The Risk–Benefit Profile of Commonly Used Herbal Therapies: <i>Ginkgo</i>, St. John's Wort, Ginseng, Echinacea, Saw Palmetto, and Kava
Notice bibliographique
Résumé
Because use of herbal remedies is increasing, a risk-benefit profile of commonly used herbs is needed. This article provides a clinically oriented overview of the efficacy and safety of ginkgo, St. John's wort, ginseng, echinacea, saw palmetto, and kava. Wherever possible, assessments are based on systematic reviews of randomized clinical trials. Encouraging data support the efficacy of some of these popular herbal medicinal products, and the potential for doing good seems greater than that for doing harm. The published evidence suggests that ginkgo is of questionable use for memory loss and tinnitus but has some effect on dementia and intermittent claudication. St. John's wort is efficacious for mild to moderate depression, but serious concerns exist about its interactions with several conventional drugs. Well-conducted clinical trials do not support the efficacy of ginseng to treat any condition. Echinacea may be helpful in the treatment or prevention of upper respiratory tract infections, but trial data are not fully convincing. Saw palmetto has been shown in short-term trials to be efficacious in reducing the symptoms of benign prostatic hyperplasia. Kava is an efficacious short-term treatment for anxiety. None of these herbal medicines is free of adverse effects. Because the evidence is incomplete, risk-benefit assessments are not completely reliable, and much knowledge is still lacking.
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 | 0,005 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».