MétaCan
Menu
Retour à la cohorte
Enregistrement W2426202965

Evaluation of varied repair protocols applied to aged composite resin.

2005· article· en· W2426202965 sur OpenAlexaff
Tammy Bonstein, Davis A. Garlapo, John Donarummo, Peter J. Bush

Notice bibliographique

RevuePubMed · 2005
Typearticle
Langueen
DomaineDentistry
ThématiqueDental materials and restorations
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésPhosphoric acidBond strengthAdhesiveMaterials scienceComposite materialDiamondComposite numberAbrasion (mechanical)Universal testing machineShear strength (soil)SilaneDentistryLayer (electronics)MetallurgyUltimate tensile strengthMedicineSoil water
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

PURPOSE: This paper aims to examine varied surface treatments combined with adhesive bonding to ascertain the highest bond strength of the composite resin repair. MATERIALS AND METHODS: A total of 100 specimens was made using an increment technique. The prepared specimens were aged for 20 days in 37 degrees +/- 20 degrees C water and then kept for 24 h at room temperature. The samples were separated into 5 groups of 20, and each group then received a different surface treatment (control group, phosphoric acid, diamond bur, air abrasion, silane primer combined with a diamond bur treatment). The effect of each surface treatment on the bond strength was determined by a shear bond test. RESULTS: Specimens that received surface treatment with a diamond bur exhibited higher shear bond strengths than any of the other repaired groups (p < 0.05). Those treated with air abrasion had the second highest shear bond strengths, but without a statistically significant difference when compared to the control group (p > 0.05). Specimens treated with phosphoric acid showed virtually no difference compared to the specimens of the control group (p > 0.05). CONCLUSION: Statistical analysis revealed that surface treatment with a diamond bur results in higher shear bond strength than other tested methods.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
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)0,0020,000

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 Opus0,061
Tête enseignante GPT0,320
Écart entre enseignants0,259 · 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 source (Gemma direct ou Codex distillé), 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

Citations147
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetDental materials and restorationsTravaux en français237 207