MétaCan
Menu
Retour à la cohorte
Enregistrement W2128197996 · doi:10.1111/j.1468-2494.2008.00421_4.x

The differences in human cumulative irritation responses to positive and negative irritant controls from three geographical locations

2008· article· en· W2128197996 sur OpenAlexaboutno aff
Mingyi W. Trimble, Nalini Kaul, John E. Wild, James P. Bowman

Notice bibliographique

RevueInternational Journal of Cosmetic Science · 2008
Typearticle
Langueen
DomainePsychology
ThématiqueBehavioral and Psychological Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIrritationRelative humidityMedicineImmunologyMeteorologyGeography

Résumé

récupéré en direct d'OpenAlex

A retrospective analysis was conducted to evaluate whether studies from three geographically diverse locations have similar response profiles to the positive and negative controls in a standard 14-day cumulative irritation study (1). The positive irritant control (0.1% sodium lauryl sulfate, SLS) and the negative control (0.9% sodium chloride, saline) data from seventeen 14-day cumulative irritation studies were reviewed. The studies were compiled from three locations representing dry/hot, humid/hot, and dry/cold environments (Scottsdale, Arizona; St. Petersburg, Florida; and Winnipeg, Manitoba, respectively). Irritation scores were generated by trained skin graders from a total of 442 subjects studied between 1999 and 2005. Cumulative irritation scores were reviewed and compared between study locations. The irritation scores for the positive and negative controls were not significantly different between locations. Temperature and relative humidity (RH) variation did not correlate significantly with overall irritation. However, the dryer climate (i.e., negative or low dew point) had a tendency to induce a higher overall irritation level for both positive and negative controls.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,174
Tête enseignante GPT0,406
Écart entre enseignants0,232 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Cosmetic ScienceMême sujetBehavioral and Psychological StudiesTravaux en français237 207