Herbal Extracts as Potential Antioxidant, Anti‐Aging, Anti‐Inflammatory, and Whitening Cosmeceutical Ingredients
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
The aim of this research was to investigate and compare the antioxidant, anti-tyrosinase, anti-aging, and anti-inflammatory activities of 16 herbal extracts for topical application in cosmetic/cosmeceutical products. Herbal plant materials were extracted by infusion in boiled water for 15 min. The total phenolic content and total flavonoid content of each extract were investigated by the Folin-Ciocalteu and aluminum chloride methods, respectively. Antioxidant activities were investigated using 2,2'-diphenyl-1-picrylhydrazyl and a ferric reducing antioxidant power assay. Anti-tyrosinase and anti-aging activities were investigated using an in vitro enzymatic-spectrophotometric method. Anti-inflammatory activities were investigated using an enzyme-linked immunosorbent assay. The findings show that the Stevia rebaudiana extract has the most significant levels of both phenols and flavonoids (p<0.05). The S. rebaudiana, Rosa damascene, and Phyllanthus emblica extracts possessed the most significant antioxidant activities (p<0.05) and a promising whitening effect with moderate anti-tyrosinase activities. Furthermore, the Echinacea purpurea extract possessed the most significant anti-collagenase (78.5±0.0 %), anti-elastase (69.0±1.4 %), and anti-hyaluronidase activity (64.2±0.3 %). The Morus alba extract possessed the most significant anti-inflammatory activity since it could inhibit the secretion of interleukin-6 and tumor necrosis factor-α (p<0.05). Therefore, these herbal extracts have promising skin benefits and have potential for use as active ingredients in cosmetic/cosmeceutical products.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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