Pharmaceutical pollution in aquatic environments: exposure, ecotoxicological risks, antibiotic resistance and solutions
Bibliographic record
Abstract
Cet article est issu des travaux présentés au séminaire PharmaAQUA (9 au 11 mars 2022, Annecy).Il contribue à la connaissance de la problématique de la contamination des milieux aquatiques continentaux par les résidus de médicaments (RM) et les bactéries résistantes aux antibiotiques (BRA).La pollution de ces milieux par les RM est d'ampleur mondiale.Les principales sources sont les effluents de stations de traitement des eaux usées (STEU) et l'épandage des produits résiduaires organiques d'origine animale (fumier et lisier).Les cours d'eau français ne sont pas épargnés, avec la présence de RM à des concentrations allant du nanogramme par litre au microgramme par litre selon les molécules.Cette contamination chronique généralisée engendre des risques et des effets écotoxicologiques, auxquels les communautés microbiennes sont potentiellement vulnérables.Leur altération peut indirectement modifier la biodiversité et le fonctionnement des écosystèmes.L'approche PICT (Pollution Induced Community Tolerance) constitue un outil prometteur pour le diagnostic de la pression chimique par les RM.Les milieux aquatiques sont pollués par des résidus d'antibiotiques et d'autres contaminants chimiques, qui créent des conditions favorables à la constitution d'un réservoir de gènes de résistance aux antibiotiques (GRA).Les biofilms bactériens et les sédiments sont des zones de piégeage de BRA et de GRA.Leur étude a notamment révélé un enrichissement en BRA et GRA en aval des STEU.La comparaison des effluents urbains et hospitaliers a montré des signatures spécifiques en termes de GRA.L'amélioration du traitement des eaux usées par les STEU, la réduction des rejets à la source (information, sensibilisation et changements de pratiques) et un meilleur encadrement de la production des médicaments sont autant de leviers qui sont étudiés pour maîtriser cette pollution.Ils appellent des efforts multiples et coordonnés de l'ensemble des acteurs de cette problématique à l'interface des mondes de la santé humaine, de la santé animale et de l'eau.
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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".