讨论
本系统评价整合了涵盖多元地理、流行病学及基础设施背景的16项研究证据,证实废水监测可作为人群层面的哨点工具应用于传染病监测。汇总结果引出了关于行动阈值、分析灵敏度、可扩展性及在不同资源环境下公平实施的疑问。现有证据支持废水监测与高收入国家社区疾病负担的相关性,但如何将这些关联转化为中低收入国家可操作的公共卫生决策,仍需更具结构化的解读框架。研究结果凸显了废水监测在支持早期暴发识别与公共卫生应急准备方面的潜在效用,同时也通过跨研究比较,批判性地审视了废水监测在解读、方法及体系层面的维度,识别了这一新兴监测模式的潜力与尚未解决的挑战。
约三分之二的纳入研究聚焦于SARS-CoV-2,反映出全球对废水监测作为非侵入性社区疾病流行指标的认可。这既是当前证据基础的优势,也是局限所在。COVID-19大流行加速了方法学优化,并在前所未有的规模上验证了废水监测的流行病学灵敏度,但这种集中性也可能导致监测范式过度适配单一、特征明确且粪便排毒率高、分子靶标成熟的病原体。基于RT-qPCR的废水SARS-CoV-2检测灵敏度高度依赖于排毒动态,而后者在感染阶段、病毒变异株及个体宿主因素间存在显著差异,这一混杂维度在废水研究中鲜少得到控制。Holland等人证实了在校园环境中检测腺病毒及其与临床表现相关性的价值。Hubert等人观察到Omicron变异株的出现与优势地位在废水样本中得以体现,提供了变异株优势转变的早期信号。Rios等人应用全基因组测序估算谱系丰度的研究展示了基因组学废水监测的潜力,但也凸显了可扩展性缺口——此类技术所需的生物信息学基础设施与技术专长主要集中在学术研究而非公共卫生操作机构。此外,针对肠道病毒、戊型肝炎病毒及ARGs的检测研究进一步体现了废水监测的多功能性。本研究发现与Piggot等人的研究结论一致,即废水监测能够策略性地识别与高风险老年集体居住场所临床病例相关的废水信号,强调了在此类场所采取公共卫生措施与风险沟通的重要性。
多项研究记录的冬季病原体信号升高模式(Smith、Ngqwala、Tiwari及Wang等人)验证了肠道与呼吸道病原体的预期季节性流行病学特征。然而,这也暴露出文献中系统性低估的方法学混杂因素,即温度、降水及流速对废水基质组成与病毒稳定性的影响。低温延缓病毒RNA降解,导致冬季实测浓度相对实际排毒量人为升高;强降雨事件引起水力稀释,可使信号低于分析检测限。若不进行流量归一化处理,这两种现象均可产生虚假的季节性趋势。Wang等人观察到诺如病毒GII型在废水中的流行率显著高于其他肠道病原体,这可能反映了诺如病毒极高的粪便排毒滴度(高达每克粪便1013基因组拷贝),而非真实的生态优势,警示在未采用病原体特异性排毒校正因子的情况下,将原始废水浓度数据直接解读为疾病发病率的风险。如果不能可靠地将季节性信号波动归因于社区传播变化而非环境基质效应,废水监测作为时效性干预触发工具的效用将被大幅削弱。未来的方法学共识应优先建立标准化的流量归一化报告指标,类似于空气质量指数体系。
纳入研究的地理多样性(涵盖高收入及中低收入国家)证明了废水监测的普适性,但在实施策略上存在巨大差异。废水监测通常依托集中式管道排污网络实施,此类网络具有明确定义的集水区边界、计量流量及可统计建模的样本代表性,这是流行病学推断所依赖的定量准确性的基础。相比之下,中低收入国家的主流卫生拓扑结构以碎片化管网、明渠、旱厕及化粪池系统为主,排放路径多变且难以测量,使得集中式废水监测的核心假设面临方法学挑战。此外,高收入国家报道的强废水-临床相关性不应推广至中低收入国家背景,因为这些地区的临床监测系统本身即存在低检测覆盖率与显著漏报问题。解决这一问题需要开发适应本土环境的废水监测框架,包括从明渠进行社区级抓取采样、使用环境粪便指示菌作为分母,以及建立基于社区的排毒模型,而非简单套用高收入国家的方案。
尽管本综述在全健康视角下开展,但仅有极少数纳入研究明确实施了集成人类、动物与环境的一体化监测系统。多数研究主要关注与人类临床监测相关联的废水监测,而动物健康监测及正式的跨部门治理机制整合不足。这不仅是理论缺陷,更直接影响了废水信号解读的全面性,尤其是在人畜共患病病原体与抗菌药物耐药性背景下。对于ARGs而言,若无同步的兽医与环境采样,废水信号无法可靠地分解为来源于人类或牲畜抗生素使用模式的贡献,而纳入研究均未尝试此类分解。巴西案例研究既展示了当前实践的潜力,也揭示了其天花板:基于废水数据的SARS-CoV-2地理热点地图有效指导了社区靶向检测,但其响应框架仅在人类健康垂直体系内运行,无证据表明存在反馈至环境或动物卫生机构的机制。这种行动阈值的缺失是当前废水监测文献中最具实质性的操作缺陷。缺乏明确的循证升级标准,废水数据可能仅发挥流行病学情报作用,而无法成为决策支持系统。未来倡议必须在正式的全健康治理结构内纳入预先设定、分层的响应触发机制,整合跨部门数据共享协议,并基于病原体特异性排毒模型、本地临床检测率及医疗能力指标建立触发标准。
纳入研究记录的方法学异质性是一个比通常认知更为根本的挑战,它不仅关乎方案便利性,更直接威胁到监测网络赖以生存的跨研究可比性。废水监测的灵敏度与特异度局限存在于多个且相互叠加的层面。在分析前阶段,超滤、聚乙二醇沉淀及电负性膜过滤等样本浓缩方法在不同病原体及基质条件下的回收效率差异巨大,同一目标的回收率可从低于10%至超过90%不等,取决于方法与废水成分。在分析阶段,RT-qPCR靶标选择、引物探针组及扩增参数的差异引入的实验室间变异可导致相同样本的浓估差异达1至2个数量级。目前缺乏类似于临床诊断的认证参考物质与外部质量保证计划,意味着现有废水监测数据集均不具备计量溯源性,严重限制了其用于跨区域或纵向比较的价值。特异度同样是未被充分审视的问题,环境抑制、密切相关核酸序列的交叉扩增以及灭活病毒颗粒的非感染性RNA检测均可导致假阳性信号,而当废水监测用于触发昂贵的公共卫生干预时,这类错误后果尤为严重。多项研究中观察到的废水数据与临床病例计数不一致,不应仅被视为沟通差距,而应解读为废水病毒载量与人群感染流行率之间的定量关系复杂且具有高度情境依赖性。作为废水监测推断核心的流行病学转换因子尚未得到充分表征且情境依赖性强。在废水监测被有信心地确立为决策支持工具之前,必须通过前瞻性研究严格建立这一关系,即结合个体水平排毒数据、集水区水平废水测量及临床病例确诊数据进行综合研究。
废水监测识别无症状及轻症感染的能力是其在COVID-19大流行期间凸显的流行病学优势。在高检测覆盖率环境下,废水监测提供的额外病例发现收益有限;而在低检测覆盖率的地区(如中低收入国家),废水监测理论上可捕获临床系统完全不可见的相当比例社区传播。然而,正是同样的排污基础设施缺陷限制了此类环境下的代表性,造成了悖论:最需要补充监测的人群最不适配当前的废水监测模型。所谓废水监测具有天然的成本效益与可扩展性的论断也值得分析性质疑。可扩展性取决于集中式实验室基础设施、样本运输冷链物流及数据解读的生物信息学能力的可用性,而这些在资源有限环境下均不具备。将废水监测与基因组流行病学整合以追踪变异株出现及人畜共患事件是一个具有真正且不断扩展效用的领域,但当前实践存在严重的整合赤字。废水基因组数据与临床监测数据通常由拥有不兼容数据架构的不同机构生成、管理与解读,且没有任何纳入研究描述了规范化的前瞻性数据共享协议来管理这一整合。若无此类结构,废水实时基因组情报到达临床决策者存在系统性延迟,抵消了该技术在早期预警方面的绝大部分优势。
人工智能辅助信号解读及用于非靶向病原体表征的下一代测序(Next-Generation Sequencing, NGS)等新兴技术为废水监测带来了真正的变革潜力,但其部署引发了文献尚未充分探讨的创新与基础设施排序的关键问题。基于高收入国家集中式排污系统废水时间序列数据训练的人工智能与机器学习模型,在未经过大量重新训练与验证的情况下,无法有效迁移至碎片化或非正规排水网络。因此,在中低收入国家生成此类训练数据集的物流与资金壁垒极为艰巨。同样,虽然NGS能够实现假设自由的病原体发现及关注变异株检测,但其计算需求高、相对于RT-qPCR周转时间长以及在低病毒浓度下灵敏度受限,目前阻碍了其作为常规操作监测工具的广泛应用,其更适宜定位为第二层级的确认或发现工具。废水监测投资构成具有成本效益的大流行预防策略的论点在总体经济模型中具有说服力,但它掩盖了极其重要的分配性问题。最无力承受大流行经济冲击的国家恰恰最缺乏实施有效废水监测所需的排污基础设施、实验室能力与治理体系。若无 deliberate 的多边融资机制与技术转让条款,废水监测的进步可能扩大而非缩小全球卫生安全鸿沟。至关重要的是,未来的方法学发展必须优先建立覆盖样本采集、浓缩、病原体定量、数据归一化及报告指标的标准化、国际基准化协议,以此作为构建大流行防范所需的互操作全球废水监测网络的先决条件。
中低收入国家的能力建设必须被重构为结构性优先事项,而非补充性工作。在低资源环境下有效实施废水监测不仅需要培训实验室人员,还需同步发展适配非集中式卫生系统的采样基础设施、经本地验证的分析方案、情境特异性的流行病学转换模型以及连接废水情报与国家公共卫生决策链的功能性数据治理框架。世界卫生组织(WHO)、联合国环境规划署(UNEP)等国际组织及双边捐助方必须从短期技术援助转向对国家自主废水监测机构的持续投入,建立标准化的能力建设程序与质量保证体系,使中低收入国家能够实质性参与全球监测网络,而非仅仅作为高收入国家学术伙伴主导研究的被动数据提供者。最终,废水监测作为全球卫生安全工具的长期可信度与政策相关性,将不取决于在资源充足环境下的更多概念验证演示,而在于证明其核心分析与操作假设在流行病学、基础设施及治理环境的全谱系中均有效、可转移且可操作——而下一个大流行最有可能正是在这样的环境中出现。