Emerging Contaminants in the Great Lakes Basin: A Comprehensive Review and Data-Driven Assessment of Prioritization and Treatment Performance
Notice bibliographique
Résumé
Emerging contaminants (ECs), including pharmaceuticals, PFAS, EDCs, pesticides, and PAHs, are widely detected in the Canadian Great Lakes Basin. These persistent, unregulated compounds raise concerns for public and environmental health even at trace levels. Despite growing attention, Canada lacks a standardized framework for prioritizing and addressing ECs. This research was conducted to support Ontario’s Ministry of Environment, Conservation and Parks (MECP) in developing a data-driven prioritization framework for ECs in the Great Lakes Basin. Historic datasets (DOC1 and DOC2, 1990–2010) and recent Environment and Climate Change Canada (ECCC) monitoring data (2012–2023) for Lakes Superior, Huron, Erie and Ontario were analyzed. A composite Concern Score (CS), integrating hazard quotient (HQ), persistence (P), and frequency of occurrence (F), was developed to rank high-priority ECs and generate dataset- and lake-specific priority lists. Thresholds were applied (CS <0.1: negligible; 0.1–1: monitor; >1: manage; ≫1: urgent). Results identify PFAS (PFOA and PFOS) as the most concerning contaminants across all lakes, with Ontario and Erie exhibiting the highest CS values. Temporal analysis revealed PFOS/PFOA declines since ~2015 in Huron, Erie, and Ontario, while other ECs showed variable, lake-specific trends with CS <1. Conventional wastewater treatment is <90% effective, whereas advanced methods (RO, GAC, AOPs) exceed 90%. The framework provides a reproducible tool for prioritization, risk assessment, and policy guidance.
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 | 0,007 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,007 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».