Nailed Wellness: A Proposal for Training Nail Salons to Detect Signs of Organ System Dysfunction on their Client’s Nails
Notice bibliographique
Résumé
The physical characteristics of one’s fingernails can indicate a large variety of diseases. Nail salon staff can be trained to recognize red flags on a client’s nails with an emphasis on safely screening clients and referring them to the appropriate healthcare providers when necessary. This proposal is based on the Save Your Skin Foundation’s successful skin cancer detection framework used in hair salons across Canada. Training consists of informational posters and short videos. This system would empower workers outside of the healthcare sector to advocate for the health of their clients while creating another tier of disease screening. ---------- Les caractéristiques physiques des ongles peuvent être un signe d’une grande variété de maladies. Le personnel des salons de manucure peut être enseigné à reconnaître les signes inquiétants sur les ongles d’un client et les orienter vers une équipe de soins de santé appropriée si nécessaire. Cette proposition est basée sur le cadre de détection du cancer de la peau de la « Save Your Skin Foundation », utilisé avec succès dans les salons de coiffure à travers le Canada. L’enseignement consiste en des affiches d’information et de courtes vidéos. Ce système permettrait aux travailleurs n’appartenant pas au secteur de la santé de défendre la santé de leurs clients tout en créant un autre niveau de contrôle des maladies.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».