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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».