Erding Formula in hyperuricaemia treatment: unfolding traditional Chinese herbal compatibility using modern pharmaceutical approaches
Notice bibliographique
Résumé
OBJECTIVES: Traditional Chinese herbal formulas are difficult to be understood because of complex compositions and specific therapeutic principles. To better understand herbal compatibility in Traditional Chinese medicine (TCM), this study was conducted to investigate the effects of a Chinese pharmacopoeia-listed formula, Erding Formula (EF) and its constituent herbs for a new indication, hyperuricaemia. METHODS: A hypoxanthine and potassium oxonate-induced hyperuricemic mouse model, a xylene-induced inflammatory mouse model and an acetic acid-induced pain model were used to test the effects of EF and its constituent herbs. In addition, we investigated whether EF and/or its relevant herbs had an impact on the expression of URAT1 and OAT3 mRNA. KEY FINDINGS: The results showed EF and individual herbs had pharmacological effects on selected targets. Only Viola yedoensis Makino (Viola) lowered uric acid levels, while all four herbs had anti-inflammatory and analgesic effects. The EF may lower the uric acid level through inhibiting the expression of URAT1 mRNA and enhancing the expression of OAT3 mRNA. CONCLUSIONS: These findings provide pharmacological insights into the effects of EF and individual herbs on UA excretion. This study suggests that Viola is the main herb in EF. This study facilitates better understanding of TCM principles and theories using modern pharmaceutical approaches.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».