Effects of preharvest factors on antidiabetic potential of some foods and herbal plants
Notice bibliographique
Résumé
Diabetes is a metabolic disorder with no definite treatment, but it can be controlled by changing lifestyle and diet. Consumption of high-fiber and nutrient-rich foods including vegetables have been shown to reduce risks of obesity and Type II Diabetes Mellitus (T2DM). Also, many herbal plants have been associated with reduced risks of T2DM because of their composition of secondary metabolites. Antioxidant activities of some secondary metabolites have potent inhibitory effects against inflammation linked with insulin resistance and oxidative stress. More than 800 known medicinal plants are used to control diabetes and its relevant complications. However, variations in preharvest factors including plant genotype, growing medium properties, climatic factors, and management practices can influence plant growth and their accumulation of phytochemicals with health-promoting properties. However, the effects of these preharvest factors on the antidiabetic properties of plant secondary metabolites are neither explicit nor easily accessible in the literature. Therefore, this review aims to document recent studies that reported on under-exploited medicinal plants with antidiabetic properties. We reviewed several important preharvest factors that can potentially affect the synthesis of phytoconstituents which possess antidiabetic properties. This review will help identify gaps for future research in phytomedicine and functional foods.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».