Protective effects of purslane seed (Portulaca Oleracea L.) on plasma levels of Cystatin C, Cathepsin S, and Creatinine in women with type 2 Diabetes
Notice bibliographique
Résumé
Introduction: Diabetes is a chronic metabolic disease which is associated with the inflammation of cardiovascular system and kidney. Studies have shown that medicinal plants could be effective in reducing inflammation; however, the effectiveness of purslane (Portulaca oleracea) on inflammation is not well defined. Thus, this study attempted to investigate the effect of Portulaca oleracea seed consumption on plasma levels of cystatin C, cathepsin S, and creatinine in women with type 2 diabetes. Methods: In this quasi-experimental study, 14 women with type 2 diabetes were randomly divided into two equal groups of intervention and control (n=7). The subjects received Portulaca oleracea seed 2.5 g at lunch and 5 g at dinner (totally 7.5 g) per day for 8 weeks. Blood was collected before and 48 hours after the last intervention. Data were analyzed with paired and independent t-tests, and P<0.05 was considered significant. Results: Levels of cystatin C, cathepsin S, creatinine, and lipid profile decreased significantly in the intervention group after 8 weeks (P<0.05). There was also a significant difference between the intervention and control groups in levels of cystatin C and cathepsin S. Conclusion: Changes in biochemical markers showed that Portulaca oleracea seed could improve the levels of cardiovascular and kidney damage biomarkers and lipid profile in diabetic patients. However, further research is needed for more accurate conclusions.
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 | 0,000 | 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 | 0,000 |
| 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) | 0,002 | 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 ».