Contamination des milieux aquatiques par les résidus de médicaments
Bibliographic record
Abstract
La pollution de l'environnement, et plus particulièrement de l'eau, par les micro-polluants d'origine pharmaceutique n'est pas un phénomène récent. La première fois qu'une étude mit en évidence la présence de médicaments dans l'eau remonte à 1976 [HIGNITE et AZARNOFF, 1977]. Les tests eurent lieu aux Etats-Unis à la station d'épuration municipale des eaux usées de " Big Blue Rivers " (Kansas City Missouri U.S.A.). L'un de ces résultats relevait l'existence d'acide salicylique (28,79 g/L, soit 8,64 kg/jour) et d'acide clofibrique (7,09 g/L, soit 2,13 kg/jour). Depuis, plusieurs études en Europe, notamment en Allemagne démontrent que l'eau des rivières et des nappes souterraines peut être contaminée par des résidus de médicaments à des doses non négligeables. Chaque année des milliers de tonnes de substances pharmacologiquement actives sont utilisées pour traiter les maladies ou combattre le stress de la vie moderne. Or, ces xénobiotiques peuvent se retrouver dans les stations d'épuration et contaminer l'environnement. Depuis quelques années, les scientifiques signalent la présence dans l'environnement de composés perturbateurs du système endocrinien susceptibles d'engendrer des effets nocifs aussi bien sur l'homme que sur la faune et la flore entraînant un déséquilibre de l'écosystème. Cette pollution des eaux soulève une problématique de santé publique qui est devenue préoccupante et a suscité l'intérêt des instances de l'Union Européenne pour mener des actions réglementaires afin d'évaluer le risque sanitaire environnemental d'une telle exposition.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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".