MétaCan
Menu
Retour à la cohorte
Enregistrement W2969219532 · doi:10.3390/biomedicines7030063

Herbal Tea for the Management of Pharyngitis: Inhibition of Streptococcus pyogenes Growth and Biofilm Formation by Herbal Infusions

2019· article· en· W2969219532 sur OpenAlexafffund
Niluni M. Wijesundara, H.P. Vasantha Rupasinghe

Notice bibliographique

RevueBiomedicines · 2019
Typearticle
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiquePharmacological Effects of Natural Compounds
Établissements canadiensDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Food Inspection AgencyDalhousie UniversityDartmouth College
Mots-clésStreptococcus pyogenesMinimum inhibitory concentrationMinimum bactericidal concentrationPharyngitisTraditional medicineShootBiofilmMicrobiologyChemistryMedicineBiologyAntimicrobialBacteriaStaphylococcus aureusHorticultureInternal medicine

Résumé

récupéré en direct d'OpenAlex

Herbal teas are becoming popular as functional beverages due to their various health promotional properties. This study aimed at assessing 13 hot water infusions (HWIs) from different herbs against streptococcal pharyngitis (strep throat). Licorice root exhibited the lowest minimum inhibitory concentrations (MIC) of 1.56 mg/mL, followed by barberry root, thyme, and oregano flowering shoots, with a MIC of 3.13 mg/mL. At their respective minimum bactericidal concentrations (MBC), licorice showed the bactericidal effect on S. pyogenes within 12 h after exposure while others need 24 h for a similar outcome. The HWIs exhibited inhibitory activity on biofilm formation, ranging from 1.56 to 6.25 mg/mL, which confirmed by ruptured cells or clusters of dead cell debris observed in scanning electron microscope (SEM). Overall, non-toxic concentrations of efficacious HWIs from licorice root, barberry root, thyme, and oregano flowering shoots may provide potential sources for developing herbal teas or biomedicine for the management of S. pyogenes infections.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,054
Score d'incertitude au seuil0,437

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,048
Tête enseignante GPT0,382
Écart entre enseignants0,335 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBiomedicinesMême sujetPharmacological Effects of Natural CompoundsTravaux en français237 207