International guidelines for the <i>in vivo</i> assessment of skin properties in non‐clinical settings: part 1. pH
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: Skin surface pH is known to influence the dissolution and partitioning of chemicals and may influence exposures that lead to skin diseases. Non-clinical environments (e.g., workplaces) are highly variable, thereby presenting unique measurement challenges that are not typically encountered in clinical settings. Hence, guidelines are needed for consistent measurement of skin surface pH in environments that are difficult to control. METHODS: An expert workshop was convened at the 5th International Conference on Occupational and Environmental Exposure of Skin to Chemicals to review available data on factors that could influence the determination of skin surface pH in non-clinical settings with emphasis on the workplace as a worst case scenario. RESULTS: The key elements of the guidelines are: (i) minimize, to the extent feasible, the influences of relevant endogenous (anatomical position, skin health, time of day), exogenous (hand washing, barrier creams, soaps and detergents, occlusion), environmental (seasonality), and measurement (atmospheric conditions) factors; (ii) report pH measurements results as a difference or percent change (not absolute values) using a measure of central tendency and variability; and (iii) report notable deviations from these guidelines and other relevant factors that may influence measurements. CONCLUSION: Guidelines on the measurement and reporting of skin surface pH in non-clinical settings should promote consistency in data reporting, facilitate inter-comparison of study results, and aid in understanding and preventing occupational skin diseases.
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 | 0,005 | 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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