Reconhecendo as águas subterrâneas relacionadas à doença renal crônica de etiologia desconhecida por matéria orgânica semelhante a húmica Ⅱ

Relação entre a química da água relacionada ao DOM e ao CKDu

A ingestão excessiva de F− pode danificar o tecido renal humano e, portanto, a alta concentração de F− é considerada um sinal de fontes de água que levam à CKDu11,61. Como mostrado na Figura 8 suplementar, houve uma correlação positiva significativa entre C1% e concentração de F− em amostras de águas subterrâneas (r=0.62, p < 0.05), indicando que C1 é um componente sensível para reconhecer fontes de água subterrânea que podem causar CKDu. O C1% também teve correlações significativamente positivas com Ca{{10}} (r=0.60, p < 0,05). É provável que C1 com carboxila se combine com Ca2+ para formar um complexo que é prejudicial ao rim humano15, que é uma causa importante de CKDu. Isto está de acordo com a observação de que as águas subterrâneas em áreas endêmicas de CKDu continham concentrações mais altas de Ca2+ do que as águas subterrâneas em áreas não endêmicas de CKDu10,18. Além disso, C1% aumentou com o aumento nas concentrações de Si e na dureza (r=0 0,60, 0,61, respectivamente, p < 0,05) neste estudo. Acredita-se que a CKDu também esteja relacionada a águas subterrâneas com alta dureza e altas concentrações de Si, pois beber essas águas subterrâneas pode danificar células renais embrionárias humanas12,14. Em resumo, C1% foi positivamente correlacionado com os componentes químicos inorgânicos geralmente considerados associados ao CKDu, indicando a viabilidade potencial do uso de C1% como um indicador de reconhecimento para identificar fontes de água subterrânea relacionadas ao CKDu.

Clique para cistanche herba para doenças renais

Supõe-se que o maior C1% nas águas subterrâneas CKDu versus nas águas subterrâneas não-CKDu estava relacionado à entrada de águas superficiais (Fig. 2). De facto, as concentrações dos componentes químicos inorgânicos acima mencionados nas águas superficiais eram muito inferiores às das águas subterrâneas (Tabela Suplementar 4). Considerando que a água fissurada intemperizada na área de estudo é o principal recurso hídrico subterrâneo, o processo de reposição das águas superficiais é lento, o que causa fortes interações água-rocha (por exemplo, lixiviação e troca iônica) durante o processo de reposição e leva ao enriquecimento de produtos químicos inorgânicos nas águas subterrâneas. Por exemplo, devido à semelhança química de F- e OH-, é provável que um valor de pH mais alto nas águas superficiais cause mais F- dessorvido dos minerais por troca iônica durante o processo de recarga 62, o que resulta em um valor de pH relativamente mais baixo e mais F− nas águas subterrâneas CKDu do que nas águas superficiais.

Reconhecendo fontes de água relacionadas ao CKDu pelo FDOM Neste estudo,

O DOM entre as águas subterrâneas CKDu e as águas subterrâneas não-CKDu apresentou diferenças significativas em termos de C1% e HIX e, portanto, essas diferenças podem ser usadas para alerta precoce e reconhecimento rápido de fontes de água associadas ao CKDu através de nossa avaliação de limite de reconhecimento de CKDu autodesenvolvida (CRTA). Explorar o limite de reconhecimento adequado (RT) de vários indicadores DOM e testar a aplicabilidade do método CRTA, as relações entre o limite assumido dos indicadores DOM e a probabilidade de detecção de águas subterrâneas CKDu (DPC) e a probabilidade de detecção de águas subterrâneas não CKDu ( DPN) em amostras de águas subterrâneas (n=54) são mostrados na Figura Complementar 9. Verificou-se que DPC e DPN responderam muito bem às mudanças de HIX, C1%, DOC e C4% com aproximadamente formato de S curvas. Tomando como exemplo C1%, quando o limiar assumido de C1% excedeu o valor na intersecção (28,8%) das curvas DPC e DPN, o DPC aumentou com o aumento de C1% e foi sempre superior ao DPN; quando o limite assumido de C1% era menor que o valor de interseção (28,8%), o DPN aumentava com a diminuição de C1% e era sempre maior que o DPC. Ou seja, se o limite assumido de C1% na interseção for utilizado como RT, o DPC chegará a 70,1% (probabilidade de detecção na interseção) pelo menos com C1% acima do RT (Tabela Suplementar 5), indicando que a possibilidade de detecção fonte de água como fonte relacionada ao CKDu foi de pelo menos 70,1%. Quando o limite assumido de C1% estiver abaixo do RT, o DPN excederá 70,1%, indicando que a possibilidade da fonte de água detectada como fonte não relacionada ao CKDu era de pelo menos 70,1%. Portanto, usando o TR de C1%, a probabilidade de identificar se uma fonte de água é relacionada ou não relacionada ao CKDu é de pelo menos 70,1%, indicando sua muito boa aplicabilidade de reconhecimento

Da mesma forma, as relações entre os limiares assumidos de HIX, as concentrações de DOC e C4% e a probabilidade de detecção foram as mesmas que a relação entre o limiar assumido de C1% e a probabilidade de detecção. No entanto, devido à probabilidade relativamente menor detectada na interseção (Tabela Suplementar 5), a aplicabilidade do reconhecimento usando HIX, DOC e C4% não é tão boa quanto C1%. Em termos de outros indicadores DOM, as suas curvas DPN ou DPC flutuaram muito com as alterações nos limiares. Além disso, de acordo com a relação entre o limiar assumido do escore PC1 e a probabilidade de detecção, verifica-se que a probabilidade de reconhecimento usando o escore PC1 foi de 63,8%.

Os limites assumidos de pontuação C1%, C4%, HIX e PC1 versus probabilidade de detecção foram ajustados pela equação empírica de Boltzmann (Fig. 4). Como mostrado na Figura 4, o limite assumido de C1% teve o maior coeficiente de determinação (R2) (Tabela Suplementar 6). Os resultados da verificação mostraram que os valores previstos estavam próximos dos valores medidos (Fig. 5), indicando que os resultados do ajuste eram válidos. Além disso, o teste t pareado mostrou que o valor previsto e o valor medido não foram significativamente diferentes (p > 0.05) apenas usando C1% ou pontuação de PC1 como indicadores de reconhecimento. O erro quadrático médio (RMSE) de C1% também foi o mais baixo, indicando que o resultado de ajuste de C1% estava de acordo com os dados desta área de estudo. Acima de tudo, C1% é o índice DOM mais adequado e eficaz para distinguir fontes de água relacionadas com CKDu de fontes de água não relacionadas com CKDu através do

Método CRTA.

De acordo com as funções de ajuste de curvas, o TR de C1% pelo método CRTA foi de 28,8%. A fim de esclarecer a previsibilidade e a vantagem do limiar ótimo calculado pelo método CRTA, a curva característica de operação do receptor (ROC) e a curva de recuperação de precisão (PR) baseadas na matriz de confusão também foram realizadas usando as mesmas 54 amostras de águas subterrâneas ( Figuras Complementares 10, 11). Na análise ROC e PR, o modelo de curva foi considerado previsível apenas quando a área sob a curva (AUC) era maior que 0,763. Normalmente, a AUC maior indicou a melhor previsibilidade do modelo. A curva AUC da curva ROC (0.777) e a curva PR (0.816) de C1% foram maiores do que as de outros índices DOM, indicando que C1% foi o mais adequado como índice de reconhecimento , o que é consistente com os resultados do método CRTA. Porém, de acordo com o máximo do índice de Yonden, que se correlacionou positivamente com a superioridade dos modelos de triagem (Método Suplementar), o TR ideal de C1% na curva ROC foi de 36,3%; o TR ideal de C1% na curva PR foi de 27,6% usando o escore F1- máximo, que é a média harmônica de precisão e recall e indica a capacidade de prever corretamente. Para comparar a previsibilidade da curva PR, curva ROC e método CRTA usando C1% como índice de reconhecimento, esses RT foram aplicados a 21 amostras de águas subterrâneas para verificação para obter previsibilidade real (Tabela Suplementar 7). A previsibilidade para águas subterrâneas CKDu usando o método CRTA (75,0%) foi consistente com a da curva PR (75,0%), mas superior à da curva ROC (50 .0%); a previsibilidade para águas subterrâneas não CKDu usando o método CRTA (66,7%) foi superior à da curva PR (55,6%), mas inferior à da curva ROC (88,9%). Para uma melhor comparação, a média geométrica da previsibilidade para águas subterrâneas não-CKDu e a previsibilidade para águas subterrâneas CKDu foram utilizadas para mostrar uma previsibilidade abrangente. A previsibilidade abrangente do método CRTA (70,7%) foi a mais alta, seguida pela curva ROC (66,7%) e curva PR (64,5%). Isto ilustrou que o método CRTA obteve um TR melhor de C1% para triagem de águas subterrâneas CKDu e águas subterrâneas não CKDu do que a curva ROC e a curva PR. Além disso, a curva AUC da curva PR do escore PC1 foi de 0,700, indicando que o PC1 também pode ser usado como um índice de reconhecimento, embora a curva AUC da curva ROC do escore PC1 tenha sido inferior a 0,7. Comparado com o RT do escore PC1 obtido pelo método CRTA, o RT ideal do escore PC1 obtido pela curva PR teve a mesma previsibilidade real para águas subterrâneas não-CKDu, mas menor previsibilidade real para águas subterrâneas CKDu. Portanto, ao reconhecer águas subterrâneas CKDu e águas subterrâneas não-CKDu, o método CRTA pareceu ser mais vantajoso que a curva PR e a curva ROC.

Implicações do CRTA para a saúde ambiental e geológica Neste estudo, as características do DOM das águas subterrâneas relacionadas ao CKDu foram investigadas usando índices ópticos do DOM, e a discriminação das águas subterrâneas não relacionadas ao CKDu versus as relacionadas ao CKDu foi alcançada fornecendo uma diretriz razoável baseada em probabilidade para definir o limite de um indicador. Isto contribuirá para escavar e reconhecer fontes de águas subterrâneas limpas para áreas residenciais de baixa renda. Para melhorar a qualidade da água potável e prevenir a CKDu, foram propostas tecnologias de osmose reversa e nanofiltração para tratar água contaminada14,18, embora estas tecnologias exijam boas condições económicas e dificilmente sejam aplicadas à produção real. Conforme descrito na seção acima, C1% reconhecido pelo CRTA é um indicador viável e razoável para a triagem de águas subterrâneas CKDu com baixo custo. Na prática, para cada indicador, é necessário determinar quais funções da curva de ajuste são escolhidas comparando o valor medido e o RT, e então calcular DPC ou DPN através da função selecionada. Com o método CRTA, a triagem de fontes de água relacionadas à CKDu em C1% do FDOM melhora a segurança da água potável e previne a ocorrência de CKDu em áreas com prevalência de CKDu. O TR de C1% pode ser influenciado por alguns fatores ambientais (por exemplo, condições hidrológicas e geológicas). No futuro, serão necessários mais estudos sobre matéria orgânica dissolvida em águas subterrâneas em outras regiões típicas endêmicas de CKDu para testar e ampliar a aplicabilidade do CRTA. Vale ressaltar que a aplicação do método CRTA não se limita a indicadores FDOM sensíveis. A maioria dos estudos anteriores também enfatizou que produtos químicos inorgânicos como Ca 2+, F-, dureza e Si em águas subterrâneas relacionadas com CKDu e águas subterrâneas não relacionadas com CKDu também são significativamente diferentes . Assim, a aplicação do método CRTA também pode ser implementada a estes indicadores inorgânicos sensíveis. Neste estudo, constatou-se que o DPC e o DPN através do TR de Ca2+ e Si reconhecidos pelo CRTA podem chegar a 82,4% e 64,2%, respectivamente (Figura 12 Complementar, Tabela 5 Complementar), embora o a probabilidade de detecção pelo RT de dureza e F− não é boa. O gráfico do DPC versus o limiar assumido de F- ondulado, que foi atribuído a altas concentrações de F- em várias águas subterrâneas não-CKDu (Figura 8 suplementar). Assim, a curva de DPN versus o limite assumido de F− é mais confiável para identificar fontes de água do que a curva de DPC versus o limite assumido de F− usando CRTA. Além disso, os indicadores FDOM em combinação com indicadores inorgânicos poderiam reconhecer conjuntamente fontes de água segura pelo CRTA, o que melhora a fiabilidade do reconhecimento dos resultados. No futuro, são recomendadas investigações com mais amostras de águas subterrâneas de áreas maiores com diversas configurações geológicas e hidrológicas.

Figura 5 Gráfico de dispersão dos valores previstos e medidos das amostras de águas subterrâneas (n=21). A função da linha tracejada é y=x. O valor p foi obtido pelo teste t pareado entre os valores previstos e os valores medidos.

MÉTODOS

Área de estudo De acordo com a precipitação anual, o Sri Lanka pode ser dividido em regiões áridas, semiáridas e úmidas8. Conforme mostrado na Figura 1 Complementar, a área de estudo (07 grau 25,911' - 07 grau 40,116'N, 80 grau 58,483' - 81 grau 04,888'E e 06 grau 17,560' - 06 grau 24.158'N, 80 graus 54.769' - 80 grau 59.995'E) está localizado em Girandurukotte (área endêmica de CKDu), Dehiattakandiya (área endêmica de CKDu) e Sewanagala (área não-CKDu) na zona semiárida, onde o terreno é plano, a evaporação é forte e os recursos hídricos são escassos, com uma precipitação média anual de cerca de 1000 mm e uma temperatura anual entre 29 graus e 33 graus. A estação chuvosa das monções do sudoeste (SW) vai de maio a outubro, e a estação chuvosa das monções do nordeste (NE) vai de novembro a fevereiro. O rio Mahaweli, o maior rio do Sri Lanka, está localizado a oeste da área de estudo. Geologicamente, as rochas nesta área são basicamente granito e gnaisse pré-cambrianos, que são enriquecidos em mica, hornblenda, apatita e outros minerais fluorados. Embora essas rochas tenham baixa porosidade, elas desenvolveram falhas e juntas, que abrigam recursos hídricos subterrâneos. Os residentes locais usam principalmente águas subterrâneas como água potável. A maioria das pessoas obtém água subterrânea em poços escavados a partir de sedimentos fluviais não consolidados ou de aquíferos rochosos superficiais intemperizados8. Poucos residentes usam poços tubulares para obter águas subterrâneas fissuradas de aquíferos rochosos profundos. As redes hidrológicas de superfície são controladas por sistemas em cascata de reservatórios (tanques) artificiais, utilizados principalmente para irrigação.

Coleta e armazenamento de amostras

Com base nas informações fornecidas por um hospital local, nossa equipe coletou águas subterrâneas dos poços (águas subterrâneas CKDu) utilizadas por pacientes representativos que sofrem de CKDu. Além disso, coletamos o outro conjunto de águas subterrâneas dos poços (águas subterrâneas não CKDu) utilizadas pelas famílias sem pacientes. Um total de 83 amostras de água foram coletadas, incluindo águas subterrâneas CKDu (n=43), águas subterrâneas não CKDu (n=32) e amostras de águas superficiais (n=8) coletadas de tanques ( Figura Complementar 1). As amostras foram filtradas com filtro de quartzo 0,7 μm e acidificadas a pH <2 com ácido clorídrico puro de qualidade premium para medição espectral. Para análise de DOC, as amostras foram filtradas com membrana de filtro de 0 0,45 μm e acidificadas até pH<2 with premium-grade pure phosphoric acid. More details of sample collection are provided in Supplementary Method.

Análise de amostra

As propriedades fluorescentes do DOM foram testadas por um espectrômetro de fluorescência (Fluomax{{0}}, HORIBA JboinYvon, Japão). As condições de operação foram as seguintes: a fonte de luz foi uma lâmpada de xenônio de 150 W; os comprimentos de onda de excitação (Ex) foram ajustados de 250 a 400 nm em intervalos de 4 nm; os comprimentos de onda de emissão (Em) foram ajustados entre 300 e 550 nm em intervalos de 2 nm; a largura da fenda foi de 3 nm e o tempo de integração do sinal de varredura foi de 0,1 s. A absorbância ultravioleta-visível foi medida por um espectrofotômetro (UV1900, Shimadzu, Japão) a 200–600 nm. O DOC é determinado pelo analisador TOC (Aurora 1030w, OI, EUA) com precisão analítica de ± 2,0% e o limite de detecção é de 0,01 mg L-1. Análises de ânions e cátions são fornecidas no Método Suplementar.

Índices espectrais e PARAFAC

Os índices espectrais foram calculados (Método Suplementar), incluindo o índice de humificação (HIX), o índice biológico (BIX), o índice de fluorescência (FI), a concentração de DOM com estrutura insaturada (a254), o índice de aromatização (SUVA254) , e a inclinação espectral (S275−295). Tanto o efeito do filtro interno quanto o sinal de fluorescência de fundo da água ultrapura foram corrigidos e o espalhamento Rayleigh e o espalhamento Raman foram removidos antes do PARAFAC usando a caixa de ferramentas efc (//www.nomresearch.cn/efc/indexEN.html) desenvolvida pelo usuário gráfico MATLAB interface20, a caixa de ferramentas correta FDOM64 e a caixa de ferramentas N-way (https://www.mathworks.com/matlabcentral/fileexchange/1088-the-n-way-toolbox) 65. O modelo finalmente passou no teste de consistência central e na verificação de divisão ao meio66. Os componentes do PARAFAC foram identificados com os dos estudos anteriores com similaridade superior a 0,95. A abundância relativa dos componentes do PARAFAC (C1%, C2%, C3% e C4%) foi quantificada dividindo a intensidade máxima do pico (Fmax) de cada componente pela soma de Fmax de todos os componentes.

Avaliação do limiar de reconhecimento CKDu (CRTA)

Os parâmetros de propriedades de DOM (como C4%, C1% e HIX) e produtos químicos inorgânicos (como Ca2+ e F−) foram considerados como indicadores para a avaliação, durante a qual a probabilidade de detecção de águas subterrâneas CKDu (DPC) e a probabilidade de detecção de águas subterrâneas não-CKDu (DPN) foram definidas e calculadas. Para cada indicador, foi definido um limite inicial (normalmente o valor mínimo observado), acima do qual as amostras foram atribuídas ao grupo de alto valor e abaixo do qual as amostras foram atribuídas ao grupo de baixo valor. Para a maioria dos indicadores (C1%, C2%, C3%, HIX, SUVA254, a254, DOC, pontuação de PC1 e indicadores inorgânicos), o DPC foi calculado no grupo de alto valor e o DPN foi calculado no grupo de baixo valor. grupo de acordo com a Eq. (1) e Eq. (2), respectivamente. Para outros indicadores (C4%, S275-295, BIX e FI), o DPC foi calculado no grupo de baixo valor e o DPN foi calculado no grupo de alto valor com as Eqs. (1) e (2), respectivamente.

Com o aumento no limite assumido de cada indicador do mínimo para o máximo (geralmente 100 passos; a sequência aritmética definida), foram calculados DPC e DPN correspondentes, e o gráfico do limite assumido do indicador versus DPC ou DPN foi desenhado conforme mostrado na Fig. 6. A probabilidade de detecção de interseção entre duas curvas foi definida como a aplicabilidade do indicador no reconhecimento de águas subterrâneas CKDu, e o valor limiar assumido de interseção entre duas curvas foi definido como limiar de reconhecimento (RT ). A maior probabilidade de detecção em RT proporciona melhor aplicabilidade de reconhecimento. Entre todas as amostras de águas subterrâneas, 72% (n=54) foram usadas para calcular DPN e DPC e ajustadas pela equação empírica de Boltzmann, e o restante (n=21) foi usado para verificar as curvas de ajuste por t pareado -teste e raiz do erro quadrático médio (RMSE). Se o valor p do teste t pareado for maior que 0,05, assume-se que o resultado previsto está próximo do resultado medido. Quanto menor o valor de RMSE, mais próximo o resultado previsto estará do resultado medido.

REFERÊNCIACES

1. Levine, KE et al. A busca para identificar fatores de risco geoquímicos associados à doença renal crônica de etiologia desconhecida (CKDu) em uma região endêmica do Sri Lanka—uma análise laboratorial multimídia de amostras biológicas, alimentares e ambientais.Meio Ambiente. Monitor. Avaliar. 188, 548 (2016). 

2. Gansevoort, RT et al. Doença renal crônica e risco cardiovascular: epidemiologia, mecanismos e prevenção.Lanceta 382, 339–352 (2013). 

3. Kulathunga, MRDL, Ayanka, WMA, Naidu, R. & Wijeratne, AW Doença renal crônica de etiologia desconhecida no Sri Lanka e a exposição a produtos químicos ambientais: uma revisão da literatura.Meio Ambiente. Geoquímica. Saúde 41, 2329–2338 (2019). 

4. Rajapakse, S., Shanahan, MC & Selvarajah, M. Doença renal crônica de etiologia desconhecida no Sri Lanka.Interno. J. Ocupar. Meio Ambiente. Saúde 22, 259–264 (2016).

5. Hettithanthri, O. et al. Fatores de risco para doença renal crônica endêmica de etiologia desconhecida no Sri Lanka: Retrospecto da segurança hídrica na zona seca.Ciência. Meio Ambiente Total. 795, 148839 (2021). 

6. Edirisinghe, E. et al. Evidências geoquímicas e isotópicas de águas subterrâneas e superficiais para a compreensão da contaminação natural em zonas endêmicas de doença renal crônica de etiologia desconhecida (CKDu) no Sri Lanka.Isot. Meio Ambiente. Estudo de Saúde. 54, 244–261 (2018). 

7. McDonough, LK, Meredith, KT, Nikagolla, C. & Banati, RB The inFLinfluência das interações água-rocha na água de poço doméstico em uma área de alta prevalência de doença renal crônica de etiologia desconhecida (CKDu).npj limpo. Água 4, 1–9 (2021). 8. Balasooriya, S. et al. Possíveis ligações entre a geoquímica das águas subterrâneas e a doença renal crónica de etiologia desconhecida (CKDu): uma investigação na região de Ginnoruwa, no Sri Lanka.Expo. Saúde 12, 823–834 (2020).

9. Dissanayake, CB e Chandrajith, R. Águas SubterrâneasFLuoreto como marcador geoquímico na etiologia da doença renal crônica de origem desconhecida no Sri Lanka.Ceilão J. Sci. 46, 3–12 (2017). 

10. Chandrajith, R. et al. Na e Ca dependentes da dose emFLágua potável rica em flúor— outra causa importante de insuficiência renal crônica em regiões tropicais áridas.Ciência. Meio Ambiente Total. 409, 671–675 (2011).

11. Wickramarathna, S., Balasooriya, S., Diyabalanage, S. & Chandrajith, R. Rastreamento de fatores etiológicos ambientais de doenças renais crônicas na zona seca do Sri Lanka—uma abordagem hidrogeoquímica e isotópica.J. Trace Elem. Med. Biol. 44, 298–306 (2017).

12. Wasana, HM et al. Qualidade da água potável e doença renal crônica de etiologia desconhecida (CKDu): efeitos sinérgicos deFLfluoreto, cádmio e dureza da água.Meio Ambiente. Geoquímica. Saúde 38, 157–168 (2016). 

13.Tao, P. et al. Variações espaço-temporais na matéria orgânica dissolvida cromófora (CDOM) em um rio de uso misto da terra: implicações para a restauração das águas superficiais.J. Meio Ambiente. Gerenciar. 277, 111498 (2021). 

14. Lal, K. et al. A avaliação da qualidade das águas subterrâneas do CKDu afetou a região de Uddanam no distrito de Srikakulam e em Andhra Pradesh, na Índia.Terreno. Sustentar. Dev. 11, 100432 (2020).

Serviço de apoio da Wecistanche - o maior exportador de cistanche da China:

E-mail:wallence.suen@wecistanche.com

Whatsapp/Tel:+86 15292862950

Compre para obter mais detalhes de especificações:

Disponível em: https://www.xjcistanche.com/cistanche-shop

OBTENHA EXTRATO DE CISTANCHE ORGÂNICO NATURAL COM 25% EQUINACOSÍDEO E 9% ACTEOSÍDEO PARA INFECÇÃO RENAL