AKTIVITAS ANTIDIABETES EKSTRAK ETANOL DAUN DAN BATANG SIDAGURI (Sida rhombifolia) TERHADAP MODEL HEWAN DIABETES TIPE 2
Bibliographic record
Abstract
Diabetes merupakan penyakit yang ditandai dengan meningkatnya kadar glukosa dalam darah yang terjadi karena kurangnya produksi insulin atau berhentinya produksi insulin dalam tubuh. Herba Sidaguri (Sida rhombifolia) diketahui memiliki aktifitas sebagai antidiabetes. Penelitian ini dilakukan untuk mengevaluasi aktivitas antidiabetes ekstrak etanol daun dan batang sidaguri (Sida rhombifolia) terhadap model hewan diabetes tipe 2 dan mencari bagian mana yang paling efektif sebagai antidiabetes. Metode penelitian ini merupakan penelitian eksperimental secara in vivo. Mencit dibagi menjadi 9 Kelompok yaitu kelompok kontrol negative, kontrol positif, Glibenklamid 0,65 mg/KgBB, ekstrak daun sidaguri dosis 3,5; 7; dan 14 mg/KgBB, serta ekstrak batang sidaguri dosis 3,5; 7; dan 14 mg/KgBB. Pengujian dilakukan secara kuratif, hewan uji kecuali kontrol negatif, diberikan induksi aloksan monohidrat 80 mg/KgBB melalui rute intravena, kemudian setelah 3 hari pasca induksi, dilakukan pemeriksaan kadar glukosa darah puasa. Perlakuan dilanjutkan dengan pemberian terapi selama 14 hari melalui rute peroral. Parameter uji pada penelitian ini adalah pengukuran kadar glukosa daraah pada hari ke 0, 7, dan 14, serta histopatologi organ pancreas. Dari hasil pengujian diperoleh bahwa ekstrak yang memberikan efek antidiabetes terbaik adalah ekstrak etanol daun sidaguri dosis 14 mg/KgBB namun belum mampu memperbaiki kondisi sel-sel pankreas sepenuhnya.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".