Présence et devenir des hormones stéroïdiennes dans les stations de traitement des eaux usées.
Bibliographic record
Abstract
Différents produits chimiques naturels et d’origine industrielle présentent une activité endocrinienne. Ces composés sont susceptibles d’agir sur le système endocrinien des animaux et des êtres humains (altération ou déficiences des fonctions reproductrices, occurrence de tumeurs malignes, etc.). De nos jours, il reste de nombreuses questions en suspens (ampleur de la contamination, devenir dans l’environnement, etc.) et le caractère persistant de ces substances en fait un problème majeur pour les générations futures. De plus, plusieurs études ont montré que les estrogènes naturels (tels que l’estrone, le 17β‑estradiol et l’estriol) et l’estrogène synthétique (17α‑éthinylestradiol) sont les composés les plus oestrogéniques présents dans les effluents de stations de traitement des eaux usées. En conséquence, ces estrogènes peuvent rejoindre les eaux de surfaces et les contaminer. En effet, des concentrations aussi faibles que 0,1 ng/L peuvent provoquer des effets oestrogéniques chez les organismes aquatiques exposés. Cette revue s’est donc concentrée sur la présence de ces types de composé dans les eaux de surface et usées, et plusieurs procédés de traitement sont discutés par rapport à leur capacité d’enlèvement des estrogènes. Ainsi, le traitement primaire seul ne permet pas l’enlèvement des estrogènes des eaux usées, alors qu’un traitement secondaire à boue activée réduit généralement les quantités d’estrogènes. Les procédés dits avancés montrent un potentiel élevé pour l’enlèvement des estrogènes, bien qu’ils peuvent former des sous-produits oestrogéniques et/ou cancérigènes. Finalement, les systèmes enzymatiques pourraient être des procédés innovateurs pour le traitement des estrogènes, puisqu’ils montrent un potentiel élevé pour l’enlèvement des composés aromatiques dans les eaux usées.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".