Occurrence and multiple-level ecological risk assessment of pharmaceuticals and personal care products (PPCPs) in two shallow lakes of China
Notice bibliographique
Résumé
Abstract Background Management of pharmaceuticals and personal care products (PPCPs) in the environment has become a social issue. In the present study, concentrations of 140 PPCPs at 20 sites in Baiyangdian Lake and Tai Lake from 2016 to 2017 were analyzed by ultra performance liquid chromatography mass spectrometer (UPLC–MS). Risk quotients (RQ) were calculated for each detected chemical at all sites and prioritization indices (PI), based on maximum RQ, were calculated. To assess the risk of chemicals that identified high priority (PI > 1), a more accurate method of joint probability curves (JPCs) was applied. Results A total of 42 PPCPs were identified and quantified detected in the two lakes, with maximum concentrations ranging from 0.04 to 889 ng/L. Among these, seven PPCPs were identified as high or moderate-risk pollutants for at least one site, 3 in Tai Lake and 5 in Baiyangdian Lake. Carbamazepine posed significant ecological risk at all 20 sites, such that more attention should be paid to that drug. Based on results of the JPCs, sulfamethoxazole, caffeine, diethyltoluamide, and carbamazepine were categorized as high or intermediate risks. Conclusion Occurrences and distributions of PPCPs were different in the two lakes. Multiple-level risk assessment from simple to more complex was appropriate in chemical risk management.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».