Antibiotic, Heavy Metal, and Biocide Concentrations in a Wastewater Treatment Plant and Its Receiving Water Body Exceed PNEC Limits: Potential for Antimicrobial Resistance Selective Pressure
Notice bibliographique
Résumé
Although the rise in antimicrobial resistance has been attributed mainly to the extensive and indiscriminate use of antimicrobials such as antibiotics and biocides in humans, animals and on plants, studies investigating the impact of this use on water environments in Africa are minimal. This study quantified selected antibiotics, heavy metals, and biocides in an urban wastewater treatment plant (WWTP) and its receiving water body in Kwazulu-Natal, South Africa, in the context of the predicted no-effect concentrations (PNEC) for the selection of antimicrobial resistance (AMR). Water samples were collected from the WWTP effluent discharge point and upstream and downstream from this point. Heavy metals were identified and quantified using the United States Environmental Protection Agency (US EPA) method 200.7. Biocides and antibiotic residues were determined using validated ultra-high-performance liquid chromatography with tandem mass spectrometry-based methods. The overall highest mean antibiotic, metal and biocide concentrations were observed for sulfamethoxazole (286.180 µg/L), neodymium (Nd; 27.734 mg/L), and benzalkonium chloride (BAC 12) (7.805 µg/L), respectively. In decreasing order per sampling site, the pollutant concentrations were effluent > downstream > upstream. This implies that the WWTP significantly contributed to the observed pollution in the receiving water. Furthermore, most of the pollutants measured recorded values exceeding the recommended predicted no-effect concentration (PNEC) values, suggesting that the microbes in such water environments were at risk of developing resistance due to the selection pressure exerted by these antimicrobials. Further studies are required to establish such a relationship.
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 | 0,000 | 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 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 ».