Role of Diet and Nutrients in SARS-CoV-2 Infection: Incidence on Oxidative Stress, Inflammatory Status and Viral Production
Notice bibliographique
Résumé
Coronavirus illness (COVID-19) is an infectious pathology generated by intense severe respiratory syndrome coronavirus 2 (SARS-CoV-2). This infectious disease has emerged in 2019. The COVID-19-associated pandemic has considerably affected the way of life and the economy in the world. It is consequently crucial to find solutions allowing remedying or alleviating the effects of this infectious disease. Natural products have been in perpetual application from immemorial time given that they are attested to be efficient towards several illnesses without major side effects. Various studies have shown that plant extracts or purified molecules have a promising inhibiting impact towards coronavirus. In addition, it is substantial to understand the characteristics, susceptibility and impact of diet on patients infected with COVID-19. In this review, we recapitulate the influence of extracts or pure molecules from medicinal plants on COVID-19. We approach the possibilities of plant treatment/co-treatment and feeding applied to COVID-19. We also show coronavirus susceptibility and complications associated with nutrient deficiencies and then discuss the major food groups efficient on COVID-19 pathogenesis. Then, we covered emerging technologies using plant-based SARS-CoV-2 vaccine. We conclude by giving nutrient and plants curative therapy recommendations which are of potential interest in the COVID-19 infection and could pave the way for pharmacological treatments or co-treatments of COVID-19.
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 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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».