MétaCan
Menu
Retour à la cohorte
Enregistrement W2068545368 · doi:10.1002/jbio.201100026

Quantitative remineralization evolution kinetics of artificially demineralized human enamel using photothermal radiometry and modulated luminescence

2011· article· en· W2068545368 sur OpenAlexaff
Adam Hellen, Andreas Mandelis, Yoav Finer, Bennett T. Amaechi

Notice bibliographique

RevueJournal of Biophotonics · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueThermography and Photoacoustic Techniques
Établissements canadiensXanadu Quantum Technologies (Canada)University of Toronto
Organismes subventionnairesnon disponible
Mots-clésRemineralisationDemineralizationEnamel paintRadiometryLuminescenceChemistryTooth RemineralizationFluorideMaterials scienceAnalytical Chemistry (journal)MineralogyOpticsOptoelectronicsComposite materialEnvironmental chemistryInorganic chemistry

Résumé

récupéré en direct d'OpenAlex

Human molars were subjected to demineralization in acid gel followed by incubation in remineralization solutions without or with fluoride (1 or 1000 ppm). Photothermal radiometry (PTR) and modulated luminescence (LUM) frequency scans were performed prior to and during de/remineralization treatments. Transverse Micro-Radiography (TMR) analysis followed at treatment conclusion to determine mineral loss and lesion depth. The remineralization process illustrated a complex interplay between surface and subsurface mineral deposition, confining the thermal-wave centroid toward the dominating layer. Experimental amplitudes and phases were fitted to a coupled diffuse-photon-density-wave and thermal-wave theoretical model used to quantitatively evaluate evolving changes in thermal and optical properties of de/remineralized enamel lesions. Additional information obtained from the LUM data corroborated the remineralization kinetics affecting the PTR signals. The results pointed to enhanced effectiveness of subsurface lesion remineralization in the presence of fluoride.

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 enseignants0,118
Score d'incertitude au seuil0,586

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)0,0000,000

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 Opus0,038
Tête enseignante GPT0,248
Écart entre enseignants0,210 · 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

Citations13
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of BiophotonicsMême sujetThermography and Photoacoustic TechniquesTravaux en français237 207