Ecological risk assessment of fifty pharmaceuticals and personal care products (PPCPs) in Chinese surface waters: A proposed multiple-level system
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.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 ».