Enhancing Patient Compliance for Usage of Laundry Detergents Free of Dyes and Perfumes: Potential Impact of Better Cleaning Performance
Notice bibliographique
Résumé
Sensitive skin, an often self-reported condition, is characterized by an unpleasant sensory experience to a variety of consumer products. Certain ingredients in consumer products, such fragrances and dyes, are believed to exacerbate skin sensitivities. Due to an increased prevalence of people reporting sensitive skin, a variety of consumer products are formulated for people with this condition. A segment of commercially marketed laundry detergents, commonly known as free detergents, have been formulated without dyes and perfumes to accommodate skin sensitivities. In the US and Canada respectively, 80% and 97% of dermatologist recommend the use of free detergents for their patients with sensitive skin. However, consumers have expressed dissatisfaction with free detergents, with 39% reporting they are not satisfied with their free detergent’s cleaning performance. When people switch from the leading free laundry detergent, they will switch to a non-free detergent 60% of the time, going against dermatologist recommendations and potentially further aggravating their skin sensitivities. Recently, a survey of US households with sensitive skin showed that 98.8% said that they would be more likely to consistently use a detergent that cleans better. Herein are reported data showing Tide Pods Free & Gentle outperformed other free detergents in cleaning across a wide variety of laundry stains and in SEM visual analysis of soil residues on fibers. It is postulated that the better cleaning detergent may help drive patient compliance with dermatologist recommendations for usage of a free detergent for their patients with sensitive skin.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 ».