Return to search

Developing Wastewater-based Early Warning System for the Detection of Disease Outbreaks and Emerging Variants with focus on SARS-CoV-2 / Utveckling av ett avloppsvattenbaserat förvarningssystem för detektion av sjukdomsutbrott och framväxande varianter med fokus på SARS-CoV-2

Under covid-19-pandemin har avloppsvattenbaserad epidemiologi (WBE) använts i stor utsträckning som ett komplement till kliniska tester över många delar av världen. Detta projekt syftade till att detektera och kvantifiera belastningen av Severe Acute Respiratory Syndrome Coronavirus 2 (SARS-CoV-2) i avloppsvattenprover med hjälp av Revers transkriptas kvantitativ polymeraskedjereaktion (RT-qPCR). De analyserade proverna kom från fyra olika avloppsreningsverk i Sverige, under perioden november 2022 till maj 2023. Studien omfattade en översikt över olika provtagnings- och analytiska tekniker och normaliseringsmetoder som används i WBE-studier, vilket betonade vikten av metodval. SARS-CoV-2-RNA upptäcktes i alla analyserade prover och infektionstrender kunde identifieras effektivt, inklusive COVID-19-vågen som observerades under semesterperioden. De dominerande varianterna som upptäcktes under denna övervakningsperiod var omikron variantens undergrupper, BA.2. och BA.2.75. Den veckovisa kvantifierade SARS-CoV-2-belastningen i avloppsvattenproverna visade en signifikant positiv korrelation till de kliniska fall som rapporterats i motsvarande avrinningsområden. Denna associering förstärktes ytterligare genom att normalisera SARS-CoV-2-innehållet med fekal biomarkör peppar milt fläckvirus (PMMoV). Dessutom har två metoder för tidig varning, nämligen medelvärdet plus två standardavvikelser (MSD) och positiv procentuell förändring (PPC), implementerats på avloppsvattendata, vilket pekar på vikten av att tillämpa sådana varningsmetoder för att ge förståeliga och tolkbara resultat. Denna studie ger värdefulla insikter om övervakning och analys av SARS-CoV-2 i avloppsvatten, vilket bidrar till utvecklingen av robusta system för tidig varning och folkhälsostrategier. / During the COVID-19 pandemic, wastewater-based epidemiology (WBE) has been applied extensively as a complementary tool to clinical testing across many parts of the globe. This project aimed to detect and measure the Severe Acute Respiratory Syndrome Coronavirus 2 (SARS-CoV-2) load in wastewater samples using Reverse transcriptase quantitative polymerase chain reaction (RT-qPCR). The analyzed samples were from four different wastewater treatment plants (WWTPs) in Sweden, covering the period from November 2022 through May 2023. The study encompassed an overview of various sampling and analytical techniques and normalization approaches employed in WBE studies, highlighting the importance of method selection. SARS-CoV-2 RNA was detected in all the samples analyzed, and infection trends could be identified effectively, including the COVID-19 peak observed during the holiday season. The dominant variants detected during this monitoring period were the omicron variants; omicron BA.2. and omicron BA.2.75. The weekly quantified SARS-CoV-2 load in the wastewater samples showed a significant positive correlation to the clinical cases reported in the corresponding catchment areas. This association was further enhanced by normalizing SARS-CoV-2 content with the fecal biomarker pepper mild mottle virus (PMMoV). Furthermore, two early warning methods, namely the mean plus two standard deviations (MSD) and positive percentage change (PPC), were implemented on the wastewater data pinpointing the importance of applying such warning methods to provide understandable and interpretable results. This study provides valuable insights into the monitoring and analysis of SARS-CoV-2 in wastewater, contributing to the development of robust early warning systems and public health strategies.

Identiferoai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-329277
Date January 2023
CreatorsKiyar, Ayda
PublisherKTH, Industriell bioteknologi
Source SetsDiVA Archive at Upsalla University
LanguageEnglish
Detected LanguageEnglish
TypeStudent thesis, info:eu-repo/semantics/bachelorThesis, text
Formatapplication/pdf
Rightsinfo:eu-repo/semantics/openAccess
RelationTRITA-CBH-GRU ; 2023:162

Page generated in 0.0447 seconds