MétaCan
Menu
Retour à la cohorte
Enregistrement W2801004469 · doi:10.6000/1927-5951.2018.08.02.6

Antihyperglicemic and Antioxidant Potential of Aloe vera Juice Supplementation in the Type-II Diabetic Rats Model

2018· article· en· W2801004469 sur OpenAlexvenueno aff
Sufi Desrini, I.M. Kadek Dwi

Notice bibliographique

RevueJournal of Pharmacy and Nutrition Sciences · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePhytochemistry and biological activity of medicinal plants
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAloe veraGlibenclamideMalondialdehydeAntioxidantGlutathione peroxidaseSuperoxide dismutaseStreptozotocinDiabetes mellitusMedicineChemistryNicotinamideEndocrinologyInternal medicinePharmacologyTraditional medicineBiochemistryEnzyme

Résumé

récupéré en direct d'OpenAlex

To evaluate the potential effects of Aloe vera supplementation on blood glucose and antioxidant enzymes (Glutathione peroxidase, GPx; Superoxide dismutase, SOD) as well as lipid peroxides (Malondialdehyde, MDA) in the kidneys of experimental type-II Diabetic rats model. This was an experimental study with post-test only control group study design. Type-II diabetes rats were induced by streptozotocin (60 mg/kg, ip) and nicotinamide (230 mg/kg, ip) to Wistar rats. The diabetic rats were randomized into three groups, as follows: (i) Diabetic control rats (received CMC-Na 1 % vehicle only); (ii). Diabetic rats received glibenclamide 0,18 mg/200g orally once daily; (iii) diabetic rats group received glibenclamide (0,18 mg/200g body weight) as well as Aloe vera juice supplementation (3,6 mL/200 g body weight) orally once daily for 30 days. Rats fasted over night and the blood was withdrawn by retro-orbital puncture under light ether anesthesia on the pre-induction and 1st, 7th, 14th and 28th post induction to determine blood glucose. The kidney tissues of rats were taken under anesthesia at the end of 30 days. In the third group showed the decrease of blood glucose level significantly (p

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,210
Score d'incertitude au seuil0,148

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,048
Tête enseignante GPT0,317
Écart entre enseignants0,270 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Pharmacy and Nutrition SciencesMême sujetPhytochemistry and biological activity of medicinal plantsTravaux en français237 207