Fragrance Skin Sensitization Evaluation and Human Testing: 30-Year Experience
Notice bibliographique
Résumé
BACKGROUND: The human repeated insult patch test (HRIPT) has a history of use in the fragrance industry as a component of safety evaluation, exclusively to confirm the absence of skin sensitization at a defined dose. OBJECTIVE: The aim of the study was to document the accumulated experience from more than 30 years of conducting HRIPTs. METHODS: A retrospective collation of HRIPT studies carried out to a consistent protocol was undertaken, with each study comprising a minimum of 100 volunteers. CONCLUSIONS: The HRIPT outcomes from 154 studies on 134 substances using 16,512 volunteers were obtained. Most studies confirmed that at the selected induction/challenge dose, sensitization was not induced. In 0.12% of subjects (n = 20), there was induction of allergy. However, in the last 11 years, only 3 (0.03%) of 9854 subjects became sensitized, perhaps because of improved definition of a safe HRIPT dose from the local lymph node assay and other skin sensitization methodologies, as well as more rigorous application of the standard protocol after publication in 2008. This experience with HRIPTs demonstrates that de novo sensitization induction is rare and becoming rarer, but it plays an important role as an indicator that toxicological predictions from nonhuman test methods (in vivo and in vitro methods) can be imperfect.
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 | 0,016 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».