Effects of silymarin on biochemical and oxidative stress markers in end‐stage renal disease patients undergoing peritoneal dialysis
Notice bibliographique
Résumé
Abstract Introduction End‐stage renal disease (ESRD) patients especially those undergoing dialysis are vulnerable to several complications, in particular those related to oxidative stress. Silymarin is an herbal medicine commonly used as an antioxidant in different pathologies. Methods To evaluate the effect of silymarin on biochemical and oxidative stress markers, 50 ESRD patients undergoing peritoneal dialysis were randomly divided into two groups of silymarin (n = 28) and control (n = 22) and received silymarin (140 mg every 8 hours) or placebo for 2 months, respectively. Ferric reducing antioxidant power and total 8‐ iso ‐prostaglandin F 2α were measured in plasma, while catalase enzyme activity was measured in erythrocytes of both groups before and after treatment. Findings Ferric reducing antioxidant power values after treatment were significantly decreased in silymarin group compared to before treatment values (17.2 ± 2.9 and 15.9 ± 3.1 µM equivalent of quercetin/dL, respectively, P < 0.05). Conversely, catalase levels were increased 17.3% after silymarin consumption, while it was decreased 9.1% in control group. Further, hemoglobin (from 10.94 ± 2.17 to 11.54 ± 2.03 g/dL, P < 0.05) and albumin levels (from 3.48 ± 0.67 to 3.61 ± 0.53 g/dL, P < 0.05) were significantly increased after silymarin administration. Discussion It is concluded that silymarin could be regarded as a supplementary therapy for ESRD patients undergoing peritoneal dialysis in order to reduce complications.
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 | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».