基于医院污水SARS-CoV-2监测的多层级疫情曲线预测模型构建与验证——以台湾台北市为例

本研究针对COVID-19流行期医院内早期预警需求，通过建立医院污水SARS-CoV-2 RNA监测平台，采用RT-qPCR技术检测N1/N2/E基因靶点，结合PMMoV标准化处理，构建了涵盖医院、社区和城市三级的疫情预测模型（R2最高达0.66），为高发区精准防控提供创新技术支撑。

　　

随着COVID-19从全球大流行转向地方性流行，持续监测成为防控关键。传统临床检测存在滞后性，而污水监测因其可捕获无症状感染者排泄病毒的特性，成为早期预警的有力工具。然而，现有研究多聚焦社区污水系统，对医院等高危场所的针对性监测及其对更大范围疫情预测的价值尚不明确。台湾大学医院研究团队在《Ecotoxicology and Environmental Safety》发表的研究，首次系统评估了医院污水监测对多层级疫情曲线的预测效能。

研究团队在2022年4月至10月期间，每周两次采集医院7个采样井的污水样本，采用直接病毒RNA捕获法（Promega Wizard?试剂盒）进行前处理，通过靶向N1/N2/E基因的RT-qPCR定量检测，并引入辣椒轻度斑驳病毒（PMMoV）进行粪便标准化校正。同时整合医院住院/门诊/急诊数据、中正区社区及台北市疫情数据，构建包含温度/湿度/降水等协变量的线性回归模型。

研究结果显示：1）质量验证阶段E/N1/N2基因检测一致性Kappa值达0.35-0.49，最终选定E基因为主要靶标；2）医院西区阳性率最高达93.2%，而作为阴性对照的校友会堂始终未检出病毒；3）污水病毒信号与未来14天住院病例移动平均数（+14MA）显著相关（R²=0.59），对急诊病例预测效能最佳（R²=0.66）；4）经PMMoV校正的相对信号可灵敏反映社区传播水平，当中正区仅8例（5.42/10万）、台北市145例（5.85/10万）时仍能检出病毒。

研究创新性构建了三级预测模型体系：住院部模型（NTUH Model_ID）显示相对信号每增加1%将导致+14MA上升0.3%；门诊模型（NTUH Model_OD）揭示温度与湿度对病例数的协同影响；而社区/城市模型（NTUH Model_ZZ/_TPE）证实污水信号可提前7-10天预警疫情波动。该研究为资源有限地区提供了成本效益显著的监测方案，其创新性在于：首次证实医院污水数据不仅能预警院内感染，还可作为区域疫情的"风向标"——这得益于台湾全民健保体系下三级医院与社区疫情的高度耦合（相关系数达0.97）。

讨论部分指出，尽管单次采样可能存在偏差，但研究通过严格质控（包括BSL-3实验室操作和IAC内参）确保数据可靠性。作者建议未来可结合自动采样器提升时空代表性，并整合dd RT-PCR技术追踪变异株演变。这项研究为构建"医院-社区"联动的智慧公卫监测网络提供了重要范式，尤其在Omicron流行期间展现出独特预警价值。