Hazard vs. exposure: Does it make a difference in identifying chemicals with persistence and mobility concerns?
Notice bibliographique
Résumé
Persistent and mobile (PM) chemicals are considered emerging threats to the environment and drinking water because they can be transported over long distances, penetrate natural and artificial barriers, and resist removal by traditional water treatment procedures. Current chemical regulatory frameworks raise concerns over PM chemicals due to their potential to cause high human exposure through drinking water contamination. However, the criteria used to screen and identify these chemicals often rely on hazard properties related to stability and sorption, such as biodegradation half-lives and organic-carbon-normalized sorption coefficients as respective measures of P and M. Here, we conduct a model-based assessment to examine the consistency between hazard-based and exposure-based approaches in assessing PM chemicals, by evaluating whether chemicals identified as highly P and M are consistently associated with high drinking water exposure potential (DWEP). We discover that chemicals with the top DWEPs tend to be PM chemicals, but the reverse is not always true, because DWEPs are also impacted by volatilization for air-distributed chemicals and advective particle-bound transport for particle-bound chemicals. Our findings suggest that the hazard metrics are better suited for de-prioritizing, as opposed to prioritizing, chemicals that are unlikely to result in significant human exposure through drinking water, as unfavorable values of hazard metrics are a necessary but not sufficient condition for a high DWEP. We also find that distinct mechanisms determine the DWEP in different sources of drinking water: Sorption and stability are more influential on the DWEP of chemicals in groundwater and surface water, respectively, whereas both sorption and stability equally impact water undergoing riverbank filtration. Future studies should focus on optimizing the identification of persistent and mobile chemicals to ensure that exposure potential is taken into consideration.
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 | 0,012 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,006 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».