MétaCan
Menu
Retour à la cohorte
Enregistrement W4367627613 · doi:10.3390/md21050285

Marine Algal Polyphenols as Skin Protective Agents: Current Status and Future Prospectives

2023· review· en· W4367627613 sur OpenAlexaff
H.H.A.C.K. Jayawardhana, Thilina U. Jayawardena, K. K. Asanka Sanjeewa, N.M. Liyanage, D. P. Nagahawatta, Hyo-Geun Lee, Jae‐Il Kim, You‐Jin Jeon

Notice bibliographique

RevueMarine Drugs · 2023
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSeaweed-derived Bioactive Compounds
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesJeju National University
Mots-clésCosmeceuticalCosmeticsCosmeceuticalsCosmetic industryPolyphenolNutraceuticalBiologyBiotechnologyBiochemical engineeringChemistryFood scienceAntioxidantBiochemistry

Résumé

récupéré en direct d'OpenAlex

The skin is the outermost anatomical barrier, which plays a vital role in the maintenance of internal homeostasis and protection against physical, chemical, and biological detractors. Direct contact with various stimuli leads to several physiological changes that are ultimately important for the growth of the cosmetic industry. Due to the consequences of using synthetic compounds in skincare and cosmeceutical-related industries, the pharmaceutical and scientific communities have recently shifted their focus to natural ingredients. The nutrient-rich value of algae, which are some of the most interesting organisms in marine ecosystems, has attracted attention. Secondary metabolites isolated from seaweeds are potential candidates for a wide range of economic applications, including food, pharmaceuticals, and cosmetics. An increasing number of studies have focused on polyphenol compounds owing to their promising biological activities against oxidation, inflammation, allergies, cancers, melanogenesis, aging, and wrinkles. This review summarizes the potential evidence of the beneficial properties and future perspectives of using marine macroalgae-derived polyphenolic compounds for advancing the cosmetic industry.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,038
Tête enseignante GPT0,308
Écart entre enseignants0,270 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations34
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMarine DrugsMême sujetSeaweed-derived Bioactive CompoundsTravaux en français237 207