據外媒報導，作為加州大學聖迭戈分校” Return to Learn”計劃的一部分，廢水篩查有助於通過早期檢測85%的COVID-19病例來防止疫情爆發，以便及時進行檢測、追蹤接觸者和隔離。

科學家此前已經從COVID-19患者的糞便樣本中分離出ARS-CoV-2病毒。 考慮到這一點，加州大學聖迭戈分校醫學院的研究人員自2020年夏天以來一直在篩查校園建築中的廢水，以尋找病毒的跡象，他們認為這些資訊可以説明防止疫情爆發。

研究小組表明，通過篩選廢水中的SARS-CoV-2，他們甚至可以檢測到居住或工作在大型建築中的單個受感染的無癥狀患者。 他們通知每棟廢水呈陽性的建築的居住者，使COVID-19的檢測率提高了13倍之多。 一旦住戶檢測結果呈陽性，隔離和追蹤接觸者有助於防止病毒的進一步傳播。

研究人員在2021年8月10日的《mSystems》雜誌上報告說，這種方法使校園內85%的COVID-19病例得到早期檢測。 換句話說，在大多數個人病例診斷之前，廢水樣本就已檢測出陽性。

“第一作者Smruthi Karthikeyan博士說：”大學校園特別受益於廢水監測，作為避免COVID-19爆發的一種手段，因為它們充滿了基本上沒有癥狀的人群，是潛在的傳播熱點，有必要經常進行診斷測試。

Karthikeyan與高級作者、加州大學聖地牙哥分校微生物組創新中心的教授和主任Rob Knight博士一起領導了這項研究。

廢水篩查是加州大學聖迭戈分校” Return to Learn”計劃的一個組成部分，這種基於證據的方法使該大學在大流行病的大部分時間里提供校內住宿和親自授課及研究機會。

返校學習計劃依賴於三個支柱：風險緩解、病毒檢測和干預。 在2020-2021學年期間，校園裡有大約10，000名學生，該計劃的許多組成部分使COVID-19病例率遠遠低於周圍社區，與大多數大學校園相比，在此期間保持了不到1%的陽性率。 返回學習計劃，包括廢水檢測，已經成為其他大學、K-12學區和地區的典範。

每天早上，每週七天，一隊身穿配套T恤的學生和工作人員乘坐高爾夫球車在校園內部署，從126個收集機器人中收集污水樣本，這些機器人被設置為監測350座建築。 到了上午10點，他們回到了Knight在醫學院的實驗室。

在那裡，Karthikeyan和團隊使用一種不同的機器人處理污水，該機器人使用磁性納米粒子濃縮病毒，然後從樣品中提取RNA–構成SARS-CoV-2等病毒基因組的遺傳物質。 聚合酶鏈式反應（PCR）測試被用來搜索病毒的特徵基因。

當檢測到病毒時，自動但有針對性的資訊將通過校園範圍內的系統發送給與受影響建築物相關的人員，如學生、工作人員和教職員工，建議他們儘快進行病毒檢測。 這些數據被添加到一個公共儀錶板上。

Karthikeyan說，自成立以來，該團隊一直在不斷努力優化這一過程。 目前的自動化方法已將樣本到結果的周轉時間減少至原來的1/20;現在96個樣本只需5個小時。 通過將樣品小型化，研究人員已經將每個樣品的處理成本降低到13美元。 Knight估計，這種方法的規模超過了類似監測專案的10到100倍。 他說，下一步將是部署快速方法，實時測試SARS-CoV-2變體，包括德爾塔。

“這個系統展示了加州大學聖迭戈分校的許多不同部分如何能夠作為一個系統一起工作，以保持校園安全，” Knight說。 “這項工作不僅需要病毒樣本處理方面的進展，還需要包括後勤、環境健康和安全、校園和衛生系統資訊技術、設施管理和許多其他方面的團隊，以及Return to Learn計劃的領導來實現它。 我們現在正在説明其他校園和組織複製這一成功，這不僅對COVID-19，而且對未來許多其他糞便傳播的病原體，包括流感，都具有潛力。 ”