Chronic Kidney Disease of Unknown Etiology (CKDu) – The Search for Causes and the Impact of Its Politicization
Notice bibliographique
Résumé
Kidney disease of unknown etiology (CKDu) has been identified in many countries extending from Mesoamerica and Egypt to South-east Asia and China. Although CKDu has been associated by various authors to farming, the association is an artifact of treating multimodal distributions as unimodal. There is NO correlation of CKDu with agriculture since affected farming villages are often surrounded by other farming villages free of CKDu. Initial studies looked for a correlation of CKDu with the presence of toxic heavy metal residues of arsenic, cadmium, etc., or herbicides like glyphosate as causative factors. There is now some consensus that their concentrations are below danger thresholds, be it in Mesoamerica or south-east Asia. The conceptual basis of a search for etiology within a systems approach is discussed, and names proposed for the disease that bias the identification of its etiology are reviewed. Current research has narrowed down the etiology to geochemical electrolytic contaminants like fluorides and ionic components in hard water, nanosilica, as well as renal toxins similar to indoxyl sulfates that may arise from interactions of ions with humic acids contained in aqueous organic matter. However, while agrochemical toxins are increasingly considered less relevant to the etiology of CKDu, it has become a firm public belief. In Sri Lanka, this has spawned ideology-based agricultural policies leading to partial and complete banning of agrochemicals followed by some back tracking, strongly disrupting the economy and the food supply.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 tête enseignante, 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 ».