Short-chain PFASs dominance and their environmental transport dynamics in urban water systems: Insights from multimedia transport analysis and human exposure risk
Notice bibliographique
Résumé
The increasing prevalence of short-chain per- and polyfluoroalkyl substances (PFASs) poses significant challenges for urban water systems (UWS) due to their persistence, high mobility, and widespread occurrence. This study provides a comprehensive assessment of the occurrence, environmental transport, influencing factors, removal efficiency, and human health risks of PFASs across UWS impacted by industrial activities. Regulatory restrictions on long-chain PFASs have led to their replacement with short-chain analogues, resulting in their dominance in effluents from manufacturing plant parks (MPPs), with concentrations ranging from 30.28 to 3738.51 ng/L (mean: 557.68 ± 1072.03 ng/L). Wastewater treatment plant (WWTP) serve as both sources and sinks of PFASs, with a negative average removal efficiency (–47.4 %) and an estimated annual discharge of 12.29 kg of PFASs into the environment. Downstream of WWTP, PFASs concentrations in rivers decrease exponentially due to dilution and sediment partitioning; however, short-chain PFASs persist over long distances due to their high aqueous mobility. While the detected PFAS levels in rivers pose low health risks to humans, they present low to medium ecological risks to aquatic organisms, particularly algae, invertebrates, and fish. Advanced statistical analyses using piecewise structural equation modeling (piecewiseSEM) and co-occurrence network analysis (CNA) identified key environmental drivers of PFASs behavior, including heavy metals (effect size: 0.70), nutrient levels (0.36), and physicochemical parameters (–0.52). Furthermore, drinking water treatment plants (DWTPs) demonstrated limited removal efficiency, with tap water concentrations ranging from 27.95 to 84.72 ng/L, exceeding the regulatory limits set by the US EPA (2022) (PFOA: 0.004 ng/L, PFOS: 0.02 ng/L) and Health Canada (Σ 25 PFAS: 30 ng/L). These findings underscore the urgent need for enhanced regulations, the development of sustainable alternatives, and the implementation of advanced treatment technologies to mitigate the environmental and public health risks associated with short-chain PFASs.
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) | 0,001 | 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 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 ».