MétaCan
Menu
Retour à la cohorte
Enregistrement W4286801054 · doi:10.5812/jjhs-122029

Comparison of Effect of Aloe vera Gel and Nystatin on Candida Species: An In Vitro Study

2022· article· en· W4286801054 sur OpenAlexaff
Rayehehossadat Rezvaninejad, Raziyehsadat Rezvaninejad, Mohammad Javad Ashoorian, Maryam Talebi

Notice bibliographique

RevueJundishapur Journal of Health Sciences · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePhytochemistry and biological activity of medicinal plants
Établissements canadiensMcGill University
Organismes subventionnairesHormozgan University of Medical Sciences
Mots-clésAloe veraNystatinCandida albicansMinimum inhibitory concentrationCandida tropicalisCandida glabrataMicrobiologyMedicineAntifungalCorpus albicansIn vitroTraditional medicineBiologyAntibiotics

Résumé

récupéré en direct d'OpenAlex

Background: Oral candidiasis is an opportunistic fungal infection that leads to acute and chronic infections in the mouth and gastrointestinal tract. According to studies, common antifungal drugs have some side effects and sometimes fail in Candida albicans candidiasis infections. Objectives: This study aimed to compare the efficacy of Aloe vera to that of nystatin on oral Candida species in vitro. Methods: This laboratory study was prepared in vitro from a collection of fungi and bacteria in Iran. The measured inhibitory concentration was within the range of 1:1 to 1:2048. The data were analyzed using SPSS software (version 24). Results: In C. albicans species, the inhibitory concentration of Aloe vera gel was 312.5 μL/mL. The inhibitory concentrations for Candida glabrata and Candida tropicalis were 1250 and 625 μL/mL, respectively. In all groups, there was a significant relationship between Aloe vera and nystatin. Conclusions: Aloe vera gel showed antifungal properties in all tested species. The inhibitory concentrations of Aloe vera were much higher than nystatin. Therefore, to use this plant for humans, the concentration of its toxicity to humans should be estimated beforehand to avoid possible harm.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,320
Score d'incertitude au seuil0,225

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,065
Tête enseignante GPT0,357
Écart entre enseignants0,292 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJundishapur Journal of Health SciencesMême sujetPhytochemistry and biological activity of medicinal plantsTravaux en français237 207