AKTIVITAS ANTIHIPERTENSI EKSTRAK ETANOL DAUN MATOA (Pometia pinnata J.R.Forst. & G.Forst.) PADA MODEL HEWAN HIPERTENSI YANG DIINDUKSI PREDNISON DAN NaCl
Notice bibliographique
Résumé
Hypertension is a disease without symptoms that is very dangerous (silent killer) because it is often not realized. Conditions that are not controlled and occur continuously will cause a disease factor related to cardiovascular disease. Empirically, matoa leaves are commonly used as antihypertensive drugs. This study aims to determine the activity of the ethanolic extract of matoa leaves as a diuretic and antihypertensive. Diuretic testing was carried out for 6 hours with urine volume measurement every hour. Each test animal was given warm water as a loading dose, using a comparison (Furosemide 3.6 mg/KgBW) and the matoa leaf ethanol extract test group with doses of 150, 300, and 500 mg/KgBW. Antihypertensive testing was carried out in a preventive manner using Prednisone 1.5 mg/KgBW and NaCl 2%, comparison (Hydrochlorothiazide 2.25 mg/KgBW) and the test group ethanol extract of matoa leaves with doses of 150, 300, and 500 mg/KgBW. given orally for 14 days. The test parameters were urine volume, systolic blood pressure and diastolic pressure. The data obtained were analyzed using One Way ANOVA and Kruskall Wallis. The results showed that the ethanol extract of matoa leaves could increase urine output, and decrease systolic and diastolic blood pressure because it had a comparable activity with the comparison group (p<0.05). A dose of 150 mg/kgBW has the most effective activity as an antihypertensive.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».