Preparation of Centella asiatica (L). and Hypericum perforatum (St. John's Wort) Plant Extracts and Development of Anti-Aging Herbal Cream Formulations
Notice bibliographique
Résumé
Objective: The aim of the study is to use two different plant extracts such as St. John's Wort (Hypericum perforatum) and Centella asiatica (L.) in the cream formulation and to determine the anti-aging effect of the new formulation. Material-Method: The plants used in the study were obtained commercially and plant extracts were obtained using the classical extraction techniques in the literature. The active ingredients in the obtained extracts were determined by HPLC method. Physical, protective efficacy, microbial analysis and anti-aging tests were carried out for cream formulations obtained with extracts. Results: Plant extraction studies were carried out in the study. Centella asiatica (L.) was extracted with 20.8% yield at 20 mL of methanol and 60 ℃. As a result of HPLC analysis, it was determined that there were 1740 mg/kg asiatic acid and 4380 mg/kg madecasic acid in the extract. In the extraction studies performed on Hypericum perforatum, the expected active ingredient, hypericin, was not found. For this reason, commercial extract containing 2.5% hyperforin was obtained and the studies were continued on these extracts and final cream formulations were obtained. Conclusion: pH, viscosity, density, protective effectiveness tests and microbial analysis tests of the final formulations were performed. In addition, in vitro anti-aging studies have been carried out in accredited laboratories. With in-vitro anti-aging tests, it was determined that the level of collagen 1A increased more in the formulation where both extracts were used together.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».