Le magnésium et le calcium réduisent la sévérité des troubles de la mémoire spatiale pour le modèle kaïnique d’épilepsie mésiale temporale chez la souris
Notice bibliographique
Résumé
Calcium and magnesium are divalent multipotent ions playing a major role in metabolism, excitability and neuroglial plasticity. Because of these multiple properties, their deficiency induces complex brain processes leading to acute or even lasting disorders in excitability and neural networks. These ions are usually prescribed in clinical contexts of neuronal hyperexcitability such as preeclampsia and chronic stress. Our aim was to evaluate whether magnesium at 20 mg/kg and calcium at 100 mg/kg could improve the memory prognosis in the kainic model of mesial temporal epilepsy in mice. The animals were organized into 6 groups: control group (without kainate), reference group (GR) without administration of ions, groups treated with magnesium or calcium from the third day (respectively G1m, G1c), groups treated with magnesium or calcium from the third week (respectively G2m, G2c). The mice treated by ions performed better than GR mice, but magnesium was more effective. Memory (short term-long term) was differently affected by kainate or improved by magnesium-calcium. In addition, magnesium demonstrated an increasing therapeutic effect over time while calcium had an acute and apparently decreasing action in the G1c group that received calcium early.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».