Cannabis Roots: A Traditional Therapy with Future Potential for Treating Inflammation and Pain
Notice bibliographique
Résumé
Abstract Introduction: The roots of the cannabis plant have a long history of medical use stretching back millennia. However, the therapeutic potential of cannabis roots has been largely ignored in modern times. Discussion: In the first century, Pliny the Elder described in Natural Histories that a decoction of the root in water could be used to relieve stiffness in the joints, gout, and related conditions. By the 17th century, various herbalists were recommending cannabis root to treat inflammation, joint pain, gout, and other conditions. There has been a subsequent paucity of research in this area, with only a few studies examining the composition of cannabis root and its medical potential. Active compounds identified and measured in cannabis roots include triterpenoids, friedelin (12.8 mg/kg) and epifriedelanol (21.3 mg/kg); alkaloids, cannabisativine (2.5 mg/kg) and anhydrocannabisativine (0.3 mg/kg); carvone and dihydrocarvone; N -( p -hydroxy- β -phenylethyl)- p -hydroxy- trans -cinnamamide (1.6 mg/kg); various sterols such as sitosterol (1.5%), campesterol (0.78%), and stigmasterol (0.56%); and other minor compounds, including choline. Of note, cannabis roots are not a significant source of Δ 9 -tetrahydrocannabinol (THC), cannabidiol, or other known phytocannabinoids. Conclusion: The current available data on the pharmacology of cannabis root components provide significant support to the historical and ethnobotanical claims of clinical efficacy. Certainly, this suggests the need for reexamination of whole root preparations on inflammatory and malignant conditions employing modern scientific techniques.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».