Determining the impact of active ingredients on sunscreen UV resistance
Notice bibliographique
Résumé
In our continued efforts to eradicate skin cancer and other photodamaging effects caused by ultraviolet (UV) radiation, sunscreening agents have become our primary defense. However, despite the undeniable benefits of sunscreen, concerns have been raised due to the carcinogenic properties of several of their common active ingredients. Additionally, previous research has shown the unreliability of using sun protection factor (SPF) as a measure of sunscreen photoprotective ability. Given these considerations, this study set out to determine the impact different active ingredients would have on sunscreen UV resistance. It was hypothesized that the active ingredients’ UV absorbance spectrum would provide a better predictor of sunscreen photoprotection. In this report, three different sunscreens were chosen – one with titanium dioxide, one with benzophenone derivatives, and one with salicylates – to provide a broad range of tested sunscreens. Due to their similarity with human DNA, Saccharomyces cerevisiae was cultured and used as a model system for these experiments. By comparing the percentage decrease of live cells protected with sunscreen relative to a control (i.e. no exposure to UV radiation), it was found that a titanium dioxide-based sunscreen was the most effective. Notably, all three sunscreens tested had an SPF 50, yet yielded different results in photoprotective ability.
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) | 0,000 | 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) | 0,000 | 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 ».