华盛顿大学圣路易斯分校玲方琼实验室今年早些时候的研究表明，废水系统中SARS-CoV-2的含量与该地区COVID-19的流行率有关。

在废水中可以找到精确的见解

据《每日科学》报道，林是麦凯维工程学院能源、环境和化学工程系的助理教授，他能够创建一个机器学习模型，利用废水中发现的各种微生物来确定它们代表了多少不同的个体，这要归功于与同事的一次偶然相遇。

在未来，这种技术可能能够将其他废水属性连接到个人层面的数据。

凌最初认为，机器学习可以在微生物的多样性和它所代表的人数之间找到明确的联系，但使用“现成”机器学习的模拟未能证明这一点。

后来，一次偶然的机会，她遇到了文理学院统计与数学助理教授陈立凯。

他们发现，在处理复杂、新颖的数据时，他们有着相似的兴趣。

凌说，陈也许能在凌正在做的项目上帮忙。

确定样本中包含多少不同个体的能力取决于样本与平均值或平均值的接近程度，因为样本量增加了。

个体并不完全是“平均的”，所以如果一个微生物群样本似乎代表了许多个体，它可能代表了大量的个体。

离平均值越远，越有可能代表一个个体。

陈和凌一起利用这种基本直觉创造了一种更专业的机器学习算法，当对来自1100多人的实际微生物群样本进行训练时，可以确定废水样本中代表了多少人。

我是否会从废水或污水中感染COVID-19 ?

当与其他数据相结合时，废水监测数据是最有用的。

根据疾病预防控制中心的规定，除了其他数据，如废水中的总体病毒水平、该地点的历史废水数据、地理环境(例如，该地区是旅游业发达还是邻近社区的病例不断增加)和临床病例外，还应使用显示病毒水平变化百分比的废水数据。

随着当地预防策略的改变，社区可能会观察到病毒废水水平的变化。

废水监测等早期预警系统可以检测到微小的变化，作为迅速采取行动的信号。

重要的是要记住，当废水中的病毒量很低时，总体病毒水平的小幅增加在换算成百分比时可能显得大得多。

废水监测等早期预警系统可以检测到微小的变化，作为迅速采取行动的信号。

重要的是要记住，当废水中的病毒量很低时，总体病毒水平的小幅增加在换算成百分比时可能显得大得多。

例如，从一个单位到两个单位的变化将代表100%的变化。

从50万到100万的变化也代表了100%的变化。