Phytotherapy used in the Treatment of Oral Diseases: a Cross-Sectional Study in Indigenous Population
Notice bibliographique
Résumé
Phytotherapy studies the pharmacological effects of plants with the therapeutic purpose of preventing, curing, or minimizing disease symptoms. The use of plants by indigenous people to treat health conditions has been documented since ancient times. This study aimed to report an indigenous community's herbal medicines for oral diseases. An online questionnaire was administered, in which the participant indicated the type of plant and the part used, the preparation form, the administration route, and the dental condition. Subsequently, a descriptive analysis was performed. Most study participants were women (n=72, 62.1%). Peppermint tea (21.5%) was the most used substance for mouthwash and halitosis (42.2%). The bark of Açoita (34.5%) and Aroeira (31.9%) were the most frequently used to treat dental pain. Regarding gingival diseases, most responded that they used Guamirim (64.5%). Only mallow tea was reported to treat canker sores (81%). However, for herpetic lesions, participants reported the application of clay in a wasp nest (Polistes canada), an insect present at the site (55.2%). Oral inflammation had the lowest reported use of herbal medicine, with Marcela tea being the most frequently used (10.3%). Finally, fern roots were the most frequently used for infections (32 %). In conclusion, indigenous people widely use phytotherapeutics to treat oral diseases. Learning about the use of herbal medicines in indigenous communities may increase the clinical applicability of these plants in the dental field and, in the future, serve as a basis for developing new drugs.
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) | 0,000 | 0,000 |
| 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 ».