Élimination des composés pharmaceutiques des eaux de rejets hospitaliers par oxydation par voie humide
Bibliographic record
Abstract
Les eaux usées sont une voie d’entrée pour les médicaments dans nos rivières, car les traitements actuels ne sont pas appropriés pour ces composés. Les hôpitaux sont une source à considérer étant donné leurs eaux usées chargées en composés pharmaceutiques. C’est dans l’optique de répondre au problème de déchargement de médicaments dans l’environnement par les effluents hospitaliers que ce projet est né. Parmi les innombrables possibilités de traitement, l’oxydation par voie humide (OVH), un processus d’oxydation avancé qui utilise de l'air et de l'eau à des températures et des pressions élevées pour éliminer les composés organiques, semble une voie prometteuse. L’objectif du projet était d’évaluer l’application de l’OVH comme prétraitement des eaux usées des hôpitaux afin de retirer les composés pharmaceutiques avant de rejoindre les eaux usées municipales. Afin de répondre au but de cette recherche, les dix composés les plus problématiques d’un hôpital local ont été déterminés selon leur abondance et toxicité, une méthode de quantification par spectrométrie de masse a été développée pour suivre les performances de dégradation et les paramètres du traitement à l’étude ont été optimisés. En complément, des analyses d’écotoxicité ont été réalisées afin d’évaluer l’impact du traitement sur la toxicité des effluents générés ainsi qu’une analyse technico-économique pour évaluer la faisabilité économique de son application en contexte réel. L’étude a démontré que l’OVH atteint une performance de dégradation entre 95.0 et 99.1% des composés dopés à 10 µg/L dans des eaux usées hospitalières en seulement 15 minutes d’oxydation et ce même à faible demande chimique en oxygène (< 600 mg O2/L). Les produits de dégradation générés semblent néanmoins plus toxiques que les produits de départ selon les tests de toxicité effectués sur un crustacé (Daphnia magna) et une bactérie (Aliivibrio fischeri). Les analyses ont également révélé un coût de 27$ par mètre cube. Ce chiffre pourrait toutefois être moindre en préconcentrant l’effluent hospitalier d’abord. Ces résultats sont un bon point de départ pour permettre aux collaborateurs du projet de continuer à développer leur procédé pilote en mode continu et ainsi arriver à trouver l’application la plus probable pour cette technologie verte. Le sujet a fait l’objet de présentation à un comité de gestion de l’environnement dans le réseau de la santé et certains acteurs portaient un intérêt pour cette technologie dans le cadre de la construction d’un nouvel hôpital au Québec. Il y a assurément une préoccupation sur le terrain et un désir de trouver des solutions environnementales. Ce genre de recherche apporte les connaissances nécessaires pour y répondre. Les suites du projet vont se tourner vers les produits de transformation afin de découvrir l’éventail de molécules générées par la dégradation des composés primaires durant le procédé. Il serait également intéressant d’étudier la corrélation entre toxicité et biodégradabilité en fonction du temps d’oxydation.
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) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.005 | 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".