Ethnobotanical Studies of Medicinal Plants used to Treat Human and Livestock Ailments in Southern Nations, Nationalities and Peoples’ Region, Ethiopia: A Systematic Review
Notice bibliographique
Résumé
Like many other parts of Ethiopia, people in the Southern Nations, Nationalities and Peoples’ Region (SNNPR) do have indigenous knowledge on the preparation and use of traditional medicinal plants. Even though different studies have been conducted to document medicinal plants in different zones of SNNPR separately, there is no previous review work which summarizes the medicinal plants and the associated indigenous knowledge at the regional level (at SNNPR region as a whole or in large scale). Also, there is no previous review work that prioritizes the factors that affect medicinal plants at the regional level (including threatened medicinal plants). The purpose of this paper was to review habitat, growth forms, the method of remedy preparation and administration, marketability of medicinal plants, and to prioritize the factors that affect medicinal plants in SNNPR. Most of the medicinal plants in the majority of the reviewed areas are harvested from wild. Herbs are the most utilized life forms and leaves are the most utilized plant part in the preparation of remedies. Fresh plant materials are the most employed in the preparation of remedies. Majority of medicinal plants are not marketable. Agricultural land expansion is a major threat to medicinal plants which followed by deforestation. Olea europaea subsp. cuspidata, Prunus africana, Echinops kebericho, Croton macrostachys, Cordia africana and Dodonaea angustifolia, Hagenia abyssinica, Withania somnifera and Ficus spp are the highly affected medicinal plant species which require conservation and management priority in the region.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 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 ».