MétaCan
Menu
Retour à la cohorte
Enregistrement W2892964350 · doi:10.5539/ijb.v10n4p23

The Histological Effect of Aqueous Ginger Extract on Kidneys and Lungs of Diabetic Rats

2018· article· en· W2892964350 sur OpenAlexvenueno aff
Maisa M. Al-Qudah, Ezz Al-Dein Al-Ramamneh, Moawiya A. Haddad, Amal A. Al-Abbadi

Notice bibliographique

RevueInternational Journal of Biology · 2018
Typearticle
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiqueGinger and Zingiberaceae research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésZingiber officinaleDiabetes mellitusMedicineKidneyAqueous extractLungTraditional medicineHistologyInternal medicineEndocrinology

Résumé

récupéré en direct d'OpenAlex

Diabetes is a disorder affecting various-aged humans and which can with time cause serious problems for the patient. Medicinal plants are known for their hypoglycemic effects; and among which is ginger (Zingiber officinale) known also for its culinary uses. This study, therefore, was undertaken to evaluate the histological effect of 21-day treatment of aqueous ginger extract used at 500 mg / kg BW on female diabetic rats. Fifteen female albino rats were divided into three groups; Group I: control, Group II: non-treated diabetic, and Group III: ginger extract-treated diabetic rats. The ginger extract-treated diabetic group received the daily dose orally for three weeks. Results show that organ weight was not significantly changed. Light microscopic examination of 5µm sections of extract-treated Kidney and Lung of the diabetic rats revealed approximately normal histological structure compared with the untreated ones. The normal appearance of glomeruli and alveoli as well as the normal alveolar wall assumed the ameliorative effect ginger aqueous extract could have on kidney and lung of diabetic rats. These results indicated that this dose of ginger extract may be effective in the treatment of diabetic rats.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,069
Tête enseignante GPT0,477
Écart entre enseignants0,408 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations8
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of BiologyMême sujetGinger and Zingiberaceae researchTravaux en français237 207