基于废水的流行病学（WBE）是监测社区中新兴疾病趋势的有价值工具。具体而言，社区住院的早期预测可以帮助减少对医疗服务的压力，并促进更好的规划和准备。本研究考察了利用废水中的SARS-CoV-2 RNA浓度预测南卡罗来纳州的COVID-19住院情况。从2020年4月19日到2021年2月2日，我们分析了来自南卡罗来纳州六个废水处理厂（WWTPs）的SARS-CoV-2 RNA浓度，以预测与COVID-19相关的住院情况，覆盖WWTPs及43个相关邮政编码。我们利用泊松回归和随机森林模型预测7天、14天和21天后的COVID-19住院情况。模型性能与全州住院索赔数据进行了验证。模型准确性在14天后的预测中最强，随机森林模型在WWTPs中达到的中位数一致性（PA）为91.16%（IQR = 86.49–91.84%），在邮政编码中为78.12%（IQR = 67.99–84.53%）。这些发现表明，WBE提供了一种强大且及时的方法，用于在细致的地理尺度上预测住院情况。这一建模框架可以适用于其他传染病，以增强监测和应对工作。• 使用废水RNA预测南卡罗来纳州的COVID-19住院情况。• 随机森林在所有预测时间段中表现优于泊松回归。• 14天预测的高峰准确率：WWTP为91%，邮政编码级别为78%。• 邮政编码级建模能够针对性地进行地方健康资源规划。• 框架可扩展到其他疾病以实现细致的疫情应对。
Tabassum等（Sun，）研究了这个问题。