Effect of Different Agitation Techniques on the Penetration of Irrigant and Sealer into Dentinal Tubules
Notice bibliographique
Résumé
OBJECTIVE: The aim of this study was to compare the effectiveness of five intracanal agitation techniques on the penetration of irrigant and sealer into dentinal tubules. BACKGROUND DATA: Intracanal agitation techniques could promote chemomechanical debridement and the sealing of root canals during endodontic treatment. However, there is limited evidence for the agitation effect of Nd:YAP laser. MATERIALS AND METHODS: NiTi rotary files (Dentsply Maillefer) up to X4 (ISO 40 size). Rhodamine B-labeled sodium hypochlorite was used for final irrigation together with the conventional syringe (control), sonic, ultrasonic, Nd:YAP laser, or V-Clean™ endodontic agitation system. All canals were obturated with gutta-percha and fluorescein isothiocyanate-labeled AH Plus sealer. Transverse sections were obtained at 2, 5, and 8 mm from the apex and observed under confocal laser scanning microscopy. Maximum penetration depth and penetration percentage of both irrigant and sealer were recorded. Kruskal-Wallis and Mann-Whitney tests were performed for multiple comparisons. The Spearman coefficient was calculated to confirm correlations between irrigant and sealer penetration. RESULTS: Laser agitation attained the most irrigant and sealer penetration depth and penetration percentage (p < 0.05). Sonic and ultrasonic agitation attained significantly more penetration percentage than the control group at 2 mm from the apex (p < 0.05). Patterns of irrigant and sealer penetration correlated significantly for all agitation techniques (p < 0.001). CONCLUSIONS: Nd:YAP laser was superior to other agitation techniques in dentinal tubule penetration of irrigant and sealer at one or more sectioned levels from the apex.
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 ».