Potential Thai Herbal Medicine for 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
SARS-CoV-2 is a cause of COVID-19 a contagious respiratory disease, in which there are many signs and symptoms such as fever, dry cough, shortness of breath, muscle ache, and pneumonia. Meanwhile, antiviral drug mechanisms which are being used to treat SARS-CoV-2 with Western drugs can be divided into three groups as follows: increasing acidic conditions by endosomal formation; viral replication; and affinity interaction with ACE-2 receptor via S-protein. Therefore, hydroxychloroquine/chloroquine, lopinavir, remdesivir, favipiravir, and molnupiravir which have been utilized to treat HIV and influenza via inhibiting viral replication and alkalinization could also modulate COVID-19 symptoms. However, antiviral drugs also have limited use in hospitalized and severe COVID-19 cases. The objective of this review is to provide a comprehensive analysis of Thai Herbal Medicine findings suggesting antiviral property potential that natural compounds derived from Thai plants could be further developed or provide mechanistic understanding of current drug treatment of COVID-19. Cinchona bark constituents create an alkaline environment to reduce viral replication and perfusion in cells. Certain medicinal plants which possess antiviral replication and blockage of the affinity binding between S-protein of SARS-CoV-2 and ACE2 receptor include Andrographis paniculata, Boesenbergia rotunda, Zingiber officinale, Phyllanthus amarus, Phylanthus emblica, Glycyrrhiza glabra, and Citrus medica. These plants were summarized for their potential in COVID-19 treatment. Integrating Thai Traditional Medicine principles with contemporary COVID-19 treatment mechanisms would certainly have valuable provide more efficient clinical therapy.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,004 | 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