PFAS in water environments: recent progress and challenges in monitoring, toxicity, treatment technologies, and post-treatment toxicity
Notice bibliographique
Résumé
There is growing awareness of the environmental presence of per- and polyfluoroalkyl substances (PFAS) and their harmful effects on animals and humans. Recent studies have revealed changes in human embryonic stem cells and maternal biomarkers, underscoring the severity and unpredictable outcomes associated with long-term exposure to PFAS. Monitoring efforts continually identify additional PFAS compounds worldwide, but a standardized and unified approach is still lacking. Traditional treatment methods such as adsorption and membrane filtration have been effective in removing 80–95% of PFAS from wastewater. However, complete removal of short-chain PFAS remains limited to a few recently developed techniques. The inability of advanced treatment methods to eliminate emerging short-chain and ultrashort-chain PFAS suggests the need for more integrated approaches that target all PFAS classes. Additionally, a few studies have discussed the potential toxicity outcomes of these treatments at both laboratory and full-scale levels. While advanced oxidative processes (AOPs) are rapidly gaining attention for degrading 90–100% of PFAS in sewage, it remains challenging to fully break down PFAS into non-toxic, mineralized products such as CO2 and H2O due to the strong C-F bonds and the potential toxicity of by-products in post-treated wastewater. Standardized and reliable bioassays for assessing PFAS toxicity are still under development, and current predictive models linking molecular structure to human health effects are at an early stage. This review examines the emerging health and ecological risks associated with both legacy and novel PFAS, alongside recent advances and limitations in individual and combined treatment technologies for water and wastewater. Emphasis is placed on the potential toxicity of degradation products, highlighting the need for more integrated and comprehensive toxicity assessments to guide safer PFAS remediation strategies.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».