راهنماپایش فاضلاب برای پیشبینی طغیانویرایش ۱بهروزرسانی
فاضلاب شهری چگونه امواج بیماریهای ویروسی را پیشبینی میکند؟
همهگیرشناسان با سنجش مداوم آرانای پاتوژنها در شبکه فاضلاب شهری، میتوانند خیزش ویروسهای تنفسی و گوارشی را هفتهها پیش از اوجگیری موارد بالینی پیشبینی کنند. این روش کل جمعیت را رصد میکند و دادههایی بدون تأخیر در اختیار بهداشت عمومی میگذارد.
به قلم اِلا فرجاد
این خبر را به اشتراک بگذارید
هر بار که سیفون توالتی کشیده میشود، دادهای تازه به یک پایگاه زیستی بزرگ، پیوسته و کاملاً ناشناس در مقیاس جامعه تزریق میگردد. فاضلاب شهری حامل قطعات ژنتیکی ویروسها و باکتریهایی است که در پیکره جامعه گردش میکنند و از بدن مبتلایان، اعم از افراد دارای علامت یا ناقلان خاموش، به طور مداوم دفع میشوند.[1][5]
همهگیرشناسان با نمونهبرداری سامانمند از این جریان، غلظت دقیق آرانای (RNA) عوامل بیماریزا را در تصفیهخانهها میسنجند. این حوزه که «اپیدمیولوژی مبتنی بر فاضلاب» خوانده میشود، موانع کلاسیک پایش سلامت مانند تأخیر در مراجعه بیماران، صفهای آزمایش و سوگیریهای گزارشدهی بالینی را یکسره دور میزند.[2][7]
در اوج دنیاگیری کووید-۱۹، نظارت بر فاضلاب از یک پژوهش آزمایشگاهی و زیستمحیطی محدود به ستون فقرات نظامهای بهداشت عمومی بدل شد؛ محققان خیلی زود دریافتند که ردپای ویروس در شبکه فاضلاب، روزها و گاه هفتهها پیش از شلوغ شدن بخش مراقبتهای ویژه بیمارستانها اوج میگیرد.[5][10]
امروز این زیرساخت اضطراری تثبیت شده و به بستری دائمی برای رهگیری طیف وسیعی از بیماریهای عفونی تبدیل شده است. از آنفلوانزای فصلی و ویروس سینسیشیال تنفسی (RSV) گرفته تا مسمومیتهای باکتریایی و ویروس فلج اطفال، دادههای شبکه فاضلاب ساختار هشدار زودهنگام در نظام درمان را متحول ساختهاند.[3][4]
مکانیسم نظارت بر جریان فاضلاب
چرخه کار در تصفیهخانهها با نمونهگیرهای خودکاری آغاز میشود که در بازهای ۲۴ ساعته مقادیر مشخصی از جریان ورودی را برمیدارند. این نمونهبرداری پیوسته و مرکب، نمایهای دقیق و میانگین از وضعیت زیستی تمام جمعیت تحت پوشش آن حوضه فاضلاب به دست میدهد.[1][6]
نمونهها در آزمایشگاه متمرکزسازی و عصارهکشی میشوند تا مواد ژنتیکی استخراج گردد. سپس پژوهشگران با تکنیکهای دقیق واکنش زنجیرهای پلیمراز نظیر PCR دیجیتال قطرهای، تعداد دقیق ژنوم بیماریزا در هر لیتر پساب را با ارقام کمی شمارش میکنند.[5][8]
تبدیل شمارش خام این ژنومها به دادههای کاربردی نیازمند نرمالسازیهای ریاضی پیچیدهای است؛ چراکه بارندگیهای سیلآسا آب سیستم را رقیق میکنند، نوسانات هفتگی مصرف آب تعادل را برهم میزنند و ورود پسابهای صنعتی میتواند پیوندهای ژنتیکی را مخدوش کند.[6][8]
برای ایجاد شاخص پایدار، آزمایشگاهها معمولاً غلظت یک ویروس گیاهی بیضرر مدفوع انسان را مانند «ویروس لکه ملایم فلفل» (PMMoV) به موازات بررسی میکنند. مقایسه تغییرات آرانای عامل بیماریزا در برابر این شاخص زمینه، برآوردی واقعبینانه از دامنه حقیقی شیوع در محلهها ارائه میدهد.[5][10]
سپس این ارقام پالایششده به مدلهای پیشبینی همهگیرشناسی وارد میشوند. این مدلها به جای ثبت صرف رویدادهای گذشته، با تکیه بر نرخ شتاب و تغییرات بار ویروسی، جهشهای آتی در میزان بستری بیمارستانها را چند مرحله زودتر شبیهسازی میکنند.[8][10]
پیشبینی شیوع ویروسهای تنفسی
ویروسهای تنفسی تطابق ایدهآلی با پایش فاضلاب دارند؛ زیرا دستگاه گوارش افراد مبتلا حتی چند روز پیش از پیدایش علائمی مثل تب یا سرفه، مقادیر معتنابهی آرانای ویروسی را دفع میکند. همین سازوکار زیستی یک مزیت زمانی طلایی برای مراکز درمانی به ارمغان میآورد.[3][10]
در مورد کووید-۱۹، مدلهای یادگیری ماشین با تحلیل دادههای فاضلاب توانستند روند هفتگی پذیرش جدید بیماران را در بیش از ۱۵۰ بخش و ناحیه در ایالات متحده پیشبینی کنند؛ پیشآگاهی مشخصی که به مدیران بیمارستانی یک تا دو هفته برای آمادهسازی تختها مهلت میداد.[10]
این قدرت محاسباتی به سرعت برای بیماریهای فصلی مانند آنفلوانزا و RSV نیز به کار گرفته شد؛ جایی که مدلها مشروط به خنثیسازی دقیق خطاهای ناشی از رقیقشدگی محیطی، موج بعدی بیماران تنفسی را تا ۹ روز زودتر از پروندههای کلینیکی آشکار ساختند.[3][6]
در چند پژوهش متمرکز شهری، بازه هشدار زودهنگام پیش از شیوع گسترده آنفلوانزا از طریق تعیین زیرگونه در فاضلاب حتی به ۱۷ روز رسید. این فرصت به مسئولان اجازه میدهد واکسیناسیونهای تکمیلی و توزیع تجهیزات پزشکی را از قبل هدفمند کنند.[4][9]
مرکز اروپایی پیشگیری و کنترل بیماریها (ECDC) شاخصهای حاصل از فاضلاب را در چارچوبهای اصلی نظارتی خود وارد کرده است؛ دستورالعملی که تأکید دارد دادههای پساب نباید جایگزین غربالگری بالینی شوند، بلکه باید در تلفیق با آنها دیدی جامع از الگوهای اپیدمی ارائه دهند.[4]
رهگیری عوامل بیماریزای گوارشی و فلج اطفال
فراتر از ریهها، پایش فاضلاب به شکل محسوسی برای رهگیری پاتوژنهای رودهای که مستقیماً دیواره دستگاه گوارش را درگیر میکنند کارآمد است؛ مانند نوروویروس که عامل گاستروانتریت شدید است و حجم دفع ویروسی آن در مجاری مدفوعی فوقالعاده بالاست.[8]
یافتههای اخیر نشان میدهند اوج میانگین غلظت نوروویروس در ماههای سرد زمستان گاه از مرز ۱۰۰٬۰۰۰ نسخه ژنوم در هر لیتر فاضلاب فراتر میرود؛ منحنیهایی که همواره چند روز از مراجعات مکرر به اورژانسها به دلیل اسهال و استفراغ جلوتر هستند.[8]
این زیرساخت باکتریهای عامل مسمومیت غذایی از جمله سالمونلا انتریکا و کامپیلوباکتر ژژونی را نیز رهگیری میکند. از آنجا که بخش کثیری از افراد با مسمومیتهای خفیف خانگی به پزشک مراجعه نمیکنند، فاضلاب ابعاد پنهان و گسترده این عفونتها را هویدا میسازد.[8]
حیاتیترین بخش این مأموریت در مبارزه جهانی برای ریشهکنی فلج اطفال نمود پیدا کرده است. رصد مستمر جریانهای بهداشتی، امکان شناسایی گردش خاموش گونههای ویروس مشتق از واکسن را در مناطقی با پوشش ایمنسازی پایین، بسیار قبل از بروز علائم فلج اطفال فراهم میسازد.[2][9]
هنگامی که یک مورد بیماری فلج اطفال در نیویورک شناسایی شد، بازخوانی تاریخچه ذخایر پساب نشان داد که ویروس ماهها قبل بدون آنکه جلب توجه کند در چند حوضه حضور داشته است؛ امری که بلافاصله پویشهای ضربتی واکسیناسیون را به راه انداخت.[9]
در تجربهای مشابه، آژانس امنیت سلامت بریتانیا پس از پیدا شدن ردپای ویروس فلج اطفال در نمونههای لندن، دامنه برنامه ملی پایش فاضلاب را گسترش داد تا وضعیت محلههای در معرض خطر را مداوم راستیآزمایی کند.[2][9]
مدلسازی الگوریتمی و مهار نوفهها
با تمام این توانمندیها، داده خام پساب بسیار پر از اغتشاش و متغیرهای مداخلهگر است. یک جهش ناگهانی ژنومی در آزمایش ممکن است گواه شیوع جدیدی باشد، یا صرفاً از کاهش مصرف عمومی آب در تعطیلات و تغلیظ سیستم سرچشمه گرفته باشد.[6][8]
برای جداسازی سیگنال اصلی بیماری از نوفههای آماری، متخصصان الگوریتمهای پالاینده پیشرفتهای تدوین کردهاند که با یکدستسازی نوسانات روزمره، رشد تصاعدی و پایدار ویروس را در ابعاد کلان جدا میکنند.[6][10]
تکنیکهای یادگیری ماشین، به ویژه استفاده از مدلهای توزیع با وقفه و آزمونهای علیت گرنجر، به سیستمها آموختهاند که برای هر ویروس خاص، چه فاصله زمانی ثابتی میان جهش در پساب و پر شدن تختهای بیمارستانی وجود دارد.[8][10]
در یک مدلسازی جامع برای محاسبه جمعیت درگیر کووید-۱۹، برآورد معکوس تعداد مبتلایان از روی آرانای فاضلاب نشان داد که آمار واقعی ابتلا در اوج پاندمی در برخی مقاطع تا ۳۳ برابر بزرگتر از دادههای آماری ثبتشده در مراکز درمانی بوده است.[10]
دقت این پیشبینیها اما پیوسته در گرو بهروزرسانی ورودیهاست. با پدیدار شدن سویههای جهشیافته جدید که ممکن است مدت زمان نهفتگی بیماری یا میزان ترشح گوارشی متفاوتی داشته باشند، کالیبراسیون دائمی مدلها اجتنابناپذیر است.[6][10]
پایان دادن به خطاهای دادهگیری بالینی
روش سنتی رصد همهگیری وابسته به یک زنجیره خطی است: بیمار ابتدا باید علائم خود را بفهمد، به درمانگاه مراجعه کند و تست آزمایشگاهی بدهد؛ فرآیندی که انبوهی از ناقلان خاموش یا محرومان از بیمه و خدمات درمانی را از آمار حذف میکند.[1][7]
پایش شبکه فاضلاب چنین تنگناهایی را دور میزند. این شیوه فارغ از تمایل شهروند به دادن آزمایش یا توان مالی او، تصویری کلان و عدالتمحور از کلیت سلامت جامعه ترسیم مینماید.[1][7]
این مزیت اجتماعی در مناطق حاشیهای و محلههای کمبرخوردار نمود پررنگتری دارد؛ مناطقی که نرخ آزمایش در آنها پایین است اما نظارت بر انشعابات لولههای اصلی فاضلاب، ابتلای کانونهای محلی را بدون برچسب زدن به مردم نمایان میکند.[1][8]
سازمان جهانی بهداشت بر این نکته پافشاری میکند که پایش زیستمحیطی میتواند شالوده کنترل بیماری در کشورهای با منابع محدود باشد؛ جایی که تست همگانی ناممکن است اما یک نمونه فاضلاب میتواند سلامت هزاران نفر را یکجا بسنجد.[2][7]
از سوی دیگر، در دوران پساکرونا که اشتیاق عمومی برای انجام آزمایشهای سواب افت محسوسی داشته، دادههای بالینی قابلیت اتکای خود را از دست دادهاند، در حالی که پساب بدون وابستگی به رفتارهای داوطلبانه، شاخصی منفعل و پابرجا میماند.[3][9]
یکپارچهسازی و استانداردهای جهانی
برای تکامل کاربرد این علم، دادهها باید در مقیاسهای فراملی یکپارچه شوند. در حال حاضر تفاوت در کیتهای عصارهگیری و پرایمرهای پیسیآر در آزمایشگاههای مختلف، مقایسه بینالمللی ارقام را با چالش روبهرو میکند.[4][7]
اتحادیه اروپا چارچوبی تفصیلی تدوین کرده تا استانداردهای کار آزمایشگاهی را همسان سازد و آستانههای بحرانی هماهنگی برای صدور اخطارهای بهداشتی در سرتاسر کشورهای عضو ایجاد نماید.[4]
در ایالات متحده نیز مرکز کنترل و پیشگیری از بیماریها (CDC) سامانه ملی نظارت بر فاضلاب را راهاندازی کرده که با جمعآوری دادهها از هزاران تصفیهخانه، تابلوی آماری بلادرنگی از شیوع بیماریها در کل کشور ترسیم میکند.[3]
تلاشهای سازمان جهانی بهداشت برای هدایت این زیرساختها به سمت کشورهای نیمکره جنوبی نیز با صدور دستورالعملها و انتقال تجهیزات ادامه دارد تا سنسورهای هشدار زودهنگام بیماریهای نوظهور در سراسر زمین فعال شوند.[2][7]
استانداردسازی اطلاعات، تسریع توالییابی ژنومی را نیز در پی دارد؛ روندی که اجازه میدهد توالی ژنتیکی سویههای جدید بدون نیاز به جداسازی نمونههای انسانی شناسایی و ردگیری شود.[5][9]
محدودیتها و ملاحظات اخلاقی
با تمام شگفتیها، پایش فاضلاب محدودیتهای ذاتی خود را دارد. مهمترین چالش این است که سیستم هرگز فرد بیمار را تعیین نمیکند؛ این دادهها ماهیتی میانگینمحور دارند و قادر به تفکیک اشخاص یا منازل نیستند.[1][4]
همچنین در تصفیهخانههای کلانشهرهای بسیار بزرگ که به میلیونها مشترک خدمات میدهند، شیوع ناگهانی ویروس در یک محدوده کوچک ممکن است در میان حجم عظیم پساب ورودی گم و غیرقابل تشخیص شود.[4][6]
برعکس، جلو بردن بیش از حد دبیسنجها به سرچشمهها – مانند پایش فاضلاب یک بلوک آپارتمانی خاص یا خوابگاه دانشجویی – پرسشهای اخلاقی درباره حریم خصوصی و انگزنی به گروههای خاص ایجاد میکند.[1][7]
از همین رو نهادهای ناظر عموماً نقاط اندازهگیری را به تصفیهخانههای بزرگ یا خطوط انتقال محلات محدود نگه میدارند تا همپوشانی دادهها ناشناسبودن کامل شهروندان را تضمین کند.[1][4]
افزون بر این، فاضلاب جایگزین معاینات کلینیکی نیست. این روش به هدایت کلان منابع کمک میکند اما پزشک بالینی برای تجویز دارو و مهار بیماری انفرادی، همواره به سنجشهای اختصاصی نیاز خواهد داشت.[3][9]
آینده نظام سلامت پیشبین
گام رو به جلوی این فناوری استفاده از آزمایشهای چندگانه (Multiplex) و تحلیلهای خودکار است. توالییابی نسل جدید به مراکز آزمایشگاهی این توان را میدهد که دهها عامل پاتوژن مختلف را همزمان در یک نمونه بررسی کنند.[5][8]
یکی از افقهای امیدبخش دیگر، ردیابی پدیده مقاومت به آنتیبیوتیکها از طریق سنجش فراوانی ژنهای مقاوم در پساب است؛ اقدامی که نقشه ژنتیکی سوپرباگها را پیش از وخامت بالینی ترسیم میکند.[7][9]
هوش مصنوعی نقشی کلیدی در تلفیق این حجم بزرگ ژنومی بر عهده خواهد داشت؛ ترکیب دادههای زیستی پساب با پیشبینی هواشناسی، جابهجاییهای شهری و پویایی شبکههای اجتماعی، افق پیشبینیها را به دقتی بیسابقه خواهد رساند.[8][10]
پرسشهای متداول
آیا آزمایش فاضلاب میتواند فرد بیمار را به طور مشخص شناسایی کند؟
خیر. آزمایش فاضلاب صرفاً میانگین تراکم ویروس را برای کل یک حوضه جمعیتی گزارش میدهد و هرگز قادر به شناسایی اشخاص یا خانههای مشخص نیست؛ بنابراین حریم شخصی حفظ میشود.
دادههای فاضلاب چه مقدار زمان برای هشدار زودهنگام در اختیار میگذارند؟
بسته به نوع عامل بیماریزا و توالی نمونهبرداری، مدلها میتوانند خیزش مراجعان و بستریهای بیمارستانی را بین ۹ تا ۱۷ روز پیش از وقوع تخمین بزنند.
آیا بارندگیهای شدید باعث خطای اندازهگیری غلظت ویروس میشود؟
بله، بارندگی زیاد با رقیق کردن پساب، غلظت ظاهری را کم میکند. متخصصان با بهکارگیری الگوریتمهای نرمالسازی و مقایسه آمار با شاخصهای پایدار مدفوعی، این انحراف را برطرف میکنند.
چرا نظارت بر فاضلاب دقیقتر از آزمایشهای فردی بالینی عمل میکند؟
زیرا این دادهها کل جامعه از جمله ناقلان بدون نشانه و افرادی را که به پزشک مراجعه نمیکنند پوشش میدهد و سوگیریهای ناشی از کمبود یا عدم انجام تست را حذف مینماید.
آیا جهشها و سویههای نوظهور ویروس از این راه قابل ردیابی هستند؟
بله. با توالییابی ژنومی آرانای استخراجشده از فاضلاب، دانشمندان میتوانند ورود و پخش جغرافیایی سویههای جدید را مدتها قبل از دادههای بیمارستانی کشف کنند.
بررسی عمیق دیدگاهها
مسئولان بهداشت عمومی
پایش فاضلاب را یک سامانه هشدار زودهنگام، عینی و در سطح کلان جامعه میدانند.
برای سازمانهای بهداشتی، دادههای حاصل از فاضلاب یک تحول اساسی در آمادگی پیشگیرانه است. دستیابی به شاخصهای پیشرو پیش از گسترش امواج بیماری، توزیع منابع بیمارستانی و هماهنگی واکسیناسیون را آسان میسازد؛ آن هم در شرایطی که آزمایشهای داوطلبانه کاهش یافته است.
دانشمندان داده و همهگیرشناسان
بر بهبود الگوریتمهای پیشبینی و تفکیک سیگنالهای زیستی از نوفههای محیطی تمرکز دارند.
تمرکز اصلی متخصصان مدلسازی بر توسعه الگوریتمهایی است که آمار ژنومی را در مواجهه با بارش باران، پسابهای صنعتی و تغییرات جمعیتی تصحیح کنند. از نظر آنان، ارزش واقعی در ایجاد روابط علی و ریاضی بین حجم فعلی ویروس در پساب و تختهای اشغالشده آینده نهفته است.
حامیان اخلاق زیستی و حریم خصوصی
از رصد در سطح شبکه شهری حمایت میکنند اما درباره رهگیری در ابعاد بسیار خرد هشدار میدهند.
در حالی که این کارشناسان بر کارایی نظارت در ابعاد شهری اذعان دارند، درباره محدود شدن حوزه رصد به ساختمانهای تک یا خوابگاهها ابراز نگرانی میکنند؛ رویکردی که ممکن است حریم خصوصی را مخدوش کرده و برای جمعهای کوچک انگهای اجتماعی ایجاد نماید.
چه چیزی تغییر کرد
- · ویرایش ۱منتشر شد.
- مسئولان بهداشت عمومی
- پایش فاضلاب را یک سامانه هشدار زودهنگام، عینی و در سطح کلان جامعه میدانند.
- دانشمندان داده و همهگیرشناسان
- بر بهبود الگوریتمهای پیشبینی و تفکیک سیگنالهای زیستی از نوفههای محیطی تمرکز دارند.
- حامیان اخلاق زیستی و حریم خصوصی
- از رصد در سطح شبکه شهری حمایت میکنند اما درباره رهگیری در ابعاد بسیار خرد هشدار میدهند.
- مهندسان محیطزیست
- بر چالشهای مکانیکی نمونهبرداری معرف و نرمالسازی نرخ جریان آب تأکید میورزند.
منابع
[1]National Academies Pressمهندسان محیطزیستWastewater-based Disease Surveillance for Public Health Action
مطالعه در National Academies Press →
[2]World Health Organizationمسئولان بهداشت عمومیEnvironmental surveillance for SARS-COV-2 to complement public health surveillance – Interim Guidance
مطالعه در World Health Organization →
[3]Centers for Disease Control and Preventionمسئولان بهداشت عمومیBehind the Model: Wastewater-informed Forecasting of COVID-19 Hospital Admissions
مطالعه در Centers for Disease Control and Prevention →
[4]European Centre for Disease Prevention and Controlمسئولان بهداشت عمومیECDC framework to guide the integration of wastewater-based surveillance into infectious disease surveillance at the EU/EEA level
مطالعه در European Centre for Disease Prevention and Control →
[5]Nature Biotechnologyدانشمندان داده و همهگیرشناسانMeasurement of SARS-CoV-2 RNA in wastewater tracks community infection dynamics
مطالعه در Nature Biotechnology →
[6]Proceedings of the National Academy of Sciencesدانشمندان داده و همهگیرشناسانSeparating signal from noise in wastewater data: An algorithm to identify community-level COVID-19 surges in real time
مطالعه در Proceedings of the National Academy of Sciences →
[7]The Lancet Global Healthحامیان اخلاق زیستی و حریم خصوصیWastewater monitoring can anchor global disease surveillance systems
مطالعه در The Lancet Global Health →
[8]PLOS ONEدانشمندان داده و همهگیرشناسانApplication of machine learning for multi-community COVID-19 outbreak predictions with wastewater surveillance
مطالعه در PLOS ONE →
[9]The BMJحامیان اخلاق زیستی و حریم خصوصیWastewater surveillance: UKHSA expands programme to detect major health threats
مطالعه در The BMJ →
[10]Nature Communicationsدانشمندان داده و همهگیرشناسانWastewater-based epidemiology predicts COVID-19-induced weekly new hospital admissions in over 150 USA counties
مطالعه در Nature Communications →
[11]تیم سردبیری کوهستانتحلیل تیم سردبیری کوهستان
مطالعه در تیم سردبیری کوهستان →
بیشتر در تحلیل داده
مشاهده همه →اقتصاد کلان
جهش سرمایهگذاری در زیرساختهای هوش مصنوعی؛ سازمان تجارت جهانی پیشبینی تجارت کالا در سال ۲۰۲۶ را به ۳٫۹ درصد رساند
8 منبع
ریسک سیستمیک
هشدار صندوق بینالمللی پول: ردپای ۱۳ تریلیون دلاری صندوقهای پوشش ریسک ثبات بازارهای جهانی را تهدید میکند
4 منبع
توابع زیان
چرا کمینهسازی خطای مطلق، میانه را هدف میگیرد نه میانگین را: ریشه خطای نظاممند در دادههای چوله به راست
6 منبع
گذار انرژی
مدلسازی ۲۵۶ تریلیون دلاری ایرنا برای بازگشت از فراتر رفتن اقلیمی از مرز ۱.۵ درجه
6 منبع
نظرات
هر زاویه. هر روز.
اخبار تحلیل داده با پوشش کامل منابع و تحلیل دیدگاهها، هر روز و رایگان.





