An International Study on Sensitive Skin Across Continents in Over 20,000 Women: Geographic and Age-Related Differences, Menstrual Regularities and Cycle Phase influence, and Effect on WEMWBS score
Notice bibliographique
Résumé
The term "sensitive skin"(SS) encompasses the experience of unusual sensations like tingling, burning, or prickling, potentially accompanied by pain or itching, caused by various factors [1,2]. Physical (such as UV rays, temperature extremes, or wind), chemical (like cosmetics, soaps, water, or pollution), psychological (such as stress), or hormonal (related to menstrual cycles) factors have been described [1-4]. While "SS" commonly refers to facial skin, it can also affect other parts of the body like scalp, hands, or genitals. In women, SS can have a significant impact on their lives due to associated discomfort, inconvenience, and potential limitations. Studies on the prevalence of SS in the general population are scarce, and most of them are limited to one region [1-8]. Our objective was to conduct an international study in 20 countries in order to assess the prevalence of SS in women aged 18-55 y.o. A representative sample of women, 18 and 55 y.o, was recruited in 20 countries [United States n=1200; Canada n=1200; France n=1200; Argentina n=750; Brazil n=1200; Chile n=750; China n=1200; Egypt n=1000; Germany n=1200; Greece n=751; Italy n=1200; Mexico n=1200;Nigeria n=500; Poland n=1200; Saudi Arabia n=1200; South Africa n=800; Spain n=1200; Thailand n=750; Turkey n=750;] using a stratified, proportional quota sampling (PQS) with a replacement design. PQS was used based on the distribution of the population according to age, sex, environment (large cities, towns, and rural areas), and income, in each participating country, in order to guarantee national representativeness of the sample.
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 | 0,001 | 0,000 |
| 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 ».