Les plantes antilithiasiques de l’Afrique du Nord : Revue et enquête auprès de la population algérienne
Bibliographic record
Abstract
La lithiase urinaire est un trouble urologique très ancien et courant avec sa prévalence mondiale, son étiologie multifactorielle, son taux de récidive accru et ses conséquences graves. Cette étude vise à passer en revue les enquêtes ethnobotaniques, les études in vivo et in vitro qui ont été menées dans la région nord- africaine pour identifier les plantes utilisées par les populations locales dans la réduction ou la prévention de la formation de calculs ainsi qu’inventorier celles utilisées dans la médecine traditionnelle algérienne. Les données concernant l'utilisation des plantes médicinales contre la lithiase urinaire ont été rassemblées à partir de documents publiés sur les différentes bases de données (Google Scholar, PubMed, Science Direct). Une enquête ethnobotanique a été menée auprès de la population algérienne au moyen d'un questionnaire structuré réalisé avec Google Forms et partagé sur les différentes plateformes en ligne. L’analyse de littérature a permis de recenser 192 espèces végétales utilisées dans le traitement traditionnel de la lithiase urinaire dont 32 ont prouvé leur efficacité sur la cristallisation in vitro et 9 sur la cristallisation in vivo. Notre enquête a permis d’inventorier 32 espèces utilisées par la population algérienne. Cette étude constitue une documentation utile qui peut contribuer à promouvoir l'utilisation des plantes médicinales.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.006 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".