Epidemiologic Analysis of Change in Eyelash Characteristics With Increasing Age in a Population of Healthy Women
Notice bibliographique
Résumé
BACKGROUND: Observations that eyelashes become thinner, shorter, and lighter, as women age has not been previously quantified. OBJECTIVE: This study was conducted to investigate associations between eyelash characteristics and age. MATERIALS AND METHODS: The upper natural eyelashes of 179 subjects were photographed and analyzed (digital image analysis); length, thickness, and darkness (intensity: 0 = white and 255 = black) were calculated. Linear regression, including race as a potentially confounding factor, was used to assess the association between age and mean eyelash characteristics. RESULTS: Subjects' mean age was 40.3 (±10.3) years; 46.1% were white, 36.5% Asian, 9.0% Hispanic, 5.1% East Indian, and 3.4% black. Mean eyelash length ranged from 6.39 (±1.02) to 7.98 (±1.15) mm (subjects aged 50-65 years and 22-29 years, respectively). Mean thickness ranged from 1.17 (±0.42) to 1.62 (±0.56) mm (subjects aged 50-65 years and 20-29 years, respectively). Mean intensity ranged from 118.2 (±19.8) to 129.4 (±17.3) (subjects aged 30-39 years and 50-65 years, respectively). Adjusted for race, eyelash length, thickness, and darkness decreased significantly with increasing age (p < .000, p = .0090, and p < .05, respectively). CONCLUSION: Advancing age among an ethnically diverse population of healthy women is associated with significant decreases in eyelash length, thickness, and darkness.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».