Racial and Ethnic Differences in Self-Assessed Facial Aging in Women: Results From a Multinational Study
Notice bibliographique
Résumé
BACKGROUND: Racial/ethnic variations in skin structure and function may contribute to differential manifestations of facial aging in various races/ethnicities. OBJECTIVE: To examine self-assessed differences in facial aging in women by race/ethnicity and Fitzpatrick skin phototypes. METHODS: Women aged 18 to 75 years in the United States, Canada, the United Kingdom, and Australia compared their features against photonumeric rating scales depicting degrees of severity for 10 facial aging characteristics. Impact of race/ethnicity (black, Hispanic, Asian, and Caucasian) and skin phototypes on severity was assessed. RESULTS: In total, 3,267 women completed the study. Black women reported the least severe facial aging; Caucasian women reported the most severe facial aging, with Asian and Hispanic women falling between these groups. Similarly, women with a skin phototype V/VI reported lesser aging severity than women with phototypes I through IV. More than 30% of black women did not report the presence of moderate/severe aging of facial areas until 60 to 79 years; most Hispanics and Asians did not report moderate/severe facial aging until 50 to 69 years and Caucasians, 40 to 59 years. CONCLUSION: In this diverse sample, black women reported less severe aging of facial features compared with Hispanic, Asian, and Caucasian women. These results were supported by Fitzpatrick skin phototype analyses.
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 | 0,000 | 0,000 |
| 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) | 0,002 | 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 ».