Pesticide exposures and chronic kidney disease of unknown etiology: an epidemiologic review
Notice bibliographique
Résumé
The main causes of chronic kidney disease (CKD) globally are diabetes and hypertension but epidemics of chronic kidney disease of unknown etiology (CKDu) occur in Central America, Sri Lanka, India and beyond. Althoug also being observed in women, CKDu concentrates among men in agricultural sectors. Therefore, suspicions fell initially on pesticide exposure, but currently chronic heat stress and dehydration are considered key etiologic factors. Responding to persistent community and scientific concerns about the role of pesticides, we performed a systematic review of epidemiologic studies that addressed associations between any indicator of pesticide exposure and any outcome measure of CKD. Of the 21 analytical studies we identified, seven were categorized as with low, ten with medium and four with relatively high explanation value. Thirteen (62%) studies reported one or more positive associations, but four had a low explanation value and three presented equivocal results. The main limitations of both positive and negative studies were unspecific and unquantified exposure measurement ('pesticides'), the cross-sectional nature of most studies, confounding and selection bias. The four studies with stronger designs and better exposure assessment (from Sri Lanka, India and USA) all showed exposure-responses or clear associations, but for different pesticides in each study, and three of these studies were conducted in areas without CKDu epidemics. No study investigated interactions between pesticides and other concommittant exposures in agricultural occupations, in particular heat stress and dehydration. In conclusion, existing studies provide scarce evidence for an association between pesticides and regional CKDu epidemics but, given the poor pesticide exposure assessment in the majority, a role of nephrotoxic agrochemicals cannot be conclusively discarded. Future research should procure assessment of lifetime exposures to relevant specific pesticides and enough power to look into interactions with other major risk factors, in particular heat stress.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,009 | 0,012 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».