The use of African medicinal plants in cancer management
Notice bibliographique
Résumé
Cancer is the third leading cause of premature death in sub-Saharan Africa. Cervical cancer has the highest number of incidences in sub-Saharan Africa due to high HIV prevalence (70% of global cases) in African countries which is linked to increasing the risk of developing cervical cancer, and the continuous high risk of being infected with Human papillomavirus In 2020, the risk of dying from cancer amongst women was higher in Eastern Africa (11%) than it was in Northern America (7.4%). Plants continue to provide unlimited pharmacological bioactive compounds that are used to manage various illnesses, including cancer. By reviewing the literature, we provide an inventory of African plants with reported anticancer activity and evidence supporting their use in cancer management. In this review, we report 23 plants that have been used for cancer management in Africa, where the anticancer extracts are usually prepared from barks, fruits, leaves, roots, and stems of these plants. Extensive information is reported about the bioactive compounds present in these plants as well as their potential activities against various forms of cancer. However, information on the anticancer properties of other African medicinal plants is insufficient. Therefore, there is a need to isolate and evaluate the anticancer potential of bioactive compounds from other African medicinal plants. Further studies on these plants will allow the elucidation of their anticancer mechanisms of action and allow the identification of phytochemicals that are responsible for their anticancer properties. Overall, this review provides consolidated and extensive information not only on diverse medicinal plants of Africa but on the different types of cancer that these plants are used to manage and the diverse mechanisms and pathways that are involved during cancer alleviation.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».