Mengenali Air Tanah Yang Berhubungan Dengan Penyakit Ginjal Kronis Yang Etiologinya Tidak Diketahui Melalui Bahan Organik Seperti Humat Ⅱ

Hubungan antara DOM dan kimia air terkait CKDu

Asupan F− yang berlebihan dapat merusak jaringan ginjal manusia, dan oleh karena itu konsentrasi F− yang tinggi dianggap sebagai tanda sumber air yang menyebabkan CKDu11,61. Seperti yang ditunjukkan pada Gambar Tambahan 8, terdapat korelasi positif yang signifikan antara konsentrasi C1% dan F− dalam sampel air tanah (r=0.62, p < 0.05), menunjukkan bahwa C1 merupakan komponen sensitif untuk mengenali sumber air tanah yang dapat menyebabkan CKDu. C1% juga memiliki korelasi positif yang signifikan dengan Ca{{10}} (r=0.60, p < 0,05). C1 dengan karboksil kemungkinan besar akan bergabung dengan Ca2+ untuk membentuk kompleks yang berbahaya bagi ginjal manusia15, yang merupakan penyebab penting CKDu. Hal ini sejalan dengan pengamatan bahwa air tanah di daerah endemis CKDu mengandung konsentrasi Ca2+ yang lebih tinggi dibandingkan air tanah di daerah non-endemis CKDu10,18. Selain itu, C1% meningkat seiring dengan peningkatan konsentrasi Si dan kekerasan (r=00,60, 0,61, masing-masing, p <0,05) dalam penelitian ini. CKDu juga diyakini berkaitan dengan air tanah dengan kesadahan tinggi dan konsentrasi Si tinggi, karena meminum air tanah ini dapat merusak sel ginjal embrio manusia12,14. Singkatnya, C1% berkorelasi positif dengan komponen kimia anorganik yang umumnya dianggap terkait dengan CKDu, yang menunjukkan potensi kelayakan penggunaan C1% sebagai indikator pengenalan untuk mengidentifikasi sumber air tanah terkait CKDu.

Klik cistanche herba untuk penyakit ginjal

Diperkirakan bahwa C1% yang lebih besar pada air tanah CKDu dibandingkan air tanah non-CKDu berhubungan dengan masukan air permukaan (Gbr. 2). Faktanya, konsentrasi komponen kimia anorganik yang disebutkan di atas dalam air permukaan jauh lebih rendah dibandingkan dengan air tanah (Tabel Tambahan 4). Mengingat bahwa air celah yang terlapuk di wilayah studi merupakan sumber daya air tanah yang utama, maka proses pengisian air permukaan dengan air tanah berlangsung lambat, yang menyebabkan interaksi air-batuan yang kuat (misalnya, pencucian dan pertukaran ion) selama proses pengisian dan mengarah pada pengayaan air tanah. bahan kimia anorganik dalam air tanah. Misalnya, karena kesamaan kimia F− dan OH−, nilai pH yang lebih tinggi pada air permukaan cenderung menyebabkan lebih banyak F− yang terdesorpsi dari mineral melalui pertukaran ion selama proses pengisian ulang62, yang menghasilkan nilai pH yang relatif lebih rendah. dan lebih banyak F− di air tanah CKDu dibandingkan di air permukaan.

Mengenali sumber air terkait CKDu oleh FDOM Dalam penelitian ini,

DOM antara air tanah CKDu dan air tanah non-CKDu memiliki perbedaan yang signifikan dalam hal C1% dan HIX, dan oleh karena itu perbedaan ini dapat digunakan untuk peringatan dini dan pengenalan cepat sumber air yang terkait dengan CKDu melalui penilaian ambang batas pengakuan CKDu yang kami kembangkan sendiri. (CRTA). Untuk mengeksplorasi ambang batas pengenalan (RT) yang sesuai dari berbagai indikator DOM dan menguji penerapan metode CRTA, hubungan antara asumsi ambang batas indikator DOM dan probabilitas deteksi air tanah CKDu (DPC) dan probabilitas deteksi air tanah non-CKDu ( DPN) dalam sampel air tanah (n=54) ditunjukkan pada Gambar Tambahan 9. Ditemukan bahwa DPC dan DPN merespons perubahan HIX, C1%, DOC, dan C4% dengan sangat baik dengan kira-kira berbentuk S. kurva. Mengambil C1% sebagai contoh, ketika asumsi ambang batas C1% melebihi nilai pada perpotongan (28,8%) kurva DPC dan DPN, DPC meningkat seiring dengan peningkatan C1% dan selalu lebih besar dari DPN; ketika asumsi ambang batas C1% lebih kecil dari nilai persimpangan (28,8%), DPN meningkat seiring dengan penurunan C1% dan selalu lebih besar dari DPC. Artinya, jika asumsi ambang batas C1% di persimpangan digunakan sebagai RT, DPC akan mencapai 70,1% (probabilitas deteksi di persimpangan) setidaknya dengan C1% di atas RT (Tabel Tambahan 5), yang menunjukkan kemungkinan terdeteksi sumber air sebagai sumber terkait CKDu setidaknya 70,1%. Bila ambang batas asumsi C1% berada di bawah RT, DPN akan melebihi 70,1%, yang menunjukkan bahwa kemungkinan sumber air terdeteksi sebagai sumber yang tidak terkait dengan CKDu setidaknya 70,1%. Oleh karena itu, dengan menggunakan RT C1%, probabilitas untuk mengidentifikasi apakah suatu sumber air terkait dengan CKDu atau tidak terkait dengan CKDu setidaknya sebesar 70,1%, yang menunjukkan kemampuan penerapannya yang sangat baik.

Demikian pula, hubungan antara asumsi ambang batas HIX, konsentrasi DOC, dan C4% serta probabilitas deteksi sama dengan hubungan antara asumsi ambang batas C1% dan probabilitas deteksi. Namun, karena probabilitas deteksi yang relatif lebih rendah di persimpangan (Tabel Tambahan 5), penerapan pengenalan menggunakan HIX, DOC, dan C4% tidak sebaik C1%. Dalam kaitannya dengan indikator DOM lainnya, kurva DPN atau DPC-nya sangat berfluktuasi seiring dengan perubahan ambang batas. Selain itu, berdasarkan hubungan antara asumsi ambang batas skor PC1 dan probabilitas deteksi, diketahui bahwa probabilitas pengenalan dengan menggunakan skor PC1 adalah 63,8%.

Ambang batas yang diasumsikan dari skor C1%, C4%, HIX, dan PC1 versus probabilitas deteksi dilengkapi dengan persamaan empiris Boltzmann (Gbr. 4). Seperti yang ditunjukkan pada Gambar 4, ambang batas yang diasumsikan C1% memiliki koefisien determinasi tertinggi (R2) (Tambahan Tabel 6). Hasil verifikasi menunjukkan bahwa nilai prediksi mendekati nilai pengukuran (Gambar 5), yang menunjukkan bahwa hasil fitting valid. Selain itu, uji t berpasangan menunjukkan bahwa nilai prediksi dan nilai terukur tidak berbeda signifikan (p > 0,05) hanya dengan menggunakan C1% atau skor PC1 sebagai indikator pengenalan. Root mean square error (RMSE) C1% juga paling rendah, menunjukkan bahwa hasil fitting C1% sejalan dengan data wilayah penelitian ini. Yang terpenting, C1% adalah indeks DOM yang paling sesuai dan efektif untuk membedakan sumber air terkait CKDu dari sumber air yang tidak terkait CKDu melalui

metode CRTA.

Berdasarkan fungsi fitting curve, RT C1% dengan metode CRTA adalah 28,8%. Untuk memperjelas prediktabilitas dan keuntungan dari ambang batas optimal yang dihitung dengan metode CRTA, kurva karakteristik operasi penerima (ROC) dan kurva presisi-recall (PR) berdasarkan matriks konfusi juga dilakukan dengan menggunakan 54 sampel air tanah yang sama ( Gambar Tambahan 10, 11). Dalam analisis ROC dan PR, model kurva dianggap memiliki prediktabilitas hanya jika area di bawah kurva (AUC) lebih besar dari 0.763. Biasanya, semakin besar AUC menunjukkan semakin baik prediktabilitas model. AUC kurva ROC (0.777) dan kurva PR (0.816) pada C1% lebih besar dibandingkan indeks DOM lainnya, sehingga menunjukkan bahwa C1% adalah yang paling cocok sebagai indeks pengenal , yang konsisten dengan hasil metode CRTA. Namun, menurut indeks Yonden maksimum, yang berkorelasi positif dengan keunggulan model skrining (Metode Tambahan), RT optimal C1% pada kurva ROC adalah 36,3%; RT optimal C1% pada kurva PR adalah 27,6% dengan menggunakan skor F1-maksimum, yang merupakan rata-rata harmonik antara presisi dan perolehan serta menunjukkan kapasitas prediksi yang benar. Untuk membandingkan prediktabilitas kurva PR, kurva ROC, dan metode CRTA menggunakan C1% sebagai indeks pengenalan, RT ini diterapkan pada 21 sampel air tanah untuk verifikasi guna mendapatkan prediktabilitas aktual (Tabel Tambahan 7). Prediktabilitas air tanah CKDu menggunakan metode CRTA (75.0%) konsisten dengan kurva PR (75.0%), namun lebih tinggi dibandingkan kurva ROC (50 .0%); prediktabilitas airtanah non-CKDu dengan metode CRTA (66,7%) lebih tinggi dibandingkan kurva PR (55,6%), namun lebih rendah dibandingkan kurva ROC (88,9%). Untuk perbandingan yang lebih baik, rata-rata geometri prediktabilitas air tanah non-CKDu dan prediktabilitas air tanah CKDu digunakan untuk menunjukkan prediktabilitas komprehensif. Prediktabilitas komprehensif metode CRTA (70,7%) adalah yang tertinggi, diikuti oleh kurva ROC (66,7%) dan kurva PR (64,5%). Hal ini menggambarkan bahwa metode CRTA memperoleh RT sebesar C1% yang lebih baik untuk menyaring airtanah CKDu dan airtanah non-CKDu dibandingkan kurva ROC dan kurva PR. Selain itu, AUC kurva PR skor PC1 adalah 0,700, yang menunjukkan bahwa PC1 juga dapat digunakan sebagai indeks pengenalan, meskipun AUC kurva ROC skor PC1 kurang dari 0,7. Dibandingkan dengan skor RT PC1 yang diperoleh dengan metode CRTA, skor RT optimal PC1 yang diperoleh melalui kurva PR mempunyai prediktabilitas aktual yang sama untuk airtanah non-CKDu, namun prediktabilitas aktualnya lebih rendah untuk airtanah CKDu. Oleh karena itu, dalam mengenali airtanah CKDu dan airtanah non-CKDu, metode CRTA tampaknya lebih menguntungkan dibandingkan kurva PR dan kurva ROC.

Implikasi CRTA terhadap kesehatan lingkungan-geologi Dalam penelitian ini, karakteristik DOM air tanah yang berhubungan dengan CKDu diselidiki dengan menggunakan indeks optik DOM, dan membedakan air tanah yang tidak berhubungan dengan CKDu dan air tanah yang berhubungan dengan CKDu dicapai dengan memberikan pedoman berbasis probabilitas yang masuk akal untuk menetapkan ambang batas. dari sebuah indikator. Hal ini akan berkontribusi pada penggalian dan pengenalan sumber air tanah yang bersih untuk kawasan pemukiman berpenghasilan rendah. Untuk meningkatkan kualitas air minum dan mencegah CKDu, teknologi reverse osmosis dan nanofiltrasi diusulkan untuk mengolah air yang terkontaminasi14,18, meskipun teknologi ini memerlukan kondisi ekonomi yang baik dan sulit diterapkan pada produksi sebenarnya. Seperti dijelaskan pada bagian di atas, C1% yang diakui oleh CRTA merupakan indikator yang layak dan masuk akal untuk menyaring air tanah CKDu dengan biaya rendah. Dalam prakteknya, untuk setiap indikator perlu ditentukan fungsi fitting curve mana yang dipilih dengan membandingkan nilai terukur dan RT, kemudian menghitung DPC atau DPN melalui fungsi yang dipilih. Dengan metode CRTA, penyaringan sumber air terkait CKDu sebesar C1% FDOM meningkatkan keamanan air minum dan mencegah terjadinya CKDu di wilayah yang banyak terdapat CKDu. RT C1% mungkin dipengaruhi oleh beberapa faktor lingkungan (misalnya kondisi hidrologi dan geologi). Di masa depan, diperlukan lebih banyak penelitian tentang bahan organik terlarut dalam air tanah di daerah endemik CKDu lainnya untuk menguji dan memperluas penerapan CRTA. Perlu disebutkan bahwa penerapan metode CRTA tidak terbatas pada indikator FDOM yang sensitif. Sebagian besar penelitian sebelumnya juga menekankan bahwa bahan kimia anorganik seperti Ca2+, F−, kesadahan, dan Si pada air tanah yang terkait dengan CKDu dan air tanah yang tidak terkait dengan CKDu juga berbeda secara signifikan14,61. Oleh karena itu, penerapan metode CRTA juga dapat diterapkan pada indikator sensitif anorganik tersebut. Dalam penelitian ini, ditemukan bahwa DPC dan DPN melalui RT Ca2+ dan Si yang dikenali oleh CRTA masing-masing dapat mencapai 82,4% dan 64,2% (Gambar Tambahan 12, Tabel Tambahan 5), meskipun probabilitas deteksi berdasarkan RT kekerasan dan F− tidak baik. Plot DPC versus ambang batas asumsi F− bergelombang, yang dikaitkan dengan konsentrasi F− yang tinggi di beberapa air tanah non-CKDu (Gambar Tambahan 8). Dengan demikian, kurva DPN versus ambang batas yang diasumsikan F− lebih dapat diandalkan untuk mengidentifikasi sumber air dibandingkan kurva DPC versus ambang batas yang diasumsikan F− menggunakan CRTA. Selain itu, indikator FDOM yang dikombinasikan dengan indikator anorganik dapat secara bersama-sama mengenali sumber air yang aman melalui CRTA, sehingga meningkatkan keandalan dalam mengenali hasil. Di masa depan, disarankan untuk melakukan penyelidikan dengan lebih banyak sampel air tanah dari wilayah yang lebih luas dengan kondisi geologi dan hidrologi yang beragam.

Gambar 5 Plot sebar nilai prediksi dan nilai terukur sampel air tanah (n=21). Fungsi garis putus-putus adalah y=x. Nilai p diperoleh dengan uji t berpasangan antara nilai prediksi dan nilai terukur.

METODE

Wilayah studi Menurut curah hujan tahunan, Sri Lanka dapat dibagi menjadi wilayah kering, semi kering, dan lembab8. Seperti yang ditunjukkan pada Gambar Tambahan 1, wilayah penelitian (07 derajat 25.911' - 07 derajat 40.116'LU, 80 derajat 58.483' - 81 derajat 04.888'BT dan 06 derajat 17.560' - 06 derajat 24.158'N, 80 derajat 54.769' - 80 derajat 59.995'E) terletak di Girandurukotte (daerah endemik CKDu), Dehiattakandiya (daerah endemik CKDu), dan Sewanagala (daerah non-CKDu) pada zona semi kering, dimana datarannya datar, penguapannya kuat, dan sumber airnya langka, dengan curah hujan tahunan rata-rata sekitar 1000 mm dan suhu tahunan antara 29 derajat dan 33 derajat. Musim hujan muson barat daya (SW) berlangsung pada bulan Mei hingga Oktober, dan musim hujan muson timur laut (NE) berlangsung pada bulan November hingga Februari. Sungai Mahaweli, sungai terpanjang di Sri Lanka, terletak di sebelah barat wilayah penelitian. Secara geologis, batuan di kawasan ini pada dasarnya merupakan granit dan gneis Prakambrium yang kaya akan mika, hornblende, apatit, dan mineral berfluorinasi lainnya. Meskipun batuan ini memiliki porositas yang rendah, namun terdapat patahan dan sambungan yang berkembang di dalamnya, yang menjadi tempat sumber air tanah. Penduduk setempat sebagian besar memanfaatkan air tanah sebagai air minum. Kebanyakan orang memperoleh air tanah dari sumur gali dari sedimen fluvial yang tidak terkonsolidasi atau akuifer batuan dasar yang lapuk8. Hanya sedikit penduduk yang menggunakan sumur tabung untuk memperoleh air tanah celah dari akuifer batuan dasar yang dalam. Jaringan hidrologi permukaan dikendalikan oleh sistem kaskade reservoir (tangki) buatan yang terutama digunakan untuk irigasi.

Pengumpulan dan penyimpanan sampel

Berdasarkan informasi yang diberikan oleh rumah sakit setempat, tim kami mengumpulkan air tanah dari sumur (air tanah CKDu) yang digunakan oleh perwakilan pasien yang menderita CKDu. Selain itu, kami mengumpulkan kumpulan air tanah lainnya dari sumur (air tanah non-CKDu) yang digunakan oleh keluarga tanpa pasien. Sebanyak 83 sampel air diambil, termasuk air tanah CKDu (n=43), air tanah non-CKDu (n=32), dan sampel air permukaan (n=8) yang dikumpulkan dari tangki ( Gambar Tambahan 1). Sampel disaring dengan filter kuarsa 0,7 μm dan diasamkan hingga pH <2 dengan asam klorida murni tingkat premium untuk pengukuran spektral. Untuk analisis DOC, sampel disaring dengan membran filter 0,45 μm dan diasamkan hingga pH<2 with premium-grade pure phosphoric acid. More details of sample collection are provided in Supplementary Method.

Analisis sampel

Sifat fluoresen DOM diuji dengan spektrometer fluoresensi (Fluomax{{0}}, HORIBA JboinYvon, Jepang). Kondisi pengoperasiannya adalah sebagai berikut: sumber cahayanya adalah lampu xenon 150 W; panjang gelombang eksitasi (Ex) diatur dari 250 hingga 400 nm pada interval 4 nm; panjang gelombang emisi (Em) diatur antara 300 dan 550 nm pada interval 2 nm; lebar celah adalah 3 nm dan waktu integrasi sinyal pemindaian adalah 0,1 detik. Absorbansi ultraviolet-visibel diukur dengan spektrofotometer (UV1900, Shimadzu, Jepang) pada 200–600 nm. DOC ditentukan oleh penganalisis TOC (Aurora 1030w, OI, USA) dengan presisi analitik ±2,0%, dan batas deteksi adalah 0,01 mg L−1 . Analisis anion dan kation disediakan dalam Metode Tambahan.

Indeks spektral dan PARAFAC

Indeks spektral dihitung (Metode Tambahan), termasuk indeks humifikasi (HIX), indeks biologis (BIX), indeks fluoresensi (FI), konsentrasi DOM dengan struktur tak jenuh (a254), indeks aromatisitas (SUVA254) , dan kemiringan spektral (S275−295). Baik efek filter bagian dalam dan sinyal fluoresensi latar belakang air ultra murni dikoreksi dan hamburan Rayleigh dan hamburan Raman dihilangkan sebelum PARAFAC menggunakan kotak peralatan efc (//www.nomresearch.cn/efc/indexEN.html) yang dikembangkan oleh pengguna grafis MATLAB interface20, kotak peralatan FDOM yang benar64, dan kotak peralatan N-way (https://www.mathworks.com/matlabcentral/fileexchange/1088-the-n-way-toolbox) 65. Model akhirnya lulus uji konsistensi inti dan verifikasi split-half66. Komponen PARAFAC diidentifikasi dengan penelitian sebelumnya dengan kesamaan melebihi 0,95. Kelimpahan relatif komponen PARAFAC (C1%, C2%, C3%, dan C4%) dihitung dengan membagi intensitas puncak maksimum (Fmax) masing-masing komponen dengan jumlah Fmax semua komponen.

Penilaian ambang batas pengakuan CKDu (CRTA)

Parameter sifat DOM (seperti C4%, C1%, dan HIX) dan bahan kimia anorganik (seperti Ca2+ dan F−) dianggap sebagai indikator penilaian, yang mana probabilitas deteksi air tanah CKDu (DPC) dan probabilitas deteksi air tanah non-CKDu (DPN) didefinisikan dan dihitung. Untuk setiap indikator, ambang batas awal (biasanya nilai minimum yang diamati) ditetapkan, di atasnya sampel ditetapkan sebagai kelompok bernilai tinggi dan di bawahnya sampel ditetapkan sebagai kelompok bernilai rendah. Untuk sebagian besar indikator (C1%, C2%, C3%, HIX, SUVA254, a254, DOC, skor PC1, dan indikator anorganik), DPC dihitung pada kelompok bernilai tinggi, dan DPN dihitung pada kelompok bernilai rendah. kelompok menurut Persamaan. (1) dan Persamaan. (2), masing-masing. Untuk indikator lainnya (C4%, S275-295, BIX, dan FI), DPC dihitung pada kelompok bernilai rendah, dan DPN dihitung pada kelompok bernilai tinggi dengan Persamaan. (1) dan (2), masing-masing.

Dengan peningkatan asumsi ambang batas setiap indikator dari minimum ke maksimum (biasanya 100 langkah; rangkaian aritmatika yang ditetapkan), DPC dan DPN yang sesuai dihitung, dan plot asumsi ambang batas indikator versus DPC atau DPN digambar seperti ditunjukkan pada Gambar 6. Probabilitas deteksi perpotongan antara dua kurva didefinisikan sebagai penerapan indikator dalam mengenali air tanah CKDu, dan nilai ambang batas yang diasumsikan dari perpotongan antara dua kurva didefinisikan sebagai ambang batas pengenalan (RT ). Probabilitas deteksi yang lebih tinggi di RT memberikan penerapan yang lebih baik. Di antara semua sampel air tanah, 72% (n=54) digunakan untuk menghitung DPN dan DPC dan dilengkapi dengan persamaan empiris Boltzmann, dan sisanya (n=21) digunakan untuk memverifikasi kurva pemasangan dengan berpasangan t -test dan root mean square error (RMSE). Jika nilai p dari uji t berpasangan lebih besar dari 0,05, maka diasumsikan bahwa hasil prediksi mendekati hasil pengukuran. Semakin rendah nilai RMSE maka hasil prediksi semakin mendekati hasil pengukuran.

REFERENSICES

1. Levine, KE dkk. Pencarian untuk mengidentifikasi faktor risiko geokimia yang terkait dengan penyakit ginjal kronis yang etiologinya tidak diketahui (CKDu) di wilayah endemik Sri Lanka—analisis laboratorium multimedia sampel biologi, makanan, dan lingkungan.Mengepung. Pantau. Menilai. 188, 548 (2016). 

2. Gansevoort, RT dkk. Penyakit ginjal kronis dan risiko kardiovaskular: epidemiologi, mekanisme, dan pencegahan.Lanset 382, 339–352 (2013). 

3. Kulathunga, MRDL, Ayanka, WMA, Naidu, R. & Wijeratne, AW Penyakit ginjal kronis dengan etiologi yang tidak diketahui di Sri Lanka dan paparan bahan kimia lingkungan: tinjauan literatur.Mengepung. Geokimia. Kesehatan 41, 2329–2338 (2019). 

4. Rajapakse, S., Shanahan, MC & Selvarajah, M. Penyakit ginjal kronis dengan etiologi yang tidak diketahui di Sri Lanka.Int. J. Pekerjaan. Mengepung. Kesehatan 22, 259–264 (2016).

5. Hettithanthri, O. dkk. Faktor risiko penyakit ginjal kronis endemik yang etiologinya tidak diketahui di Sri Lanka: Retrospeksi keamanan air di zona kering.Sains. Lingkungan Total. 795, 148839 (2021). 

6. Edirisinghe, E. dkk. Bukti geokimia dan isotop dari air tanah dan air permukaan untuk memahami kontaminasi alami di zona endemik penyakit ginjal kronis dengan etiologi yang tidak diketahui (CKDu) di Sri Lanka.isot. Mengepung. Pejantan Kesehatan. 54, 244–261 (2018). 

7. McDonough, LK, Meredith, KT, Nikagolla, C. & Banati, RB The inFlpengaruh interaksi air-batuan pada air sumur rumah tangga di daerah dengan prevalensi tinggi penyakit ginjal kronis yang etiologinya tidak diketahui (CKDu).npj Bersih. Air 4, 1–9 (2021). 8. Balasooriya, S. dkk. Kemungkinan hubungan antara geokimia air tanah dan penyakit ginjal kronis yang etiologinya tidak diketahui (CKDu): penyelidikan dari wilayah Ginnoruwa di Sri Lanka.Pameran. Kesehatan 12, 823–834 (2020).

9. Dissanayake, CB & Chandrajith, R. Air TanahFluoride sebagai penanda geokimia dalam etiologi penyakit ginjal kronis yang tidak diketahui asalnya di Sri Lanka.Ceylon J. Sains. 46, 3–12 (2017). 

10. Chandrajith, R. dkk. Na dan Ca in yang bergantung pada dosisFlair minum yang kaya uoride— penyebab utama gagal ginjal kronis lainnya di daerah tropis kering.Sains. Lingkungan Total. 409, 671–675 (2011).

11. Wickramarathna, S., Balasooriya, S., Diyabalanage, S. & Chandrajith, R. Menelusuri faktor etiologi lingkungan penyakit ginjal kronis di zona kering Sri Lanka—pendekatan hidrogeokimia dan isotop.J. Jejak Elemen. medis. biologi. 44, 298–306 (2017).

12. Wasana, HM dkk. Kualitas air minum dan penyakit ginjal kronis yang tidak diketahui etiologinya (CKDu): efek sinergisFluorida, kadmium dan kesadahan air.Mengepung. Geokimia. Kesehatan 38, 157–168 (2016). 

13. Tao, P. dkk. Variasi spatiotemporal dalam bahan organik terlarut kromoforik (CDOM) di sungai dengan penggunaan lahan campuran: Implikasi terhadap restorasi air permukaan.J.Lingkungan. Kelola. 277, 111498 (2021). 

14. Lal, K. dkk. Penilaian kualitas air tanah CKDu mempengaruhi wilayah Uddanam di distrik Srikakulam dan di seluruh Andhra Pradesh, India.Dasar. Mempertahankan. Dev. 11, 100432 (2020).

Layanan Pendukung Wecistanche-Ekspor cistanche terbesar di Cina:

Surel:wallence.suen@wecistanche.com

Whatsapp/Telp:+86 15292862950

Belanja Untuk Detail Spesifikasi Lebih Lanjut:

https://www.xjcistanche.com/cistanche-toko

DAPATKAN EKSTRAK CISTANCHE ORGANIK ALAMI DENGAN 25% ECHINACOSIDE DAN 9% ACTEOSIDE UNTUK INFEKSI GINJAL