MétaCan
Menu
Retour à la cohorte
Enregistrement W3094988574 · doi:10.2174/1573399816666201103143225

Herbal Medicines for Diabetes Management and its Secondary Complications

2020· review· en· W3094988574 sur OpenAlexaff
Shubham Kumar, Anu Mittal, Dinesh Babu, Amit Mittal

Notice bibliographique

RevueCurrent Diabetes Reviews · 2020
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueEthnobotanical and Medicinal Plants Studies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMedicineDiabetes mellitusDiseaseNephropathyBlood sugarCoronary artery diseaseIntensive care medicineDepression (economics)ObesityInternal medicineTraditional medicineEndocrinology

Résumé

récupéré en direct d'OpenAlex

Diabetic Mellitus (DM) is a metabolic disorder that is concerning for people all over the world. DM is caused due to lack of insulin or ineffective production of insulin in the pancreas. A total of 463 million people were reported to have diabetes mellitus in 2019 and this number is predicted to rise up to 578 million by the year 2030 and 700 million by 2045. High blood sugar gives rise to many complications like diabetic retinopathy, diabetic nephropathy, atherosclerosis, hypercoagulability, cardiovascular disease, coronary heart disease, abdominal obesity, hypertension, hyperlipidemia, cerebrovascular disease, coronary artery disease, foot damage, skin complications, Alzheimer's disease, hearing impairment, and depression. These life-threatening complications make diabetes more severe than other diseases. Many synthetic drugs have been developed, but still, a complete cure is not provided by any of the molecules. Continuous use of some synthetic agents causes severe side effects, and thus the demand for non-toxic, affordable drugs still persists. Traditional treatments have been an extremely valued source of medicine all over human history. These are extensively used throughout the world, indicating that herbs are a growing part of modern and high-tech medicines. The World Health Organization (WHO) has listed a total of 21,000 plants, which are used for medicinal purposes around the world. Among them, more than 400 plants are available for the treatment of diabetes. Despite the fact that there are many herbal drugs available for treating diabetes, only a small number of these plants have undergone scientific and medical evaluation to assess their efficacy. Trigonella foenum-graecum, Allium sativum, Caesalpinia bonduc, Ferula assafoetida,etc., are some of the medicinal plants used for antidiabetic therapy. The presence of phenolic compounds, flavonoids, terpenoids, and coumarins is responsible for the antidiabetic nature of the medicinal plants. These constituents have shown a reduction in blood glucose levels. Pycnogenol, acarbose, miglitol, and voglibose are some of the examples of marketed drugs, which are obtained from natural origin and used as antidiabetic drugs. The active principles derived from the plants work through many antidiabetic mechanisms, which include inhibition of α-glucosidase, α-amylase, and protein tyrosine phosphatase 1B activities. One of the major advantages of herbal drugs is the low level of side effects attributed to these medicines, and this attracted various researchers to develop new molecules for the treatment of diabetes. In this review, recent advances in the field of herbal drugs to treat diabetes, prevent secondary complications from arising due to diabetes, and various herbal molecules in different stages of clinical trials will be emphasized upon.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,003

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 Opus0,148
Tête enseignante GPT0,356
Écart entre enseignants0,208 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations128
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Diabetes ReviewsMême sujetEthnobotanical and Medicinal Plants StudiesTravaux en français237 207