Can phytotherapy with polyphenols serve as a powerful approach for the prevention and therapy tool of novel coronavirus disease 2019 (COVID-19)?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Much more serious than the previous severe acute respiratory syndrome (SARS) coronavirus (CoV) outbreaks, the novel SARS-CoV-2 infection has spread speedily, affecting 213 countries and causing ∼17,300,000 cases and ∼672,000 (∼+1,500/day) deaths globally (as of July 31, 2020). The potentially fatal coronavirus disease (COVID-19), caused by air droplets and airborne as the main transmission modes, clearly induces a spectrum of respiratory clinical manifestations, but it also affects the immune, gastrointestinal, hematological, nervous, and renal systems. The dramatic scale of disorders and complications arises from the inadequacy of current treatments and absence of a vaccine and specific anti-COVID-19 drugs to suppress viral replication, inflammation, and additional pathogenic conditions. This highlights the importance of understanding the SARS-CoV-2 mechanisms of actions and the urgent need of prospecting for new or alternative treatment options. The main objective of the present review is to discuss the challenging issue relative to the clinical utility of plants-derived polyphenols in fighting viral infections. Not only is the strong capacity of polyphenols highlighted in magnifying health benefits, but the underlying mechanisms are also stressed. Finally, emphasis is placed on the potential ability of polyphenols to combat SARS-CoV-2 infection via the regulation of its molecular targets of human cellular binding and replication, as well as through the resulting host inflammation, oxidative stress, and signaling pathways.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| 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 découle