Avloppsvattenbaserad epidemiologi är ett framåtväxande område som används för att bedöma förekomsten av virala belastningar i avloppsvatten och på så sätt bidra med trender av virusbildning. I denna studie har avloppsvattenbaserad epidemiologi utnyttjats för att bedöma förekomsten av severe acute respitory syndrome coronavirus 2 (SARS-CoV-2) i avloppsvatten med mål att tidigt upptäcka viruset. Det är känt att parametrarna i avloppsvatten påverkar detektionen av SARS-CoV-2 i stickprov tagna från olika regioner i Stockholm. I denna studie har flödet (m3 /dag) och den kritiska gränsen av Pepper mild mottle cirus (PMMoV) utsetts som oberoende variabler, och genkopieringsnumret av SARS-CoV-2 per m3 av obehandlat avloppsvatten utsetts till den beroende variabeln. Studiens mål riktar sig till att genomföra statistiska tester för att få förståelse av hur variablerna fördelar sig genom att utnyttja gaussian studier. Sambandet mellan de oberoende och beroende variablerna noterades av icke-parametriska tester och korrelationsstudier. Värdena modellerades i en regressionsanalys samt att en prognosmodell skapades genom att utnyttja ARIMA modellen. / Wastewater Based Epidemiology (WBE) is an emerging area to assess the presence of viral loads in wastewater streams and thereby provide trends about the emerging viruses. In this study, Wastewater Based Epidemiology is used to assess the presence of severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) in the wastewater streams, possibly providing for early detection. It is known that wastewater parameters effect the detection of SARS-CoV-2 in the wastewater samples collected from different regions of Stockholm. In our study, flowrate (m3/day) and Critical Threshold (Ct) value of Pepper mild mottle virus (PMMoV) are the independent variables selected when the gene copy number of SARS-CoV-2 /m3 of raw wastewater is the dependent variable. The aim of the study is to perform a series of statistical tests to understand the distribution of the variables using gaussian studies, the relationship between the independent and the dependent variables is noted by non-parametric tests and correlation studies. The data is modeled using regression analysis and forecasting model is created using an ARIMA model.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-298383 |
| Date | January 2021 |
| Creators | Chekkala Vivekanand, Aashlesha |
| Publisher | KTH, Kemiteknik |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | Swedish |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | TRITA-CBH-GRU ; 2021:138 |
Page generated in 0.0024 seconds