基于污水监测的有效再生数(Rt )估算方法比较研究：从理论到公共卫生实践

本研究针对如何利用污水监测数据准确估算传染病有效再生数(Rt )这一关键问题，系统比较了8种计算方法在纽约州205个污水处理厂的适用性。研究发现，基于百分比变化和线性拟合的简单方法与复杂模型效果相当，且模型表现与污水系统覆盖人口比例显著相关(r=0.77)。该研究为公共卫生部门选择适合不同空间尺度的Rt 估算方法提供了重要依据，对完善疫情监测体系具有重要价值。

　　

在传染病防控领域，有效再生数(R_t
)是评估疫情传播风险的关键指标，传统上依赖于临床病例报告数据计算。然而，随着污水监测技术(Wastewater-Based Epidemiology, WBE)的发展，研究者发现污水中病毒载量与临床病例数存在显著相关性。特别是在COVID-19疫情期间，污水监测克服了无症状感染漏检和检测不足等局限性，成为疫情监测的重要补充手段。但如何将污水监测数据转化为可靠的R_t
估算值，目前缺乏系统的方法学比较和评估标准。

针对这一关键问题，来自美国纽约州卫生部门和雪城大学的研究团队在《Epidemics》发表了一项重要研究。该研究系统比较了8种基于污水数据估算R_t
的方法，包括5种文献报道方法和3种新提出方法。研究团队收集了2022年8月至2024年2月期间纽约州205个污水处理厂的SARS-CoV-2监测数据，以及同期全州各县的COVID-19病例数据。通过建立标准化的评估框架，研究人员从模型准确性、计算效率、空间尺度适用性等多个维度对这些方法进行了全面比较。

研究采用了多项关键技术方法：首先将间歇性采样数据通过线性插值和7天移动平均转化为每日时间序列；其次应用包括广义线性模型(GLM)、贝叶斯框架和人工神经网络等不同建模策略；最后建立了包含6项指标的评估体系，包括均方根误差(RMSE)、皮尔逊相关系数、峰值时间一致性等。特别值得注意的是，研究还分析了污水系统覆盖人口比例对模型性能的影响。

研究结果部分，通过多个维度展示了重要发现：

Rt模型性能方面，所有8种方法都能识别出疫情的三次主要波动，与临床病例数据趋势基本一致。其中基于百分比变化(Exp change rate)和线性拟合(Fit line)的简单方法与复杂模型效果相当，在预测病例变化方面表现优异。研究还发现，虽然不同方法的模型参数和结构差异显著，但输出结果具有高度相似性。

空间变异分析揭示了方法性能与地理尺度的密切关系。ERN方法在州级尺度表现最佳，Huisman方法在县级水平最优，而Goldstein-EIRR和EpiSewer方法则在污水厂集水区尺度效果最好。这种差异提示不同方法适用于不同层级的公共卫生决策需求。

模型评估结果显示，Rolling GLM方法在多数指标上表现突出，包括最低的RMSE(0.12)和平均绝对差(0.09)，但其峰值识别能力稍逊于EpiSewer方法。值得注意的是，模型性能与污水系统服务人口比例呈显著正相关(r=0.77)，这一发现为优化监测网络设计提供了重要依据。

在讨论部分，研究者强调了多项重要发现：首先，方法复杂性不一定带来更好的性能，简单的百分比变化法就能获得与复杂模型相当的结果；其次，空间尺度是方法选择的关键考量因素，不同方法在不同地理层级表现各异；再者，污水系统覆盖人口比例显著影响模型准确性，这对监测网络设计具有指导意义。

该研究的创新价值主要体现在三个方面：首次系统比较了多种污水监测R_t
估算方法；建立了标准化的多指标评估框架；明确了方法选择与空间尺度的关系。这些发现不仅对COVID-19监测有直接应用价值，也为监测其他传染病(如流感、诺如病毒等)提供了方法学参考。研究建议公共卫生部门根据实际需求选择方法：州级监测推荐ERN方法，县级推荐Huisman方法，而污水厂层面则推荐Goldstein-EIRR方法。

值得注意的是，研究也存在一些局限性，如依赖病例数据作为金标准可能引入偏差，污水厂集水区病例数据缺失等。未来研究可进一步探索如何整合多源数据提高估算精度，以及如何将这些方法推广到其他病原体的监测中。总体而言，这项研究为完善基于污水的疫情预警系统提供了重要的方法学基础，对提升公共卫生应急响应能力具有重要意义。