Ethnomedicinal Uses of Fabaceae Species for Respiratory Infections and Related Symptoms in the Limpopo Province, South Africa
Notice bibliographique
Résumé
Purpose: The present study investigated utilisation of Fabaceae species as herbal medicines for respiratory infections and related symptoms in the Limpopo Province, South Africa.Methods: Information on Fabaceae species used as herbal medicines against respiratory infections was gathered using semi-structured questionnaires during face-to-face interviews with 240 Pedi speaking traditional healers (THs) from May to July 2017. Voucher specimens of utilized plant species were collected and their identities and scientific names authenticated by a plant taxonomist at the University of Limpopo’s Larry Leach Herbarium.Results: Twenty-five plant species belonging to 16 genera were used by THs in treating 13 respiratory infections. Majority of the species (64.0%, n=16) were multi-used while 36.0% (n=9) treated a single condition each. Plants which showed the highest fidelity level (FL) scores included Acacia senegal (chronic cough=FL; 32.8, chest pain=FL; 32.8, tuberculosis=FL; 32.8), Dichrostachys cinerea (tuberculosis= FL; 100) and Acacia erioloba (pneumonia=FL; 92.7). These species were also characterized by high use value (UV) indices of 2.5, 0.82 and 0.58, respectively.Conclusion: Some of the plants recorded in this study are reported in literature to have potent biological activities against diverse pathogens which cause respiratory infections and perceived symptoms.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».