Mechanisms of Action of Indigenous Antidiabetic Plants from the Boreal Forest of Northeastern Canada
Notice bibliographique
Résumé
Indigenous populations in Canada possess a wealth of native traditional knowledge. However, their rates of Type 2 diabetes mellitus (T2DM), a disease that was unheard of in their midst 50 years ago, are the highest in the country. In an effort to cut the impact of T2DM epidemic on Indigenous health, the Canadian Institutes of Health Research funded the “CIHR Team in Aboriginal Antidiabetic Medicines (CIHR-TAAM).” The goal was to explore Boreal forest medicinal plants stemming from Indigenous Traditional Medicine to be included in T2DM care. Six out of nine communities of the Cree of Eeyou Istchee (CEI) participated in ethnobotanical studies that resulted in the identification of 17 potential antidiabetic plant species. These species were screened for antidiabetic activities using a platform of in vitro bioassays and in vivo models of T2DM. This paper summarizes results on the 10 most promising plant species, their active constituents, and the mechanisms behind their antidiabetic activities. In addition, potential herb-drug interactions were examined at the level of drug-metabolizing enzymes, notably the cytochrome P450 family. This review serves as a canvas onto which is discussed the value of Indigenous medicinal plants, future avenues of research, and the ethical approach required in this field.
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 | 0,000 | 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 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 ».