Antidiabetic Activity of Sungkai (Peronema canescens Jack) Leaves Ethanol Extract on the Male Mice Induced Alloxan Monohydrate
Notice bibliographique
Résumé
Sungkai (Peronema canescens Jack) is an alternative natural ingredient that can be used as an antidiabetic containing several secondary metabolites which are thought to reduce blood glucose levels by inhibiting the action of the α-glucokinase enzyme and increasing the activity of antioxidant enzymes and being able to regenerate β-cells, damaged pancreas so that insulin deficiency can be overcome. The aim of this study was to determine the effect of P. canescens leaves ethanol extract on antidiabetic activity and to determine the effect of various doses of sungkai leaf ethanol extract as antidiabetic. The scientific research method used in this study was a completely randomized design (CRD) and data analysis used in this study is the one way ANOVA, following by the Duncan test. Blood glucose measurement in treated mice was carried out 3 times. Mice were devided into five groups, three mice in each group, and each group was administered different dosages of sungkai extract (T1 = extract 175 mg/kg body weight; T2 = extract 350 mg/kg body weight; T3 = extract 700 mg/ kg body weight). First, the mice were acclimatized for six days and the injection of treatment was started at day 7. Blood glucose levels, urine volume, body weight and daily drinking of mice was carried out before induction (day 0), after induction (day 8) and after the end of treatment for 10 days (day 18), was carried out using the Point of Care Test (POCT) method using the Easy Touch GCU. The results showed that the ethanol extract of sungkai leaves had the potential to reduce blood glucose levels in mice. The ethanol extract of sungkai leaves at a dose of 350 mg/kg body weight has the most optimal potential to reduce blood glucose levels, urine volume, daily drinking, and body weight.
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 | 0,003 | 0,001 |
| 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 | 0,003 |
| 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 ».