MétaCan
Menu
Retour à la cohorte
Enregistrement W2011475935 · doi:10.1177/154405910508400808

Oxygen Inhibition in Dental Resins

2005· article· en· W2011475935 sur OpenAlexafffund
Marc A. Gauthier, I. Stangel, T.H. Ellis, X. X. Zhu

Notice bibliographique

RevueJournal of Dental Research · 2005
Typearticle
Langueen
DomaineDentistry
ThématiqueDental materials and restorations
Établissements canadiensUniversité de Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaFonds Québécois de la Recherche sur la Nature et les TechnologiesAmerican Association for Dental, Oral, and Craniofacial Research
Mots-clésPolymerizationOxygenViscosityDiffusionPolymerMonomerRaman spectroscopyChemistryPolymer chemistryChemical engineeringMaterials sciencePhotochemistryOrganic chemistryComposite materialThermodynamics

Résumé

récupéré en direct d'OpenAlex

Oxygen inhibits free radical polymerization and yields polymers with uncured surfaces. This is a concern when thin layers of resin are being polymerized, or in circumstances where conventional means of eliminating inhibition are inappropriate. In this study, we tested the hypothesis that viscosity, filler content, and polymerization temperature modify oxygen diffusion in the resin or the reactivity of radical species, and affect the degree of conversion near the surface. Confocal Raman micro-spectroscopy was used to measure monomer conversion from the surface to the bulk of cured resins. Increased viscosity was shown to limit oxygen diffusion and increase conversion near the surface, without necessarily modifying the depth of inhibition. The filler material was shown to increase, simultaneously, oxygen diffusivity and the viscosity of the resin, which have opposite effects on conversion. Polymerization at a temperature above approximately 110 degrees C was shown to eliminate oxygen inhibition.

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 enseignants0,001
Score d'incertitude au seuil0,003

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 recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,071
Tête enseignante GPT0,413
Écart entre enseignants0,341 · 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

Citations176
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Dental ResearchMême sujetDental materials and restorationsTravaux en français237 207