Effect of Short Fiber Fillers on the Optical Properties of Composite Resins
Notice bibliographique
Résumé
Objectives: The aim was to evaluate the effect of different fractions of fiber fillers on the translucency and color change of short fiber composite with various thicknesses.Methods: Fiber composite resin was prepared by mixing resin matrix with various weight fractions of short (3 mm in length) E-glass fiber fillers (0, 11.7, 21.0, 28.5, 34.7 wt%) and then silane treated particulate silica fillers were gradually added by using high speed mixing machine. Particulate filler composite resin without fibers was used as control. Composite resins disks of 10 mm in diameter and with various thicknesses (1.0, 2.0, 3.0, 4.0, and 5.0 mm) of each group were prepared (n=3). Translucency parameter (TP) and color change (?E) were calculated over a white and black background using spectrophotometer to determine the CIELAB values of each specimen. Data were statistically analyzed with analysis of variance (ANOVA).Results: ANOVA revealed that fraction of fiber fillers had a significant effect (P<0.05) on the translucency and color change values of the short fiber composite resin. Translucency values at various thicknesses of short fiber composite was significantly lower than particulate filler composite with same total fillers weight fractions.Significance: Inclusion of short glass fiber fillers reduced the translucency values of the composite resins. Thus, the masking ability of short fiber composite resin at various thicknesses was better than particulate filler composite. Color change was also altered with an increase of fractions of fiber fillers.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».