Ecological risk assessment of fifty pharmaceuticals and personal care products (PPCPs) in Chinese surface waters: A proposed multiple-level system
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Interest in the risks posed by trace concentrations of pharmaceuticals and personal care products (PPCPs) in surface waters is increasing, particularly with regard to potential effects of long-term, low-dose exposures of aquatic organisms. In most cases, the actual studies on PPCPs were risk assessments at screening-level, and accurate estimates were scarce. In this study, exposure and ecotoxicity data of 50 PPCPs were collected based on our previous studies, and a multiple-level environmental risk assessment was performed. The 50 selected PPCPs are likely to be frequently detected in surface waters of China, with concentrations ranging from the ng L−1 to the low-g L−1, and the risk quotients based on median concentrations ranged from 2046 for nonylphenol to 0 for phantolide. A semi-probabilistic approach screened 33 PPCPs that posed potential risks to aquatic organisms, among which 15 chemicals (nonylphenol, sulfamethoxazole, di (2-ethylhexyl) phthalate, 17β-ethynyl estradiol, caffeine, tetracycline, 17β-estradiol, estrone, dibutyl phthalate, ibuprofen, carbamazepine, tonalide, galaxolide, triclosan, and bisphenol A) were categorized as priority compounds according to an optimized risk assessment, and then the refined probabilistic risk assessment indicated 12 of them posed low to high risk to aquatic ecosystem, with the maximum risk products ranged from 1.54% to 17.38%. Based on these results, we propose that the optimized risk assessment was appropriate for screening priority contaminants at national scale, and when a more accurate estimation is required, the refined probability risk assessment is useful. The methodology and process might provide reference for other research of chemical evaluation and management for rivers, lakes, and sea waters.
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.
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 | 0,000 | 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 | 0,000 | 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) | 0,002 | 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 découle