Analysis of SGOT, SGPT, and IgM anti PGL-1 in Multibacillary Leprosy Patient after Multi Drug Therapy
Notice bibliographique
Résumé
INTRODUCTION: Leprosy is a fairly dreaded disease, but it is curable. However, liver failure is one of the side effect of the treatment that challenging to manage.OBJECTIVES: Assessing the effects of Multi Drug Therapy (MDT) on the liver function (SGOT, SGPT) and Mycobacterium Leprae Particle Agglutination (MLPA) test (IgM anti PGL-1) before and after treatment in patients with multibacillary (MB) leprosy.METHOD: Twenty-eight patients who met the inclusion criteria were enrolled in this study which categorized as new MB leprosy patients in Dr. Wahidin Sudirohusodo Hospital, Makassar, Indonesia. In order to test the liver function, blood serum was taken to measure the SGOT and SGPT level with Bochringer Mannheim automatic analysis, while MLPA test measurement was performed with qualitative method. Blood serum was collected three times with the following period; before the treatment, 3 months, and 6 months after treatment. The data was analyzed using Friedman and Wilcoxon Signed Rank test with significant level p<0.001.RESULT: There were significant increases in SGOT and SGPT levels (p<0.001) before and after MDT treatment between 3 to 6 months. Meanwhile, for IgM anti PGL-1, it was not significant (p>0.01) before treatment and after 3 months treatment, but significant different (p<0.001) on 6 months treatment.CONCLUSION: MDT treatment on MB leprosy patient increase the SGOT and SGPT level but decrease the IgM anti PGL-1 after the 6 months of treatment.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».