Ethnopharmacological Properties of African Medicinal Plants for the Treatment of Neglected Tropical Diseases
Notice bibliographique
Résumé
Agriculture is considered the primary source of income and livelihood in Africa. It is rational for people to look around their environment for food and medicine. The African legacy regarding the traditional use of medicinal plants is vast and diverse, due to cultural myths and economic logic. This review briefly defines the neglected tropical diseases and surveys African medicinal plants used for neglected tropical diseases. In Africa, people may share several plants for similar diseases, e.g., Nicotiana tabacum L. and Ricinus comminus L. are used for treating Buruli ulcer infection. Folkloric African plants for the treatment of bacterial, fungal, and viral neglected tropical diseases are listed and reported in the first parts. Medicinal plants for curing parasitic neglected tropical diseases are tabulated. A plethora of medicinal plants and bioactive compounds and their preparation methods, such as macerations and boiling are reported. This report reflects the richness of Africa with medicinal plants and herbal preparations being used for the treatment of various diseases, including neglected tropical diseases. Scientific investigation of these plants has yet to be conducted to isolate the active components and determine any toxic activities. Besides, knowledge of the mechanism of action behind these beneficial effects is highly required. This review will draw the attention of pharmaceutical companies and research institutions to examine the plants presented here for further laboratory analysis and experiments.
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 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».