Examination of some quality analysis carried out to the determination of standardization of St. John's Wort (Hypericum perforatum L.) oil used in traditional medicine applications
Notice bibliographique
Résumé
St. John's Wort (Hypericum perforatum L.) plant is among the medicinal plants used as pharmaceutical raw material with traditional methods for more than 2000 years. St. John's Wort plant and its medicinal oil (maserate) obtained from it, usage area is increasing day by day in the food, pharmaceutical and cosmetic industries thanks to the important bioactive components. The pharmacologically important component of the plant is known as hypericin. This study was carried out in Selcuk University, Faculty of Agriculture, Medical and Endemic Plants Training and Research Farm, and examined the effect of different holding environments (sun, shade), harvest periods (25% flowering period, 50% flowering period and full flowering period) and drying methods (wet herb, faded herb and dried herb) on the amount of hypericin in St. John's Wort and its medicinal oil. According to the results of the analysis, the highest amount of hypericin in St. John's Wort herb was determined as 0.32% in full flowering period. The highest amount of hypericin in St. John's Wort oils was determined as 271.92 mg/L in fresh herb during the full flowering period. According to the results of the research, the harvesting periods are effective on the amount of hypericin, and it can be suggested that the wet herb, which is harvested in full bloom and hold, should be macerated with olive oil in the sun to obtain St. John's Wort oil with high hypericin content.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».