MétaCan
Menu
Retour à la cohorte
Enregistrement W1985981320 · doi:10.4012/dmj.26.519

Enhancement of Adhesion between Resin Coating Materials and Resin Cements

2007· article· en· W1985981320 sur OpenAlexaff
Tomoaki UDO, Toru Nikaido, Masaomi Ikeda, Dinesh S. Weerasinghe, Naoko Harada, Richard M. FOXTON, Junji Tagami

Notice bibliographique

RevueDental Materials Journal · 2007
Typearticle
Langueen
DomaineDentistry
ThématiqueDental materials and restorations
Établissements canadiensSt. Thomas Hospital
Organismes subventionnairesTokyo Medical and Dental University
Mots-clésMaterials scienceBond strengthComposite materialCoatingUltimate tensile strengthCementation (geology)CementResin compositeAdhesiveComposite numberLayer (electronics)

Résumé

récupéré en direct d'OpenAlex

Resin coating technique is a unique method that improves the dentin bond strength of resin cements in indirect restorations. However, the weak link of a specimen bonded using the resin coating technique was reported to be the bonded interface between the resin coating material and resin cement. The purpose of this study, therefore, was to enhance the bonding performance between a resin coating material and a resin cement. Two light-cured flowable composites, Protect Liner F and Clearfil Flow FX, were used as coating materials, and two dual-cure composite materials, Panavia F 2.0 and Clearfil DC Core Automix, were used as resin cements. The ultimate tensile strength of each material and the microtensile bond strengths of the bonded specimens of resin coating material and resin cement were measured using a crosshead speed of 1.0 mm/min. Three-way ANOVA (p=0.05) revealed that the highest microtensile bond strength was obtained using a combination of Clearfil Flow FX and Clearfil DC Core Automix, and when the surface of the coating material was treated with ED Primer II. It was strongly suggested that materials with a higher ultimate tensile strength, when used in both resin coating and cementation, could enhance the bond strength between the two.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,103
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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)0,0020,000

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 Opus0,027
Tête enseignante GPT0,310
Écart entre enseignants0,284 · 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.

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
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDental Materials JournalMême sujetDental materials and restorationsTravaux en français237 207