MétaCan
Menu
← Retour à la cohorte
Enregistrement W2108874544 · doi:10.1002/etc.3241

Pharmaceutical concentrations in screened municipal wastewaters in Victoria, British Columbia: A comparison with prescription rates and predicted concentrations

2015· article· en· W2108874544 sur OpenAlexafffundabout
L. Saunders, Asit Mazumder, Christopher J. Lowe

Notice bibliographique

RevueEnvironmental Toxicology and Chemistry · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePharmaceutical and Antibiotic Environmental Impacts
Établissements canadiensCapital Regional DistrictUniversity of VictoriaSimon Fraser University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMichael Smith Health Research BC
Mots-clésMedical prescriptionEnvironmental chemistryEnvironmental scienceWastewaterChemistryMedicineEnvironmental engineeringPharmacology

Résumé

récupéré en direct d'OpenAlex

Pharmaceuticals and personal care products (PPCPs) are emerging chemicals of concern detected in surface waters globally. Recent reviews advocate that PPCP occurrence, fate, and exposure need to be better predicted and characterized. The use of pharmaceutical prescription rates to estimate PPCP concentrations in the environment has been suggested. Concentrations of 7 pharmaceuticals (acetylsalicylic acid, diclofenac, fenoprofen, gemfibrozil, ibuprofen, ketoprofen, and naproxen) were measured in municipal wastewater using gas chromatography/ion trap-tandem mass spectroscopy (GC/IT-MS/MS). Subregional pharmaceutical prescription data were investigated to determine whether they could predict measured effluent concentrations (MECs) in wastewaters. Predicted effluent concentrations (PECs) for 5 of the 7 pharmaceuticals were within 2-fold agreement of the MECs when the fraction of parent pharmaceutical excreted was not considered. When the fraction of parent pharmaceutical excreted was considered, the respective PECs decreased, and most were within an order of magnitude of the MECs. Regression relationships of monthly PECs versus MECs were statistically significant (p < 0.05) but weak (R(2) = 0.18-0.56) for all pharmaceuticals except ketoprofen. This suggests high variability in the data and may be the result of factors influencing MECs such as the analytical methods used, wastewater sampling frequency, and methodology. The PECs were based solely on prescription rates and did not account for inputs of pharmaceuticals that had a significant over-the-counter component or were from other sources (e.g., hospitals).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,059
Score d'incertitude au seuil0,119

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,268
Écart entre enseignants0,247 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2015
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEnvironmental Toxicology and Chemistry→Même sujetPharmaceutical and Antibiotic Environmental Impacts→Travaux en français237 207→