Odour Detection Threshold Determination of Volatile Compounds in Topical Skin Formulations
Notice bibliographique
Résumé
Several studies have shown that lipid oxidation can occur in topical skin formulations, but the impact of the individual volatile compounds on off‐odour has not yet been determined. In this study, lipid oxidation is investigated in prototype skin care formulations. Firstly, lipid oxidation volatile compounds that increased in concentration during storage are identified. The results show that the concentration of six volatile compounds increased above previously reported odour detection threshold values in water. These volatile compounds are selected for odour detection threshold value determination and also odour description by a trained sensory panel. In one case, the odour detection threshold value is 50 times higher (less detectable) in skin care products than in water, whereas for other volatile compounds the odour detection threshold value is only 1.5 times higher. The odour description of the volatile compounds is, in most cases, different from that reported in literature. The observed differences are hypothesised to be due to a masking effect of the base odour of the skin care product(s), a volatile‐retaining power of the base matrix and to a cocktail effect of the combined odours from different volatile oxidation products. Practical Application : In this study, the impact of volatile compounds on off‐odour is explored in prototype skin care formulations. The odour detection threshold value and odour description are determined for butanal, pentanal, 3‐methyl‐1‐butanol, 2‐ethyl furan, 2‐pentyl furan and 1‐heptanol in prototype skin care formulations. Overview of the different odour descriptors of the same volatile (3‐methyl‐1‐butanol) when found in topical skin formulations with different lipid contents.
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 | 0,001 |
| 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 | 0,001 |
| 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) | 0,000 | 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 tête enseignante, 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 ».