Wastewater sources of per- and polyfluorinated alkyl substances (PFAS) and pharmaceuticals in four Canadian Arctic communities
Notice bibliographique
Résumé
Effective removal of organic contaminants in wastewater effluent poses a challenge to small communities worldwide, particularly in the Arctic due to infrastructure challenges and harsh climates. To understand better the efficacy of current treatment options and risks posed by pharmaceuticals and pesticides on receiving waters in the Arctic, four representative human communities in Nunavut, Canada were evaluated. Per- and polyfluorinated alkyl substances (PFASs) were also investigated in one community. These communities have treatment ranging from primary lagoons, engineered wetlands, and natural lakes. Pharmaceuticals and pesticides were measured using the organic diffusive gradients in thin film (o-DGT) passive sampler in summer 2018. Of the 34 compounds studied, seven pharmaceuticals were found at least once: atenolol, carbamazepine, metoprolol, naproxen, sulfapyridine, sulfamethoxazole, and trimethoprim. With the exception of 5210 ng naproxen/L in Iqaluit, most receiving waters showed negligible amounts of contamination. Iqaluit had the poorest overall system performance while Baker Lake had the best. Measured pharmaceutical concentrations do not appear to pose a significant acute hazard to receiving waters at this time, based on known toxicological endpoints. PFAS concentrations were found to be over 100-fold greater in Cambridge Bay wastewater than previously reported Arctic seawater. Results suggest that wastewater may be an important point source of PFASs in Arctic communities. The o-DGT passive samplers performed well in marine Arctic settings. We recommend further testing of wastewater efficiencies in Arctic communities along with evaluations of seasonal variations.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 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 | 0,004 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 tête enseignante, 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 ».