Potential effect of green tea extract for adjuvant treatment of acute ischemic stroke by s100ß upregulation in non-thrombolysis patient
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Introduction: In ischemic stroke, the cerebral cortex suffers from hypoxia-ischemia, leading to inflammation and oxidative stress. Green tea extract has an anti-inflammation effect and antioxidant. This study aimed to determine the efficacy of green tea extract for adjuvant treatment of acute ischemic stroke in non-thrombolysis patients. Methods: A double-blind randomised controlled trial was conducted in November 2020-November 2021. The subjects were all acute ischemic stroke patients who presented to the Emergency Room during recruitment, randomised into control (n=13) and intervention groups (n=18); the intervention groups were given green tea extract 350 mg. Treatment was for 30 days. National Institutes of Health Stroke Scale (NIHSS), modified Rankin Scale (mRS), Montreal Cognitive Assessment - Indonesia (MoCAIna), IL-10 and S100ß were analysed. Results: Data were compared with a significance level of p<0.05. The differences in NIHSS from day 0 to 7, day 0 to 14 and day 0 to 30 were statistically significant in the intervention group (p=0.019, p=0.002 and p=0.000, respectively). The mRS score was statistically significant in the intervention group on day 30 (p=0.46). The differences in mRS score from day 0 to 14 and day 0 to 30 were statistically significant (p=0.042 and p=0.001, respectively) The S100ß were statistically significant in day 7 (p=0.006). The difference in S100ß from day 0 to 7 was statistically significant (p=0.001).Conclusions: The green tea extract, through up-regulation S100ß, can improve the clinical outcomes of acute ischemic stroke.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle