Phytochemicals from medicinal plants from African forests with potentials in rheumatoid arthritis management
Notice bibliographique
Résumé
OBJECTIVES: Rheumatoid arthritis (RA) is a chronic systemic autoimmune disease characterized by inflammation, pain, and cartilage and bone damage. There is currently no cure for RA. It is however managed using nonsteroidal anti-inflammatory drugs, corticosteroids and disease-modifying anti-rheumatic drugs, often with severe side effects. Hidden within Africa's lush vegetation are plants with diverse medicinal properties including anti-RA potentials. This paper reviews the scientific literature for medicinal plants, growing in Africa, with reported anti-RA activities and identifies the most abundant phytochemicals deserving research attention. A search of relevant published scientific literature, using the major search engines, such as Pubmed/Medline, Scopus, Google Scholar, etc. was conducted to identify medicinal plants, growing in Africa, with anti-RA potentials. KEY FINDINGS: Twenty plants belonging to 17 families were identified. The plants are rich in phytochemicals, predominantly quercetin, rutin, catechin, kaempferol, etc., known to affect some pathways relevant in RA initiation and progression, and therefore useful in its management. SUMMARY: Targeted research is needed to unlock the potentials of medicinal plants by developing easy-to-use technologies for preparing medicines from them. Research attention should focus on how best to exploit the major phytochemicals identified in this review for the development of anti-RA 'green pharmaceuticals'.
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) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».