MétaCan
Menu
Retour à la cohorte
Enregistrement W2207250809 · doi:10.1016/j.jphotobiol.2015.12.014

Infrared and skin: Friend or foe

2015· review· en· W2207250809 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Photochemistry and Photobiology B Biology · 2015
Typereview
Langueen
DomaineMedicine
ThématiqueSkin Protection and Aging
Établissements canadiensMcGill UniversitySKiN Health
Organismes subventionnairesNational Institute of Allergy and Infectious Diseases
Mots-clésSunlightIrradianceInfraredHuman skinSun exposureDermatologyToxicologyOpticsMedicineBiologyPhysicsGenetics

Résumé

récupéré en direct d'OpenAlex

In the last decade, it has been proposed that the sun's IR-A wavelengths might be deleterious to human skin and that sunscreens, in addition to their desired effect to protect against UV-B and UV-A, should also protect against IR-A (and perhaps even visible light). Several studies showed that NIR may damage skin collagen content via an increase inMMP-1 activity in the same manner as is known for UVR. Unfortunately, the artificial NIR light sources used in such studies were not representative of the solar irradiance. Yet, little has been said about the other side of the coin. This article will focus on key information suggesting that IR-A may be more beneficial than deleterious when the skin is exposed to the appropriate irradiance/dose of IR-A radiation similar to daily sun exposure received by people in real life.IR-A might even precondition the skin--a process called photo prevention--from an evolutionary standpoint since exposure to early morning IR-A wavelengths in sunlight may ready the skin for the coming mid-day deleterious UVR. Consequently IR-A appears to be the solution, not the problem. It does more good than bad for the skin. It is essentially a question of intensity and how we can learn from the sun. © 2016 The Authors. Published by Elsevier B.V. This is an open access article under the CC BY-NC-ND license (http://creativecommons.org/licenses/by-nc-nd/4.0/).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,971
Score d'incertitude au seuil0,916

Scores Codex et Gemma par catégorie

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

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 Opus0,075
Tête enseignante GPT0,403
Écart entre enseignants0,328 · 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