MétaCan
Menu
Retour à la cohorte
Enregistrement W2052731628 · doi:10.4012/dmj.26.915

Effect of Surface Characteristics on Adherence of S. mutans Biofilms to Indirect Resin Composites

2007· article· en· W2052731628 sur OpenAlexaff
Masaomi Ikeda, Khairul Matin, Toru Nikaido, Richard M. FOXTON, Junji Tagami

Notice bibliographique

RevueDental Materials Journal · 2007
Typearticle
Langueen
DomaineDentistry
ThématiqueDental materials and restorations
Établissements canadiensSt. Thomas Hospital
Organismes subventionnairesJapan Society for the Promotion of ScienceUniversity at BuffaloTokyo Medical and Dental University
Mots-clésMaterials scienceBiofilmComposite materialSurface roughnessComposite numberStreptococcus mutansDiamondSurface finishSilicon carbideSonicationFiller (materials)Resin compositeChemical engineeringBacteria

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to evaluate the adherence of biofilms to the surfaces of two indirect resin composites, Estenia C&B and Gradia. Slabs were prepared from the materials, and then either ground with 800-grit silicon carbide paper or polished with diamond pastes up to 1 microm. Artificial biofilms of Streptococcus mutans were grown on the composite slabs in an artificial mouth system for 20 hours. Thereafter, the amounts of retained biofilm on the surfaces were measured after sonication. Surface characteristics of the resins--such as surface roughness, amount of residual monomers, and distribution of filler particles--were examined. Two-way ANOVA revealed that the amount of retained biofilm varied (p<0.05) according to the composition and surface roughness of the material. In particular, biofilm adherence was lowest on Estenia C&B slabs when polished with diamond pastes up to 1 microm. It was thus concluded that the surface roughness and composition of a resin composite influenced biofilm adherence.

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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,012
Tête enseignante GPT0,296
Écart entre enseignants0,285 · 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

Citations101
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDental Materials JournalMême sujetDental materials and restorationsTravaux en français237 207