Effect of Electroacupuncture at "Zusanli"(ST 36) on Esophageal Peristalsis in Cats
Notice bibliographique
Résumé
Objective:To observe the impact of Zusanli point (ST 36) electro-acupuncture (EA) on cats' esophageal motility,and to discuss the relationship between Zusanli point (ST 36) and esophageal motility regulation. Methods:After endoscopic examination,28 cats were confirmed as healthy ones without esophagitis. All experimental cats were randomly divided into two groups:the Zusanli point (ST 36) group and the non-channels non-collaterals points group. The intraesophageal pressure and esophageal peristaltic wave were recorded by applying -7-1-1-1-2-5-5-5 type 8 Channel Fine Infusion Piezometric Tube (Canada) and UPS-2020 type Esophageal Pressure Measurement System (Netherlands). The following dynamic factors of esophagus were measured and recorded:lower esophageal peristalsis wave pressure (LEPP),upper esophageal peristalsis wave pressure (UEPP),peristalsis wave velocity. Results:There was no significant difference in esophageal peristalsis wave pressure and velocity between the Zusanli point (ST 36) group and the non-channels non-collaterals points group before EA. After EA,the lower esophageal peristalsis wave pressure in the Zusanli point (ST 36) group was increased from 75.64±19.81 mmHg to 88.93±23.29 mmHg (P0.05),and lower esophageal peristalsis wave velocity increased from 1.71±0.46 cm/s to 3.64±1.65 cm/s (P0.05). There were no statistically significant changes in upper esophageal peristalsis wave pressure and velocity after EA. In the non-channels non-collaterals points group,there were no statistically significant changes in esophageal peristaltic wave amplitude and conduction velocity. Conclusion:EA on Zusanli point (ST 36) of health cats might cause obvious increases in lower esophageal peristalsis wave pressure and velocity.
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 | 0,001 |
| 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 | 0,000 | 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 ».