MétaCan
Menu
Retour à la cohorte
Enregistrement W2604853708 · doi:10.1111/srt.12360

In vitro methods for evaluating skin hydration under diapers and incontinence products

2017· article· en· W2604853708 sur OpenAlexaff
Martha Tate, Audra Wright

Notice bibliographique

RevueSkin Research and Technology · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueNeonatal skin health care
Établissements canadiensKimberly-Clark (Canada)
Organismes subventionnairesnon disponible
Mots-clésTorsoMedicineUrinary incontinenceDrynessSalineBiomedical engineeringSurgeryAnesthesiaAnatomy

Résumé

récupéré en direct d'OpenAlex

BACKGROUND/PURPOSE: Excessive skin hydration from wearing wet undergarments, such as infant diapers and adult incontinence products, has been historically problematic. Skin damage occurs from wetness (urine) and limited product breathability. Evaporative water loss has been measured on adult arms (armband method) or infant torsos (on-baby method), after wearing a saline-insulted diaper product. The current study developed a reliable in vitro method of evaluating diaper and incontinence products for improvements in skin dryness. METHODS: A simulated skin substrate was applied to a heated mechanical arm or baby torso. A disposable diaper or incontinence product was wrapped around the arm or baby torso, and loaded with saline. Hydration of the simulated skin was measured by evaporimetry and compared with clinical data from adult armband evaluations. RESULTS: The heated mechanical arm and baby torso accurately distinguished products for skin dryness. Eight diaper products were evaluated and compared to human test results. The torso in vitro and mechanical arm evaluations demonstrated strong correlations to human epidermal water loss evaluations, with repeatable results. Additionally, the bench test has been used for adult incontinence products, and it proved to differentiate those products as well as infant products. CONCLUSIONS: A rapid and reliable means of evaluation has been developed, and it is predictive of human subject testing.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,236
Tête enseignante GPT0,624
Écart entre enseignants0,388 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

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

En bref

Citations5
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSkin Research and TechnologyMême sujetNeonatal skin health careTravaux en français237 207