MétaCan
Menu
← Retour à la cohorte
Enregistrement W4404359904 · doi:10.1089/derm.2024.0301

Combined Effect of Ambient Temperature and Relative Humidity on Skin Aging Phenotypes in the Era of Climate Change: Results from an Indian Cohort Study

2024· article· en· W4404359904 sur OpenAlexvenueno aff
Nidhi Singh, Claudia Wigmann, Prince Vijay, Harish C. Phuleria, Sara Kress, Gopa Majmudar, Rong Kong, Jean Krutmann, Tamara Schikowski

Notice bibliographique

RevueDermatitis · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineCohortClimate changeRelative humidityHumidityDemographyClimatologyGerontologyMeteorologyInternal medicineGeographyGeologyOceanography

Résumé

récupéré en direct d'OpenAlex

Abstract: Background: There is no doubt that global warming, with its extreme heat events, is having an increasing impact on human health. Heat is not independent of ambient temperature but acts synergistically with relative humidity (RH) to increase the risk of several diseases, such as cardiovascular and pulmonary diseases. Although the skin is the organ in direct contact with the environment, it is currently unknown whether skin health is similarly affected. Objective: While mechanistic studies have demonstrated the mechanism of thermal aging, this is the first epidemiological study to investigate the effect of long-term exposure to heat index (HI) as a combined function of elevated ambient temperature and RH on skin aging phenotypes in Indian women. Methods: The skin aging phenotypes of 1510 Indian women were assessed using the Score of Intrinsic and Extrinsic Skin Aging (SCINEXA™) scoring tool. We used data on ambient temperature and RH, combined into an HI with solar ultraviolet radiation (UVR), and air pollution (particulate matter <2.5 µm [PM 2.5] ; nitrogen dioxide [NO 2 ]) from secondary data sources with a 5-year mean residential exposure window. An adjusted ordinal multivariate logistic regression model was used to assess the effects of HI on skin aging phenotypes. Results: HI increased pigmentation such as hyperpigmented macula on the forehead (odds ratios [OR]: 1.31, 95% confidence interval [CI]: 1.12, 1.54) and coarse wrinkles such as crow’s feet (OR: 1.17, 95% CI: 1.05, 1.30) and under-eye wrinkles (OR: 1.3, 95% CI: 1.15, 1.47). These associations were robust to the confounding effects of solar UVR and age. Prolonged exposure to extreme heat, as indicated by high HI, contributes to skin aging phenotypes. Conclusion: Thus, ambient temperature and RH are important factors in assessing the skin aging exposome.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,068

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,302
Écart entre enseignants0,282 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDermatitis→Même sujetClimate Change and Health Impacts→Travaux en français237 207→