Développement de méthodes analytiques et devenir environnemental de multiples classes de contaminants pharmaceutiques
Bibliographic record
Abstract
La consommation des composés pharmaceutiques est en constante croissance à travers le monde et leur utilisation peut entraîner une accumulation dans l’environnement d’où leur désignation à titre de contaminants émergents. De nombreux groupes de recherche se penchent donc sur les questions de leurs effets sur des organismes vivants, sur la santé de certains écosystèmes ou encore sur l’efficacité de différents types de traitement des eaux usées. Or, peu de données sont disponibles quant aux concentrations présentes dans différentes matrices telles que les eaux usées ou l’eau de surface dans lesquelles elles sont déversées ou encore l’impact que peuvent avoir les hôpitaux sur l’occurrence des composés pharmaceutiques. La recherche dans ce domaine peut s’avérer un outil clé dans l’établissement de normes et de limites pour différents contaminants puisque celles-ci sont encore marginales dans la plupart des pays du monde, surtout au niveau des médicaments. Dans le cadre de cette thèse, différentes méthodes analytiques ont été développées pour faire l’analyse de classes ciblées de médicaments par chromatographie liquide couplée à la spectrométrie de masse afin de quantifier ceux-ci dans diverses matrices environnementales. Un des objectifs du présent ouvrage est donc de détailler les travaux de développement et de validation de méthodes analytiques robustes. Une première méthode d’extraction en phase solide en ligne avec la chromatographie liquide ultra-haute performance couplée à la spectrométrie de masse en tandem (SPE en ligne UPLC-MS/MS) a été développée afin de faire l’analyse de huit différentes classes de composés pharmaceutiques susceptibles d’être retrouvés dans les eaux usées. Afin de déterminer la distribution et l’adsorption des composés ciblés sur la phase solide de différentes matrices, une méthode d’extraction et de purification a également été optimisée de telle sorte que les extraits de matière particulaire et de sédiments soient compatibles avec cette méthode analytique. Ces méthodes ont été appliquées sur de nombreuses eaux usées d’hôpitaux et d’usine de traitement des eaux au Québec (Canada). Les produits de chimiothérapies présentent un défi analytique supplémentaire puisqu’ils sont polaires comparativement à la plupart des autres classes de composés pharmaceutiques. Il y a donc peu d’études sur la présence et le comportement de ces contaminants bien que ceux-ci présentent un risque écotoxicologique potentiellement important. Un deuxième objectif de cette thèse a donc été de comparer différentes alternatives pour la préconcentration et la séparation chromatographique, notamment la chromatographie à interaction hydrophile (HILIC). Celle-ci a mené à la validation de deux méthodes analytiques dont la sensibilité est de l’ordre des ng/L pour ces composés dans des eaux usées brutes. Ces méthodes de SPE en ligne UPLC-MS/MS ont été appliquées à de nombreux échantillons d’effluents d’hôpitaux ainsi qu’à des usines de traitement des eaux usées au Québec (Canada). D’autre part, la méthode SPE en ligne UPLC-MS/MS pour l’analyse des multiples classes de composés pharmaceutiques a été validée pour l’eau de surface enfin d’atteindre un dernier objectif de cet ouvrage qui consiste à évaluer différentes sources de contamination de cette matrice à proximité de zones densément peuplées. Durant de larges campagnes d’échantillonnage sur le fleuve Saint-Laurent, échelonnées sur une période de cinq ans et ayant couvert une zone géographique de près de 700 km entre le Lac Ontario et l’estuaire, plus de 400 échantillons ont été prélevés et analysés. Parmi ceux-ci figurent des échantillons provenant de 56 rivières tributaires au fleuve prélevés afin de déterminer l’impact de celles-ci en termes de pollution en composés pharmaceutiques et de les comparer avec des points de rejet d’eau usée de villes telles que Montréal ou Québec. Enfin, ces mêmes méthodes ont été appliquées lors de projets en collaboration avec des chercheurs se penchant sur les effets écotoxicologiques des composés pharmaceutiques sur des organismes aquatiques dans des matrices d’eau de surface ainsi que pour de développement de technologies alternatives pour le traitement des 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 | 0.008 | 0.009 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.005 | 0.003 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.004 | 0.004 |
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".