Impact of Co-enzyme Q-10 on Liver Functions and Histology in INH Induced Rat Model
Notice bibliographique
Résumé
Background: The Tuberculosis is the national disease of Pakistan as it affected the father of the nation morbidly resulting into his death and it is a common disease of the sub-continent as well. Liver is the site of metabolism for most of the anti-tuberculosis drugs as well as these agent harm the liver resulting into elevated liver enzymes following inflammation (hepatitis). Isoniazid (INH) and rifampin are well known for their side effects on liver so often being used in experimental studies in animal models for induction of hepatotoxicity or liver injury. Objective: We aimed this research work for exploring the hepatoprotective effects of the Co-enzyme Q-10 in rat model with INH induced hepatotoxicity. Methodology: Rats (n=50) of Albino Westar category were bought from Karachi and divided in 5 equal groups randomly followed by 2 weeks acclimatization. Group A (control) was kept on normal diet without any intervention whereas group B (experimental negative control) was given INH 100 mg/day for induction of hepatitis. Groups C was administered an oral dose of INH as100mg+CoQ 100mg/day. The group D rats were given INH 150+ Q-10 100mg/day similarly rats in group E were administered INH 200mg+CoQ 100mg/day .Samples of blood were obtained by scarifying rats at the end of study (1month) LFTs(liver function test)for each group were done, comparing different groups on ANOVA using SPSS 22nd version. Results: There was significant difference in serum AST ALT, LDH, ALP, GGT and bilirubin levels between various animal groups P-values were 0.0013, 0.00002, 0.00001, 0.00003, 0. 000001 and 0. 000037 for respective parameter. Conclusion: Co-enzyme Q-10 improved INH induced changes in liver functions and histology.
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 | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».