Agents actifs toxiques dans les produits éclaircissants et leurs impacts sur le microbiome cutané humain
Notice bibliographique
Résumé
Les produits cosmétiques sont des substances utilisées pour entretenir ou modifier l'aspect des parties superficielles du corps humain (telles que la peau, les ongles ou les cheveux). Dans de nombreux pays d’Afrique et d’Asie et dans certaines communautés africaines immigrantes, plusieurs femmes et parfois des hommes utilisent des produits contenant des agents actifs tels que le mercure, l’hydroquinone et le propionate de clobétasol pour éclaircir leur peau. Ces principaux agents sont toxiques et leur présence dans les cosmétiques est règlementée, voire interdite, dans plusieurs pays. Dans notre étude, nous avons déterminé les concentrations de ces ingrédients dans plusieurs produits utilisés en Afrique de l’Ouest et au Canada. Nous avons également exploré l’effet de ces produits sur le microbiome cutané. Nos résultats révèlent que 68 à 84% des crèmes et 7.5 à 65% des savons dépassent les normes lorsqu’on considère l’interdiction de mercure, d’hydroquinone et de propionate de clobétasol et les concentrations déclarées sur les étiquettes ne sont pas souvent fiables. Selon la diversité de Shannon, il semble y avoir plus d’équitabilité, et donc moins de dominance dans le groupe des femmes utilisant les crèmes éclaircissantes que dans le groupe des femmes qui ne les utilisent pas. Par ailleurs, nous n’avons pas trouvé de différences significatives au niveau du microbiome cutané du groupe avec crèmes et sans crèmes au niveau du phylum et du genre. Cependant, d’autres méthodes plus approfondies avec plus d’échantillonnage pourraient révéler à des échelles plus fines (espèces, souches, etc.) l’effet de ces produits sur le microbiome cutané.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».