Surface roughness of restorative materials after immersion in mouthwashes
Notice bibliographique
Résumé
Abstract Objective: To evaluate the surface roughness of resin composite and ceramic material after immersion in mouthwashes. Methodology: Thirty specimens of resin composite and ceramic material were prepared with a stainless steel matrix (6 mm × 2 mm). The samples of each material were divided into three groups (n = 10), according to the mouthwashes: Distilled water (DW), chlorhexidine (CL) 0.12%, and cetylpyridinium chloride (CC). Specimens were individually submitted to the immersion cycle in 15 mL of mouthwash for 30 days, three times per day, for 1 min/cycle. Surface roughness measurements were performed at three different time intervals: Before the first cycle (T0), after 7 (T1), and 30 days (T2) of immersion. Data were analyzed by the two-way ANOVA and Tukey tests (P ≤ 0.05). Results: There was no statistically significant difference in surface roughness of resin composite among mouthwashes (DW - 1.4 ± 0.13 μm; CL - 1.16 ± 0.13 μm; CC - 1.18 ± 0.13 μm). Surface roughness was statistically significantly lower after 30 days (T2-0.56 ± 0.60 μm) compared with the initial period (T0-1.63 ± 0.60 μm) and after 7 days (T1-1.57 ± 0.60 μm). For ceramic material, CC (3.75 ± 0.60 μm) caused a higher level of surface roughness compared with DW (2.57 ± 0.60 μm) and CL (3.39 ± 0.60 μm). There was no statistically significant difference among the different time intervals (T0-3.05 ± 0.18 μm; T1-3.41 ± 0.18 μm; T2-3.26 ± 0.18 μm). Conclusion: Mouthwashes did not promote a significant change in surface roughness of composite resin. Cetylpyridinium chloride promoted an increase in surface roughness of dental ceramic.
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 | 0,000 |
| 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) | 0,001 | 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 ».