The Effects of the Toll-Like Receptor 4 Antagonist, Ibudilast, on Sevoflurane’s Minimum Alveolar Concentration and the Delayed Remifentanil-Induced Increase in the Minimum Alveolar Concentration in Rats
Notice bibliographique
Résumé
BACKGROUND: Ultralow doses of naloxone, an opioid and toll-like receptor 4 antagonist, blocked remifentanil-induced hyperalgesia and the associated increase in the minimum alveolar concentration (MAC), but not tolerance. The aim was to determine the effects of the toll-like receptor 4 antagonist, ibudilast, on the MAC in the rat and how it might prevent the effects of remifentanil. METHODS: Male Wistar rats were randomly allocated to 5 treatment groups (n = 7 per group): 10 mg/kg ibudilast intraperitoneally, 240 µg/kg/h remifentanil IV, ibudilast plus remifentanil, remifentanil plus naloxone IV, or saline. The sevoflurane MAC was determined 3 times in every rat and every day (days 0, 2, and 4): baseline (MAC-A) and 2 further determinations were made after treatments, 1.5 hours apart (MAC-B and MAC-C). RESULTS: A reduction in baseline MAC was produced on day 0 by ibudilast, remifentanil, remifentanil plus ibudilast, remifentanil plus naloxone (P < 0.01), but not saline. Similar effects were found on days 2 and 4. A tolerance to remifentanil was found on days 0, 2, and 4, which neither ibudilast nor naloxone prevented. The MAC increase produced by remifentanil on day 4 (P = 0.001) was prevented by either ibudilast or naloxone. CONCLUSIONS: Ibudilast, besides reducing the MAC, prevented the delayed increase in baseline MAC produced by remifentanil but not the increase in MAC caused by tolerance to remifentanil.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».