MétaCan
Menu
Retour à la cohorte
Enregistrement W4308871218 · doi:10.3389/fphar.2022.989934

Editorial: Drug development of herbal medicines: Regulatory perspectives

2022· editorial· en· W4308871218 sur OpenAlexaboutno aff
Anna Rita Bilia, Pulok K. Mukherjee, Adolfo Andrade‐Cetto, Chandra Kant Katiyar, Sitesh Chandra Bachar, Motlalepula G. Matsabisa, Subhash C. Mandal

Notice bibliographique

RevueFrontiers in Pharmacology · 2022
Typeeditorial
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiquePharmacological Effects of Natural Compounds
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineDrug developmentDrugTraditional medicinePharmacology

Résumé

récupéré en direct d'OpenAlex

The global trade of medicinal plants and their derivatives was estimated at US$33 billion in 2014, and the World Health Organization has estimated that it will increase to US$50 trillion by 2050. Different regulatory frameworks and categories at the national and regional levels describe medicinal plants either as mainstream therapy or as complementary and alternative medicines. The resulting complex terminology has seen medicinal plants classified as medicines (Australia), herbal medical products (European Union), botanicals (United States), and natural health products (Canada). In China, there is a distinction between traditional Chinese medicine (TCMs) and natural medicinal products. In India, traditional medicine is separated into three systems: Ayurveda, Unani, and Siddha. In Japan, Kampo medicines are classified as pharmaceutical drugs, and in Thailand, as part of the primary health care system. Many national health authorities have established guidelines and regulations concerning the quality, efficacy, and safety profiles of these products. Five papers are included in this Research Topic, all of which concern these three fundamental aspects of the health properties of herbal medicines.

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)0,006
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesIntégrité de la recherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0030,001
Intégrité de la recherche0,0030,012
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,027
Tête enseignante GPT0,395
Écart entre enseignants0,368 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreÉditorial

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

En bref

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in PharmacologyMême sujetPharmacological Effects of Natural CompoundsTravaux en français237 207