Skip to main content
padlock icon - secure page this page is secure

Global classification of human facial healthy skin using PLS discriminant analysis and clustering analysis

Buy Article:

$52.00 + tax (Refund Policy)

Synopsis

Today’s classifications of healthy skin are predominantly based on a very limited number of skin characteristics, such as skin oiliness or susceptibility to sun exposure. The aim of the present analysis was to set up a global classification of healthy facial skin, using mathematical models. This classification is based on clinical, biophysical skin characteristics and self-reported information related to the skin, as well as the results of a theoretical skin classification assessed separately for the frontal and the malar zones of the face. In order to maximize the predictive power of the models with a minimum of variables, the Partial Least Square (PLS) discriminant analysis method was used. The resulting PLS components were subjected to clustering analyses to identify the plausible number of clusters and to group the individuals according to their proximities. Using this approach, four PLS components could be constructed and six clusters were found relevant. So, from the 36 hypothetical combinations of the theoretical skin types classification, we tended to a strengthened six classes proposal. Our data suggest that the association of the PLS discriminant analysis and the clustering methods leads to a valid and simple way to classify healthy human skin and represents a potentially useful tool for cosmetic and dermatological research.

Résumé

Les classifications actuelles qui définissent une peau saine sont fondées principalement sur un nombre très limité de caractéristiques cutanées telles que l’aspect gras de la peau ou sa sensibilité au soleil. Cette analyse a pour but d’établir une classification globale de la peau humaine saine du visage à l’aide de modèles mathématiques. Une recherche de typologie a été effectuée à partir des caractéristiques cliniques et biophysiques de la peau du visage des individus tout en tenant compte d’une classification théorique, reflet de l’expertise des dermatologues, appréciée sur les zones frontale et malaire du visage. Pour accroître l’efficacité prédictive des modèles avec un minimum de variables, la méthode d’analyse discriminante PLS (Partial Least Square) a été utilisée. Des méthodes de classification ont été appliquées aux composantes PLS obtenues afin de déterminer le nombre le plus vraisemblable de classes et pour regrouper les sujets selon leurs proximités. Grâce à cette approche, quatre composantes PLS ont pu être construites et six classes se sont avérées pertinentes. Ce travail a abouti à une proposition de classification à six classes plus vraisemblable et acceptable que les 36 combinaisons possibles de la classification théorique proposée. Nos données suggèrent que l’association de l’analyse discriminante PLS aux méthodes de classification permet d’obtenir de façon simple et appropriée une classification de la peau humaine saine et représente un outil potentiel utile dans le domaine de la recherche en cosmétologie et en dermatologie.
No References
No Citations
No Supplementary Data
No Article Media
No Metrics

Keywords: classification; human healthy skin; skin types; statistical approach

Document Type: Research Article

Affiliations: 1: CERIES, 20, rue Victor Noir, 92521 Neuilly sur Seine, France; 2: HEC School of Management – Paris, Department SIAD, 78351 Jouy en Josas, France; 3: INSERM U330, Centre René Labusquière, Institut de Santé Publique et Développement, Université Victor Segalen Bordeaux 2, 146 rue Léo Saignat, Bordeaux, 33076 Cedex, France

Publication date: April 1, 2001

  • Access Key
  • Free content
  • Partial Free content
  • New content
  • Open access content
  • Partial Open access content
  • Subscribed content
  • Partial Subscribed content
  • Free trial content
Cookie Policy
X
Cookie Policy
Ingenta Connect website makes use of cookies so as to keep track of data that you have filled in. I am Happy with this Find out more