Ethnobotanical Study of Medicinal Plants Used against COVID-19
Notice bibliographique
Résumé
During the COVID-19 pandemic, the Moroccan population, like the entire population of the world, used medicinal plants to treat or cure symptoms of SARS-CoV-2. The present work was designed to identify the medicinal plants used by the Moroccan population in the prevention or treatment of COVID-19. To achieve this goal, a survey was conducted to collect data on plants along with the sociodemographic parameters of users. The outcome of this work showed that 1,263 people were interviewed with 63.5% male, aged between 18 and 82 years. Most plant users were between 20 and 40 years, which constituted 80.1% of the study population. The level of education of participants was 70.9% university and 27.6% secondary. The most useful plants were eucalyptus, cloves, lemon, and garlic. Notably, 61.9% of interviewed people used plants for preventing or treating COVID-19: 30.6% of them declared one-time use from the beginning of the pandemic, and 47.8% declared frequent daily use until recovery, while 17.4% declared single daily use. Five out of twenty-one plants used in the treatment are known for their potential toxicity, including Artemisia herba-alba and oleander (Nerium oleander). The findings of the present work could serve society by providing potential medicinal plants to control 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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) | 0,003 | 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 ».