Background: We aimed to compare statistical techniques estimating the association between SARS-CoV-2 RNA in untreated wastewater and sludge and reported coronavirus disease 2019 (COVID-19) cases. Methods: SARS-CoV-2 RNA concentrations (copies/mL) were measured from 24-h composite samples of wastewater in Massachusetts (MA) (daily; 8/19/2020–1/19/2021) and Maine (ME) (weekly; 9/1/2020–3/2/2021) and sludge samples in Connecticut (CT) (daily; 3/1/2020–6/1/2020). We fit linear, generalized additive with a cubic regression spline (GAM), Poisson, and negative binomial models to estimate the association between SARS-CoV-2 RNA concentration and reported COVID-19 cases. Results: The models that fit the data best were linear [adjusted R²=0.85 (MA), 0.16 (CT), 0.63 (ME); root-mean-square error (RMSE)=0.41 (MA), 1.14 (CT), 0.99 (ME)), GAM (adjusted R²=0.86 (MA), 0.16 (CT) 0.65 (ME); RMSE=0.39 (MA), 1.14 (CT), 0.97 (ME)], and Poisson [pseudo R²=0.84 (MA), 0.21 (CT), 0.52 (ME); RMSE=0.39 (MA), 0.67 (CT), 0.79 (ME)]. Conclusions: Linear, GAM, and Poisson models outperformed negative binomial models when relating SARS-CoV-2 RNA in wastewater or sludge to reported COVID-19 cases.

背景：我们旨在比较估计未经处理的废水和污泥中的 SARS-CoV-2 RNA 与报告的 2019 年冠状病毒病 (COVID-19) 病例之间关联的统计技术。方法：从马萨诸塞州（MA）（每天；2020 年 8 月 19 日至 2021 年 1 月 19 日）和缅因州（ME）的 24 小时综合废水样本中测量 SARS-CoV-2 RNA 浓度（拷贝/mL）（每周；2020 年 9 月 1 日–2020 年 3 月 2 日）和康涅狄格州 (CT) 的污泥样本（每天；2020 年 3 月 1 日–2020 年 6 月 1 日）。我们使用三次回归样条 (GAM)、泊松和负二项式模型拟合线性广义加法，以估计 SARS-CoV-2 RNA 浓度与报告的 COVID-19 病例之间的关联。结果：最适合数据的模型是线性的 [调整后的R ²=0.85 (MA), 0.16 (CT), 0.63 (ME); 均方根误差（RMSE）=0.41（MA），1.14（CT），0.99（ME）），GAM（调整R ² =0.86（MA），0.16（CT）0.65（ME）；RMSE=0.39（ MA)、1.14 (CT)、0.97 (ME)]和泊松[伪R ² =0.84 (MA)、0.21 (CT)、0.52 (ME)；RMSE=0.39 (MA)、0.67 (CT)、0.79 ( ME)]. 结论：在将废水或污泥中的 SARS-CoV-2 RNA 与报告的 COVID-19 病例相关联时，线性、GAM 和泊松模型优于负二项式模型。