MétaCan
Menu
Retour à la cohorte
Enregistrement W4403119764 · doi:10.1002/9781394241576.ch13

Nutraceutical Potential of Herbal Beverages

2024· other· en· W4403119764 sur OpenAlexaff
Anoma Chandrasekara, Sashya Diyapaththugama, Fereidoon Shahidi

Notice bibliographique

Revuenon disponible
Typeother
Langueen
DomaineMedicine
ThématiqueNatural Antidiabetic Agents Studies
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésNutraceuticalFood scienceHerbal supplementTraditional medicineChemistryMedicineAlternative medicine

Résumé

récupéré en direct d'OpenAlex

A variety of herbal beverages are consumed worldwide. Globalization facilitates the expansion of herbal beverage market beyond cultural and geographical boundaries. The Covid-19 pandemic has led to a significant growth in demand for herbal beverages due to their functionality in many regions of the world. Recent advances of phytochemical research have revealed the groups of available bioactive compounds of herbal beverages. Different morphological parts of herbs and plants, such as leaves, stem, bark, roots, flowers, and fruits, belonging to wide array of maturity stages are usually used. Herbal beverages can be used in everyday life as a component of the balanced diet, thus to enhance the antioxidant status and attenuate inflammatory conditions improving health and wellness. The constituent plant bioactive agents found in herbal beverages include phenolic acids, flavonoids, terpenoids coumarins, polyacetylenes, carotenoids, saponins, and alkaloids. An abundance of scientific evidence demonstrate that these phytochemicals provide numerous bioactivities, namely, antioxidant, anti-inflammatory, antibacterial, antiviral, antiallergic, antithrombotic, and vasodilatory actions, in addition to antimutagenic, anticarcinogenic, and antiaging properties among others. Moreover, tendency of consumer choices for natural, minimally processed, ethically sourced, healthy food products remains a main driver for increasing the global use of herbal beverages.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,012
Tête enseignante GPT0,293
Écart entre enseignants0,281 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetNatural Antidiabetic Agents StudiesTravaux en français237 207