Ethnobotanical survey of medicinal plants used in north-central Morocco as natural analgesic and anti-inflammatory agents
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
For centuries, the Moroccan population has relied on herbs as medicine to treat a variety of diseases, especially inflammation and pain-related ones. To the best of our knowledge, no survey had ever been conducted to address this subject in the Fez-Meknes region of Morocco. Thus, a survey was conducted of 544 interviewees, using a semi-structured ethnopharmacological survey designed with “Why-How” questions about plants used, their vernacular names, parts used, mode of preparation, and mode of administration. Fidelity level (FL), relative frequency of citation (RFC), frequency of citation (FC), informant consensus factor (ICF), and family importance value (FIV) were calculated. A total of 104 plant species belonging to 49 families used for inflammatory and pain treatment were documented. Lamiaceae (16 species) was the most used family and Curcuma longa L. (RFC=0.069) was the most frequently prescribed by local traditional healers and herbalists. Leaves were the most used part for herbal remedies, appearing in 30.8% of preparations. Decoctions and infusions were the most popular preparation methods with percentages of 38.3% and 19.2%, respectively. Inflammations and pain in the digestive system had the largest widespread affections (IFC= 0.729) in the Fez-Meknes region. The findings of this study uncovered a reliable and original source of ethnomedicinal data pertaining to plants used to treat inflammation and inflammatory pain in the Fez-Meknes region, which could serve as a credible source of knowledge to determine new-based phytomedicines.
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.
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 | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 découle