MétaCan
Menu
Retour à la cohorte
Enregistrement W194646929

Third-generation vs a second-generation LED curing light: effect on Knoop microhardness.

2006· article· en· W194646929 sur OpenAlexaff
Richard Bengt Price, Corey A Felix, Pantelis Andreou

Notice bibliographique

RevuePubMed · 2006
Typearticle
Langueen
DomaineDentistry
ThématiqueDental materials and restorations
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésLight-emitting diodeCuring (chemistry)Materials scienceKnoop hardness testIrradianceThird generationLight guideDiodeComposite materialWavelengthIrradiationVisible spectrumOptoelectronicsOpticsLight sourceIndentation hardnessMicrostructureComputer scienceTelecommunicationsPhysics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Third-generation light-emitting diode (LED) curing lights use several different types of LEDs within the light to deliver a broader spectral output compared with the narrower spectral output of second-generation curing lights. This study determined the benefits of this broader spectral output. A third-generation LED curing light was modified so that the 4 peripheral LEDs, which provide the lower wavelengths, could be turned on or off, allowing the light to be used as a third- or a second-generation LED curing light. Twelve composites of A2 and lighter shades were packed into molds 2 mm deep with an internal diameter of 12 mm, and then irradiated for 20 seconds. A laboratory-grade spectroradiometer was used to ensure that all the specimens received the same irradiance and total energy (16.82 J/cm2) from the curing light in both the second- and third-generation modes. The results showed the benefits of using a broader spectrum third-generation LED curing light. This light produced composites that were as hard as when the narrower spectrum second-generation LED curing light was used (P < or = .01). In 7 of the 12 resin composites, the top surface was harder when the third-generation LED curing light was used (P < or = .01).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,196
Score d'incertitude au seuil0,726

Scores Codex et Gemma par catégorie

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

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 Opus0,017
Tête enseignante GPT0,226
Écart entre enseignants0,208 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations23
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetDental materials and restorationsTravaux en français237 207