保署与渠务署合作，拟将污水监察范围扩大至更多设施(EOPSS和DOC, 2021)，并与CDC关于防止SARS-CoV-2在惩教设施内传播的指引一致，包括考虑在设施层面进行废水监测(https://www.cdc.gov/coronavirus/2019-ncov/community/correction-detention/guidance-correctional-detention.html)．我们发现，废水浓度与居民感染之间的相关性值始终高于城镇病例与居民感染之间的相关性值，这为将废水监测作为检测具有挑战性的设施的无偏倚信息安全网提供了强有力的支持。
数据可用性声明
支持本文结论的原始数据将由作者提供，毫无保留地提供。
作者的贡献
RMK对工作的概念、工作数据的解释、对工作的起草和实施修订、对内容的出版提供批准，并对工作的所有方面负责。CY和SO参与了工作的设计，分析和解释工作的数据，起草工作，为内容的发表提供批准，并对工作的所有方面负责。AO, DC, JM, LC, TS和KC对工作的概念，工作数据的获取和解释，对重要的智力内容的草案进行批判性的修改，为内容的出版提供批准，并对工作的所有方面负责。所有作者都对这篇文章做出了贡献，并批准了提交的版本。
致谢
作者对富阳项目协调员、研究和规划司、惩教司助理副专员杰弗里·费舍尔和惩教司监察专员办公室主任劳伦·安德森的努力表示感谢。
利益冲突
CY和SO受雇于Biobot Analytics, Inc.。
其余作者声明，这项研究是在没有任何商业或财务关系的情况下进行的，这些关系可能被解释为潜在的利益冲突。
出版商的注意
本文中所表达的所有主张仅代表作者，并不代表他们的附属组织，也不代表出版商、编辑和审稿人。任何可能在本文中评估的产品，或可能由其制造商提出的声明，都不得到出版商的保证或认可。
补充材料
本文的补充资料可在以下网址找到:https://www.雷竞技rebatfrontiersin.org/articles/10.3389/frwa.2023.1083316/full#supplementary-material
参考文献
Acer, P. T.， Kelly, L. M.， Lover, A. A.和Butler, C. S.(2022)。量化隔离住宅SARS-CoV-2废水浓度与建筑物级COVID-19患病率之间的关系:被动抽样方法Int。j .包围。公共卫生决议案19日,11245年。doi: 10.3390 / ijerph191811245
Brinkley-Rubinstein, L.， Peterson, M.， Martin, R.， Chan, P.和Berk, J.(2021)。接种疫苗后，监狱SARS-CoV-2感染病例突破。心血管病。j .地中海．385年,1051 - 1052。doi: 10.1056 / NEJMc2108479
Duvallet, C.， Wu, F.， McElroy, K. A.， Imakaev, M.， Endo, N.， Xiao, A.等(2022)。美国COVID-19病例和SARS-CoV-2 RNA废水浓度的全国趋势ACS EST水2022年,434年。doi: 10.1021 / acsestwater.1c00434
Eopss doc(2021)。卫生部启动疫苗接种、电子监测项目作为健康和安全战略．网上订购地址:https://www.mass.gov/guides/doc-coronavirus-information-guide(2022年9月30日访问)。
冈萨雷斯，R.，柯蒂斯，K.，比文斯，A.，毕比，K.，韦尔，M. H.，耶特卡，K.等人(2020)。在弗吉尼亚州东南部使用基于废水的流行病学监测COVID-19。水物．186年,116296年。doi: 10.1016 / j.watres.2020.116296
盖奇尼，M.，西斯提，D.，罗基，M. B.，斯托奇，L.，和斯托奇，V. A.(2008)。一种新的实时PCR方法克服了由于轻微的扩增抑制而导致的显著定量误差。BMC Bioinform。9日,326年。doi: 10.1186 / 1471-2105-9-326
哈里斯-洛维特，S.，纳尔逊，K. L.，比默尔，P.，比舍尔，H. N.，比文斯，A.，布鲁德，A.等人(2021)。大学校园SARS-CoV-2废水监测:初步努力、经验教训和研究需求。Int。j .包围。公共卫生决议案18日,4455年。doi: 10.3390 / ijerph18094455
哈萨德，F.，史密斯，T. R.， Boehm, A. B.，诺兰，S.， O'Mara, O.， Di Cesare等人(2022)。用于快速识别监狱传染病的废水监测。柳叶刀的微生物．3, e556-e557。doi: 10.1016 / s2666 - 5247 (22) 00154 - 9
霍克斯，L.，伍尔汉德勒，S.和麦考密克，D.(2020)。美国监狱中的COVID-19。JAMA实习生。地中海．180年,1041 - 1042。doi: 10.1001 / jamainternmed.2020.1856
莱博维茨，A. I.， Siedner, M. J.， Tsai, A. C.和Mohareb, A. M.(2021)。2020年4月至2021年1月，马萨诸塞州监狱拥挤程度与COVID-19发病率之间的关系。JAMA实习生。地中海．181年,1315 - 1321。doi: 10.1001 / jamainternmed.2021.4392
Liu, P.， Ibaraki, M.， VanTassell, J.， Geith, K.， Cavallo, M.， Kann, R.等(2022)。一种敏感、简单、低成本的机构级COVID-19废水监测方法。科学。总环境．807 (Pt 3)， 151047。doi: 10.1016 / j.scitotenv.2021.151047
马尔克斯，N.，沃德，J. A.，帕里什，K.，塞隆纳，B.和多洛维奇，S.(2021)。2020年4月5日至2021年4月3日，与美国人口相比，联邦和州监狱的COVID-19发病率和死亡率。《美国医学会杂志》326年,1865 - 1867。doi: 10.1001 / jama.2021.17575
蒙托亚-巴尔特米，A. G.，李，C. D.，坎迪夫，D. R.和史密斯，E. B.(2020)。COVID-19与惩教环境:美国监狱作为公共卫生的焦点。点。j .上一页。地中海．今年58岁,888 - 891。doi: 10.1016 / j.amepre.2020.04.001
R核心团队(2022年)。R:统计计算的语言和环境。维也纳:R统计计算基金会．网上订购地址:https://www.R-project.org/(2022年9月14日访问)。
Troppy, S.， Haney, G.， Cocoros, N.和Cranston, K.(2014)。21世纪传染病监测:基于网络的综合监测和病例管理系统。公共卫生代表．129年,132 - 8。doi: 10.1177 / 003335491412900206
Wade, m.j.， Lo Jacomo, A, Armenise, E, Brown, m.r.， Bunce, J. T.， Cameron, G. J.等(2022)。理解和管理大流行后废水监测的不确定性和可变性:从英国国家COVID-19监测规划中吸取的经验教训J.危险线．424(Pt B)， 127456。doi: 10.1002 / essoar.10507606.2
王，E. A.，韦斯特，B.和贝里克，D. M.(2020)。COVID-19，去毒化，以及临床医生、卫生系统和支付者的作用:来自美国国家科学、工程和医学科学院的报告。《美国医学会杂志》324年,2257 - 2258。doi: 10.1001 / jama.2020.22109
Wong, t.e.， Thurston, g.m.， Barlow, N.， Cahill, N. D.， Carichino, L.， Maki, K.等人(2021)。评估大学校园SARS-CoV-2感染率对废水监测的敏感性。感染。分离模型6, 1144 - 1158。doi: 10.1016 / j.idm.2021.09.003
吴飞，肖a，张俊，莫尼兹，K.，远藤，N.，阿玛斯，F.等(2022)。废水中SARS-CoV-2 RNA浓度预示新冠肺炎病例的动态和临床表现。科学。总环境。805年,150121年。doi: 10.1016 / j.scitotenv.2021.150121
关键词:SARS-CoV-2，惩教设施，污水流行病学，疾病监测，COVID-19
引用:Klevens RM, Young CCW, Olesen SW, Osinski A, Church D, Muten J, Chou L, Segal T和Cranston K(2023) 2020-2022年马萨诸塞州惩教设施SARS-CoV-2废水监测评估。前面。水5:1083316。doi: 10.3389 / frwa.2023.1083316
收到:2022年10月28日;接受:2023年1月6日;
发表:2023年1月26日。
编辑:
Ariel-Kushmaro以色列内盖夫本-古里安大学版权©2023 Klevens, Young, Olesen, Osinski, Church, Muten, Chou, Segal和Cranston。这是一篇开放获取的文章，根据创作共用署名许可(CC BY)．在其他论坛上的使用、分发或复制是允许的，前提是原作者和版权所有者注明出处，并按照公认的学术惯例引用本刊上的原始出版物。不得使用、分发或复制不符合这些条款的内容。
*通信:莫妮娜·克莱文斯，
monina.klevens@mass.gov