{
  "id": "wastewater-surveillance",
  "title": "污水监测",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "污水监测通过分析污水中的生物或化学标志物，追踪人群层面的健康变化，包括传染病传播和物质暴露情况。",
  "category": "health",
  "subcategory": "public-health",
  "type": "concept",
  "aliases": [
    "废水监测",
    "基于污水的监测"
  ],
  "generated_at": "2026-11-03",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/wastewater-surveillance/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/wastewater-surveillance/",
      "json": "https://aiwiki.page/en/wastewater-surveillance.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "污水监测是指系统地采集、分析和解读污水样本，以获取向同一污水系统排放污水的人群的健康信息。它是公共卫生监测的一种形式，测量的对象是生物或化学信号，例如病原体遗传物质、药物代谢产物或耐药基因。由于一个样本可以汇集许多人的排出物，污水监测能够在不对个人进行检测的情况下揭示社区层面的变化规律。它是临床检测和其他健康数据的补充，而非替代。"
    },
    {
      "heading": "范围与基本原理",
      "text": "人们通过粪便、尿液、唾液、洗涤及其他活动，将微生物和化学物质排入污水。当污水沿管道流至采样点时，其中部分物质仍可被检出。这些物质的存在及其含量，可以提供该段污水管网所服务人群的相关信息。\n\n向某一采样点汇入污水的地理区域称为该点的汇水区或污水汇水区。在污水处理厂采集的样本可能代表规模庞大的城市人群；在上游采集的样本则可能代表某个街区、机构或单栋建筑。\n\n测得的信号与人群健康之间是间接关系。这种关系取决于人们排出相关物质的数量、排出持续时间、污水量、污水在管网中的输送时间、环境条件以及实验室回收率。检出病原体的遗传物质，并不一定意味着仍存在具有感染性的病原体。\n\n污水监测与基于污水的流行病学有所交叉，后者是一个更广泛的领域，利用污水测量结果研究人群层面的暴露、行为和健康状况。监测通常侧重于重复观测，并及时将结果用于公共卫生工作。对污水处理效能或出水达标情况进行常规检测，其主要目的与此不同，尽管可能采用相关的采样和分析方法。"
    },
    {
      "heading": "发展历程",
      "text": "对肠道病原体开展环境检测的历史早于现代分子检测方法。脊髓灰质炎监测成为其中一项重要应用，因为感染者即使未出现瘫痪，也可能排出脊髓灰质炎病毒。因此，污水检测能够发现仅以有症状病例为基础的监测可能遗漏的病毒传播。\n\n随后，化学分析将基于污水的流行病学拓展至药物消费和其他暴露的研究。测量排出的化合物或其代谢产物，可以提供不依赖于个人自报行为的人群层面指标。\n\nCOVID-19大流行极大地推动了污水监测的应用。对SARS-CoV-2遗传物质的检测，促成了定期采样网络、实验室规程和公开报告系统的建立。这些进展也使人们更加关注利用共用基础设施监测多种病原体。"
    },
    {
      "heading": "采样与实验室分析",
      "text": "采样设计\n\n采样地点、频率和方法取决于监测目标。常见方式包括：\n\n- **污水处理厂进水采样：**进入处理设施的未经处理污水，可提供其服务区域的综合信号。\n- **上游污水管网采样：**在管网选定位置采集样本，可获得更精细的地理分辨率。\n- **建筑物层面采样：**特定设施排放的污水可用于局部监测，但也会带来额外的隐私和结果解读问题。\n- **沉降固体采样：**处理过程中分离出的固体中，某些监测目标可能较为富集，包括部分病毒遗传标志物。\n\n瞬时样本反映某一时刻的污水状况。混合样本则将一段时间内（通常为24小时）采集的多份污水合并，可减小短期波动的影响。混合采样可采用按时间比例或按流量比例的方式。另一种选择是将被动采样器置于污水中，使目标物质逐渐累积，但其定量结果的解读取决于采样器的设计和布设条件。\n\n分析方法\n\n在病原体监测中，实验室通常根据需要浓缩目标物质，提取核酸，再利用聚合酶链式反应方法检测选定的遗传序列。对于RNA靶标，还需要逆转录步骤。定量PCR和数字PCR可用于估算靶标含量。\n\nDNA测序可用于分析变异株特征，或识别更广泛的微生物。不过，混合的微生物群体、碎片化的遗传物质以及靶标含量不均，都可能使序列解读变得困难。\n\n培养法可以确定是否存在能够增殖的微生物，但其适用性取决于微生物种类及实验室安全要求。化学监测通常结合色谱分离与质谱分析，对化合物进行鉴定和定量。\n\n质量保证措施包括设置污染对照和回收率对照、检查是否存在抑制实验室反应的物质，以及评估检出限和定量限。要使结果具有可比性，需要记录方法并采用一致的报告方式；不同实验室或不同类型样本的测量结果不能直接互换使用。"
    },
    {
      "heading": "污水信号的解读",
      "text": "浓度、负荷与归一化\n\n结果可以按单位体积中的遗传物质拷贝数、单位质量固体中的拷贝数或化学物质浓度报告。每日负荷可用以下简单公式估算：\n\n\\[L = C Q\\]\n\n其中，\\(L\\) 是每天通过采样点的物质量，\\(C\\) 是浓度，\\(Q\\) 是每日污水流量。将负荷除以估算的污水贡献人口数，即可得到按人口归一化的负荷。\n\n这一计算不能直接得出感染人数。要估算感染人数，需要掌握有关排出速率、排出持续时间、管网输送过程中的损失以及实验室回收率的可靠信息，而这些因素都可能存在很大差异。\n\n一些系统利用人源粪便标志物对测量结果进行归一化，以帮助校正污水浓度变化的影响。没有任何一种归一化方法能够消除所有变异来源。降雨、地下水渗入、工业排放、旅游和通勤，都可能影响检测结果或对样本所代表人口数的估算。\n\n趋势与预警\n\n与孤立的数值相比，重复测量结果通常更容易解读。持续上升可能表明病原体传播正在增加，而持续下降则可能表明传播正在减少。\n\n对于某些感染，污水信号可能先于临床病例报告数或入院人数上升。这种提前量并不固定，而是取决于病原体排出情况、采样频率、实验室检测周转时间、人们接受检测的行为以及报告延迟。即使新增感染已经减少，污水测量值也可能因为部分人仍在持续排出病原体而保持高位。\n\n阴性结果意味着，在该次采样和检测条件下未检出目标物。它不能证明社区中不存在该病原体。反过来，阳性结果也可能仅来自少数排放者，而非反映广泛传播。\n\n因此，解读污水结果时，需要结合临床检测结果、入院人数和疫情调查等流行病学信息。"
    },
    {
      "heading": "主要应用",
      "text": "传染病监测\n\n污水监测已成为脊髓灰质炎病毒监测的成熟手段，也已广泛用于2019冠状病毒病监测。相关项目还监测与流行性感冒、呼吸道合胞病毒感染和肠道感染有关的靶标。由于排出模式、环境稳定性和分析方法不同，监测对不同病原体的效果也有所差异。\n\n测序有助于追踪遗传变异株的传播情况。不过，在混合样本中检出多个突变，并不总能证明这些突变同时存在于同一个病毒基因组中。污水数据本身也无法确定某一变异株所致疾病的临床严重程度。\n\n抗微生物药物耐药性\n\n可以检测污水中的耐药细菌以及与抗微生物药物耐药性有关的基因。这些测量有助于描述耐药模式和环境中的耐药性储库。\n\n来自人类、动物、工业和环境的物质混合在一起，会使结果解读更加复杂。检出耐药基因，并不一定能确定携带该基因的细菌宿主，也不能确定临床耐药感染的发生频率。\n\n化学物质暴露与物质使用\n\n测量药物、代谢产物及特定化学物质，有助于估算社区层面的消费量或暴露水平。此类估算需要有关排泄、化学稳定性和污水流量的信息。\n\n直接倾倒可能产生与实际消费无关的信号。污水测量无法识别具体使用者，也不能单独用于确定物质使用障碍的患病情况。"
    },
    {
      "heading": "优势与局限",
      "text": "污水采样的一大优势在于，它不要求个人就医、接受检测或报告症状。样本可以涵盖无症状者以及难以获得临床检测者的排出物。重复采样能够以相对高效的方式提供人群层面的指标。\n\n不过，其覆盖范围受环境卫生基础设施的制约。使用化粪池、坑厕或未接入污水管网的人群可能被排除在外。因此，监测网络可能无法充分代表农村社区和基础设施不足的人群，进而影响健康公平。\n\n其他局限包括汇水区人口数不确定、排出量变化、稀释、输送过程中的降解、采样缺漏以及分析方法差异。人群层面的关联不能直接套用于个人。污水监测不是针对个人的诊断方法，仅凭测得的浓度通常也无法精确估算感染患病率或发病率。"
    },
    {
      "heading": "隐私与治理",
      "text": "大汇水区的样本通常汇集了大量人群的信息，但污水数据并非天然不存在隐私风险。对小型建筑物或范围界定很窄的社区采样，可能使人们推断出其中人员的敏感信息。将结果与其他数据集关联，可能进一步增加这些风险。\n\n治理方面需要考虑的问题包括采样权限、适当的地理分辨率、数据访问、数据保存、信息沟通，以及防止污名化或惩罚性使用。数据隐私保护措施必须兼顾个人和群体。\n\n公开报告时，必须清楚说明信号代表什么、存在哪些不确定性，以及跨地点比较有何局限。检测方法、采样点、归一化方法或报告类别的变化，如果未加记录并在分析中予以考虑，就可能造成看似真实的趋势。"
    }
  ],
  "links": [
    "public-health-surveillance",
    "public-health",
    "pandemic",
    "polymerase-chain-reaction",
    "dna-sequencing",
    "epidemiology",
    "covid-19",
    "influenza",
    "bacteria",
    "antimicrobial-resistance",
    "sanitation",
    "health-equity",
    "diagnosis",
    "prevalence",
    "incidence",
    "data-privacy"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}