Polishing mechanism of light-initiated dental composite: Geometric optics approach
Notice bibliographique
Résumé
BACKGROUND/PURPOSE: For light-initiated dental hybrid composites, reinforcing particles are much stiffer than the matrix, which makes the surface rugged after inadequate polish and favors bacterial adhesion and biofilm redevelopment. The aim of the study was to investigate the polishing mechanism via the geometric optics approach. METHODS: We defined the polishing abilities of six instruments using the obtained gloss values through the geometric optics approach (micro-Tri-gloss with 20°, 60°, and 85° measurement angles). The surface texture was validated using a field emission scanning electron microscope (FE-SEM). Based on the gloss values, we sorted polishing tools into three abrasive levels, and proposed polishing sequences to test the hypothesis that similar abrasive levels would leave equivalent gloss levels on dental composites. RESULTS: The three proposed, tested polishing sequences included: S1, Sof-Lex XT coarse disc, Sof-Lex XT fine disc, and OccluBrush; S2, Sof-Lex XT coarse disc, Prisma Gloss polishing paste, and OccluBrush; and S3, Sof-Lex XT coarse disc, Enhance finishing cups, and OccluBrush. S1 demonstrated significantly higher surface gloss than the other procedures (p < 0.05). The surface textures (FE-SEM micrographs) correlated well with the obtained gloss values. CONCLUSION: Nominally similar abrasive abilities did not result in equivalent polish levels, indicating that the polishing tools must be evaluated and cannot be judged based on their compositions or abrasive sizes. The geometric optic approach is an efficient and nondestructive method to characterize the polished surface of dental composites.
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 | 0,002 | 0,002 |
| 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 ».