Effect of preheating on microhardness and viscosity of 4 resin composites.
Notice bibliographique
Résumé
OBJECTIVE: This study was undertaken to determine the effect of temperature on the microhardness and viscosity of 4 resin composite materials. METHODS: To investigate microhardness, samples of each of the 4 composite materials, prepared by standard insertion of resin into prefabricated moulds, were divided into 2 groups (n = 10 per group). On the first group, the resin composite materials were inserted into the moulds at room temperature and cured. On the second group, the resin composite materials were pre-heated in a heating device, inserted into the moulds and immediately cured. Microhardness after curing (both immediately and after 24 hours of storage) was determined (using a 300 g load applied for 10 seconds) and averaged for 5 randomly selected points on the top and bottom surfaces of each sample. To investigate viscosity, 0.5 g samples of room temperature or preheated resin composite (n = 15 per group) were placed under a 454 g load for 45 seconds before light-curing (40 seconds). After curing, each sample was photographed and the surface area calculated. Data were analyzed by t tests or one-way analysis of variance and Tukey's test. RESULTS: Preheating the resin composites increased the microhardness and decreased the viscosity of the samples. Filtek Supreme Ultra resin composite had the highest mean microhardness, and Vit-l-escence resin composite had the lowest viscosity. CONCLUSIONS: The effects of preheating resin composites may allow easier placement of restorations and greater monomer conversion.
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 | 0,000 | 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 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 ».