Patch Testing with a Textile Dye Mix and Its Constituents in a Baseline Series
Notice bibliographique
Résumé
BACKGROUND: Among the textile dyes, disperse dyes are common sensitizers. OBJECTIVE: To investigate whether patch testing with a textile dye mix consisting of eight disperse dyes would be equivalent to testing with the separate ingredients of the mix at the concentrations used in the mix. METHODS: Researchers tested 1,780 consecutive patients with a mix consisting of Disperse Blue 35, Disperse Yellow 3, Disperse Orange 1, Disperse Orange 31 (mislabeled as Disperse Orange 3), Disperse Red 1 and 17, all at 0.5%, and Disperse Blue 106 and 124, both at 0.1%, and with the ingredients at these concentrations. Testing with the labeled dyes at 1.0% was done on 500 of the patients and additionally on the remaining patients who reacted positively to the mix, any of the ingredients, p-phenylenediamine, or black rubber mix. RESULTS: Thirty-five patients (2%) reacted to the mix, and 34 patients were allergic to at least one ingredient tested at the lower concentration. CONCLUSION: The textile dye mix was as good a detector of contact allergy to the disperse dyes as was testing with any combination of the ingredients at the concentration in the mix. Increasing the concentration of the ingredients of the textile dye mix might increase the sensitivity of the mix.
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) | 0,000 | 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 ».