MétaCan
Menu
Retour à la cohorte
Enregistrement W3123806117 · doi:10.1155/2021/8850744

Effects of Various Preextraction Treatments of Crinum asiaticum Leaf on Its Anti-Inflammatory Activity and Chemical Properties

2021· article· en· W3123806117 sur OpenAlexaff
Chonthicha Kongkwamcharoen, Arunporn Itharat, Weerachai Pipatrattanaseree, B. Ooraikul

Notice bibliographique

RevueEvidence-based Complementary and Alternative Medicine · 2021
Typearticle
Langueen
DomaineChemistry
ThématiqueChemical synthesis and alkaloids
Établissements canadiensUniversity of Alberta
Organismes subventionnairesRoyal Golden Jubilee (RGJ) Ph.D. ProgrammeThammasat UniversityThailand Research Fund
Mots-clésTraditional medicineChemistryAnti-inflammatoryRaw materialFood scienceBiologyMedicineOrganic chemistryPharmacology

Résumé

récupéré en direct d'OpenAlex

Crinum asiaticum Linn. has been used in Thai traditional medicine to relieve inflammatory symptoms and treat osteoarthritis. There have been reports on its potent anti-inflammatory property but nothing on the effects of different pretreatments on its chemical properties and anti-inflammatory activity. Pretreatment of herbal raw materials is an important step which affects the overall quality of Thai traditional medicine. The objectives of this study were to investigate different treatments of C. asiaticum leaves prior to ethanolic extraction and to compare the extracts for their anti-inflammatory activity and chemical properties. The treatments included hot air drying in an oven, microwave drying, traditional grilling on a charcoal stove before drying in an oven, and temperature shock in hot and cold water before hot air drying. The anti-inflammatory activity and chemical properties of the extracts were analyzed using the established methods. Results showed that 95% ethanolic extract of hot air oven-dried leaves had the highest anti-inflammatory activity and total phenolic and lycorine contents. We recommend hot air drying as a preextraction treatment for C. asiaticum leaves for its simplicity, best retention of the herbal quality, and suitability for scaling up to an industrial process.

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 enseignants0,008
Score d'incertitude au seuil0,656

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 Opus0,058
Tête enseignante GPT0,291
Écart entre enseignants0,233 · 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

Citations18
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEvidence-based Complementary and Alternative MedicineMême sujetChemical synthesis and alkaloidsTravaux en français237 207