Quantitative Risk Assessment of Contact Sensitization: Clinical Data to Assess Utility of the Model
Notice bibliographique
Résumé
BACKGROUND: Contact hypersensitivity quantitative risk assessment (QRA) for fragrance ingredients is being used to establish new international standards for all fragrance ingredients that are potential skin sensitizers. OBJECTIVE: The objective was to evaluate the retrospective clinical data on three fragrance ingredients in order to provide a practical assessment of the predictive value of the QRA approach. It is important to have data to assess that the methodology provides a robust approach for primary prevention of contact sensitization induction for fragrance ingredients identified as potential sensitizers. METHODS: This article reviews clinical data for three fragrance ingredients-cinnamic aldehyde, citral, and isoeugenol-to assess the utility of the QRA approach for fragrance ingredients. RESULTS: This assessment suggests that had the QRA approach been available at the time standards were established for these fragrance ingredients, the clinical response might have been noticeably improved. Prospectively, with the establishment of QRA-derived standards, there should be a continued downward trend in patch test-positive rates for cinnamic aldehyde, citral, and isoeugenol over time. CONCLUSION: While it is recognized that the availability of retrospective data is limited, a longitudinal review of these data gives confidence that the QRA approach should be an effective tool for primary prevention. This study also highlights the importance of continued active monitoring of clinical patch-test data for fragrance ingredients.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 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 ».