MétaCan
Menu
Retour à la cohorte
Enregistrement W4200199617 · doi:10.38212/2224-6614.3382

Pharmacokinetics of panduratin a following oral administration of a Boesenbergia pandurata extract to rats

2021· article· en· W4200199617 sur OpenAlexaff
Jihyun Won, Keumhan Noh, Jae‐Kwan Hwang, Beom Soo Shin, Wonku Kang

Notice bibliographique

RevueJournal of Food and Drug Analysis · 2021
Typearticle
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiqueGinger and Zingiberaceae research
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Research Foundation of KoreaMinistry of Science, ICT and Future PlanningNational Research Foundation
Mots-clésPharmacokineticsPharmacologyOral administrationKidneySpleenMedicineTraditional medicineChemistryLungTissue distributionInternal medicine

Résumé

récupéré en direct d'OpenAlex

Boesenbergia pandurata and its major active ingredient, panduratin A (PAN), exhibit antibacterial, anti-oxidant, anti-inflammatory, and anti-obesity effects. We explored the time course of the plasma and tissue (in the major organs, gums and skin) concentrations of PAN after oral administration of a B. pandurata extract to rats. Model-dependent analysis was used to quantify the skin distribution of PAN after systemic exposure. The PAN level peaked at 1.12 ± 0.22 μg/mL after 3 h, and then biexponentially decayed with a terminal half-life of 9 h. The mean clearance (Cl/F) was 2.33 ± 0.68 L/h/kg. The PAN levels in organs were in the following order (highest first): skin, lung, heart, gum, liver, spleen, kidney, and brain. For the first time, the time course of PAN levels in plasma and organs was investigated after oral administration of a BPE. This study helps to explain the pharmacological activities of PAN in the skin and gums. The pharmacokinetic model provided data in the plasma and skin concentrations of PAN, which are of fundamental importance to evaluate its efficacy.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

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
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,098
Tête enseignante GPT0,462
Écart entre enseignants0,364 · 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'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

Citations9
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food and Drug AnalysisMême sujetGinger and Zingiberaceae researchTravaux en français237 207