Agents actifs toxiques dans les produits éclaircissants et leurs impacts sur le microbiome cutané humain
Bibliographic record
Abstract
Les produits cosmétiques sont des substances utilisées pour entretenir ou modifier l'aspect des parties superficielles du corps humain (telles que la peau, les ongles ou les cheveux). Dans de nombreux pays d’Afrique et d’Asie et dans certaines communautés africaines immigrantes, plusieurs femmes et parfois des hommes utilisent des produits contenant des agents actifs tels que le mercure, l’hydroquinone et le propionate de clobétasol pour éclaircir leur peau. Ces principaux agents sont toxiques et leur présence dans les cosmétiques est règlementée, voire interdite, dans plusieurs pays. Dans notre étude, nous avons déterminé les concentrations de ces ingrédients dans plusieurs produits utilisés en Afrique de l’Ouest et au Canada. Nous avons également exploré l’effet de ces produits sur le microbiome cutané. Nos résultats révèlent que 68 à 84% des crèmes et 7.5 à 65% des savons dépassent les normes lorsqu’on considère l’interdiction de mercure, d’hydroquinone et de propionate de clobétasol et les concentrations déclarées sur les étiquettes ne sont pas souvent fiables. Selon la diversité de Shannon, il semble y avoir plus d’équitabilité, et donc moins de dominance dans le groupe des femmes utilisant les crèmes éclaircissantes que dans le groupe des femmes qui ne les utilisent pas. Par ailleurs, nous n’avons pas trouvé de différences significatives au niveau du microbiome cutané du groupe avec crèmes et sans crèmes au niveau du phylum et du genre. Cependant, d’autres méthodes plus approfondies avec plus d’échantillonnage pourraient révéler à des échelles plus fines (espèces, souches, etc.) l’effet de ces produits sur le microbiome cutané.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.002 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.011 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".