Botanicals With Dermatologic Properties Derived From First Nations Healing: Part 2—Plants and Algae
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: Plants and algae have played a central role in the treatment of skin conditions in both traditional First Nations healing and in modern dermatology. The objective of this study was to examine the evidence supporting the dermatological use of seaweed, witch hazel, bearberry, and mayapple. METHODS: Four plants and algae used in traditional First Nations treatments of skin disease were selected based on expert recommendations. Several databases were searched to identify relevant citations without language restrictions. RESULTS: Seaweed has potential clinical use in the treatment of acne and wrinkles and may be incorporated into biofunctional textiles. Witch hazel is an effective and well-tolerated treatment of inflammation and diaper dermatitis. Bearberry leaves contain arbutin, a skin-lightening agent that is an alternative for the treatment of hyperpigmentation. Mayapple contains podophyllotoxin, a treatment for condyloma accuminata, molluscum contagiosum, and recalcitrant palmoplantar warts. DISCUSSION: Common plants and algae are replete with bioactive agents that may have beneficial effects on the skin. Further research will open the door to new and innovative products in the future. Limitations of this study include that the scope of our study is limited to 4 plants and algae, a small sample of the breadth of plants used by First Nations for dermatological treatments.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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