Demystifying therapeutic potential of medicinal plants against chikungunya virus
Notice bibliographique
Résumé
Viral infections are posing a great threat to humanity for the last few years. Among these, Chikungunya which is a mosquito-borne viral infection has produced enormous epidemics around the world after been rebounded. Although this infection shows a low mortality rate, patients suffer from fever, arthralgia, and maculopapular rashes, which reduce the quality of life for several weeks to years. The currently available treatments only provide symptomatic relief based on analgesics, antipyretics, and anti-inflammatory drugs which are nonspecific without satisfactory results. Medicinal plants are a widely accepted source of new molecules for the treatment of infectious diseases including viral infections. The scientific reports, primarily focusing on the anti-chikungunya activity of plant extracts, natural origin pure compounds, and their synthetic analog published from 2011 to 2021, were selected from PubMed, Google Scholar, and Scopus by using related keywords like anti-chikungunya plants, natural antivirals for Chikungunya. The present review decodes scientific reports on medicinal plants against chikungunya virus (CHIKV) infection and demystifies the potential phytoconstituents which reveals that the screening of flavonoids containing plants and phytochemicals showing efficacy against other arbovirus infections, may prove as a potential lead for drug development against CHIKV. The present article also outlines pathogenesis, clinical aspects, molecular virology, and diagnostic approaches of CHIKV infection.
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 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».