Skin characteristics: normative data for elasticity, erythema, melanin, and thickness at 16 different anatomical locations
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: The clinical use of non-invasive instrumentation to evaluate skin characteristics for diagnostic purposes and to evaluate treatment outcomes has become more prevalent. The purpose of this study was to generate normative data for skin elasticity, erythema (vascularity), melanin (pigmentation), and thickness across a broad age range at a wide variety of anatomical locations using the Cutometer(®) (6 mm probe), Mexameter(®) , and high-frequency ultrasound in a healthy adult sample. METHODS: We measured skin characteristics of 241 healthy participants who were stratified according to age and gender. Sixteen different anatomical locations were measured using the Cutometer(®) for maximum skin deformation, gross elasticity, and biological elasticity, the Mexameter(®) for erythema and melanin, and high-frequency ultrasound for skin thickness. Standardized measurement procedures were applied for all participants. RESULTS: The means and standard deviations for each measured skin characteristic for females and males across five different age groups (20-29, 30-39, 40-49, 50-59, 60-69, and 70-85 years old) are presented. As previously described, there were variations in skin characteristics across age groups, anatomical locations, and between females and males highlighting the need to use site specific, age and gender matched data when comparing skin characteristics. CONCLUSION: The reported data provides normative data stratified by anatomical location, age, and gender that can be used by clinicians and researchers to objectively determine whether patients' skin characteristics vary significantly from healthy subjects.
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.
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 | 0,001 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 découle