MétaCan
Menu
Retour à la cohorte
Enregistrement W4404429147 · doi:10.53555/sfs.v10i1.3184

A Comparison Study On Anti-Microbial Activities Of Green Tea And Black Tea Leaves (Camellia Sinensis L) Extract

2023· article· en· W4404429147 sur OpenAlexvenueno aff
Kana Padinchareveetil Sreelekha

Notice bibliographique

RevueJournal of Survey in Fisheries Sciences · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueTea Polyphenols and Effects
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCamellia sinensisBlack teaGreen teaTheaceaeTraditional medicineCamelliaHorticultureBotanyBiologyFood scienceChemistryMedicine

Résumé

récupéré en direct d'OpenAlex

Tea comes loaded with antioxidants and compounds like polyphenols and catechins that can fend off free radicals and reduce the risks of chronic diseases.Many tea leaves also come stuffed full of vitamins and minerals along with antiinflammatory properties and immune system boosters.Tea is not only a popular drink but also a drink with refreshing and functional properties.Thus, the green and black tea leaves were collected and used for preparing green and orthodox black tea to study Anti-microbial activity.The contemporary scientific community has presently recognized flavonoids to be a unique class of therapeutic molecules due to their diverse therapeutic properties.Of these, rutin, also known as vitamin P or rutoside, has been explored for a number of pharmacological effects.Tea leaves, apples, and many more possess rutin as one of the active constituents.Today, rutin has been observed for its nutraceutical effect.The present study highlights the anti-microbial effects of green and black tea leaves extract.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,418

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,223
Tête enseignante GPT0,352
Écart entre enseignants0,129 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Survey in Fisheries SciencesMême sujetTea Polyphenols and EffectsTravaux en français237 207