Polymerization with the argon laser: curing time and shear bond strength.
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The objective of this study was to determine the efficiency of an argon laser in polymerizing a light-cured orthodontic adhesive. Metal brackets were bonded to 185 premolars, divided into 5 different protocol groups of 37 each as follows: light 40-second buccal, light 40-second lingual, laser 5-second lingual, laser 10-second lingual, and laser 15-second lingual. All bonded specimens were placed in distilled water for 30 days at 37 degrees C followed by thermal cycling for 24 hours. Brackets were detached using a shearpeel load delivered by an Instron machine. The site of bond failure was examined under 10x magnification. The difference in the shear-peel bond strength between the light 40-second buccal (13.31 MPa) and the light 40-second lingual (11.95 MPa) groups was not statistically significant. The mean shear-peel bond strengths for the laser cured groups were quite similar for the 5-, 10- and 15-second laser groups (10.86, 11.32, and 10.80 MPa). The difference in mean lingual bond strength between the light 40-second and laser 5-second groups was not statistically significant (t = 1.26; P = .212). The adhesive remnant index analysis revealed principally cohesive bond failures. An increased frequency of enamel fractures at debond was noted in the lingual light-cured and 10-second laser-cured groups, at 35.1% (13/37) and 21.6% (8/ 37), respectively. All other groups displayed enamel fractures of 16.2% (6/37). A 5-second cure using an argon laser produced bond failure loads comparable to those obtained after 40 seconds of conventional light cure, with less than half the frequency of enamel fracture at debond.
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.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découle