Future water quality monitoring: improving the balance between exposure and toxicity assessments of real-world pollutant mixtures
Notice bibliographique
Résumé
Environmental water quality monitoring aims to provide the data required for safeguarding the environment against adverse biological effects from multiple chemical contamination arising from anthropogenic diffuse emissions and point sources. Here, we integrate the experience of the international EU-funded project SOLUTIONS to shift the focus of water monitoring from a few legacy chemicals to complex chemical mixtures, and to identify relevant drivers of toxic effects. Monitoring serves a range of purposes, from control of chemical and ecological status compliance to safeguarding specific water uses, such as drinking water abstraction. Various water sampling techniques, chemical target, suspect and non-target analyses as well as an array of in vitro, in vivo and in situ bioanalytical methods were advanced to improve monitoring of water contamination. Major improvements for broader applicability include tailored sampling techniques, screening and identification techniques for a broader and more diverse set of chemicals, higher detection sensitivity, standardized protocols for chemical, toxicological, and ecological assessments combined with systematic evidence evaluation techniques. No single method or combination of methods is able to meet all divergent monitoring purposes. Current monitoring approaches tend to emphasize either targeted exposure or effect detection. Here, we argue that, irrespective of the specific purpose, assessment of monitoring results would benefit substantially from obtaining and linking information on the occurrence of both chemicals and potentially adverse biological effects. In this paper, we specify the information required to: (1) identify relevant contaminants, (2) assess the impact of contamination in aquatic ecosystems, or (3) quantify cause–effect relationships between contaminants and adverse effects. Specific strategies to link chemical and bioanalytical information are outlined for each of these distinct goals. These strategies have been developed and explored using case studies in the Danube and Rhine river basins as well as for rivers of the Iberian Peninsula. Current water quality assessment suffers from biases resulting from differences in approaches and associated uncertainty analyses. While exposure approaches tend to ignore data gaps (i.e., missing contaminants), effect-based approaches penalize data gaps with increased uncertainty factors. This integrated work suggests systematic ways to deal with mixture exposures and combined effects in a more balanced way, and thus provides guidance for future tailored environmental monitoring.
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 | 0,030 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,011 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».