Non-Target Screening Of Organic Micropollutants In Durgam Cheruvu Lake, India
Notice bibliographique
Résumé
The main objective of this study is to evaluate the water quality of Durgam Cheruvu Lake, Hyderabad, India by comprehensively analysing organic micropollutants.Samples were collected from three different sites in the lake and nontargeted screening was performed using liquid chromatography-quadrupole time-of-flight (LC-QTOF).A total of 183 compounds were detected in all samples.This includes pharmaceuticals, herbicides, fungicides, pesticides, hormones, steroids, UV filters, plasticizers, cyanotoxins, and metabolites.In all samples, pharmaceuticals accounted for approximately 50%, herbicides 8%, and metabolites 9%.The high abundance values were observed for 17 -Dihydroequilin, Avobenzone, Sibutramine, Butachlor, Napropamide, and Estriol at all the sampling locations.Estriol and 17 -Dihydroequilin are classified as the largest endocrine disruptors among many micropollutants.Eutrophication-related cyanotoxins including Microcystin-LR and Anatoxin-A have been identified in the lake.Additionally, the urine metabolites of Clarithromycin, Flunitrazepam, and other transformed metabolites of cocaine-d3 and Amitriptyline were discovered.Overall, veterinary medications, narcotic pharmaceuticals, pain killers, anti-psychotic, anti-depressant, and anti-obesity drugs were found to be the most prevalent components in the lake samples, indicating the discharge of domestic and industrial wastewater into the lake.
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 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».