Medicinal Plants as Potential Hemostatic Agents
Notice bibliographique
Résumé
PURPOSE: Medicinal plants with a variety of phytochemical ingredients remain a potential source for new drug discovery. The use of medicinal herbs in a wide range of diseases and symptoms, such as bleeding, is prevalent in traditional and ethno medicine worldwide. Thus, this work provides a comprehensive review of medicinal plants or their isolated compounds, with respect to their ethno-medicinal use, which have demonstrated the stimulating effect on the hemostasis process. METHODS: The relevant studies were withdrawn from electronic databases including Pubmed, EMBASE and Web of Science with a structured search methodology. RESULTS: The total of 17 medicinal plants with hemostatic activity were extracted. The most frequently studied plant families were Compositae, Lamiaceae, Fabaceae, and Asteraceae. Bioactive compounds exerting hemostatic activity included tannins, iridoid glycosides, glycoconjugate, lignan, saponins and phenolic compounds. The most attributed mechanisms include coagulation stimulation via increasing the factor XII activity and plasma fibrinogen levels, the fibrinolysis inhibition, vascular or smooth muscle constriction and platelet aggregation. The most important adverse effects of high dose extract or isolated compounds administration were hepatotoxicity and nephrotoxicity. CONCLUSION: This review provides a list of medicinal plants with hemostatic activity that could be used as valuable sources of new plant-based hemostatic agents. Furthermore, this could be practical in detecting possible interactions of plants with anticoagulant, antiplatelet, fibrinolytic and antifibrinolytic medications.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».