Pharmaceuticals and personal care products alter growth and function in lentic biofilms
Notice bibliographique
Résumé
Environmental context Pharmaceuticals and personal care products are routinely found in waters discharged from treatment plants and in surrounding aquatic ecosystems. Despite the widespread occurrence of these biologically active agents, there is limited understanding of their potential effects on key ecosystem processes such as primary production, ecosystem respiration and algal growth. This paper examines the effects of five common pharmaceuticals on the rates of these fundamental processes. Abstract Pharmaceutical diffusing substrates were used to study in situ responses of aquatic biofilms in an urbanised lentic ecosystem to five pharmaceutical and personal care products (PPCPs; caffeine, cimetidine, ciprofloxacin, diphenhydramine and metformin). The pharmaceutical diffusing substrates consisted of porous biofilm substrates placed atop a mass of agar amended with 2.5 mM of the PPCP compound of interest. Over 21 days, biofilms growing on the substrata were exposed to slow diffusion of the PPCP through the agar and porous substrate. Algal biomass was suppressed by exposure to diphenhydramine (–81 %) and ciprofloxacin (–50 %). Gross primary production was completely suppressed by diphenhydramine exposure but stimulated by caffeine (+39 %) and cimetidine (+46 %). For heterotroph biofilms, community respiration was suppressed by exposure to diphenhydramine (–24 %). To characterise PPCP exposure, rates of diffusion from the pharmaceutical diffusing substrates were measured at 10, 20 and 30 °C. Diffusion was Fickian for all compounds and all temperatures. Diffusion coefficients, D, were in the range 1.5 × 10–10 to 1.1 × 10–9 m2 s–1. From diffusion data, average release rates over 21 days were typically 30–50 ng min–1 cm–2 at 20 °C. The results show that PPCPs can dramatically affect rates of key ecological processes, and the relationship between release rate and ambient concentration of PPCPs is discussed.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».