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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0030,000

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.

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 source (Gemma direct ou Codex distillé), 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